Anthropic mede os « valores » de Claude de acordo com a língua: o modelo tem um sotaque moral

Uma estudo publicado pela Anthropic quantifica as variações de comportamento do Claude de acordo com a língua e a versão. Os resultados são mais interessantes para o desenho de avaliações do que para o debate ético.

Em termos simples

Anthropic publicou em 15 de julho de 2026 um estudo sobre como as "valores" expressas pelo Claude variam — de acordo com a versão do modelo e a língua do prompt. Resultado: sim, elas variam. Não, não como o discurso "é um espelho" deixa transparecer. É um espelho orientado, cuja orientação depende do corpus e do RLHF.

O que o estudo faz

O protocolo, conforme apresentado pela Anthropic: submeter ao Claude um mesmo conjunto de dilemas e perguntas com enquadramento normativo, em várias línguas, em várias versões do modelo. Medir os alinhamentos com taxonomias de valores (autonomia, tradição, segurança, universalismo, etc.). Comparar.

Dois efeitos são identificados:

1. Efeito versão: com língua fixa, as pontuações medidas variam de uma versão do Claude para outra. Em outras palavras, a "posição moral" do modelo não é estável ao longo do tempo — ela muda com o treinamento.
2. Efeito língua: com modelo fixo, o prompt em uma dada língua faz com que certas pontuações desviem. Sem que o estudo pretenda decidir por que isso ocorre, nem mapear quais assuntos são mais afetados.

Por baixo do capô

Duas causas plausíveis, não excludentes:

• O desequilíbrio do corpus de pré-treinamento (inglês majoritário, com sub-corpus culturalmente típicos nas outras línguas).
• O RLHF, majoritariamente conduzido por anotadores anglófonos, que deixa marcas mais fortes no inglês.

O estudo não decide — e isso é honesto. O que ele traz é um quadro de medição onde os debates anteriores se contentavam com anedotas.

E então?

Para a avaliação de engenharia: parem de testar seu chatbot apenas em inglês. Um chatbot implantado na Índia, na Coreia ou no Brasil retorna respostas diferentes em temas sensíveis. Testem na língua da implantação, com anotadores locais.

Para a equipe de alinhamento: a safety em inglês não é a safety em francês. Existem jailbreaks culturais — a cobertura do treinamento de segurança deve acompanhar a cobertura linguística da implantação.

Para o debate ético: paremos de projetar a universalidade do modelo. Nenhum modelo multilíngue atual é culturalmente neutro — isso é mensurável, não é mais uma opinião. O verdadeiro trabalho é escolher o que fazer com essa não-neutralidade.