Anthropic ha sviluppato un metodo per misurare in modo quantitativo le tendenze comportamentali espresse da Claude nelle conversazioni reali. L’analisi mostra che il modello non adotta esattamente lo stesso stile in ogni contesto: le risposte cambiano in base alla versione utilizzata e alla lingua con cui l’utente interagisce.
Lo studio riguarda i valori manifestati nelle risposte, intesi come criteri normativi e comportamentali osservabili, tra cui prudenza, accuratezza, disponibilità verso l’utente, trasparenza ed empatia. Anthropic precisa che il termine non implica che il sistema possieda convinzioni o valori propri. L’analisi descrive esclusivamente le caratteristiche che emergono dai testi prodotti dal modello.
Il lavoro parte da una precedente ricerca nella quale Anthropic aveva identificato oltre 3.000 valori differenti all’interno di 700.000 conversazioni anonimizzate. Un insieme così ampio risultava però difficile da confrontare tra modelli, lingue e situazioni. I ricercatori hanno quindi cercato di ridurre questa complessità costruendo un numero limitato di dimensioni capaci di rappresentare le principali differenze nelle risposte.
La nuova analisi ha preso come base 3.307 valori individuati nel precedente progetto. Quelli con significati simili sono stati raggruppati manualmente, ottenendo 339 categorie di livello superiore. Anthropic ha successivamente esaminato 309.815 conversazioni Claude.ai nelle quali gli utenti avevano sottoposto al sistema attività soggettive, cioè richieste prive di una risposta universalmente corretta, come valutare un progetto, affrontare un conflitto personale o prendere una decisione professionale.
Le conversazioni sono state raccolte durante un periodo di due settimane nel maggio 2026. Il campione è stato distribuito in modo sostanzialmente uniforme tra Claude Sonnet 4.6, Claude Opus 4.6 e Claude Opus 4.7 e tra le venti lingue più utilizzate sulla piattaforma. Per ciascuna combinazione tra modello e lingua sono state analizzate approssimativamente 5.000 conversazioni.
Anthropic ha utilizzato un proprio sistema di analisi progettato per preservare la privacy. Lo strumento ha esaminato le conversazioni anonimizzate e ha classificato come presente o assente ciascuno dei 339 valori. La stessa procedura è stata applicata ai valori espressi dagli utenti, all’argomento della conversazione e al tipo di compito richiesto.
Questo passaggio era necessario per separare le caratteristiche del modello dalle differenze nel comportamento degli utenti. Una maggiore presenza di empatia in una determinata lingua, per esempio, potrebbe dipendere dal fatto che gli utenti impiegano quella lingua più frequentemente per discutere problemi personali. I ricercatori hanno quindi controllato statisticamente il compito, il tema e i valori manifestati dall’utente prima di confrontare le risposte di Claude.
L’applicazione di tecniche di riduzione dimensionale ha prodotto quattro assi principali. Ogni asse non rappresenta una separazione assoluta, ma una linea lungo la quale le risposte possono collocarsi più vicino a uno dei due gruppi di caratteristiche.
Il primo asse contrappone disponibilità e prudenza, indicate rispettivamente come Deference e Caution. La disponibilità comprende la capacità di adattarsi alle richieste, rispettare le preferenze e assecondare gli obiettivi dell’utente. La prudenza riguarda invece la prevenzione dei danni, la comunicazione responsabile e la tendenza a segnalare rischi o conseguenze problematiche.
Il secondo asse confronta calore e rigore, Warmth e Rigor. Il calore comprende incoraggiamento, positività, empatia e attenzione alla persona. Il rigore comprende precisione, accuratezza, trasparenza ed efficienza. Le due caratteristiche non sono necessariamente incompatibili: una risposta può essere contemporaneamente empatica e accurata. L’asse misura quale insieme di valori tende a emergere con maggiore forza.
La terza dimensione oppone profondità e sintesi, Depth e Brevity. La profondità è associata a spiegazioni articolate, pensiero critico, sfumature e contestualizzazione. La sintesi riguarda invece il rispetto puntuale della richiesta, la concisione e l’eliminazione delle informazioni non indispensabili.
Il quarto asse mette a confronto franchezza e orientamento all’esecuzione, Candor ed Execution. La franchezza comprende onestà intellettuale, riconoscimento dell’incertezza, trasparenza sui limiti e disponibilità ad ammettere gli errori. L’orientamento all’esecuzione descrive invece risposte concentrate sul risultato, sull’ottimizzazione e sulla produzione di un contenuto immediatamente utilizzabile.
