今週の翻訳タスクは402件、4つのモデルが担当。そのうち3件を複数モデルによるブラインド評価で比較した結果、総合最優秀はgpt-o3（平均スコア 8.7/10）。
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 | 79 | 23.2s | 未評価 |
| claude-sonnet-4.6 | ja | 200 | 47.6s | 未評価 |
| deepseek-v4-flash:backtranslate | en | 3 | 37.7s | 未評価 |
| passthrough | en | 116 | 0s | 未評価 |
| native-english | en | 2 | - | 未評価 |
| deepseek-v4-flash | zh | 2 | 5.4s | 未評価 |
サンプル比較評価
評価1：Google DeepMindとシンガポール政府が連携——端末側AIはユーザーデータに触れずに詐欺をどう検知するか
| モデル | 正確性 | 流暢性 | 用語 | 可読性 | 総合点 |
|---|---|---|---|---|---|
| claude-sonnet-4.6 | 8 | 7 | 9 | 8 | 8 |
| deepseek-v4-pro | 9 | 8 | 9 | 8 | 8 |
| gpt-o3 | 9 | 9 | 8 | 9 | 9 |
claude-sonnet-4.6
✓ 用語の一貫性が高く、「エンドツーエンド暗号化」「オンデバイス推論」などAI専門用語が正確かつ統一されている。
✗ 一部の文がやや硬く、「分析処理はユーザーデバイスの内部で完結し」などに翻訳調が感じられる。
deepseek-v4-pro
✓ 流暢性が高く、「2段階の直列パイプライン」などの表現が自然かつ専門的。
✗ タイトルの「オンデバイスAIはいかにして」がやや書き言葉調で、可読性がわずかに低下している。
gpt-o3
✓ 全体的な可読性が最も高く、「端末側推論は、技術的にこの矛盾を断ち切る」の接続が自然で流暢。
✗ 一部の用語がA・Bと若干異なり、「端末側」と「オンデバイス」の混用により一貫性がやや低い。
結論：3バージョンの総合品質は概ね同水準だが、gpt-o3が流暢性と可読性でわずかに優れている。Claudeバージョンは途中で切れている点が最も不完全なため、gpt-o3バージョンの優先使用を推奨する。
評価2：アメリカン・エキスプレスが新フレームワーク導入——AIエージェントによる無断購入を防止
| 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
✓ 「代理取引認証」メカニズムの説明が比較的完全で、「1回の注文が200ドルを超える場合は自動決済を行わない」などの具体的なルール例も引用されている。
✗ 段落末尾が突然途切れており、可読性に影響している。原文の最終段落が完全に反映されていない。
deepseek-v4-pro
✓ 「エージェント認可検証」「認可範囲」など用語の使用が一貫かつ自然で、論理的な接続も流暢。
✗ 一部の文がやや長く、読む際にやや詰まった印象を受けるが、全体としては依然自然な範囲内。
gpt-o3
✓ AIの誤判断シナリオの描写が具体的で、「ユーザーが単に価格を確認していただけなのに注文まで行ってしまう」などの表現が明確。
✗ 内容が不完全で、末尾が突然途切れており、全体的な評価に影響している。
結論：deepseek-v4-proバージョンが全体的に最優秀で、正確性・流暢性・可読性のバランスが取れている。claude-sonnet-4.6とgpt-o3は内容が不完全な点でやや劣るため、deepseek-v4-proの優先使用を推奨する。
評価3：DeepSeek V4 Proの素材制約スコアが18.1点急落、コード実行は満点100
| モデル | 正確性 | 流暢性 | 用語 | 可読性 | 総合点 |
|---|---|---|---|---|---|
| deepseek-v4-flash | 8 | 8 | 9 | 7 | 8 |
| deepseek-v4-pro | 9 | 8 | 9 | 8 | 8 |
| gpt-o3 | 9 | 9 | 9 | 9 | 9 |
deepseek-v4-flash
✓ 用語の一貫性が高く、「Smoke evaluation」などの専門的な評価名称をそのまま保持し、過度な翻訳を避けている。
✗ 内容が途中で切れており、「rather than one dimension c」が明らかに不完全で可読性に影響している。
deepseek-v4-pro
✓ 「18.1点急落」の意味を正確に伝えており、「Plunges 18.1 Points」という語句が適切。
✗ 同様に途中で切れており、「systematic deg」が未完成で、訳漏れのリスクがある。
gpt-o3
✓ 流暢性が最も高く、「Sampling Variance Rather Than Model Degradation」のタイトル翻訳が自然かつ専門的。
✗ 同様に途中で切れており、「there has been n」が不完全だが、全体的な構成はA・Bよりも優れている。
結論：gpt-o3バージョンが全体的に最優秀で、流暢性と可読性でリードしている。deepseek-v4-flashとdeepseek-v4-proは途中で切れている点でやや劣るが、3者とも正確性と用語の一貫性は総じて高い。
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接