翻译：AI 能做到什么程度
专用翻译模型看语种数和字数上限，通用模型看它比英语差多少。两种标准不能直接比。
什么模型适合什么场景
只到「类别」这一层，具体型号要按您的语种和领域实测
| 您的活 | 专用翻译模型 | 通用大模型 | 程序 + 人 |
|---|---|---|---|
| 批量 · 格式固定 · 已有术语表 | ✓ | △ | ○ |
| 要判断 · 要改写 · 要照顾读者 | ○ | ✓ | △ |
| 扫描件 · 手写体 · 合同数字 | ○ | ○ | ✓ |
来源：各厂商官方文档 · 2026-09-06
一次真实项目验证了什么
2026-09 · 生物科技／医疗器械的质量与检验文件
整份丢给模型，是这批文件里最贵的做法。
PDF 扫描件里，模型不会说「我没看清」——它会编一个像模像样的给您。
01扫描件的难点不在翻译，在把字认对⌄
那份扫描件里逐值核出 4917 个数字与 24 个型号，其中定位到 3 处型号被认错（少一个字母就是另一个产品）、207 个噪声数字、6 处人名乱码。这些全部标注为「待人工对照原件」，一个都没有猜着补上 —— 因为猜错的数字和对的数字在译文里长得一模一样。
02机器的第一版会「概括」，而概括在这类文件里等于错⌄
独立检查抓到初译把一段内容用省略号概括掉了。在质量文件里，被省略的往往正是判定依据。这一版被打回重做。
03原文本身可能是错的，而翻译不该顺手改⌄
客户文件里有两处标题年份与实际数据年份对不上。这类要标出来反馈给客户确认，不能在译文里悄悄改成「看起来对」的样子 —— 改了就等于替客户做了一个他不知道的决定。
这套分工值多少
下面是从业者估算
选的时候在权衡什么
标准要在动手前定，不是翻完再评价
同一份文件，用途不同，合格标准完全不同。
这两个目标会打架：拿忠实的做法做广告，没人看；拿翻创意文案的做法去翻合同，是会出事故的。
先定「这份译文要干什么」，再定用什么翻 · 2026-09-07
各家一览
点开看硬限制和官方自己承认的短板，数字原样抄自官方页面
阿里云百炼（Qwen-MT）专用模型标准⌄
专用机器翻译模型，支持术语干预、翻译记忆与领域提示。
硬限制
- 支持 92 个语种互译；qwen-mt-lite 只支持 31 种
- 输入 Token 上限 8,192
- 仅支持单轮翻译，不支持多轮对话
- 不支持通过 system 角色的消息设定全局行为
- 领域提示语句当前只支持英文
官方自己承认做不好的
- 官方未说明：该页只给技术参数，没有术语、文化语境或长文一致性方面的局限声明
Anthropic（Claude）通用模型标准⌄
不是专用翻译模型，官方给的是相对英语基线（100%）的多语言性能表。
硬限制
- 零样本思维链评测，相对英语的百分比（Sonnet 4.5 / Haiku 4.5）：西班牙语 98.2% / 96.4%，中文简体 96.9% / 94.2%，斯瓦希里语 91.1% / 78.3%，约鲁巴语 79.7% / 52.7%
- 该表覆盖 14 种语言，由专业人工译者从 MMLU 英文测试集译出
- 官方写明：使用标准 Unicode 字符的世界主要语种，它都能读能写
官方自己承认做不好的
- 官方写明：表现因语种而异，使用人数多的语种能力尤其强
- 官方提醒要考虑文化语境：有效沟通往往需要超出字面翻译的文化与地域理解
- 官方写明：能力覆盖的语种远多于评测表里列的那些，涉及您自己业务的语种要自己试 —— 表里没有不等于不支持
OpenAI（实时翻译）实时语音翻译⌄
把源语音流进翻译会话，说话人还没说完就返回译文音频与转写增量。
硬限制
- 官方未说明：该页不给支持语种总数，正文只出现西班牙语、法语作示例
官方自己承认做不好的
- 要测什么，官方自己列了出来：语种对的质量，人名、数字、日期、货币、电话号码，专业领域术语，中外夹杂的混合对话，以及口音、语速快和多人同时说话
- 官方写明：自动化指标有帮助，但抓不到用户会注意到的每一处错误
- 官方建议：如果您的业务依赖精确的人名或专业术语，上线前先做一套标准答案，失败的例子逐条人工看
