他們花了三十萬段對話，證明那一端沒有人

前陣子我寫過〈一張地圖，兩種讀法：當 AI 模型被丟進《世界價值觀調查》〉。那時候我手上只有一張靜態的圖——《經濟學人》把二十幾款模型丟進 Inglehart-Welzel 的文化座標，看起來鐵證如山地證明了 AI 文化單一化。我那篇的結論是：同質化是真的，只是它躲錯了地方，換個尺度看，模型之間的差異結構其實清清楚楚存在。

當時我缺的是資料。我只能靠一張別人畫好的圖去反推。

七月十三日，Anthropic 把那塊缺的資料補上了。他們發表〈Claude's values across models and languages〉，分析了 309,815 段去識別化的真實對話，把過去在〈Values in the Wild〉裡整理出的三千多個價值，壓縮成四條可以量測的軸線。這正好是我當時想要、卻拿不到的東西：不是一張外部調查畫的地圖，而是從模型自己每天吐出的幾十萬句話裡，量出來的座標。

四條軸，和一件被 FB 貼文集體讀反的事

那四條軸是：順應對審慎、溫暖對嚴謹、深度對簡潔、坦誠對執行。實測下來，Sonnet 4.6 偏溫暖、順應、簡潔；Opus 4.7 偏審慎、深度、坦誠，會主動警告風險、直接挑戰你的假設、坦白自己哪裡不確定。這部分，中文圈那幾篇轉述都抓對了。

但我看到的每一篇 FB 轉貼，都在同一個地方讀反了。

它們的標題和行文，全都在講「Claude 的價值觀」「Claude 的性格」——好像這份研究證明了 Claude 這個對象裡面，住著一套會變的價值。

原文的立場恰恰相反。論文第一個註腳，白紙黑字寫著：他們不暗示 Claude 內在地持有價值（We do not imply that Claude intrinsically holds values）。他們量的是「輸出所表達出來的」（expressed），不是「它相信的」。整篇論文小心翼翼地把每一句都寫成 "the values Claude expresses"，沒有一次寫成 "the values Claude has"。

這個區別不是咬文嚼字。這正是我在〈他／它：一場從猜數字遊戲開始的對話〉和〈AI 就是個工具，不多也不少〉裡反覆在講的同一件事：你確實得到了有用的回應，但回應的那一端，沒有一個持有價值的主體。反 AI 的人和崇拜 AI 的人犯同一個錯——都以為對面站著一個會思考、會創造、會「持有」什麼的人。

Anthropic 用三十萬段對話、一整套統計方法，最後在註腳裡講了同一句話。他們花了那麼大力氣量一個東西的性格側寫，然後在最不起眼的地方提醒你：這不是性格，這是輸出的統計傾向。差別在於，我是憑語感講的，他們是拿量尺量出來、還特地在註腳裡把話說死。

被放大的差異，其實很小

還有一件事，那些「Claude 開始講黑話了」「模型迭代後性格大變」的貼文完全沒提：這些差異的量級，其實非常小。

四條軸加起來，只解釋了對話間 15% 的變異——而且是在控制掉「使用者問了什麼、什麼主題、使用者自己表達了哪些價值」之後的 15%。模型之間的差距，落在 0.1 到 0.24 個標準差之間。Anthropic 自己的形容是：「小，但結構化、可偵測」。

這跟我在〈一張地圖，兩種讀法〉裡的判斷是同一個方向。同質化是真的——大部分時候，大部分價值，模型之間差不多。差異是真的存在，但它躲在一個很窄的縫裡，要用對的尺度、控制掉雜訊，才量得出來。把 0.2 個標準差講成「性格大變」「開始講黑話」，是把一條細縫講成了鴻溝。

語言那一段，補上了我用中文寫作時的直覺

論文裡跨語言的差異，比跨模型還大。溫暖對嚴謹這條軸上，Claude 在印地語、阿拉伯語最溫暖，在英語、俄語最嚴謹；深度對簡潔上，英語最愛展開細節，阿拉伯語最簡潔。

