DeepL vs GPT-5 vs Gemini 3 vs Claude (Ujian Akademik 2026)
DeepL vs GPT-4 untuk terjemahan akademik, kini GPT-5 (penerus GPT-4), serta Gemini 3 dan Claude Sonnet, diuji oleh penilai peringkat PhD. Lihat siapa yang menang untuk kertas anda.
Kami sering menerima soalan ini daripada penyelidik yang mahu menterjemahkan penyelidikan mereka ke dalam Bahasa Inggeris. Namun mereka bertanya kepada kami dalam lima bahasa berbeza: AI penterjemah yang manakah patut saya gunakan untuk kertas akademik saya? Kebanyakan perbandingan DeepL vs GPT-4 terjemahan akademik yang sedia ada sudah lapuk, kerana GPT-5 ialah model yang menggantikan GPT-4, dan ia merupakan andalan semasa yang kami jadikan penanda aras di sini. Malangnya, jawapan mudah pada pertengahan tahun 2026 ialah: tiada jawapan tunggal.
Empat enjin terjemahan utama (DeepL, GPT-5, Gemini 3 dan Claude Sonnet) cemerlang dalam perkara yang berbeza dan masuk akal untuk digunakan bergantung pada keperluan. Keputusan seseorang bergantung pada gabungan bahasa, panjang teks, jumlah sitasi yang dimiliki, dan berapa banyak masa yang seseorang sanggup luangkan untuk membetulkan versi yang telah diterjemahkan mesin. Jawapannya ialah matriks keputusan, bukan senarai tahap.
Kami mengambil keempat-empat alat tersebut dan memasukkan satu set tetap 32 petikan akademik daripada senarai semakan editorial kami, termasuk 8 petikan setiap satu daripada Cina ke Bahasa Inggeris, Sepanyol ke Bahasa Inggeris, Jepun ke Bahasa Inggeris, dan Arab ke Bahasa Inggeris, merentas pelbagai bidang (bioperubatan, sains komputer, sains sosial, dan kemanusiaan). Setiap teks perlu mengandungi sekurang-kurangnya tiga sitasi dalam teks, satu ungkapan statistik, serta satu istilah khusus bidang yang boleh disemak oleh pakar bidang. Kami menilai setiap terjemahan berdasarkan tujuh paksi, dan merekrut tiga penilai rakan sebaya peringkat PhD (seorang ahli farmakologi klinikal, seorang ahli sains komputer, dan seorang sarjana kesusasteraan) untuk menilai kesediaan Bahasa Inggeris pada skala 1 hingga 5 tanpa mengetahui sistem yang menghasilkan setiap terjemahan.
Laman ini ialah hasilnya. Kami membincangkan empat pencabar dan versi yang kami uji, kaedah ujian, jadual perbandingan induk, analisis mendalam satu seksyen bagi setiap alat tentang kekuatan dan mod kegagalan, serta matriks keputusan untuk memilih alat yang sesuai bagi pasangan bahasa dan jenis dokumen tertentu. Dapatan utama: tiada alat terbaik tunggal untuk terjemahan akademik pada 2026, tetapi ada aliran kerja terbaik.
DeepL vs GPT-4 Terjemahan Akademik: AI Tool yang Menang pada 2026?
Tiada satu alat terbaik. DeepL menang dari segi pemeliharaan sitasi dan pasangan bahasa Eropah, ChatGPT (GPT-5, penerus GPT-4) menang dari segi daftar (register) akademik untuk petikan yang pendek, Gemini 3 Pro menang untuk koheren konteks panjang dan liputan pasangan bahasa, manakala Claude Sonnet mencatat skor kebolehterbitan tertinggi dalam ujian penilai PhD kami. Untuk manuskrip lengkap yang menuju jurnal peringkat teratas, aliran kerja dua pas (terjemah dengan satu alat, tingkatkan register dengan alat lain, kemudian prufbaca) mengatasi mana-mana pendekatan satu pas.
Empat pencabar dan apa yang kami uji
Versi yang berkuat kuasa setakat Jun 2026 semuanya diuji pada tetapan lalai (tiada penalaan halus, tiada glosari khusus, tiada kejuruteraan arahan selain satu arahan satu baris kepada "translate this academic passage into English").
