claude-sonnet-4.6盲评9分领跑:第47周4模型翻译质量对比
本周共翻译 442 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。
本周共有 442 篇翻译任务,交给 4 个模型处理。评测方抽取 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。
本周翻译统计
| 模型 | 语言 | 翻译量 | 平均耗时 | 平均质量评分 |
|---|---|---|---|---|
| deepseek-v4-flash | en | 76 | 18.5s | 未评 |
| claude-sonnet-4.6 | ja | 220 | 49.5s | 未评 |
| passthrough | en | 141 | 0s | 未评 |
| deepseek-v4-flash:backtranslate | en | 1 | 44.1s | 未评 |
| native-english | en | 2 | - | 未评 |
| deepseek-v4-flash | zh | 2 | 5.9s | 未评 |
抽样对比评测
评测 1:美中峰会达成AI事故直通频道,军事危机协议搁置成最大隐患
| 模型 | 准确性 | 流畅性 | 术语 | 可读性 | 总分 |
|---|---|---|---|---|---|
| claude-sonnet-4.6 | 9 | 8 | 9 | 9 | 9 |
| deepseek-v4-pro | 8 | 8 | 8 | 7 | 8 |
| gpt-o3 | 9 | 9 | 9 | 9 | 9 |
claude-sonnet-4.6
✓ 层次分明,用HTML标题把结构拉开,比如「この「ホットライン」は何をつなぐのか」这个小标题,跟原文逻辑对得上。
✗ 结尾被切掉了,读起来受影响,像最后一段「この枠」说到一半就断了。
deepseek-v4-pro
✓ 术语前后比较统一,比如「super intelligence」原样保留,解释也讲得清楚。
✗ 有些句子读着别扭,翻译腔偏重,像「このメカニズムは操作可能な技術協定というより政治的姿勢に近い」这句就不够顺。
gpt-o3
✓ 流畅度在这一组里最高,表达自然,比如「この仕組みは実行可能な技術協定というより、政治的姿勢を示すものに近い」更符合中文的说话习惯。
✗ 截断问题同样存在,末尾「実際の運用にお」没写完。
结论:三个版本整体质量差距不大,
Claude和GPT在准确性和可读性上稍占优势,但都出现了截断;Deepseek术语统一,流畅度则略差一些。建议优先用Claude或GPT的版本,再把截断的部分补齐。
评测 2:Plurai借自动驾驶思路,让AI智能体更靠谱
| 模型 | 准确性 | 流畅性 | 术语 | 可读性 | 总分 |
|---|---|---|---|---|---|
| passthrough | 6 | 5 | 7 | 4 | 5 |
| deepseek-v4-pro | 8 | 8 | 9 | 7 | 8 |
| gpt-o3 | 9 | 9 | 9 | 9 | 9 |
passthrough
✓ 引用LiveBench 2.0和EON测试数据比较直接,「LiveBench 2.0 shows Claude Fable 5.2 and ChatGPT-6 Astra succeeding on 82.9 and 75.6 out of 100 tasks」把具体数字保留了下来。
✗ 文本截断严重,还混进了HTML标签,「Since we saw the same pattern, the s」明显没写完,整体可读性受影响。
deepseek-v4-pro
✓ 把AI agents的可靠性问题和自动驾驶作类比,讲得清楚,「borrows the approach that made autonomous vehicles truly road-ready」译得自然。
✗ 内容没有完整呈现,结尾「Early autonomous drivin」同样被截断,结构上不够连贯。
gpt-o3
✓ 编辑注和正文接得顺,「making them work reliably in an unpredictable world has become a problem even trickier than model capability itself」把核心痛点传达得准确。
✗ 有些长句偏欧化,「The same instruction may trigger different tool calls, different reasoning paths, or even different outcomes」还可以再简化。
结果先摆出来:C 版综合表现排在首位,准确、通顺、易读三项都占优;A 版因为截断和 HTML 问题落到末位;B 版与 C 版差距不大,短板在结构完整性上。
评测 3:黄仁勋的坏消息,会是AI行业的坏消息吗?
| 模型 | 准确性 | 流畅性 | 术语 | 可读性 | 总分 |
|---|---|---|---|---|---|
| passthrough | 3 | 9 | 8 | 6 | 5 |
| deepseek-v4-pro | 8 | 7 | 9 | 8 | 8 |
| gpt-o3 | 9 | 8 | 9 | 9 | 9 |
passthrough
先看优点:英文读起来顺畅自然,像「We didn’t see this coming.」这种表达也很地道。问题同样明显——它压根没做中译英,直接把英文原文搬了过来,漏译相当严重。
deepseek-v4-pro
术语处理保持一致,「NVIDIA」和「AI investment narrative」用得准确且前后统一。但它往里塞了原文没有的分析框架,「This article analyzes this core judgment」这句就属于译过头了。
gpt-o3
「Could Jensen Huang’s bad news become bad news for the AI industry?」与中文标题直接对应,既忠于原文,结构也清楚。不足是有些句子偏长,「When one company simultaneously occupies three positions」还能再压缩。
综合来看,C 版表现最好,准确度和可读性都排第一;B 版紧随其后,只是有几处过度意译;A 版算不上一次有效翻译。