Anthropic publicó este 13 de julio un estudio que analiza 309,815 conversaciones reales en Claude.ai para medir qué valores expresa su modelo de inteligencia artificial, Claude, y cómo estos varían según la versión del modelo y el idioma en que se conversa con él, informó la compañía en su sitio de investigación.
El trabajo parte de una investigación previa, «Values in the Wild», en la que Anthropic había identificado más de 3,000 valores distintos en las respuestas de Claude. Para hacer manejable ese universo, los autores agruparon esos valores en 339 categorías y aplicaron una técnica de reducción de dimensiones que los comprimió en cuatro ejes interpretables, cada uno representado como una línea entre dos polos opuestos.
Los cuatro ejes identificados son: deferencia frente a cautela (acomodarse a lo que pide el usuario frente a advertir riesgos), calidez frente a rigor (positividad y ánimo frente a precisión y exactitud), profundidad frente a brevedad (explicar a fondo frente a responder solo lo pedido), y candor frente a ejecución (transparencia sobre las propias limitaciones frente a ofrecer una respuesta pulida y segura). Según la empresa, estos cuatro ejes explican un 15% de la variación total en los valores expresados por Claude entre conversaciones.
La muestra se dividió equitativamente entre tres modelos, Sonnet 4.6, Opus 4.6 y Opus 4.7, y los 20 idiomas más usados en la plataforma, con aproximadamente 5,000 conversaciones por cada combinación de modelo e idioma, recolectadas durante dos semanas de mayo de 2026.
Diferencias entre modelos
El estudio encontró que Sonnet 4.6 tiende a expresar más deferencia, calidez y brevedad, con comportamientos como afirmar las ideas del usuario, usar humor y ofrecer consuelo sin juzgar. Opus 4.7, en cambio, se inclina hacia la cautela y la profundidad, con conductas como cuestionar suposiciones falsas, señalar riesgos sin que se le pida y reconocer sus propios errores y límites. Opus 4.6 se ubica en un punto intermedio, con tendencia al rigor, la deferencia y la brevedad, y un estilo más directo y ceñido a lo solicitado.
Anthropic subraya que estos perfiles coinciden con la percepción pública de cada modelo: Sonnet 4.6 ha sido descrito como cálido en su lanzamiento, mientras que Opus 4.7 es conocido por su rigor.
Diferencias entre idiomas
La investigación también halló variaciones según el idioma de la conversación. Claude se inclina más hacia la calidez en hindi y árabe, mientras que en inglés y ruso predomina el rigor, con comportamientos como cuestionar datos o pedir evidencia. En árabe, el modelo tiende además a la deferencia y la brevedad, mientras que en inglés se inclina hacia la cautela y la profundidad. En neerlandés predomina el candor (reconocer errores propios) y en indonesio, la ejecución.
Los autores advierten que aún no está claro qué tanto de esta variación es deseable, y plantean como hipótesis que la disponibilidad y composición desigual de datos de entrenamiento entre idiomas podría influir en estas diferencias. Ponen como ejemplo que dos personas que pidan retroalimentación sobre el mismo plan de negocios, una en hindi y otra en ruso, podrían recibir evaluaciones con matices distintos.
Próximos pasos
Entre las líneas de trabajo futuras, Anthropic menciona: rastrear el origen de estas diferencias en los datos de entrenamiento, medir su impacto real en los usuarios mediante herramientas como Anthropic Interviewer, y explorar si es posible dirigir de forma controlada los valores que expresa Claude mediante ajustes de entrenamiento de carácter o cambios en el system prompt. La compañía plantea también incorporar este método de «perfilado de valores» como parte de sus procesos de evaluación antes y después del lanzamiento de nuevos modelos.
El estudio fue firmado por 23 autores, entre ellos Matt Kearney, Miranda Zhang, Deep Ganguli y Esin Durmus, y puede consultarse de forma completa en anthropic.com/research/claude-values-models-languages.
