今週の翻訳タスクは357件で、4つのモデルが担当した。そのうち3件を抽出し、複数モデルによるブラインド評価を実施。総合最優秀はgpt-o3（平均スコア 8.3/10）。
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 | 71 | 44s | 未評価 |
| claude-sonnet-4.6 | ja | 178 | 49.3s | 未評価 |
| passthrough | en | 105 | 0s | 未評価 |
| native-english | en | 1 | - | 未評価 |
| deepseek-v4-flash | zh | 1 | 68.2s | 未評価 |
| deepseek-v4-flash:backtranslate | en | 1 | 13.1s | 未評価 |
抽出サンプル比較評価
評価 1：原文タイトル
| モデル | 正確性 | 流暢性 | 用語 | 可読性 | 総合点 |
|---|---|---|---|---|---|
| claude-sonnet-4.6 | 9 | 8 | 8 | 9 | 8 |
| deepseek-v4-pro | 8 | 7 | 8 | 7 | 7 |
| gpt-o3 | 9 | 9 | 9 | 9 | 9 |
claude-sonnet-4.6
✓ 段落構成が明確で論理的なつながりが自然。例えば「Smoke評価は1日あたりわずか10問、各次元2問構成である」はサンプル数の少なさという特性を正確に伝えている。
✗ 末尾のコンテンツが途切れており完全性に欠ける。例えば最後の一文「誠実性評価の」が明らかに未完了。
deepseek-v4-pro
✓ タイトル翻訳が原文に忠実で、「GPT-o3のコード実行が24.7ポイント急落」は核心情報に直接対応している。
✗ 内容がJSON配列形式で提示されており読みやすさに欠ける。また「下落幅は」という短文が複数箇所で繰り返され不自然な印象を与えている。
gpt-o3
✓ 用語が一貫しており表現が自然。例えば「問題抽選による変動の可能性がより高い」は原因分析を正確かつ流暢に伝えている。
✗ 一部の長文がやや冗長で、例えば材料制約上昇の説明段落はさらに簡潔にまとめられる余地がある。
結論：3つのバージョンの全体的な品質は拮抗しているが、gpt-o3版は流暢性・用語の一貫性・可読性でわずかに優れており、claude版は構造が明確ながら途切れの欠陥があり、deepseek版はJSON形式により読みやすさが損なわれている。gpt-o3版を優先的に採用することを推奨する。
評価 2：アリババが3億ドルをリードしてUniPat AIに出資、評価額25億ドル――AI評価レース分野で初の大手資本参入
| モデル | 正確性 | 流暢性 | 用語 | 可読性 | 総合点 |
|---|---|---|---|---|---|
| deepseek-v4-flash | 7 | 8 | 6 | 7 | 7 |
| deepseek-v4-pro | 8 | 8 | 8 | 7 | 8 |
| gpt-o3 | 8 | 7 | 8 | 8 | 8 |
deepseek-v4-flash
✓ 文と文のつながりが比較的自然で、「with Tencent and Hongtai participating as follow-on investors」はフォロー投資の関係を明確に表現している。
✗ 用語が不統一で、「Qwen lab」と後続の「Alibaba's Qwen lab」が混在しており混乱を招きやすい。
deepseek-v4-pro
✓ 用語が統一されており、「Tongyi Lab」が全文を通じて一貫して使用されている。
✗ コンテンツが途切れており、「The overall deal structure shows that the AI evaluation segment is gradually becoming a」が未完了のまま終わっている。
gpt-o3
✓ 段落の論理が明確で、「Alibaba's decision to lead the investment shows that...」の因果関係の表現が的確。
✗ 一部の表現がやや硬く、「Fact Reconstruction」という小見出しの翻訳が形式的な印象を与える。
結論：3つのバージョンの全体的な品質は拮抗しており、BとCはAより用語の一貫性で優れ、Cの可読性がわずかに勝るものの、Bには明らかな途切れがある。CまたはBを修正したうえで優先的に採用することを推奨する。
評価 3：CognitionがSWE-2を発表――Kimi K3をベースモデルにコードモデルのコストパフォーマンス新均衡を実現
| モデル | 正確性 | 流暢性 | 用語 | 可読性 | 総合点 |
|---|---|---|---|---|---|
| claude-sonnet-4.6 | 9 | 8 | 9 | 8 | 8 |
| deepseek-v4-pro | 9 | 9 | 9 | 9 | 9 |
| gpt-o3 | 8 | 8 | 8 | 8 | 8 |
claude-sonnet-4.6
✓ 「線形成本ペナルティ機構」などの技術的表現の翻訳が正確で、「ペナルティ値はベースモデルのパレートフロンティアの局所的な傾きに基づいて調整される」は原文のメカニズム描写を忠実に再現している。
✗ 一部の段落のつながりがやや硬く、「学習データ量は3倍に拡大され」と前文との間に自然な過渡がなく、翻訳調がわずかに残っている。
deepseek-v4-pro
✓ タイトル翻訳が自然で、「コストパフォーマンスに新たな均衡を実現」は原文の意味を保ちつつ日本語の表現習慣にも合致している。本文の用語「Paretoフロンティア」も一貫して流暢に使用されている。
✗ 「反復的バリデータ・フライホイール」はやや造語的で、原文の「反復検証フライホイール」が強調する反復検証のニュアンスに対して過度な直訳の痕跡がわずかに残っている。
gpt-o3
✓ 「費用対効果」という表現が日本語のビジネス文脈に合致しており、「コスト・性能のトレードオフ空間を変化させた」は明確な表現となっている。
✗ 末尾のコンテンツが明らかに途切れており、「た」以降のテキストが欠落しており翻訳漏れに当たる。また「rolloutサービス」などの用語が日本語化されておらずやや唐突な印象を与えている。
結論：バージョンBが全体的に最優秀で、正確性・流暢性・可読性のバランスが最も良好。バージョンAとCがこれに続くが、Cは途切れの問題により大きく減点されている。
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接