DeepL. Alat pengkhususan terjemahan menggunakan model neural yang direka khusus untuk terjemahan (berbanding penjanaan tujuan umum). Tiada penjenamaan dalam produk pengguna. Model terus dipertingkatkan. Reputasi terdahulu paling kukuh dalam pasangan bahasa Eropah.
GPT-5. Andalan semasa OpenAI, dilancarkan pada hujung 2025. Diuji melalui antara muka pengguna ChatGPT serta API untuk dokumen yang lebih panjang. Tetingkap konteks 128K cukup besar untuk merangkumi kebanyakan kertas panjang jurnal dalam satu pas; kertas yang sangat panjang memerlukan pemecahan (chunking).
Gemini 3 Pro. Model produksi semasa Google, dengan pelancaran Deep Think pada Feb 2026 untuk bidang yang sarat matematik. Model 3 Pro standard (bukan Deep Think) diuji, kerana kebanyakan kes penggunaan terjemahan tidak memerlukan lapisan penaakulan tambahan. Menang WMT25 dalam penilaian manusia bagi 14/16 pasangan bahasa (pendahulu Gemini 2.5 Pro), sekali gus menetapkan standard untuk 2026.
Claude Sonnet. Model produksi semasa Anthropic. Sonnet dipilih berbanding Opus, kerana nisbah kelajuan-ke-kualiti lebih realistik untuk cara penyelidik cenderung menggunakannya; Opus berlebihan untuk terjemahan biasa. Tetingkap konteks 200K dengan mudah merangkumi keseluruhan tesis dalam satu pas.
Apa yang masih belum dijawab kekal sebagai persoalan terbuka. Saya tidak mencuba Google Translate (kelas yang berbeza, sangat baik dan diliputi dengan baik dalam pos AI translators vs Google Translate), DeepSeek R1 (baik untuk Cina ke Bahasa Inggeris, tetapi masih belum benar-benar digunakan untuk terjemahan akademik penuh dalam kumpulan kami) atau Llama 4 (sumber terbuka dan boleh berfungsi, namun kos untuk penyediaan menjadikannya pilihan yang tidak praktikal bagi kebanyakan orang).
Metodologi ujian: tujuh dimensi yang penting untuk terjemahan akademik
Penanda aras terjemahan untuk prosa akademik tidak sama dengan penanda aras untuk salinan pemasaran atau dokumentasi teknikal. Dimensi yang penting:
| Dimensi | Apa yang kami semak | Mengapa ia penting |
|---|---|---|
| Ketepatan maksud | Adakah Bahasa Inggeris menyampaikan dakwaan yang sama seperti sumber? | Penilai yang membaca teks terjemahan sepatutnya mencapai kesimpulan yang sama seperti pembaca teks asal. |
| Daftar akademik | Adakah prosa terdengar seperti penulisan akademik yang diterbitkan dalam bidang sasaran? | Daftar yang tidak sepadan menandakan "pengarang bukan penutur asli" walaupun tatabahasa betul. |
| Istilah teknikal | Adakah istilah khusus bidang dirender dengan padanan Bahasa Inggeris yang lazim? | Istilah yang salah mencetuskan kecurigaan bahawa pengarang tidak menguasai bidang tersebut. |
| Pemeliharaan sitasi | Adakah sitasi dalam teks kekal utuh, termasuk format dan tanda baca? | Sitasi yang ditukar format menimbulkan penolakan pada saringan teknikal. Lihat nota pemeliharaan sitasi (/blog/ai-paraphrasing-preserving-citations) untuk memahami mengapa perkara ini penting. |
| Pengendalian ungkapan statistik | Adakah "p < 0.01", "95% CI [0.34, 0.58]" dan seumpamanya kekal? | Dakwaan statistik ialah ayat paling berimpak dalam banyak kertas. |
| Koheren konteks panjang | Adakah istilah kekal konsisten sepanjang dokumen 60 halaman? | "Translation drift" merentas tesis ialah bentuk ralat paling mahal. |
| Liputan pasangan bahasa | Kuat pada julat Eropah–Asia–Arab–Indic? | Ramai penyelidik memerlukan terjemahan dalam pasangan bahasa yang alatan arus perdana masih lemah. |
Tiga penilai PhD menilai kebolehterbitan setiap output pada skala 1 hingga 5. Skor agregat ialah nombor kebolehterbitan yang dilaporkan dalam jadual di bawah. Skor khusus dimensi (daripada 5) ialah pertimbangan editorial kami selepas menggunakan rubrik yang sama pada setiap output.
