多語言支援

Claude 在多種語言的任務中表現出色，相對於英文保持強大的跨語言性能。

概述

Claude 展示了強大的多語言能力，特別是在跨語言的零樣本任務中表現出色。該模型在廣泛使用的語言和低資源語言中都保持一致的相對性能，使其成為多語言應用的可靠選擇。

請注意，Claude 能夠處理許多下面未進行基準測試的語言。建議您針對與您特定使用案例相關的任何語言進行測試。

以下是 Claude 模型在不同語言中的零樣本思維鏈評估分數，顯示為相對於英文性能 (100%) 的百分比：

語言	Claude Opus 4.1¹	Claude Opus 4 (已棄用)¹	Claude Sonnet 4.5¹	Claude Sonnet 4 (已棄用)¹	Claude Haiku 4.5¹
英文 (基準，固定為 100%)	100%	100%	100%	100%	100%
西班牙文	98.1%	98.0%	98.2%	97.5%	96.4%
葡萄牙文 (巴西)	97.8%	97.3%	97.8%	97.2%	96.1%
義大利文	97.7%	97.5%	97.9%	97.3%	96.0%
法文	97.9%	97.7%	97.5%	97.1%	95.7%
印尼文	97.3%	97.2%	97.3%	96.2%	94.2%
德文	97.7%	97.1%	97.0%	94.7%	94.3%
阿拉伯文	97.1%	96.9%	97.2%	96.1%	92.5%
中文 (簡體)	97.1%	96.7%	96.9%	95.9%	94.2%
韓文	96.6%	96.4%	96.7%	95.9%	93.3%
日文	96.9%	96.2%	96.8%	95.6%	93.5%
印地文	96.8%	96.7%	96.7%	95.8%	92.4%
孟加拉文	95.7%	95.2%	95.4%	94.4%	90.4%
史瓦希里文	89.8%	89.5%	91.1%	87.1%	78.3%
約魯巴文	80.3%	78.9%	79.7%	76.4%	52.7%

這些指標基於 MMLU (大規模多任務語言理解) 英文測試集，該測試集由專業人工翻譯人員翻譯成 14 種額外語言，如 OpenAI 的 simple-evals 儲存庫所記錄。使用人工翻譯人員進行此評估可確保高品質的翻譯，這對於數位資源較少的語言尤其重要。

使用多語言內容時：

提供清晰的語言背景：雖然 Claude 可以自動偵測目標語言，但明確說明所需的輸入/輸出語言會提高可靠性。為了增強流暢性，您可以提示 Claude 使用「如同母語使用者的習慣用語」。
使用原生文字：提交文本時使用其原生文字而非音譯，以獲得最佳結果
考慮文化背景：有效的溝通通常需要超越純粹翻譯的文化和區域意識

同時遵循一般的提示工程指南以進一步改善 Claude 的性能。

掌握提示製作的藝術，充分發揮 Claude 的潛力。

Was this page helpful?

建構模型功能