Claude tidak berperilaku sama dalam setiap percakapan. Menurut penelitian baru yang diterbitkan pada hari Senin, raksasa AI Anthropic menemukan bahwa asistennya secara konsisten mengekspresikan nilai-nilai yang berbeda tergantung pada model yang dipilih pengguna dan bahasa yang mereka gunakan.
Dalam laporan yang diterbitkan pada hari Senin, peneliti Anthropic menganalisis 309.815 percakapan pengguna anonim dengan Claude yang melibatkan tugas-tugas subjektif seperti memberikan saran atau masukan. Perusahaan tersebut mengatakan bahwa mereka menyaring lebih dari 3.300 nilai yang teridentifikasi menjadi empat dimensi perilaku—kepatuhan vs. kehati-hatian, kehangatan vs. ketelitian, kedalaman vs. singkatnya, dan kejujuran vs. eksekusi—menggambarkan bagaimana respons Claude berbeda di setiap percakapan.
“Untuk memastikan kami mengukur nilai-nilai yang diungkapkan Claude—bukan perbedaan dalam apa yang ditanyakan pengguna atau bagaimana mereka bertanya—kami mengontrol tugas, topik, dan nilai-nilai yang diungkapkan pengguna di setiap percakapan,” tulis para peneliti.
Menurut Anthropic, setiap model Claude menunjukkan profil perilaku yang berbeda.
Sonnet 4.6 menekankan kehangatan, kepatuhan, dan keringkasan, sering kali menegaskan pengguna dan merespons dengan humor atau dorongan. Pada saat yang sama, Opus 4.7 menekankan ketelitian, kehati-hatian, kejujuran, dan kedalaman, lebih sering menantang asumsi, menjelaskan alasannya, mengidentifikasi risiko, dan mengakui keterbatasannya. Opus 4.6 umumnya mengambil pendekatan yang lebih ringkas, berfokus pada eksekusi, sambil lebih menekankan ketelitian daripada Sonnet.
“Temuan ini sejalan dengan bagaimana orang mempersepsikan model-model ini, baik di dalam Anthropic maupun secara online. Pengguna Claude.ai telah berkomentar bahwa Opus 4.7 lebih sering membatasi jawabannya daripada model lain,” tulis para peneliti.
Menurut Anthropic, perilaku Claude juga bervariasi berdasarkan bahasa.
Respons bahasa Arab cenderung lebih patuh, sementara respons bahasa Inggris lebih menekankan kehati-hatian. Claude paling hangat dalam bahasa Hindi dan Arab, menggunakan bahasa yang lebih sopan, menyenangkan, dan mendorong. Pada saat yang sama, respons bahasa Inggris dan Rusia lebih teliti, sering kali menantang asumsi, mengoreksi detail, dan meminta bukti.
Respons bahasa Inggris juga cenderung memberikan penjelasan yang lebih rinci, sedangkan respons bahasa Arab umumnya lebih ringkas. Respons bahasa Belanda adalah yang paling jujur, lebih mudah mengakui ketidakpastian dan kesalahan, sementara respons bahasa Indonesia lebih berfokus pada penyelesaian permintaan pengguna.
Anthropic mengatakan penelitian ini tidak menyiratkan bahwa Claude memiliki nilai. Perusahaan tersebut mengatakan belum mengetahui apa yang menyebabkan perbedaan tersebut—atau apakah perbedaan tersebut diinginkan—tetapi percaya kerangka kerja ini dapat membantu mengevaluasi model di masa depan dan mengidentifikasi perubahan perilaku yang tidak disengaja.
Studi ini adalah yang terbaru dalam serangkaian studi Anthropic yang meneliti perilaku internal Claude.
Pada bulan Oktober, perusahaan melaporkan bahwa model-modelnya menunjukkan tanda-tanda awal dari apa yang disebutnya "kesadaran introspektif fungsional," memungkinkan mereka untuk mengenali dan mendeskripsikan aspek-aspek pemrosesan internal mereka sendiri. Pada bulan April, Anthropic menerbitkan penelitian yang mengidentifikasi "vektor emosi" internal yang memengaruhi perilaku Claude, sambil menekankan bahwa itu bukan bukti emosi atau kesadaran.