Hasil: jadual perbandingan induk
Purata merentas semua 32 petikan, Jun 2026.
| Dimensi (daripada 5) | DeepL | GPT-5 | Gemini 3 Pro | Claude Sonnet |
|---|---|---|---|---|
| Ketepatan maksud | 4.4 | 4.6 | 4.7 | 4.7 |
| Daftar akademik | 3.8 | 4.5 | 4.4 | 4.7 |
| Istilah teknikal | 4.2 | 4.4 | 4.5 | 4.5 |
| Pemeliharaan sitasi | 4.6 | 3.9 | 4.0 | 4.3 |
| Ungkapan statistik | 4.5 | 4.3 | 4.4 | 4.4 |
| Koheren konteks panjang | 3.5 (chunking diperlukan pada ~5K patah kata) | 4.3 | 4.6 | 4.7 |
| Liputan pasangan bahasa | 4.2 (kuat EU; lebih lemah pada ZH/JA/AR) | 4.5 | 4.6 | 4.5 |
| Kebolehterbitan (dinilai PhD) | 4.0 | 4.4 | 4.4 | 4.6 |
Terdapat tiga perkara penting untuk diambil daripada jadual ini. Pertama, jurang kebolehterbitan lebih sempit berbanding yang digambarkan oleh mana-mana "jualan" pemasaran mana-mana vendor; malah DeepL menghasilkan teks yang penilai sanggup terima dengan perubahan minimum. Kedua, DeepL menang dari segi sitasi tetapi jatuh dengan teruk pada daftar akademik dan koheren konteks panjang. Ketiga, Claude Sonnet mempunyai skor kebolehterbitan purata tertinggi, berkat prestasinya pada daftar akademik dan koheren konteks panjang. Ini selari dengan penilaian kami bahawa Claude paling baik untuk kerja yang sarat nuansa.
Cerita mengikut dimensi lebih berguna berbanding angka tajuk. Analisis mendalam di bawah.
DeepL: kekuatan pakar terjemahan dan di mana ia tidak mencukupi
DeepL ialah satu-satunya alat dalam penanda aras ini yang dibina khusus untuk terjemahan, bukan penjanaan tujuan umum. Pertukaran (trade-off) ini jelas dalam kedua-dua arah.
Di mana DeepL menang. Pemeliharaan sitasi ialah yang tertinggi dalam ujian kami, pada 4.6. DeepL memperlakukan sitasi dalam kurungan sebagai token yang dilindungi secara lalai, sama seperti token nombor dan kata nama khas; sitasi lazimnya kekal utuh walaupun prosa sekeliling distruktur semula secara berat. Pasangan bahasa Eropah (Sepanyol, Perancis, Jerman, Itali, Portugis, Belanda ke Bahasa Inggeris) memperoleh skor yang konsisten 0.3 hingga 0.5 lebih tinggi berbanding alat lain untuk ketepatan maksud pada pasangan-pasangan ini, khususnya. Bagi kertas ujian klinikal dalam Bahasa Sepanyol yang diterjemah ke Bahasa Inggeris untuk penghantaran jurnal Elsevier, DeepL ialah pilihan satu pas paling kuat dalam ujian kami.
Di mana DeepL tidak mencukupi. Daftar akademik pada 3.8 ialah skor paling rendah pada dimensi yang paling penting bagi penilai manuskrip yang telah siap. DeepL menghasilkan Bahasa Inggeris yang betul dan lancar; namun ia tidak menghasilkan Bahasa Inggeris yang terasa seolah-olah dilatih dalam bidang tersebut. Output terbaca lebih seperti terjemahan profesional yang cekap berbanding kertas yang ditulis oleh pakar bidang. Pembetulan memerlukan penyuntingan selepas terjemahan melalui prufbaca yang memahami konteks bidang. DeepL semata-mata tidak mencukupi untuk penghantaran ke jurnal peringkat teratas tanpa pas kedua tersebut.