Nel complesso, questi quattro assi spiegano circa il 15% della variazione osservata nei valori espressi da Claude dopo avere controllato argomento, compito e caratteristiche delle richieste. La percentuale indica che una parte consistente delle differenze rimane legata ad altri fattori. Gli assi non descrivono quindi integralmente il comportamento del modello, ma forniscono una struttura sintetica per confrontarne alcune tendenze ricorrenti.
Le differenze tra le tre versioni di Claude risultano contenute rispetto alla variabilità presente tra singole conversazioni, ma sono comunque sistematiche e statisticamente rilevabili.
Claude Sonnet 4.6 mostra una maggiore inclinazione verso disponibilità, calore e sintesi. La distanza media rilevata è pari a 0,14 deviazioni standard verso la disponibilità, 0,17 verso il calore e 0,14 verso la concisione. Nelle conversazioni analizzate, il modello tende più frequentemente a confermare le idee dell’utente, adattarsi al suo tono e al grado di formalità, utilizzare umorismo o espressioni giocose e offrire conforto senza formulare giudizi.
Claude Opus 4.6 si colloca maggiormente verso rigore, disponibilità e sintesi. Le differenze misurate sono pari a 0,10 deviazioni standard verso il rigore, 0,09 verso la disponibilità e 0,08 verso la concisione. Il suo comportamento distintivo consiste soprattutto nel raggiungere rapidamente il punto centrale della richiesta e rimanere entro il perimetro indicato dall’utente.
Claude Opus 4.7 presenta invece la maggiore inclinazione verso prudenza e profondità, rispettivamente con valori medi di 0,24 e 0,23 deviazioni standard. Il modello tende più spesso a contestare presupposti falsi, segnalare autonomamente possibili rischi, formulare critiche dirette, spiegare il ragionamento seguito e dichiarare errori, limiti o incertezze.
Le misurazioni coincidono in parte con le impressioni qualitative già espresse dagli utenti e dagli stessi sviluppatori di Anthropic. Sonnet 4.6 era stato presentato come un modello particolarmente cordiale e orientato alle interazioni sociali, mentre Opus 4.7 viene percepito come più rigoroso, analitico e incline a introdurre avvertenze.
La corrispondenza tra le valutazioni soggettive e i risultati quantitativi suggerisce che gli assi individuati riescano a catturare differenze reali nel comportamento. Lo studio non stabilisce però che un profilo sia migliore degli altri. Una risposta più breve e operativa può essere preferibile in un’attività esecutiva, mentre una maggiore prudenza e profondità possono risultare utili quando la decisione presenta rischi o conseguenze rilevanti.
Le differenze più marcate emergono nel confronto tra lingue. Claude mostra variazioni soprattutto lungo gli assi calore-rigore e franchezza-esecuzione, mentre disponibilità-prudenza e profondità-sintesi rimangono relativamente più stabili.
L’hindi è la lingua nella quale Claude esprime mediamente il maggiore calore, seguito dall’arabo. In queste conversazioni il sistema utilizza con maggiore frequenza formule educate, incoraggiamenti, umorismo, espressioni giocose e conferme positive delle idee dell’interlocutore.
Il russo si colloca invece all’estremo del rigore, mentre anche l’inglese presenta una forte inclinazione verso accuratezza e precisione. In queste lingue Claude tende più frequentemente a mettere in discussione le ipotesi, correggere dettagli e chiedere elementi a sostegno delle affermazioni.
L’arabo presenta la maggiore disponibilità verso l’utente e la maggiore concisione. L’inglese è invece la lingua nella quale Claude manifesta più prudenza e fornisce risposte mediamente più approfondite. L’indonesiano mostra la maggiore inclinazione verso l’esecuzione, mentre l’olandese si distingue per la franchezza e per la propensione del modello ad ammettere i propri errori.
Anche il coreano presenta un profilo riconoscibile. Nelle oltre 15.000 conversazioni considerate, Claude si è mostrato più disponibile, caloroso e franco rispetto alla media delle venti lingue. Il modello tende inoltre a produrre risposte relativamente concise, ad adattarsi al registro linguistico e al livello di cortesia utilizzato dall’interlocutore e a ricorrere a umorismo o formulazioni giocose.
Questi risultati implicano che utenti che formulano richieste equivalenti in lingue differenti possono ricevere non soltanto testi diversi, ma valutazioni presentate con criteri comportamentali differenti. Una persona che chiede un giudizio su un piano aziendale in hindi potrebbe ricevere una risposta più incoraggiante, mentre una richiesta simile in russo potrebbe produrre una valutazione più severa, precisa e orientata alla correzione degli errori.
La differenza non riguarda necessariamente le informazioni di base, ma il modo in cui il sistema le seleziona, le organizza e le comunica. Il tono e la struttura possono influenzare la percezione della qualità di un progetto, la fiducia attribuita alla risposta e persino le decisioni successive dell’utente.
