TL;DR:
- Anthropic analizó 309,815 conversaciones anónimas para medir los valores que Claude expresa en tareas subjetivas.
- La compañía resumió más de 3,300 valores en cuatro ejes: deferencia frente a cautela, calidez frente a rigor, profundidad frente a brevedad y franqueza frente a ejecución.
- El comportamiento cambia por modelo (Sonnet 4.6 es más cálido; Opus 4.7, más riguroso y cauteloso) y por idioma (más cálido en hindi y árabe; más riguroso en inglés y ruso).
Anthropic publicó este lunes 13 de julio de 2026 un estudio que mide algo que hasta ahora solo se intuía: Claude, su asistente de inteligencia artificial, no responde con los mismos valores en todas las conversaciones. El equipo de la compañía revisó 309,815 conversaciones anónimas de usuarios que le pidieron tareas subjetivas, como aconsejar o dar retroalimentación, y encontró que el tono y las prioridades del modelo cambian según dos factores: qué versión de Claude usas y en qué idioma le escribes. No porque el modelo "tenga" valores propios, sino por los que refleja en lo que escribe. Para ordenar esos patrones, agrupó más de 3,300 valores detectados antes en cuatro grandes ejes de comportamiento. El hallazgo tiene una lectura directa para cualquiera que use la herramienta: la respuesta que recibes depende, en parte, de decisiones que tomas sin pensarlas.
Para llegar ahí, Anthropic partió de una investigación previa, Values in the Wild, en la que había examinado 700,000 conversaciones e identificado más de 3,000 valores distintos en las respuestas de Claude. Comparar esa lista una por una era inmanejable, así que esta vez la condensó en 339 categorías y, con una herramienta de análisis que preserva la privacidad llamada Clio, etiquetó cuáles aparecían en cada conversación. Los datos salieron de un periodo de dos semanas de mayo de 2026, con una muestra repartida en partes iguales entre tres modelos (Sonnet 4.6, Opus 4.6 y Opus 4.7) y los 20 idiomas más usados en la plataforma.
De todo ese trabajo salieron cuatro ejes. Cada eje de valores es una línea entre dos grupos de valores opuestos que resume hacia cuál se inclina el modelo:
- La deferencia frente a la cautela mide si Claude se acomoda a lo que pides o si te frena para advertirte de un riesgo.
- La calidez frente al rigor marca si apuesta por el trato cálido y el ánimo o por la exactitud y la precisión.
- La profundidad frente a la brevedad indica si se extiende para explicarte o si se limita a lo que le pediste.
- La franqueza frente a la ejecución revela si expone sus propias dudas o si prefiere entregarte algo pulido y seguro.
Un detalle importante del método: para asegurarse de medir los valores del modelo y no las diferencias en lo que la gente preguntaba, los investigadores controlaron la tarea, el tema y los valores que expresaba el propio usuario en cada conversación.
El modelo que eliges define qué tan crítico es Claude
Los tres modelos mostraron perfiles distintos. Sonnet 4.6 se inclinó hacia la calidez, la deferencia y la brevedad: valida las ideas del usuario, imita su tono y recurre al humor o al aliento. Opus 4.7 tiró hacia el lado contrario, con más cautela, rigor, franqueza y profundidad, y mayor disposición a cuestionar lo que asumes, señalar riesgos que no le preguntaste, criticar tu trabajo sin adornos y reconocer sus propios límites. Opus 4.6 se quedó en un punto más conciso y enfocado en resolver, aunque con más rigor que Sonnet.
Anthropic aclaró que estas diferencias son pequeñas frente a la variación que hay entre una conversación y otra, pero lo bastante consistentes como para detectarse. Y coinciden con la percepción que ya existía de cada modelo, según escribió el equipo de investigación:
"Estos hallazgos coinciden con cómo la gente percibe estos modelos, tanto dentro de Anthropic como en internet. Los usuarios de Claude.ai han comentado que Opus 4.7 matiza sus respuestas con más frecuencia que otros modelos."
Que el método recupere impresiones que ya circulaban, dice la empresa, sugiere que está capturando algo real sobre cómo se comportan los modelos, no un artefacto de la medición.
Claude es más cálido en hindi y más rígido en inglés
El segundo hallazgo es el que más toca a la audiencia hispanohablante: el idioma de la conversación mueve la balanza. Estas fueron las diferencias más marcadas entre lenguas:
- Claude fue más cálido en hindi y árabe, con lenguaje amable, humor y validación de las ideas del usuario.
- En inglés y ruso se puso más riguroso: cuestiona supuestos, corrige detalles y pide evidencia.
- Se mostró más deferente en árabe y más cauteloso en inglés.
- Explicó con más profundidad en inglés y fue más breve en árabe.
- Fue más franco al reconocer errores en neerlandés y más orientado a ejecutar la tarea en indonesio.
¿Y el español? El estudio se concentró en los 20 idiomas más usados en Claude.ai, pero Anthropic no publicó en la nota en qué punto de cada eje cae el español. Lo que sí aplica, hables la lengua que hables, es el hallazgo de fondo. Dos personas que le piden a Claude su opinión sobre el mismo plan de negocios, una en hindi y otra en ruso, pueden terminar con impresiones distintas de qué tan bueno es, porque el modelo enmarca la evaluación con valores diferentes. Para los millones de hispanohablantes que usan estas herramientas a diario, la lección práctica es simple: si Claude te llena de halagos, parte de ese entusiasmo puede venir del idioma o del modelo, y no solo de la calidad de tu trabajo.
Anthropic reconoce que todavía no sabe qué provoca estas diferencias. Una hipótesis es que sus datos de entrenamiento no están repartidos por igual entre idiomas: algunos tienen mucho más material que otros, y la composición de ese material también varía, lo que podría empujar al modelo a expresar valores distintos según la lengua. La compañía tampoco tiene claro cuánta de esa variación conviene corregir, porque cada idioma trae sus propias normas de conversación. Su apuesta es usar estos cuatro ejes como una herramienta para evaluar y vigilar futuros modelos, y cazar cambios de comportamiento que no eligió a propósito.
Durante años, Anthropic podía moldear los valores de Claude en el entrenamiento, pero no medirlos una vez que el modelo llegaba a manos de la gente. Con este método ya puede verlos, y comprobó que varían de formas que nadie programó. Decidir qué hacer con esa variación es el siguiente trabajo, y le importa a cualquiera que se apoye en la respuesta de una IA para tomar una decisión.