Had lain ialah kekangan pemecahan (chunking). Antara muka DeepL memecahkan dokumen pada sekitar 5,000 patah kata untuk kebanyakan pengguna, menyebabkan tesis atau ulasan panjang perlu melalui beberapa sesi. Konsistensi istilah merosot merentas sesi; kami melihat istilah yang sama diterjemahkan dalam tiga cara berbeza dalam sesi berbeza pada dokumen yang sama. Pro API membenarkan muat naik pas tunggal yang lebih panjang, tetapi aliran pengguna (consumer flow) tidak.
Bagi kertas berbahasa Eropah di bawah 5,000 patah kata yang dihantar kepada jurnal dengan rangkaian pengubahsuaian salinan yang kukuh, DeepL ialah cadangan. Untuk dokumen lebih panjang atau pasangan bukan Eropah, kiraannya berubah.
Terjemahan Akademik Dengan Pemeliharaan Sitasi Dipertingkatkan
Penterjemah kami mengekstrak sitasi, ungkapan statistik, dan label persamaan sebelum proses penulisan semula, kemudian menyisipkannya semula secara verbatim. Pilih daripada lebih 50 pasangan bahasa. Peringkat percuma merangkumi satu kertas penuh.
Cuba Secara PercumaGPT-5 (ChatGPT): di mana DeepL vs ChatGPT bertemu untuk terjemahan akademik
GPT-5 bukan pakar terjemahan; ia ialah model tujuan umum yang kebetulan boleh menterjemah dengan baik. Implikasinya berlaku dalam kedua-dua arah.
Di mana GPT-5 menang. Daftar akademik pada 4.5 lebih tinggi secara bermakna berbanding DeepL. GPT-5 telah menyerap pola retorik Bahasa Inggeris akademik daripada data latihan yang merangkumi kebanyakan kertas yang diterbitkan sejak kira-kira 2010. Apabila diminta menterjemah bahagian kaedah, ia menghasilkan Bahasa Inggeris bahagian kaedah. Apabila diminta menterjemah perbincangan, ia menghasilkan Bahasa Inggeris perbincangan. Pertukaran register ialah yang paling kukuh dalam kalangan mana-mana alat dalam penanda aras ini, sedikit di belakang Claude Sonnet.
GPT-5 juga paling kuat untuk istilah khusus bidang dalam disiplin yang data latihnya padat: pembelajaran mesin, perubatan klinikal, fizik teori. Model memahami bahawa "transformer" dalam kertas ML 2024 tidak bermaksud peranti elektrik. Penyahsulihan berlaku dengan betul hampir setiap masa.
Di mana GPT-5 tidak mencukupi. Pemeliharaan sitasi pada 3.9 ialah skor paling lemah dalam penanda aras. GPT-5 menulis semula sitasi dalam teks menjadi bentuk naratif ("Smith showed in 2024" berbanding "(Smith, 2024)") dalam kira-kira 30 peratus petikan ujian kami, dan memformat semula entri senarai rujukan (italik digugurkan, ampersand dinormalisasi) dalam kira-kira 20 peratus. Mod kegagalan ini sama seperti yang mendorong corak frasa yang terseksa paper-mill screeners flag: satu "generative pass" yang tidak tahu apa itu sitasi cenderung untuk menulis semula.
Mitigasi ialah pada peringkat arahan: dengan mengarahkan GPT-5 secara eksplisit untuk mengekalkan semua sitasi dalam teks dan format senarai rujukan, kadar penulisan semula turun kepada kira-kira 10 peratus. Masih lebih tinggi berbanding DeepL, tetapi masih boleh diusahakan. Lebihan arahan (prompt overhead) ialah kosnya.
Gemini 3 Pro: AI terbaik untuk terjemahan akademik Arab-ke-Bahasa Inggeris dan dokumen panjang
Gemini 3 Pro ialah alat paling kuat dalam penanda aras ini untuk koheren konteks panjang (4.6) dan seri bagi yang paling kuat dalam liputan pasangan bahasa (4.6). Kedua-duanya mencerminkan pilihan seni bina dan latihan yang memberi pulangan khusus untuk terjemahan akademik.
