Claude Platform Docs
  • Messages
  • Managed Agents
  • Admin

Search...
⌘K
Langkah pertama
Pengenalan ClaudeMulai cepat
Membangun dengan Claude
Ikhtisar fiturMenggunakan Messages APIAlasan berhenti dan fallbackPenolakan dan fallbackKredit fallback
Kemampuan model
Pemikiran diperpanjangPemikiran adaptifUpayaAnggaran tugas (beta)Mode cepat (pratinjau riset)Output terstrukturSitasiStreaming MessagesPemrosesan batchHasil pencarianStreaming penolakanDukungan multibahasaEmbeddings
Alat
IkhtisarCara kerja penggunaan alatTutorial: Membangun agen pengguna alatMendefinisikan alatMenangani panggilan alatPenggunaan alat paralelTool Runner (SDK)Penggunaan alat ketatAlat serverAlat pencarian webAlat pengambilan webAlat eksekusi kodeAlat penasihatAlat pencarian alatAlat memoriAlat BashAlat editor teksAlat penggunaan komputerPemecahan masalah
Infrastruktur alat
Referensi alatMengelola konteks alatKombinasi alatPenggunaan alat dengan caching promptPemanggilan alat terprogramStreaming alat terperinci
Manajemen konteks
Jendela konteksPemadatanPengeditan konteksCaching promptPesan sistem di tengah percakapanMembangun mode orkestrasiDiagnostik cache (beta)Penghitungan token
Bekerja dengan file
Files APIDukungan PDF
Skills
IkhtisarMulai cepatPraktik terbaikSkills untuk enterpriseSkills di API
MCP
Server MCP jarak jauhKonektor MCP
Claude di platform cloud
Amazon BedrockAmazon Bedrock (lama)Claude Platform di AWSGoogle CloudMicrosoft Foundry

Log in
Dukungan multibahasa
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Loading...
Claude Platform Docs

Solutions

  • AI agents
  • Code modernization
  • Coding
  • Customer support
  • Education
  • Financial services
  • Government
  • Life sciences

Partners

  • Claude on AWS
  • Claude on Google Cloud

Learn

  • Blog
  • Courses
  • Use cases
  • Connectors
  • Customer stories
  • Engineering at Anthropic
  • Events
  • Powered by Claude
  • Service partners
  • Startups program

Company

  • Anthropic
  • Careers
  • Economic Futures
  • Research
  • News
  • Responsible Scaling Policy
  • Security and compliance
  • Transparency

Learn

  • Blog
  • Courses
  • Use cases
  • Connectors
  • Customer stories
  • Engineering at Anthropic
  • Events
  • Powered by Claude
  • Service partners
  • Startups program

Help and security

  • Availability
  • Status
  • Support
  • Discord

Terms and policies

  • Privacy policy
  • Responsible disclosure policy
  • Terms of service: Commercial
  • Terms of service: Consumer
  • Usage policy
Messages/Kemampuan model

Dukungan multibahasa

Claude unggul dalam tugas-tugas di berbagai bahasa, mempertahankan performa lintas bahasa yang kuat relatif terhadap bahasa Inggris.

Ikhtisar

Claude menunjukkan kemampuan multibahasa yang tangguh, dengan performa yang sangat kuat dalam tugas-tugas "zero-shot" (tanpa contoh) di berbagai bahasa. Model ini mempertahankan performa relatif yang konsisten baik pada bahasa yang banyak digunakan maupun bahasa dengan sumber daya lebih sedikit, menjadikannya pilihan yang andal untuk aplikasi multibahasa.

Claude mampu menangani banyak bahasa di luar yang diukur dalam tabel berikut. Lakukan pengujian dengan bahasa apa pun yang relevan dengan kasus penggunaan spesifik Anda.

