Anthropic ha pubblicato una ricerca in cui esamina i valori espressi da Claude in conversazioni, analizzando come questi cambino a seconda del modello utilizzato e della lingua in cui vengono formulati i prompt. L’indagine si basa su 309.815 conversazioni anonimizzate raccolte tra maggio 2026. Solo quelle conversazioni in cui Claude doveva gestire compromessi o giudizi soggettivi sono state incluse nella valutazione. Il campione era distribuito equamente tra Sonnet 4.6, Opus 4.6 e Opus 4.7, nonché le 20 lingue più utilizzate su Claude.ai.
Dagli Mille Valori ai Quattro Assi
Partendo da una precedente ricerca intitolata "Values in the Wild", che aveva identificato 3.307 termini di valore, Anthropic ha raggruppato quelli in 339 valori di primo livello. La squadra ha quindi utilizzato tecniche di riduzione della dimensionalità per individuare modelli nella co-occorrenza di questi valori. I risultati hanno rivelato quattro assi core: deferenza e cautela, calore e rigore, profondità e brevità, onestà ed esecuzione.
Per isolare le differenze che non fossero semplicemente dovute all’argomento o ai valori espressi dagli utenti, Anthropic ha adottato controlli statistici per fattori come tipo di compito, argomento e valori dell’utente. I quattro assi spiegano circa il 15% della variazione rimanente tra le conversazioni.
Profilo Distinto Per Ogni Modello
I modelli dimostrano una risposta misurabile. Sonnet 4.6 tende a confermare più spesso le idee dell’utente, usa l’umorismo e offre comfort senza giudicare. Opus 4.7, invece, avverte sui rischi senza essere sollecitato, mette in discussione le assunzioni, critica apertamente e segnala i propri errori o limiti. Opus 4.6 risponde in modo più diretto, rimane vicino al compito e evita elaborazioni aggiuntive.
Secondo Anthropic, questi profili si allineano alle impressioni soggettive riferite dagli utenti sugli stessi modelli. Molti considerano Sonnet 4.6 estremamente caloroso, mentre percepiscono negli output di Opus 4.7 un uso maggiore di frasi di attenzione e formulazione cauta.
La Lingua Cambia L’Output
I cambiamenti tra lingue sono altrettanto significativi. Tra le differenze, quelle più vaste si registrano tra i due assi "Calore vs Rigore" e "Onestà vs Esecuzione". Claude mostra maggiore calore in Hindi, seguito dall'Arabo. Entrambi usano un linguaggio cortese, con umorismo e affermazioni positive. In inglese e russo, invece, l’AI risponde con maggiore rigore, mettendo in discussione assunzioni, correggendo particolari e richiedendo prove. L’Arabo esprime più deferenza, l’inglese più cautela. Le risposte in olandese sembrano più aperte e sincere, mentre quelle in indonesiano sono più orientate all’azione e ai risultati.
Secondo Anthropic, due persone che chiedono a Claude di valutare lo stesso piano d’affari, una in Hindi e l’altra in Russo, riceverebbero feedback molto diversi. La squadra di ricerca attribuisce queste discrepanze a disuguaglianze nei dati di addestramento, differenze nella composizione dei dati, sovrarappresentazione di certi tipi di testi e norme conversazionali specifiche per lingua.
Misurazione Autonoma Limitata Nella Spiegazione
Lo studio presenta un metodo analitico per esaminare sistematicamente le differenze comportamentali nei modelli linguistici durante l’uso reale. Tuttavia, il suo potere esplicativo presenta limiti. I quattro assi riescono a spiegare solo una parte limitata della variazione osservata tra le conversazioni.
Non tutti i quattro assi si presentano come veri e propri opposti. Maggiore deferenza si accompagna spesso a minore cautela, e maggiore calore a minore rigore. Però "Profondità e brevità", e "Onestà ed esecuzione" possono coesistere nello stesso discorso.
C’è anche da considerare il fatto che il modello Sonnet 4.6 ha attribuito etichette di valore, quindi si tratta sempre di un modello della stessa famiglia di quelli osservati. Anthropic ha verificato il metodo con un controllo manuale e ha testato 800 conversazioni tradotte in otto lingue. La società non esclude però bias residui legati alle lingue.
Non Attribuzione dei Valori
Anthropic chiarisce esplicitamente che non attribuisce valori a Claude come entità autonoma, ma descrive modelli normativi nei suoi output. I risultati corrispondono per lo più ai profili dei modelli descritti da Anthropic stessa, il che significa che questa allineazione non rappresenta un controllo indipendente. Resta aperta la questione se le differenze per lingua rappresentino una desiderabile adattazione alle diverse community linguistiche o effetti collaterali non intenzionali del training.
Conclusione
Il lavoro di ricerca mostra una visione importante del modo in cui i modelli di AI riflettono e interagiscono con i valori espressi nel linguaggio. L’importanza della lingua nello schema del comportamento non è soltanto teorica, ma rilevante e visibile nei risultati. Anche se lo studio presenta limiti metodologici e interpretativi, l’esplorazione dei quattro assi fondamentali offre un nuovo punto di vista per comprendere l’evoluzione futura dei modelli linguistici.