Claudeの価値観、言語で大きく変化

Anthropicは7月13日、AIアシスタントClaude（Anthropicが開発する大規模言語モデルシリーズ）が会話中に表現する価値観を、モデルと言語の両面から定量化した研究成果を公開した。約31万件の実際の匿名会話データを分析した結果、同じ質問でも使用言語によって応答の性格がモデル間の差以上に変化することが明らかになった。日本語を含む多言語でClaudeを利用する開発者・事業者にとって、応答品質の言語間格差を把握する重要な手がかりとなる。

3,307個の価値観を4軸に圧縮した手法

研究の土台は、先行研究「Values in the Wild（Anthropicが2025年に実施した、Claude会話に現れる価値観を大規模に分析した研究）」で特定された3,307個の価値観だ。同社はこれを339の要素に整理・クラスター化したうえで、プライバシー保護分析ツールClio（Anthropicが開発したプライバシー保護型の会話分析ツール）を用い、Claude.ai上の30万9,815件の会話を分析した（公式発表）。サンプルは3モデル（Sonnet 4.6、Opus 4.6、Opus 4.7）×主要20言語の組み合わせで各約5,000件を抽出し、次元削減（多数の変数を少数の軸に集約する統計手法）により価値観の変動を以下の4軸に圧縮している。

軸	一方の極	もう一方の極	概要
​従順さ 対 慎重さ​	ユーザーの好みを尊重	リスクや危害を警告	要望への順応と安全性のバランス
​温かさ 対 厳密さ​	共感・励まし・ユーモア	正確さ・論理性の強調	感情面と知的厳密さの重み
​深さ 対 簡潔さ​	ニュアンスや理由の詳述	指示内容のみ端的に実行	説明の詳細度
​率直さ 対 遂行​	不確実性や限界を正直に提示	自信ある洗練された回答	透明性と完成度の優先順位

分析にあたっては、会話のタスク・トピック・ユーザー側の表現した価値観を統制変数として除外し、Claude側の価値観の差分のみを抽出している。

Sonnet 4.6は温かく、Opus 4.7は厳格——モデル別の性格差

モデルごとの平均位置を算出した結果、ユーザーの主観的な体感と一致する傾向が数値で裏付けられた（公式発表）。

モデル	傾向	特徴的な振る舞い
Sonnet 4.6	温かさ（+0.17σ）・従順さ（+0.14σ）・簡潔さ（+0.14σ）	ユーザーのアイデアを肯定、ユーモアや遊び心を交える
Opus 4.6	厳密さ（+0.10σ）・従順さ（+0.09σ）・簡潔さ（+0.08σ）	要点に直行し、依頼範囲内にとどまる
Opus 4.7	慎重さ（+0.24σ）・深さ（+0.23σ）	誤った前提への反論、リスクの事前指摘、自身の限界の明示

σ値は全会話の平均からの標準偏差で、会話間の変動に比べると小さいが、構造化された検出可能な差異だと同社は説明している。

言語間の偏り——ヒンディー語・アラビア語は温かく、英語・ロシア語は厳格

言語別の比較では、モデル間の差を上回る変動が確認された。「温かさ 対 厳密さ」軸で最も温かさに傾くのはヒンディー語とアラビア語で、丁寧な言葉遣いやアイデアへの肯定が顕著になる。逆に英語とロシア語では前提を疑い根拠を求める厳密さが強い。「従順さ 対 慎重さ」軸ではアラビア語が最も従順・簡潔に、英語が最も慎重・詳細に傾いた（PC Watch）。

日本語ユーザーへの示唆

今回の分析対象はClaude.ai上の上位20言語で、日本語も対象に含まれる。公式発表の言語別プロファイルカードによれば、日本語での応答はやや温かさ寄りの傾向が示されている。日本語でClaudeを業務利用している開発者・企業は、英語で同じ質問をした場合に異なるトーンの回答が返る可能性を認識しておく必要がある。特にコードレビューやリスク評価など厳密さが求められる用途では、言語選択が応答品質に影響しうる点は実務上の留意事項となる。

偏りの原因は未解明

こうした言語間の差が、学習データの量・構成の不均衡に起因するのか、各言語圏の文化的な会話規範を反映した望ましい変化なのかは、まだ結論づけられていない。Anthropicは公式発表で「ここでいう価値観とは応答に表れた規範的な傾向を指し、Claudeが内面的に価値観を持つことを含意しない」と注記している。

モデル出荷前の品質評価への応用を明示

Anthropicはこの定量化手法を、今後のモデル出荷前の安全性・品質評価プロセスや、運用中のバリュープロファイリング（AIモデルが表現する価値観の傾向を軸上の位置として数値化する手法）監視に組み込む方針を示した。従来は主観的に語られてきたモデルの「性格」を再現可能な指標に変換できたことで、学習時の設計判断（キャラクタートレーニング等）が価値観表現にどう影響するかを追跡する基盤が整った形だ。ただし、4軸が捉えるのは価値観の変動全体の15%にとどまり、残りの変動要因の解明は今後の課題として残っている。