还记得以前翻译器会闹出那种荒唐事吗？比如连表情包都能自己“生成”。就像来自中国的商品说明，建议“用逆着毛的方向熨烫猫，用来开启”。虽然当时挺好笑的，但当你需要立刻翻译一份重要文件，或向外国客户解释为什么错过了截止日期——就一点都不好笑了。幸好，时代变了。如今用于翻译的现代神经网络，已经是完全不同的水平了。我决定测试 7 个热门服务，看看它们到底谁能真正应对复杂任务。

为了测试，我准备了两个刁钻的题目。第一个是塞满了惯用语和颜色代码的文本：(feeling blue, red tape, in the red)。第二个是经典的句法悖论：时间像箭一样飞逝，而 fruit flies 喜欢香蕉。这不仅是对“傻瓜”的考验，而是真正的陷阱，连先进的算法都会掉进去。

我们先从 BotHub 开始。它底层跑的是 Google 的 Gemini 3 Pro。Google 几十年来索引了整个互联网，懂得的语言比任何人都多。在第一个任务中，Gemini 表现得非常好——正确识别了所有惯用语，把“feeling blue”翻译成了“忧郁”，把“red tape”翻译成了“官僚主义”。在第二个测试中，模型没有被“flies”这个词的陷阱困住，但却丢失了原文的双关游戏。技术上算是过关，但缺少亮点。

来自德国科隆的 DeepL 是专业的神经网络翻译器，自 2017 年以来积累了良好的口碑。功能多到数不过来：支持文档处理，支持 35 种语言，最近还新增了 Speech-to-Text。第一个任务中，DeepL 选择了更口语化的表达风格，把“in the red”翻译成“处于亏损中”——非常准确地贴近了日常说法。但在第二个任务中，它彻底翻车——没有识别出“fruit flies”是昆虫的固定名称，反而输出了关于飞行水果的胡言乱语。结果表明它仍然是统计型翻译器，有时会选择最常见的那个译法。

Sber 的 GigaChat 基于 NeONKA 架构，并且会同时整合多种神经网络。功能非常丰富——可以喂入文档、表格、演示文稿，甚至一个小时的音频文件。第一个测试中，GigaChat 距离真相最近——把“feeling blue”翻译为“抑郁的”，更准确地传达了情绪的那种色调。第二个任务中也同样没有掉进陷阱，并且正确识别了“小飞虫”。作为通用模型，这个结果相当惊人。

Microsoft Translator（来自 Bing）是一匹到处都有的“工作马”：嵌在 Edge、Skype、Word 里。它懂 179 种语言，包括为星际迷航粉丝准备的克林贡语。两个任务中它都处理得很正确——准确释义惯用语，也没有被句法陷阱绊倒。可以看出来，它背后有强大的算法支撑。

MachineTranslation 是一个聚合器，会把你的文本同时发送给 Google、DeepL、Amazon、Microsoft 和 ChatGPT，然后把所有版本并排展示出来。如果你不清楚怎么翻得更准确，它简直是个“天才”方案。它支持 270+ 种语言。缺点是：在免费模式下，每次只能处理 100 个单词。两个测试里，它都给出了安全、平均的译法，任何人都看得懂。

Reverso 的工作方式就像一个查找他人翻译的搜索引擎——它擅长在字幕库、联合国文件和说明书中“搜”。界面还停留在 2015 年；在免费版本里更是“吝啬”——一次最多 2000 个字符。第一个任务直接全线失败——它把“red tape”翻译成了“官僚主义的缎带”(你能想象一个拿剪刀的老板吗？)。第二个任务里，它犯错犯得比谁都蠢——把“like”翻译成了“比较”，而不是把它当作动词使用。这就是 Google Translate 2010 年的水平。

Yandex Alice 现在运行在 YandexGPT 上，冲进了生成式模型的赛道。它无处不在——在雅网站首页、浏览器、各类应用里。它能很好地理解俄语的细微差别，因为它是在俄语互联网上训练出来的。第一个任务中，它给出了最“文学”版本之一——把“feeling blue”适配为“处于抑郁状态”，把“red tape”翻译成“摆脱官僚主义的重重障碍”。非常厉害。第二个测试中它也没有出错，甚至把“like”翻译成了“很喜欢”——相当棒。

综上，最好的翻译神经网络是 GigaChat、Alice 和 Microsoft Translator。它们确实能理解上下文，也不会掉进句法陷阱。DeepL 适合处理文档，但有时会卡住；Reverso 最好干脆别用在严肃任务上。

但记住最重要的一点：神经网络只是助手，仅此而已。它们会出错，会“脑补”，有时还会往不对的方向让你惊讶。可以相信，但务必核对。你在用哪一款神经网络翻译器？欢迎在评论区分享你的经验！