Kemampuan

Dukungan multibahasa

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

Ikhtisar

Claude menunjukkan kemampuan multibahasa yang kuat, dengan kinerja yang sangat baik dalam tugas zero-shot di berbagai bahasa. Model mempertahankan kinerja relatif yang konsisten di seluruh bahasa yang banyak digunakan dan bahasa dengan sumber daya terbatas, menjadikannya pilihan yang andal untuk aplikasi multibahasa.

Perhatikan bahwa Claude mampu dalam banyak bahasa di luar yang dijadwal acuan di bawah. Kami mendorong pengujian dengan bahasa apa pun yang relevan dengan kasus penggunaan spesifik Anda.

Data kinerja

Di bawah ini adalah skor evaluasi chain-of-thought zero-shot untuk model Claude di berbagai bahasa, ditampilkan sebagai persentase relatif terhadap kinerja bahasa Inggris (100%):

Bahasa	Claude Opus 4.1¹	Claude Opus 4¹	Claude Sonnet 4.5¹	Claude Sonnet 4¹	Claude Haiku 4.5¹
Bahasa Inggris (baseline, tetap 100%)	100%	100%	100%	100%	100%
Spanyol	98.1%	98.0%	98.2%	97.5%	96.4%
Portugis (Brasil)	97.8%	97.3%	97.8%	97.2%	96.1%
Italia	97.7%	97.5%	97.9%	97.3%	96.0%
Prancis	97.9%	97.7%	97.5%	97.1%	95.7%
Indonesia	97.3%	97.2%	97.3%	96.2%	94.2%
Jerman	97.7%	97.1%	97.0%	94.7%	94.3%
Arab	97.1%	96.9%	97.2%	96.1%	92.5%
Cina (Sederhana)	97.1%	96.7%	96.9%	95.9%	94.2%
Korea	96.6%	96.4%	96.7%	95.9%	93.3%
Jepang	96.9%	96.2%	96.8%	95.6%	93.5%
Hindi	96.8%	96.7%	96.7%	95.8%	92.4%
Bengali	95.7%	95.2%	95.4%	94.4%	90.4%
Swahili	89.8%	89.5%	91.1%	87.1%	78.3%
Yoruba	80.3%	78.9%	79.7%	76.4%	52.7%

¹ Dengan extended thinking.

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

Praktik terbaik

Saat bekerja dengan konten multibahasa:

Berikan konteks bahasa yang jelas: Meskipun Claude dapat mendeteksi bahasa target secara otomatis, menyatakan secara eksplisit bahasa input/output yang diinginkan meningkatkan keandalan. Untuk kelancaran yang ditingkatkan, Anda dapat meminta Claude menggunakan "ucapan idiomatis seolah-olah itu adalah penutur asli."
Gunakan skrip asli: Kirimkan teks dalam skrip aslinya daripada transliterasi untuk hasil optimal
Pertimbangkan konteks budaya: Komunikasi yang efektif sering kali memerlukan kesadaran budaya dan regional di luar sekadar terjemahan

Kami juga menyarankan mengikuti panduan rekayasa prompt umum kami untuk lebih meningkatkan kinerja Claude.

Pertimbangan dukungan bahasa

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

Panduan Rekayasa Prompt

Kuasai seni pembuatan prompt untuk mendapatkan hasil maksimal dari Claude.

Perpustakaan Prompt

Temukan berbagai prompt yang telah dirancang sebelumnya untuk berbagai tugas dan industri. Sempurna untuk inspirasi atau awal cepat.

Ikhtisar

Perhatikan bahwa Claude mampu dalam banyak bahasa di luar yang dijadwal acuan di bawah. Kami mendorong pengujian dengan bahasa apa pun yang relevan dengan kasus penggunaan spesifik Anda.

Data kinerja

Di bawah ini adalah skor evaluasi chain-of-thought zero-shot untuk model Claude di berbagai bahasa, ditampilkan sebagai persentase relatif terhadap kinerja bahasa Inggris (100%):

Bahasa	Claude Opus 4.1¹	Claude Opus 4¹	Claude Sonnet 4.5¹	Claude Sonnet 4¹	Claude Haiku 4.5¹
Bahasa Inggris (baseline, tetap 100%)	100%	100%	100%	100%	100%
Spanyol	98.1%	98.0%	98.2%	97.5%	96.4%
Portugis (Brasil)	97.8%	97.3%	97.8%	97.2%	96.1%
Italia	97.7%	97.5%	97.9%	97.3%	96.0%
Prancis	97.9%	97.7%	97.5%	97.1%	95.7%
Indonesia	97.3%	97.2%	97.3%	96.2%	94.2%
Jerman	97.7%	97.1%	97.0%	94.7%	94.3%
Arab	97.1%	96.9%	97.2%	96.1%	92.5%
Cina (Sederhana)	97.1%	96.7%	96.9%	95.9%	94.2%
Korea	96.6%	96.4%	96.7%	95.9%	93.3%
Jepang	96.9%	96.2%	96.8%	95.6%	93.5%
Hindi	96.8%	96.7%	96.7%	95.8%	92.4%
Bengali	95.7%	95.2%	95.4%	94.4%	90.4%
Swahili	89.8%	89.5%	91.1%	87.1%	78.3%
Yoruba	80.3%	78.9%	79.7%	76.4%	52.7%

Praktik terbaik

Saat bekerja dengan konten multibahasa:

Berikan konteks bahasa yang jelas: Meskipun Claude dapat mendeteksi bahasa target secara otomatis, menyatakan secara eksplisit bahasa input/output yang diinginkan meningkatkan keandalan. Untuk kelancaran yang ditingkatkan, Anda dapat meminta Claude menggunakan "ucapan idiomatis seolah-olah itu adalah penutur asli."

Gunakan skrip asli: Kirimkan teks dalam skrip aslinya daripada transliterasi untuk hasil optimal

Pertimbangkan konteks budaya: Komunikasi yang efektif sering kali memerlukan kesadaran budaya dan regional di luar sekadar terjemahan

Kami juga menyarankan mengikuti panduan rekayasa prompt umum kami untuk lebih meningkatkan kinerja Claude.