Anthropic non ha ancora stabilito con precisione da dove derivino queste variazioni. Una delle spiegazioni considerate riguarda la distribuzione non uniforme dei dati di addestramento. Alcune lingue dispongono di quantità molto maggiori di testi, mentre altre sono rappresentate da insiemi più limitati.
Anche la composizione dei dati può avere un ruolo. Il materiale disponibile in una lingua potrebbe comprendere una quota elevata di documenti professionali, pubblicazioni accademiche, conversazioni informali oppure testi di assistenza. Queste differenze possono trasmettere al modello specifiche norme comunicative e rendere più frequenti alcuni valori rispetto ad altri.
Una seconda spiegazione riguarda le convenzioni culturali e linguistiche. Le lingue non sono semplici sistemi intercambiabili per esprimere gli stessi contenuti. Presentano regole differenti per la cortesia, il grado di formalità, la formulazione delle critiche, il rapporto con l’autorità e l’espressione del disaccordo. Una parte delle variazioni osservate potrebbe quindi rappresentare un adattamento appropriato alle aspettative dell’interlocutore.
Anthropic sottolinea però che non è ancora possibile distinguere chiaramente l’adattamento culturale desiderabile da un comportamento prodotto involontariamente da squilibri nei dati. Un modello più caloroso in una determinata lingua potrebbe risultare naturale per gli utenti, ma potrebbe anche evitare critiche necessarie. Al contrario, una maggiore rigidità potrebbe migliorare la precisione tecnica ma apparire meno utile o meno rispettosa nel contesto culturale di riferimento.
Lo studio non misura inoltre l’effetto di queste differenze sugli utenti. Non stabilisce se un maggiore calore aumenti il benessere o la fiducia, né se un maggiore rigore produca decisioni più corrette. La metodologia identifica le tendenze presenti nelle risposte, ma non ne determina direttamente la qualità o le conseguenze.
Anthropic intende approfondire questo aspetto collegando i profili di valore a indicatori come fiducia, benessere, soddisfazione e qualità delle decisioni. L’obiettivo è comprendere quali differenze abbiano un impatto significativo e quali rappresentino soltanto variazioni stilistiche prive di conseguenze sostanziali.
La società vuole anche risalire ai fattori di addestramento che generano i diversi profili. Il confronto tra versioni del modello potrebbe permettere di collegare una maggiore prudenza o un maggiore calore a specifiche fasi di fine-tuning, tecniche di character training, dati utilizzati o istruzioni di sistema.
La stessa metodologia potrebbe essere impiegata prima e dopo il rilascio di un nuovo modello. Un cambiamento improvviso lungo uno degli assi potrebbe segnalare un’alterazione imprevista del comportamento. Il profilo diventerebbe così uno strumento di valutazione e monitoraggio, affiancato ai tradizionali test di capacità, sicurezza e accuratezza.
Anthropic considera anche la possibilità di modificare intenzionalmente queste tendenze attraverso il character training o le istruzioni di sistema. Un sistema potrebbe essere configurato per aumentare il rigore nelle attività scientifiche, la sintesi nelle operazioni ripetitive oppure il calore nelle conversazioni di supporto. Qualsiasi intervento dovrebbe comunque rimanere compatibile con la costituzione di Claude, che definisce i principi generali del comportamento previsto.
La personalizzazione dei valori solleva però questioni più complesse rispetto alla semplice regolazione del tono. Aumentare la disponibilità può ridurre la propensione a contraddire l’utente, mentre aumentare l’orientamento al risultato può rendere meno visibili dubbi e limitazioni. Gli assi individuati mostrano che caratteristiche considerate positive possono entrare in tensione tra loro e che l’ottimizzazione di una dimensione può modificare le altre.
Il metodo non deve quindi essere interpretato come un sistema per assegnare un punteggio complessivo al modello. Serve piuttosto a descrivere quali comportamenti emergono con maggiore frequenza e a verificare se corrispondono alle intenzioni di progettazione.
La ricerca evidenzia inoltre un limite delle valutazioni linguistiche basate soltanto sulla correttezza delle risposte. Due versioni del sistema possono ottenere risultati simili nei benchmark e mostrare tuttavia differenze rilevanti nel modo di gestire incertezza, critica, rischio ed empatia. Per valutare l’esperienza degli utenti internazionali non è quindi sufficiente misurare traduzione, grammatica e conoscenze.
Claude viene utilizzato ogni giorno in milioni di conversazioni e in decine di lingue. Le differenze individuate non sarebbero state tutte scelte deliberatamente durante lo sviluppo. Anthropic dispone ora di uno strumento per osservarle, confrontarle e verificare nel tempo se rimangono coerenti con il comportamento previsto.