多言語サポート
Claudeは複数の言語にわたるタスクに優れており、英語と比較しても高いクロスリンガル性能を維持しています。
概要
Claudeは堅牢な多言語能力を備えており、特に各言語におけるゼロショットタスクで高い性能を発揮します。このモデルは、広く話されている言語とリソースの少ない言語の両方で一貫した相対的性能を維持しており、多言語アプリケーションにとって信頼できる選択肢となっています。
Claudeは、以下の表でベンチマークされている言語以外にも多くの言語に対応しています。ご自身の具体的なユースケースに関連する言語でテストしてください。
性能データ
以下の表は、各言語におけるClaudeモデルのゼロショット「chain-of-thought」(思考の連鎖)評価スコアを、英語の性能(100%)に対する割合として示したものです。
| 言語 | Claude Sonnet 4.51 | Claude Haiku 4.51 |
|---|---|---|
| 英語(ベースライン、100%に固定) | 100% | 100% |
| スペイン語 | 98.2% | 96.4% |
| ポルトガル語(ブラジル) | 97.8% | 96.1% |
| イタリア語 | 97.9% | 96.0% |
| フランス語 | 97.5% | 95.7% |
| インドネシア語 | 97.3% | 94.2% |
| ドイツ語 | 97.0% | 94.3% |
| アラビア語 | 97.2% | 92.5% |
| 中国語(簡体字) | 96.9% | 94.2% |
| 韓国語 | 96.7% | 93.3% |
| 日本語 | 96.8% | 93.5% |
| ヒンディー語 | 96.7% | 92.4% |
| ベンガル語 | 95.4% | 90.4% |
| スワヒリ語 | 91.1% | 78.3% |
| ヨルバ語 | 79.7% | 52.7% |
1 拡張思考を使用した場合。
応答言語を設定する
Claudeは会話から応答言語を推測しますが、本番アプリケーションでは対象言語を明示的に指定すべきです。これを行う最も確実な場所は「system prompt」(システムプロンプト)であり、会話のすべてのターンにわたって指示を安定して維持できます。
client = anthropic.Anthropic()
message = client.messages.create(
model="claude-opus-5-5",
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)アプリケーションでユーザーが実行時に言語を選択できる場合は、Claudeがユーザーのメッセージから推測することに頼るのではなく、その選択をシステムプロンプトに埋め込んでください。2つの特定の言語間で翻訳するには、両方の言語を指定します:Translate the user's message from German to Korean. Respond with only the translation.
ベストプラクティス
多言語コンテンツを扱う際は、以下の点に留意してください。
- 明確な言語コンテキストを提供する: Claudeは対象言語を自動的に検出できますが、希望する入力言語と出力言語を明示的に指定することで信頼性が向上します。流暢さを高めるには、「ネイティブスピーカーであるかのような慣用的な表現」を使うようClaudeに指示できます。
- ネイティブの文字体系を使用する: 最適な結果を得るには、翻字ではなくその言語本来の文字体系でテキストを送信してください。
- 文化的コンテキストを考慮する: 効果的なコミュニケーションには、純粋な翻訳を超えた文化的・地域的な認識が必要となることがよくあります。
また、出力品質をさらに向上させるために、プロンプトエンジニアリングの概要の一般的なガイダンスにも従ってください。
言語サポートに関する考慮事項
- Claudeは、標準的なUnicode文字を使用する世界のほとんどの言語で入力を処理し、出力を生成します。
- 性能は言語によって異なり、広く話されている言語で特に高い能力を発揮します。
- デジタルリソースの少ない言語であっても、Claudeは有意義な能力を維持しています。
次のステップ
一般的なプロンプト技法を適用して、多言語出力の品質を向上させます。
言語を制約したシステムプロンプトを使用して、ローカライズされたサポートチャットボットを構築します。
モデルの階層を比較し、多言語品質とコストおよびレイテンシのバランスを取ります。
リリース前に翻訳とローカライゼーションの品質を評価します。
Was this page helpful?