Di mana Gemini 3 menang. Dimensi yang paling penting untuk tesis, buku, dan artikel ulasan panjang ialah koheren konteks panjang pada 4.6. Kami menguji terjemahan satu bab tesis PhD sepanjang 38,000 patah kata dalam satu pas Gemini 3. Ini menghasilkan konsistensi istilah paling kuat daripada halaman 1 hingga halaman 90 dalam kalangan semua alat yang kami uji. Kesan pemecahan (DeepL) dan isu memori kerja (GPT-5 untuk dokumen lebih besar daripada kira-kira 20,000 patah kata) jauh lebih kecil.
Liputan pasangan bahasa turut merangkumi pasangan yang kurang lazim yang kami uji. Arab-ke-Bahasa Inggeris khususnya mendapat 4.7 untuk ketepatan maksud, yang terbaik dalam penanda aras bagi pasangan ini. Pasangan ini digunakan oleh Gemini 2.5 dalam kemenangan penilaian manusia WMT25 (14 daripada 16 pasangan).
Di mana Gemini 3 tidak mencukupi. Pemeliharaan sitasi pada 4.0 sedikit lebih baik berbanding GPT-5, tetapi jauh lebih rendah daripada DeepL. Isu yang sama bagi "generative pass", mitigasi yang sama (arahan eksplisit pada peringkat prompt). Daftar akademik pada 4.4 sedikit di bawah kedua-dua GPT-5 dan Claude, hampir tidak. Kadang-kadang ia cuba lebih bersungguh-sungguh untuk berbunyi seperti Bahasa Inggeris akademik yang diterbitkan berbanding apa yang sebenarnya dilakukan, jadi ia terbaca sangat kompeten tetapi tidak sepenuhnya akademik seperti penutur asli.
Varian Deep Think (pelancaran Feb 2026) patut dicuba, terutama bagi disiplin yang sarat matematik. Kami tidak memasukkan petikan fizik atau matematik berat dalam ujian kami. Penambahbaikan lapisan penaakulan mungkin mengubah skor dimensi bagi pasangan tersebut. Kami akan meninjau semula apabila kami mempunyai cukup banyak kes untuk menguji dengan lebih bersih.
Claude Sonnet: kebolehterbitan purata tertinggi
Claude Sonnet mencatat skor keseluruhan tertinggi bagi kebolehterbitan (4.6), kerana daftar akademiknya yang tinggi (4.7) dan koheren konteks panjang (4.7). Elemen yang menang untuk manuskrip yang dihantar untuk diterbitkan ialah elemen yang Claude kuasai.
Di mana Claude menang. Daftar akademik pada 4.7 ialah yang tertinggi dalam penanda aras. Prosa yang dijana model terbaca seperti kertas yang ditulis oleh pakar bidang, bukan seperti terjemahan. Saya melihat petikan yang sama di mana DeepL menghasilkan "The results indicate" dan GPT-5 menghasilkan "The findings suggest," Claude menghasilkan "These data support the inference that." Itulah ton yang penilai jurnal akan harapkan, dan ia muncul secara natural tanpa kejuruteraan prompt.
Koheren konteks panjang pada 4.7 seri di tempat pertama dengan Gemini 3 Pro, dan tetingkap konteks 200K meliputi keseluruhan tesis dengan selesa. Pemeliharaan sitasi pada 4.3 ialah yang terbaik dalam kalangan alat berasaskan LLM (masih di belakang 4.6 DeepL, tetapi jauh lebih baik berbanding GPT-5 atau Gemini). Claude kurang agresif dalam mengubah rujukan dalam kurungan berbanding model generatif yang lain.
Di mana Claude tidak mencukupi. Istilah teknikal dalam bidang yang berkembang pesat boleh ketinggalan daripada keadaan mutakhir kesusasteraan. Latihan mempunyai "cutoff", jadi kadang-kadang model akan menterjemah istilah yang menjadi norma selepas cutoff menggunakan istilah lama. Dalam semakan pruf, ini mudah dibetulkan, tetapi menambah langkah verifikasi. Penilai farmakologi klinikal kami menonjolkan dua contoh perkara ini dalam petikan perubatan. Bukan penghalang utama, tetapi wajar dibangkitkan untuk terjemahan dalam subbidang yang aktif.