腾讯混元与谷歌的翻译模型参数这一轮没有复核到一手页面，未采集。Anthropic 的性能表只到 Sonnet 4.5 与 Haiku 4.5，更新的型号官方未给同表数据。 来源：各厂商官方页面 · 2026-09-06
翻译最强的是哪几个
2 个专项评测的成绩，不是综合能力分
最强不等于最值 —— 每行都带价格。
中文理解同一套多学科题目的中文版，直接反映它读中文的水平。
| 模型 | 专项成绩 | 每百万 token 输入价 | 每分成绩的花费 |
|---|---|---|---|
 Claude Opus 4.6 (max) | 93.6 | ¥35 | ¥0.37 |
 Gemini 3.1 Pro Preview (Vertex) | 93.5 | ¥14 | ¥0.15 |
| Gemini 3 Pro Preview (high) | 93.5 | ¥14 | ¥0.15 |
| Gemini 3 Flash (AI Studio) | 92.5 | ¥3.50 | ¥0.04 |
| Claude Opus 4.5 Vertex | 92.3 | ¥35 | ¥0.38 |
| GPT-5 (high) | 91.7 | ¥8.75 | ¥0.10 |
| GPT-5.2 (medium) | 91.3 | ¥12.3 | ¥0.13 |
| GPT-5 (medium) | 91.2 | ¥8.75 | ¥0.10 |
 DeepSeek V3.2 Speciale | 90.9 | —— | —— |
| Claude Opus 4.5 Vertex | 90.8 | ¥35 | ¥0.39 |
多语种平均同一套题在十几种语言上的平均分，反映它跨语言的稳定程度。
| 模型 | 专项成绩 | 每百万 token 输入价 | 每分成绩的花费 |
|---|---|---|---|
| Gemini 3.1 Pro Preview (Vertex) | 93.2 | ¥14 | ¥0.15 |
| Gemini 3 Flash (AI Studio) | 92.7 | ¥3.50 | ¥0.04 |
| Gemini 3 Pro Preview (high) | 92.2 | ¥14 | ¥0.15 |
| Claude Opus 4.6 (max) | 92.2 | ¥35 | ¥0.38 |
| Gemini 3 Flash (AI Studio) | 91.4 | ¥3.50 | ¥0.04 |
| Claude Opus 4.5 Vertex | 91.3 | ¥35 | ¥0.38 |
| GPT-5 (high) | 90.7 | ¥8.75 | ¥0.10 |
| Claude Opus 4.5 Vertex | 90.6 | ¥35 | ¥0.39 |
| GPT-5 (medium) | 90.4 | ¥8.75 | ¥0.10 |
| GPT-5.2 (medium) | 89.8 | ¥12.3 | ¥0.14 |
官方说 vs 实际上
独立测试和官方数字并排放，出处见来源清单
「媲美专业译员」只在标准文本、头部系统上成立。
| 官方说 | 独立测试 | 用户实际反馈 | 差在哪、为什么 |
|---|---|---|---|
| 媲美、可替代专业译员 | Intento 2025 评测 46 个系统：前 14 名在标准文本上人机难辨，其余每篇仍有多处错误，达不到专业标准 | 未见可核的用户反馈 | 评测用的是标准文本，结论不能推到所有系统、所有文本 |
| 同上 | 论文实测：文学翻译读者仍更偏好人工；专业程度越高的文本，人机差距越明显 | 未见可核的用户反馈 | 文学和专业文本正是译员价值最集中的地方 |
它确实能做到：说明书、邮件这类标准文本，头部系统已经很难和人工分出高下；文学、专业领域和合同数字，仍要译员把关。
您该怎么办
别把整份文件丢给模型。有唯一正确答案的（数字、编号、格式）交给程序，要判断的交给模型，机器读不出来的留给人。
先分好三类再动手。扫描件和手写体一定人过一遍 —— 那里模型不会说没看清，它会编一个像模像样的给您。