多语言支持

Claude 在多种语言的任务中表现出色，相对于英语保持强大的跨语言性能。

概述

Claude 展示了强大的多语言能力，在跨语言的零样本任务中表现特别出色。该模型在广泛使用的语言和低资源语言中都保持一致的相对性能，使其成为多语言应用的可靠选择。

请注意，Claude 能够处理许多超出下面基准测试范围的语言。建议您使用与您特定用例相关的任何语言进行测试。

以下是 Claude 模型在不同语言中的零样本思维链评估分数，显示为相对于英语性能的百分比（100%）：

语言	Claude Opus 4.1¹	Claude Opus 4（已弃用）¹	Claude Sonnet 4.5¹	Claude Sonnet 4（已弃用）¹	Claude Haiku 4.5¹
英语（基准，固定为 100%）	100%	100%	100%	100%	100%
西班牙语	98.1%	98.0%	98.2%	97.5%	96.4%
葡萄牙语（巴西）	97.8%	97.3%	97.8%	97.2%	96.1%
意大利语	97.7%	97.5%	97.9%	97.3%	96.0%
法语	97.9%	97.7%	97.5%	97.1%	95.7%
印度尼西亚语	97.3%	97.2%	97.3%	96.2%	94.2%
德语	97.7%	97.1%	97.0%	94.7%	94.3%
阿拉伯语	97.1%	96.9%	97.2%	96.1%	92.5%
中文（简体）	97.1%	96.7%	96.9%	95.9%	94.2%
韩语	96.6%	96.4%	96.7%	95.9%	93.3%
日语	96.9%	96.2%	96.8%	95.6%	93.5%
印地语	96.8%	96.7%	96.7%	95.8%	92.4%
孟加拉语	95.7%	95.2%	95.4%	94.4%	90.4%
斯瓦希里语	89.8%	89.5%	91.1%	87.1%	78.3%
约鲁巴语	80.3%	78.9%	79.7%	76.4%	52.7%

这些指标基于 MMLU（大规模多任务语言理解）英文测试集，该测试集由专业人工翻译人员翻译成 14 种其他语言，如 OpenAI 的 simple-evals 存储库所记录。使用人工翻译人员进行此评估可确保高质量的翻译，这对于数字资源较少的语言尤为重要。

在处理多语言内容时：

提供清晰的语言上下文：虽然 Claude 可以自动检测目标语言，但明确说明所需的输入/输出语言可以提高可靠性。为了增强流畅性，您可以提示 Claude 使用"如同母语使用者一样的习语表达"。
使用本地文字：以本地文字而非音译形式提交文本以获得最佳结果
考虑文化背景：有效的沟通通常需要超越纯粹翻译的文化和地区意识

同时遵循一般的提示工程指南以更好地提高 Claude 的性能。

掌握提示工程的艺术，充分发挥 Claude 的潜力。

Was this page helpful?

构建模型能力