Perkara lain ialah kelajuan. Sonnet pantas untuk terjemahan biasa, tetapi Opus jelas lebih perlahan bagi dokumen panjang. Ini tidak banyak menjejaskan kualiti, tetapi jika seseorang mengendalikan tesis 60,000 patah kata secara tergesa-gesa, hakikat bahawa Sonnet lebih laju berbanding Opus relevan kepada aliran kerja praktikal.
Matriks keputusan: alat untuk setiap tugasan
Jadual tujuh dimensi ialah input. Matriks keputusan di bawah ialah apa yang kami gunakan untuk memilih alat bagi kes tertentu.
| Kes penggunaan anda | Alat yang disyorkan | Sebab |
|---|---|---|
| Kertas Sepanyol, Perancis, Jerman, Itali, Portugis, atau Belanda di bawah 5,000 patah kata untuk jurnal Elsevier peringkat pertengahan | DeepL + penyuntingan ringan | Pemeliharaan sitasi terbaik, ketepatan pasangan Eropah terbaik, pantas |
| Kertas Cina, Jepun, atau Korea, apa-apa panjang, untuk jurnal peringkat teratas | Claude Sonnet | Daftar akademik terbaik + koheren konteks panjang; kukuh untuk pasangan Asia Timur |
| Kertas Arab, Hindi, atau bahasa-bahasa Indic | Gemini 3 Pro | Liputan pasangan bahasa terbaik untuk pasangan-pasangan khusus ini dalam susur WMT25 |
| Dokumen tesis atau buku (lebih 25,000 patah kata) | Claude Sonnet atau Gemini 3 Pro | Koheren konteks panjang mengelakkan "terminology drift" merentas chunk |
| Bahagian metodologi yang padat sitasi, apa-apa pasangan bahasa | DeepL pas pertama + Claude Sonnet pas kedua | Susun terjemahan yang mengekalkan sitasi bersama penulisan semula yang meningkatkan daftar |
| Kertas sarat matematik atau fizik | Gemini 3 Pro (varian Deep Think) | Peningkatan pada lapisan penaakulan penting untuk terjemahan yang sarat persamaan |
| Terjemahan berkos sensitif, kualiti draf | GPT-5 melalui ChatGPT percuma | Halangan masuk paling rendah; kualiti boleh diterima untuk draf awal yang akan disunting secara berat |
Corak merentas matriks: tiada satu alat yang menguasai, dan aliran kerja terbaik untuk penghantaran yang serius hampir selalu dua pas. Terjemahan dengan satu alat, peningkatan register dengan alat lain, kemudian prufbaca sebelum penghantaran. Untuk langkah prufbaca khususnya, pos kami mengenai proofreading research papers merangkumi aliran kerja yang serasi dengan mana-mana alat terjemahan ini.
Kami membina penterjemah akademik kami sendiri untuk menangani masalah pemeliharaan sitasi yang diselesaikan oleh DeepL dan daftar akademik yang dimenangi oleh Claude, dalam satu pas, tanpa kekangan chunking. Kami menerbitkan penanda aras dalaman kami secara berasingan dan mengesyorkan agar menjalankan ujian pemeliharaan sitasi selama 5 minit pada mana-mana alat, termasuk alat kami, sebelum mempercayainya dengan manuskrip. Penanda aras di atas tidak memasukkan alat kami kerana ia akan menjadi kemasukan konflik kepentingan yang jelas.
Soalan Lazim
Q: Penterjemah AI yang manakah terbaik untuk kertas akademik pada 2026?
Tiada satu alat terbaik. DeepL menang dari segi pemeliharaan sitasi dan pasangan bahasa Eropah; GPT-5 menang dari segi daftar akademik untuk petikan yang pendek; Gemini 3 Pro menang dari segi koheren konteks panjang dan liputan pasangan bahasa; Claude Sonnet menang dari segi daftar akademik untuk penghantaran seluruh dokumen serta mencatat skor kebolehterbitan tertinggi dalam ujian penilai PhD kami. Untuk manuskrip lengkap yang menuju jurnal peringkat teratas, aliran kerja dua pas (terjemah dengan satu alat, tingkatkan register dengan alat lain) mengatasi mana-mana pendekatan satu pas.
