★ FEATURED ARTICLE 这不是一份可以挂很多年的模型榜结果更新于2026 年 10 月。2026 年 10 月我们又广泛测试过 Qwen 3.7 max、Qwen 3.8 max、Doubao 2.1 Lite、豆包 2.1 Pro、Gemini 3.7 Flash、Gemini 3.8 Flash、 GLM 5.3、DeepSeek 4.1 flash、 GPT-6 Sol、GPT-6.1 Sol 和 GPT-6 Luna 之后效果最好的已经是 GPT-6.1 Sol性价比最高的是 GPT-6 Luna。8 月那轮的分数仍然有效但只代表 8 月。当时 GPT-5.6 Sol 配合鬼手翻译 Agent中译英综合分9.75 / 10匿名同组胜率85.6%语义错译率2.43%。第二梯队最低错译率是 4.46%这一项大约低了 46%。让我们回顾一下 8 月份短剧翻译的大模型和 agent 评测8 月样本是200 部真实短剧每部前 10 集覆盖 AI 剧、漫剧和真人剧目标语15 种。14 个模型先小样测试7 个进入大规模匿名对照。评测时固定 Agent 的其他流程只换底层翻译模型。短剧翻译的难点一句很顺剧还是会翻砸短剧单集不长人物关系、身份和世界观却是整部剧的。句子语法对、读着也顺仍然可能把人指错、把事实改掉或者长到放不进那个镜头。我们看翻译主要盯五件事剧情事实人物、否定、数量、因果、关键动作不能改。像人话符合当地口语同时保留原意。像这个人身份、亲疏、威胁和情绪强度决定称谓和力度。整部剧一致人名、组织、族群跨集不能各翻各的。说得进镜头太长会逼配音加速太短会空一拍。下面五句都来自评测里的真实台词画面是对应剧照。对照看的是“其他翻译”和鬼手翻译 Agent 的差别。翻译案例 1金额没了委屈也就轻了这几千块的食材是我买的。其他翻译I bought these ingredients!鬼手翻译 AgentI paid thousands for these ingredients!「买过食材」语法没问题。原文要说的是付出了几千块。金额一删这句从委屈变成报菜名。翻译案例 2「娘家」不是一座房子从来不占娘家一分便宜。其他翻译and never takes advantage of her parents house.鬼手翻译 Agentand never takes a dime from us.这句是女方家里的人在替自己这边说话。「娘家」指的是说话人的「我们」一方不是对方父母的房子。术语表可以记住「娘家」有个标准译法但谁在说、对谁说、现在站在哪一边表本身不知道。翻译案例 3动词一换骂的就不是同一件事原文我白生你了。其他翻译I raised you for nothing!鬼手剪辑翻译 AgentI shouldnt have had you!问题其他翻译使用的raised强调养育原文攻击的却是“生下你”这件事。只换一个动词控诉的事实和情绪落点就变了。翻译案例 4组织和族群不能译成普通名词原文黑龙堂的那位大人下令抓我们灵狐。其他翻译The Master ordered to catch us foxes.鬼手剪辑翻译 AgentThe Syndicates Master ordered our clan captured.黑龙堂是后面还要出现的势力灵狐是族群不是森林里的狐狸。这一句单看也许通顺整部剧的设定会从这里开始散架。翻译案例 5短促台词要保住意义也要说进镜头原文站住其他翻译Stop right where you are!鬼手翻译 AgentStop!这句只有0.64 秒。扩写版大约 25 个字符说不进镜头收成 Stop5 个字符命令还在。长度按中英语速估算配音时长1.00 大约等长。它不是最终配音实测但能提前看出这句会不会顶破画面。上面几句里有的错在模型没抓住事实有的错在没有理清整部剧的人物关系。两件事要分开。模型决定这一句能写到多好。翻译不只是模型的功劳需要有超长上下文的约束来流转来保证翻译的准确、一致。翻译不只需要好模型还需要Agent 约束整部剧的语境Agent维护的是跨集还在用的东西人物、关系、真名和化名、组织、剧情阶段、术语。