Data performa

Tabel berikut menunjukkan skor evaluasi "zero-shot chain-of-thought" (rantai pemikiran tanpa contoh) untuk model Claude di berbagai bahasa, dinyatakan sebagai persentase relatif terhadap performa bahasa Inggris (100%):

BahasaClaude Opus 4.1 (tidak digunakan lagi)1Claude Sonnet 4.51Claude Haiku 4.51
Inggris (baseline, ditetapkan pada 100%)100%100%100%
Spanyol98,1%98,2%96,4%
Portugis (Brasil)97,8%97,8%96,1%
Italia97,7%97,9%96,0%
Prancis97,9%97,5%95,7%
Indonesia97,3%97,3%94,2%
Jerman97,7%97,0%94,3%
Arab97,1%97,2%92,5%
Mandarin (Sederhana)97,1%96,9%94,2%
Korea96,6%96,7%93,3%
Jepang96,9%96,8%93,5%
Hindi96,8%96,7%92,4%
Bengali95,7%95,4%90,4%
Swahili89,8%91,1%78,3%
Yoruba80,3%79,7%52,7%

1 Dengan pemikiran diperpanjang.



Metrik ini didasarkan pada set pengujian bahasa Inggris MMLU (Massive Multitask Language Understanding) yang diterjemahkan ke dalam 14 bahasa tambahan oleh penerjemah manusia profesional, sebagaimana didokumentasikan dalam repositori simple-evals OpenAI. Penggunaan penerjemah manusia untuk evaluasi ini memastikan terjemahan berkualitas tinggi, yang sangat penting untuk bahasa dengan sumber daya digital yang lebih sedikit.


Menetapkan bahasa respons

Claude menyimpulkan bahasa respons dari percakapan, tetapi untuk aplikasi produksi Anda sebaiknya menyatakan bahasa target secara eksplisit. Tempat paling andal untuk melakukan ini adalah prompt sistem, yang menjaga instruksi tetap stabil di setiap giliran percakapan.

client = anthropic.Anthropic()

message = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=1024,
    system="Always respond in French, regardless of the language the user writes in.",
    messages=[{"role": "user", "content": "How do I reset my password?"}],
)

print(message.content)

Jika aplikasi Anda memungkinkan pengguna memilih bahasa saat runtime, interpolasikan pilihan tersebut ke dalam prompt sistem alih-alih mengandalkan Claude untuk menyimpulkannya dari pesan pengguna. Untuk menerjemahkan antara dua bahasa tertentu, sebutkan keduanya: Translate the user's message from German to Korean. Respond with only the translation.


Praktik terbaik

Saat bekerja dengan konten multibahasa:

  1. Berikan konteks bahasa yang jelas: Meskipun Claude dapat mendeteksi bahasa target secara otomatis, menyatakan bahasa input dan output yang diinginkan secara eksplisit akan meningkatkan keandalan. Untuk kefasihan yang lebih baik, Anda dapat meminta Claude menggunakan "ungkapan idiomatis seolah-olah ia adalah penutur asli."
  2. Gunakan aksara asli: Kirimkan teks dalam aksara aslinya, bukan transliterasi, untuk hasil yang optimal.
  3. Pertimbangkan konteks budaya: Komunikasi yang efektif sering kali memerlukan kesadaran budaya dan regional di luar sekadar terjemahan.

Ikuti juga panduan umum dalam Ikhtisar rekayasa prompt untuk lebih meningkatkan kualitas output.


Pertimbangan dukungan bahasa

  • Claude memproses input dan menghasilkan output dalam sebagian besar bahasa dunia yang menggunakan karakter Unicode standar.
  • Performa bervariasi menurut bahasa, dengan kemampuan yang sangat kuat pada bahasa yang banyak digunakan.
  • Bahkan pada bahasa dengan sumber daya digital yang lebih sedikit, Claude tetap mempertahankan kemampuan yang berarti.

Langkah selanjutnya


Ikhtisar rekayasa prompt

Terapkan teknik prompting umum untuk meningkatkan kualitas output multibahasa.

Agen dukungan pelanggan

Bangun chatbot dukungan yang dilokalkan menggunakan prompt sistem dengan batasan bahasa.

Ikhtisar model

Bandingkan tingkatan model untuk menyeimbangkan kualitas multibahasa dengan biaya dan latensi.

Tentukan kriteria keberhasilan dan bangun evaluasi

Evaluasi kualitas terjemahan dan lokalisasi sebelum Anda merilisnya.

Was this page helpful?

  • Ikhtisar
  • Data performa
  • Menetapkan bahasa respons
  • Praktik terbaik
  • Pertimbangan dukungan bahasa
  • Langkah selanjutnya