今週の翻訳タスクは368件で、5つのモデルが担当。そのうち3件をサンプリングし、複数モデルによるブラインド評価を実施。総合最優秀はclaude-sonnet-4.6（平均スコア 9/10）。
今週の翻訳統計
| モデル | 言語 | 翻訳量 | 平均処理時間 | 平均品質スコア |
|---|---|---|---|---|
| deepseek-v4-flash | en | 78 | 60.8s | 未評価 |
| claude-sonnet-4.6 | ja | 183 | 49s | 未評価 |
| passthrough | en | 102 | 0s | 未評価 |
| native-english | en | 2 | - | 未評価 |
| deepseek-v4-flash | zh | 2 | 48.6s | 未評価 |
| deepseek-v4-flash:backtranslate | en | 1 | 25.9s | 未評価 |
サンプリング比較評価
評価 1：AfterQueryがYC史上最速ユニコーン記録を樹立、評価額32億ドル
| モデル | 正確性 | 流暢性 | 術語 | 可読性 | 総合点 |
|---|---|---|---|---|---|
| passthrough | 9 | 8 | 9 | 7 | 8 |
| deepseek-v4-pro | 6 | 8 | 7 | 8 | 7 |
| gpt-o3 | 6 | 9 | 7 | 9 | 7 |
passthrough
✓ 原文への忠実度が最も高く、「This just five months after announcing its $30 million Series A at a $300 million valuation in April」が原文の時系列と評価額の対比を直接反映しており、内容の付加がない。
✗ 末尾の段落が明らかに途中で切れており、「However, rather than ensuring th」の箇所で可読性が損なわれている。
deepseek-v4-pro
✓ タイトル処理が明快で、「AfterQuery Sets YC Record for Fastest Unicorn, Valued at $3.2 Billion」が核心情報を端的に伝えている。
✗ 「According to TechCrunch」「oversubscribed within days of launching」など、原文にない内容を大量に追加しており、過剰な意訳に当たる。
gpt-o3
✓ 段落間のつながりが流暢で、「Why Is This Company So Popular With Investors?」という小見出しにより論理の流れが明確になっている。
✗ 原文に記載のない「oversubscribed within days of launch」および投資家の選好に関する記述を追加しており、原文から逸脱している。
結論：バージョンAは正確性が最も高いが、途中で切れているため完全性に問題がある。BとCは流暢性に優れるものの、いずれも追加内容が多い。総じてAが原文の要件に最も近い。
評価 2：Grok 4のコード実行スコアが21.8点急落、メインランキングが89.15から84.99に低下
| モデル | 正確性 | 流暢性 | 術語 | 可読性 | 総合点 |
|---|---|---|---|---|---|
| claude-sonnet-4.6 | 9 | 8 | 9 | 9 | 9 |
| deepseek-v4-pro | 8 | 7 | 7 | 8 | 7 |
| gpt-o3 | 9 | 8 | 8 | 9 | 8 |
claude-sonnet-4.6
✓ 「素材制約」という術語が原文の「素材约束」と高度に一致しており、段落構造も明確。「コード実行の問題で1問失敗するだけで」のように「」を用いた引用が原文の意味を正確に反映している。
✗ 訳文末尾が明らかに途中で切れており、「Grok 4を全体として過大評価または過」で文章が未完となっており、全体的な完成度に影響している。
deepseek-v4-pro
✓ 構成が明確で、タイトルと本文のつながりが自然。「メインランキングはコード実行と材料制約の加重のみで構成される」など、論理が明快。
✗ 「材料制約」という術語が原文の「素材约束」と一致せず、複数箇所での使用が専門性を低下させる可能性がある。一部の文章もやや硬い印象を受ける。
gpt-o3
✓ 因果分析部分のつながりが流暢で、「問題のランダム抽出による変動か」という表現が自然かつ原文の論理を忠実に反映している。
✗ 同様に途中で切れており、末尾「問題」以降の内容が不完全。「材料制約」という術語もバージョンAと比べてやや劣る。
結論：バージョンAは術語の正確性と構成の可読性において最も優れているが、途中で切れているため減点。BとCは全体的に近い水準で、CはBをやや上回る。途中切れを修正したA、またはCを優先することを推奨する。
評価 3：WDCD Run #311: Grok 4 Leads with 93.2 Points as GLM-4.6 Sets New Decay Resistance Record
| モデル | 正確性 | 流暢性 | 術語 | 可読性 | 総合点 |
|---|---|---|---|---|---|
| native-english | 9 | 9 | 9 | 8 | 9 |
| deepseek-v4-pro | 2 | 1 | 1 | 1 | 1 |
| gpt-o3 | 8 | 8 | 9 | 7 | 8 |
native-english
✓ 術語の使用が正確かつ専門的で、「Winzheng Dynamic Contextual Decay (WDCD)」としてベンチマーク名を完全に保持し、正式名称の説明も付記している。
✗ 末尾で明らかに途中切れが発生しており、「At the opposite end of」以降の内容が欠落しているため可読性に影響している。
deepseek-v4-pro
✓ 特筆すべき長所はなく、翻訳タスクを直接拒否した。
✗ 翻訳内容を一切提供せず、エラーメッセージのみを出力しており、重大な翻訳漏れに該当する。
gpt-o3
✓ 術語の一貫性が比較的良好で、「multi-turn commitment resistance」など原文の意味に正確に対応している。
✗ 同様に途中切れが発生しており、最終段落「original constrain」の箇所が未完となっており、全体的な流暢性に影響している。
結論：バージョンAが全体的に最も品質が高く、バージョンBは完全に失敗、バージョンCはAに近いが同様に途中切れが発生している。
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接