AI翻译实战榜单发布：GPT-4o表现卓越稳居榜首，Qwen在文化领域展现优势丨多语言翻译工具TransBench助力全球开源项目

随着人工智能技术的飞速发展，AI翻译工具在各行各业的应用越来越广泛。然而，到底哪家AI翻译工具最出色？终于有人为翻译领域设定了统一标准！首个应用型AI翻译测评榜单TransBench正式上线，由阿里国际AI Business团队联合上海人工智能实验室和北京语言大学共同发布。

与传统翻译评测体系相比，TransBench引入了幻觉率、文化禁忌词、敬语规范等新指标，针对大模型翻译中常见的问题进行实战评估。这些指标来源于真实的使用场景反馈，确保了大模型是否能够满足大规模应用的需求。目前，TransBench评测方法和数据集已全面开源，并发布了首期测评结果。

在TransBench数据集中，涵盖了中、英、法、日、韩、西班牙等多种语言，未来还将不断扩展更多小语种。TransBench评测体系根据“通用标准”、“电商文化”、“文化特性”三大类整理了不同的数据集。

从评测榜单来看，在英语翻译为其他语言的条件下，GPT-4o稳居榜首，DeepL Translate和GPT-4-Turbo紧随其后。而在中文翻译为其他语言的赛道上，GPT-4o依然占据首位，DeepSeek-V3和Claude-3.5-Sonnet位列第二和第三名。

值得一提的是，在文化特性方面，Qwen系列表现优异，Qwen2.5-0.5B-Instruct和Qwen2.5-1.5B-Instruct分别获得第一和第二名。

为了适应AI大模型快速落地的趋势，翻译模型进入了“比谁更好用”的时代。传统的翻译测评维度已经无法满足当前需求，因此阿里国际AI Business团队联合相关机构构建了更全面的评测标准TransBench。它从三大维度重新定义翻译测评：全面的通用标准、行业垂直标准以及跨文化特性标准。

例如，电商场景下的用户投诉通常涉及敬语和禁忌语等问题。这些问题虽然从字面意思上看无误，但会直接影响对话人的体验，应该被纳入到测评范围内。基于真实用户反馈，TransBench的测评体系应运而生。

此外，阿里国际旗下的多个电商平台如Aliexpress、Lazada等覆盖全球200多个国家和地区，多语言翻译成为助力业务发展的重要一环。TransBench的测评方法现已开源，评测结果也将持续更新。

对于有兴趣的同学，阿里国际最近启动的2026届校招中，80%的岗位是AI相关岗位，包括AI算法、研发、AI产品经理等。

本文来源： 量子位【阅读原文】