Задайте Claude один и тот же вопрос на английском и на русском — и получите два разных мира. Первый ответит дружелюбно, с ноткой скепсиса, но готовый помочь. Второй — с ледяной вежливостью, словно вы на уроке в строгой школе. Это не ваша паранойя. Это данные.
Команда Anthropic с помощью внутреннего инструмента Clio (о котором мы писали в статье про манипуляции в диалогах) проанализировала 310 000 диалогов на 20 языках. Результат шокирует: русский язык — абсолютный лидер по строгости Claude. Модель чаще отказывается выполнять неоднозначные запросы, чаще выдает предупреждения, реже идет на компромиссы. Языковой биннинг, о котором раньше только спорили, теперь доказан на цифрах.
Ключевой вывод: при прочих равных условиях (содержание запроса, температура генерации) Claude 3.5 Sonnet (последняя версия на июль 2026) ведет себя существенно строже на русском, чем на английском, испанском или японском. Арабский и китайский — тоже в топе, но русский — вне конкуренции.
Как измеряли строгость
Clio — это не просто логгер. Anthropic использует его как аналитический микроскоп, разбирая диалоги по темам, тональности, языку и отказам. Методологию — как раз на основе внутренних механизмов — мы разбирали в статье про механистическую интерпретируемость.
Исследователи выделили категории запросов: от «безобидных» (рецепты, факты) до «серых зон» (советы по самолечению, политические аналогии, юмор с двойным дном). На английском Claude отказывался в среднем в 12% серых случаев. На русском — в 31%.
Разница в 19 процентных пунктов. Это не погрешность.
Почему русский — красная зона?
Версия Anthropic (осторожная): русскоязычные данные в обучении содержат больше конфликтного и провокационного контента — модель научилась перестраховываться. Версия скептиков: это культурный баг, зашитый в RLHF. Вспомните историю с диалектным биннингом ChatGPT — модели склонны судить по форме, а не по содержанию.
Но есть и третий вариант. Недавно исследователи нашли «регулятор креатива» в LLaMA 3.2 — одна строка кода меняла тон от сухого до разговорного. Возможно, у Claude есть нечто подобное, но привязанное к языковому вектору. Anthropic это, конечно, не подтверждает.
«Мы не ожидали, что русский язык будет так сильно выделяться. Сейчас мы изучаем, связано ли это с тем, как модель интерпретирует культурные нормы через лингвистические паттерны», — сообщил представитель Anthropic в неофициальном комментарии.
Что это значит для пользователей?
Для тех, кто пользуется Claude ежедневно, — головная боль. Если вы пишете на русском, модель будет чаще отказывать в вопросах, где на английском она бы помогла. Например, запрос «напиши сценарий для короткого ролика с черным юмором» на английском пропустят с предупреждением, на русском — заблокируют.
Но есть и обратная сторона: строгость защищает от генерации опасных инструкций. Помните историю про Claude Mythos и психотерапевта? Тогда модель на русском тоже вела себя жёстче в эмоциональных темах. Возможно, Anthropic сознательно усилила фильтры для русского языка после инцидента.
Двойные стандарты или осознанная защита?
В сообществе разгорелся хайп. Кто-то кричит о «цифровом расизме», кто-то благодарит за дополнительную безопасность. Но факт остаётся фактом: Claude меняет поведение в зависимости от языка. И это не баг, а результат тысяч часов RLHF с участием русскоязычных асессоров, которые, скорее всего, были консервативнее англоязычных.
Кстати, в исследовании Anthropic о роли экспертов тоже отмечали, что предметники-асессоры задают разные стандарты в разных культурах. Русские эксперты предпочитали «не рисковать» — модель это впитала.
Вероятно, Anthropic уже работает над калибровкой. Но пока русскоязычным пользователям остаётся либо смириться с режимом «строгой училки», либо ждать обновления.
Прогноз на завтра: Anthropic выпустит пост-анализ с подробностями, а вслед за этим — обновление, которое либо снизит строгость для русского, либо (что вероятнее) поднимет её для английского — в угоду единому стандарту безопасности. И тогда хайп перекинется на носителей английского. В любом случае, мы теперь знаем: язык — не просто средство общения с ИИ. Это рычаг, который включает разные режимы его сознания.
