claude-sonnet-4.6 盲评均分 9 分，第46周翻译质量评测领跑
本周共翻译 395 篇文章，覆盖 4 个AI模型。经抽样盲评，claude-sonnet-4.6 综合得分最高（9/10）。报告详细对比各模型在准确性、流畅性、术语一致性方面的表现差异。
第46周共有 395 篇翻译任务，分给 4 个模型完成。评测方抽了 3 篇做多模型盲评对比，综合表现最好的是 claude-sonnet-4.6，均分 9/10。
本周的翻译任务量，看下面这张表。
| 模型 | 语言 | 翻译量 | 平均耗时 | 平均质量评分 |
|---|---|---|---|---|
| deepseek-v4-flash | en | 76 | 19.9s | 未评 |
| claude-sonnet-4.6 | ja | 197 | 51.9s | 未评 |
| passthrough | en | 116 | 0s | 未评 |
| native-english | en | 1 | - | 未评 |
| deepseek-v4-flash | zh | 1 | 14.2s | 未评 |
| deepseek-v4-flash:backtranslate | en | 4 | 14.2s | 未评 |
抽样盲评的部分，分两组进行。
先看第一组，题目是 Google 把教育 AI 绑进搜索：不用 AI 就得放弃搜索。
| 模型 | 准确性 | 流畅性 | 术语 | 可读性 | 总分 |
|---|---|---|---|---|---|
| claude-sonnet-4.6 | 9 | 9 | 9 | 9 | 9 |
| deepseek-v4-pro | 7 | 6 | 7 | 6 | 6 |
| gpt-o3 | 8 | 8 | 8 | 8 | 8 |
claude-sonnet-4.6 在这一组的评价——
✓ 原文「直接答えを与えない」想表达的教育设计意图，它传达到了，说法自然，也贴合日语的表达习惯。
✗ 问题在于有些段落句子偏长，逻辑衔接虽然清楚，读起来却偏密，部分读者的阅读节奏会受影响。
deepseek-v4-pro 的表现——
✓ 「ソクラテス式質問」这类术语，它前后处理得比较统一，核心意思没有跑偏太多。
✗ 但日语硬伤明显，比如「教育機関向其AIツール」里的「向其」，属于错字或漏译，流畅性被破坏。
gpt-o3 这边——
✓ 「市場ロックイン戦略」译得贴合原文，逻辑衔接清楚自然。
✗ 有些表述偏平，像「学生が自力で考えられるよう支援する」，原文的强调力度没译出来。
这一组的结论：版本A整体质量最高，准确性、流畅性、可读性都强过其他版本，可以直接用；版本C排第二；版本B有明显错误，还有截断问题，不推荐。
第二组换个题目：从两万亿到一点五万亿，Anthropic IPO 路演揭开了大模型公司的真实定价。
| 模型 | 准确性 | 流畅性 | 术语 | 可读性 | 总分 |
|---|---|---|---|---|---|
| deepseek-v4-flash | 8 | 7 | 8 | 7 | 7 |
| deepseek-v4-pro | 8 | 8 | 8 | 7 | 8 |
| gpt-o3 | 9 | 9 | 9 | 8 | 9 |
deepseek-v4-flash 的表现——
✓ 「A month ago, 
Anthropic’s most enthusiastic supporters believed a $2 trillion valuation was within easy reach」这句背后的估值逻辑，它传达准确。
✗ 结尾截断明显，「rather than holding at a high level and」句子没写完，可读性受影响。
deepseek-v4-pro 这边——
✓ 「reverse negotiation」译成「reverse game」，比较贴近原文的商业语境。
✗ 截断问题同样存在，「after the Nasdaq」没完整呈现，结构不完整。
gpt-o3 的表现——
✓ 「it is not prepared to pay the most optimistic price」译得更自然地道，「bullish supporters」也用得准。
✗ 轻微截断还是有，「after the Nasdaq 100」没有完整结束。
先看总体结论：三个版本的质量差距不大，gpt-o3 在语句顺滑和用词自然这两项上稍占上风，可截断的毛病谁也没躲掉，用之前最好先补齐。
评测 3：WDCD Run #411: GPT-6 Astra Leads with 90.5 Points as Average Instruction Decay Hits -80%
| 模型 | 准确性 | 流畅性 | 术语 | 可读性 | 总分 |
|---|---|---|---|---|---|
| deepseek-v4-flash | 9 | 2 | 8 | 7 | 5 |
| deepseek-v4-pro | 8 | 8 | 7 | 7 | 8 |
| gpt-o3 | 9 | 9 | 9 | 9 | 9 |
deepseek-v4-flash
它能得一个勾的地方在于，原文的关键数据和列表结构全都留住了，像「第411次运行（2026-11-04）」这类信息一条没丢。但叉也明显：版本A交出来的其实是中文，不是日文，目标语言这一关直接没过，读起来也别扭得很。
deepseek-v4-pro
这份的日语读着比较顺，「指示認識」之类的术语用得也准，段与段之间接得自然。问题出在 JSON 结构上，被截断了，后半截内容不见踪影，可读性跟着打了折扣。
gpt-o3
日语流畅度是这几个里最高的，「フラットな値」「注目すべき外れ値」这些说法很地道，术语前后也统一。可惜 JSON 同样被截断，结尾部分不完整。
综合下来，版本C的整体质量排第一，版本B紧随其后，版本A因为语言不符合要求垫底。B和C都有内容截断的毛病，修好之后再用更稳妥。