Q: Bolehkah DeepL mengendalikan terjemahan akademik Cina-ke-Bahasa Inggeris?
DeepL telah menambah baik terjemahan Cina-ke-Bahasa Inggeris sejak 2023, tetapi masih ketinggalan di belakang Claude Sonnet dan Gemini 3 Pro untuk pasangan ini dalam ujian kami. Jurang paling besar pada petikan kemanusiaan dan sains sosial, di mana konvensi akademik Cina yang bersifat idiomatik diterjemahkan dengan lemah melalui seni bina neural DeepL. DeepL boleh diterima sebagai pas pertama dengan penyuntingan bagi terjemahan Cina-ke-Bahasa Inggeris yang berkaitan teknikal dan bioperubatan. Claude Sonnet ialah pilihan yang lebih kuat untuk terjemahan seluruh manuskrip.
Q: Adakah alat-alat ini mengekalkan persamaan LaTeX dan rujukan rajah?
Secara berbeza-beza. DeepL mengendalikan LaTeX sebaris dengan baik dalam ujian kami kerana ia memperlakukan notasi matematik sebagai token yang dilindungi. GPT-5, Gemini 3, dan Claude kadang-kadang menulis semula label persamaan menjadi prosa ("Equation 3" menjadi "the third equation") atau memecahkan matematik sebaris. Untuk dokumen yang sarat LaTeX, aliran kerja yang disyorkan ialah mengekstrak persamaan sebelum terjemahan, menterjemah prosa, kemudian memasukkan semula. Penterjemah kami mengendalikan ini secara automatik untuk mana-mana dokumen sumber.
Q: Berapa lama masa yang diperlukan untuk menterjemah kertas penyelidikan penuh dengan alat-alat ini?
Kertas tipikal sepanjang 6,000 patah kata mengambil kira-kira 2-5 minit masa terjemahan dengan mana-mana empat alat tersebut, ditambah 30 minit hingga 2 jam untuk semakan dan penyuntingan selepas terjemahan bergantung pada pasangan bahasa dan jurnal sasaran. DeepL paling pantas pada langkah terjemahan; Claude paling lambat untuk dokumen panjang (gantiannya untuk koheren konteks panjang). "Bottleneck" merentas semua alat ialah langkah semakan manusia, bukan inferens model.
Q: Patutkah saya menggunakan alat-alat ini berbanding penterjemah profesional?
Ia bergantung pada tahap kepentingan. Untuk penghantaran ke Nature, Science, Cell, atau jurnal klinikal dalam lima teratas, terjemahan manusia profesional (atau penyuntingan manusia di atas terjemahan AI) masih berbaloi dari segi kos, terutama untuk bahagian pengenalan dan perbincangan. Untuk penghantaran jurnal peringkat pertengahan, jurnal serantau, dan kebanyakan kertas persidangan, terjemahan AI dengan aliran kerja dua pas dan prufbaca akhir boleh diterima untuk penerbitan serta jauh lebih murah. Dalam ujian kami, aliran kerja AI dua pas memperoleh kira-kira 4.3 hingga 4.6 dari segi kebolehterbitan, sementara terjemahan manusia profesional biasanya memperoleh 4.6 hingga 4.9. Jurang itu nyata, tetapi lebih kecil daripada yang kebanyakan penyelidik sangka.
Lebih 50 pasangan bahasa. Ekstraksi sitasi sebelum penulisan semula, sisipan semula secara verbatim selepas itu. Gaya akademik diselaraskan mengikut jenis bahagian.
Lisa memegang PhD dalam linguistik daripada NYU, dan sentiasa ingin tahu tentang cara komputer boleh memanfaatkan linguistik gunaan untuk memahami dan berkomunikasi dalam bahasa manusia serta membantu mengedit kandungan bertulis manusia. Beliau kini merupakan Ketua Pegawai Pemasaran di ProofreaderPro, di mana beliau mengetuai pemasaran merentasi salinan, media sosial, e-mel dan saluran luar talian.