我在〈中文骨頭裡是英文：我們用中文跟 AI 工作，失去了什麼？〉裡憑語感抓過一件事：Claude 的中文句子有一種奇怪的完整感，每個子句都說清楚了，沒有中文自然會有的那種「不說完的留白」。當時那是純質性的觀察，我沒有數字。

現在這份研究等於幫我的直覺標了座標。我感覺到的那塊「英文的手伸進中文裡、把留白填滿」的東西，在「溫暖對嚴謹」「深度對簡潔」這兩條軸上是可量測的方向。更值得注意的是他們給的解釋：訓練資料在各語言間分佈不均，某些語言可能被專業書寫的語料主導，而專業書寫本身帶著不同的價值。這跟我猜的原因幾乎一樣——不是 Claude 對中文有什麼態度，是中文語料的組成，讓它在中文裡長成了那個樣子。

一個我覺得最該被拿出來講的細節

這份研究最遞迴、也最有意思的地方：標註那三十萬段對話裡「表達了哪些價值」的，是 Claude 自己。他們拿 Claude 去標 Claude。

Anthropic 也知道這是個問題，測了語言偏誤、說沒找到系統性錯誤，但坦承無法完全排除殘留影響——這件事本身，就是「坦誠對執行」那條軸的一次現場示範。一個模型在測量自己的價值側寫時，順手承認了自己這把尺可能有問題。你很難說這是「性格」，但你也很難說這裡什麼都沒有。

而整篇最漂亮的一句，是收尾：這些價值「以我們並非刻意選擇的方式」變動（vary in ways we didn't deliberately choose）。

一家公司，蓋了世界上最被密切對齊的模型之一，寫了憲法、做了性格訓練、反覆微調，最後拿放大鏡去看自己的成品，發現裡面有一整層價值傾向，是它沒有刻意放進去的。它只能事後量出來，量出來還不完全知道為什麼。

這件事我一點都不覺得可怕，反而覺得很誠實。它跟〈我教我的回聲，說出它沒想通的事〉裡我做的事是同一個動作的兩面：我花了很多力氣，想手動把一個會用我語氣說話的回聲，往「坦誠」那一端調——教它說出我問過卻沒答的問題、承認它哪裡其實沒料。而 Anthropic 這篇告訴我，就算你是那個蓋模型的人，你能刻意調的，也只是其中一部分；剩下的，是資料自己長出來的，你只能事後拿尺去量。

差異來自差異。我信這句話信了二十年——研究所讀索緒爾，占卜塔羅也靠它。這份研究讓我又確認了一次：那一端沒有人，但那一端有結構。而結構，從來不是無中生有，是差異堆出來的。

所以德希達那句「文本之外無文本」（il n'y a pas de hors-texte），到這裡不再是一句哲學上的漂亮話，而是這份研究的出廠設定。那一端沒有一個持有價值的主體站在文本外面、把價值放進來；有的只是文本本身——訓練資料、對話、輸出，層層疊疊。所謂的「性格」「價值」「溫暖」或「嚴謹」，都不是某個內在的東西被表達出來，而是這一整張編織物（context）在不同尺度下被量出來的紋路。一切都是編織出來的，沒有一個編織的人躲在布後面。你摸到的是布，不是手。

延伸閱讀：

• 〈一張地圖，兩種讀法：當 AI 模型被丟進《世界價值觀調查》〉
• 〈他／它：一場從猜數字遊戲開始的對話〉
• 〈AI 就是個工具，不多也不少〉
• 〈中文骨頭裡是英文：我們用中文跟 AI 工作，失去了什麼？〉
• 〈我教我的回聲，說出它沒想通的事〉
• 原文：Claude's values across models and languages（Anthropic, 2026-07-13）