Claude demonstra capacidades multilíngues robustas, com desempenho particularmente forte em tarefas "zero-shot" (sem exemplos prévios) em diversos idiomas. O modelo mantém desempenho relativo consistente tanto em idiomas amplamente falados quanto em idiomas com menos recursos, tornando-o uma escolha confiável para aplicações multilíngues.
Claude é capaz em muitos idiomas além daqueles avaliados na tabela a seguir. Teste com quaisquer idiomas relevantes para seus casos de uso específicos.
A tabela a seguir mostra pontuações de avaliação zero-shot com "chain-of-thought" (cadeia de raciocínio) para modelos Claude em diferentes idiomas, expressas como porcentagem relativa ao desempenho em inglês (100%):
| Idioma | Claude Opus 4.1 (descontinuado)1 | Claude Sonnet 4.51 | Claude Haiku 4.51 |
|---|---|---|---|
| Inglês (linha de base, fixado em 100%) | 100% | 100% | 100% |
| Espanhol | 98,1% | 98,2% | 96,4% |
| Português (Brasil) | 97,8% | 97,8% | 96,1% |
| Italiano | 97,7% | 97,9% | 96,0% |
| Francês | 97,9% | 97,5% | 95,7% |
| Indonésio | 97,3% | 97,3% | 94,2% |
| Alemão | 97,7% | 97,0% | 94,3% |
| Árabe | 97,1% | 97,2% | 92,5% |
| Chinês (Simplificado) | 97,1% | 96,9% | 94,2% |
| Coreano | 96,6% | 96,7% | 93,3% |
| Japonês | 96,9% | 96,8% | 93,5% |
| Hindi | 96,8% | 96,7% | 92,4% |
| Bengali | 95,7% | 95,4% | 90,4% |
| Suaíli | 89,8% | 91,1% | 78,3% |
| Iorubá | 80,3% | 79,7% | 52,7% |
1 Com pensamento estendido.
Essas métricas são baseadas em conjuntos de testes em inglês do MMLU (Massive Multitask Language Understanding) que foram traduzidos para 14 idiomas adicionais por tradutores humanos profissionais, conforme documentado no repositório simple-evals da OpenAI. O uso de tradutores humanos para essa avaliação garante traduções de alta qualidade, o que é particularmente importante para idiomas com menos recursos digitais.
Claude infere o idioma da resposta a partir da conversa, mas para aplicações em produção você deve declarar o idioma de destino explicitamente. O lugar mais confiável para fazer isso é o prompt do sistema, que mantém a instrução estável em todos os turnos de uma conversa.
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)Se sua aplicação permite que os usuários escolham um idioma em tempo de execução, interpole essa escolha no prompt do sistema em vez de depender do Claude para inferi-la a partir da mensagem do usuário. Para traduzir entre dois idiomas específicos, nomeie ambos: Translate the user's message from German to Korean. Respond with only the translation.
Ao trabalhar com conteúdo multilíngue:
Siga também as orientações gerais em Visão geral de engenharia de prompts para melhorar ainda mais a qualidade da saída.
Aplique técnicas gerais de prompting para melhorar a qualidade da saída multilíngue.
Crie um chatbot de suporte localizado usando um prompt do sistema com restrição de idioma.
Compare níveis de modelos para equilibrar qualidade multilíngue com custo e latência.
Avalie a qualidade de tradução e localização antes de lançar.
Was this page helpful?