润色、事实核对、语言检查和台词长短需反复查看不是生成一次就交付。术语表仍然有用适合固定人名、组织、功法和世界观。称谓和立场不能机械替换。「刘哥」可能是亲近、江湖的称谓也可能只是客气要看此刻的人物关系。译文还要能用后面的配音字幕行、角色、顺序和时间别打乱。过长就收紧过短就补上自然的停连保留人物和关键动作。在一套完整的评测逻辑和数据集中寻找最佳短剧翻译模型同一套 Agent换一个底层模型剧情理解、口语自然度和语义错误率仍会明显变化。所以我们在 2026 年 8 月份先广泛测试 14 个大模型从中筛选优秀模型进入大批量深度评测直到选出配合鬼手翻译 Agent 表现最佳的那一个。14 个模型里进了 7 个中译英第一是 GPT-5.6-Sol2026 年 8 月观察池14个小样看可用性、结构稳不稳、翻译像不像短剧台词。7个进入完整横评。中译英这一项做了数千次模型测试同一部剧的译文打乱模型名用当时推理能力最强的模型做匿名盲测。GPT-5.6 Sol 在多套翻译提示词下都是第一现已接进鬼手翻译 Agent。Gemini 3.1 Pro 和 Kimi K3 在公开领先组里。其余入围模型按页面口径匿名不在这里猜名讳。排名候选质量 / 10语义错译率长度比1GPT-5.6 Sol9.752.43%1.13参考人工翻译 A9.53未单独统计1.162Gemini 3.1 Pro9.514.46%1.133模型 A9.514.73%1.224Kimi K39.464.46%1.095模型 B9.446.62%1.096模型 C9.435.54%1.11参考人工翻译 B9.30未单独统计1.227模型 D9.276.35%1.15人工翻译 A、B 和模型译文放在一起盲测只做质量参照不参与这 7 个模型的排名。它们的样本没有单独算语义错译率。质量分看四项准确完整、口语自然、角色口吻、一组台词里前后连贯。语义错译率按台词组算统计的是篡改人物、否定、因果、数量、动作或其他原意的比例。每一轮、每个语向内部候选使用相同源字幕、术语资产和输出结构并使用该轮次冻结的模型配置。单集盲评与多集一致性复核分层随机交由 Gemini 3.1 Pro 和 GPT-5.6 Solo 两款模型各评一半4 个 Gemini 评审任务因供应商安全拒绝从有效分母中剔除未转交另一评审模型。自动化评估不能替代母语审校也不能完全消除评审模型的家族偏好。英语之外14个语种里13个领先2026年8月同一套样本库还测了日语、韩语、泰语、越南语、印尼语、拉美西班牙语、巴西葡萄牙语、法语、德语、阿拉伯语、土耳其语、俄语、印地语、意大利语。盲测由两款评估模型随机打分。折合成 10 分制后鬼手翻译 Agent GPT-5.6 Sol 的整体质量分平均高出 4%单个语种的 PK 胜率最高84.6%。14 个非英语语种里13 个综合均分领先巴西葡萄牙语持平。语种这轮结果日语、韩语、泰语、越南语、印尼语领先拉美西班牙语、法语、德语、阿拉伯语领先土耳其语、俄语、印地语、意大利语领先巴西葡萄牙语持平引用这组数之前先看边界评测冻结在2026 年 8 月的模型配置。候选用同一套源字幕、术语和输出结构。单集盲评和多集一致性复核分层随机交给 Gemini 3.1 Pro 和 GPT-5.6 Sol各评一半。有 4 个 Gemini 评审任务被供应商以安全原因拒绝从有效分母中剔除没有改交另一个模型。自动化评估替代不了母语审校也消不掉评审模型和参赛模型同族时的偏好。高风险内容仍建议人工看一遍。AI这轮分数高不等于可以免审。14 个进入前期候选的模型是DeepSeek V3.2、DeepSeek V4 Flash 0731、Doubao Seed 2.0 Lite、Gemini 3.0 Flash、Gemini 3.1 Flash Lite、Gemini 3.1 Pro、Gemini 3.5 Flash、Gemini 3.6 Flash、GLM-5.2、GPT-5.6 Luna、GPT-5.6 Sol、GPT-5.6 Terra、Grok 4.5、Kimi K3。其中 7 个进入大规模评测名单以 2026 年 8 月 6 日为准。不适合直接拿去用的情况把这一次榜单当成以后永远的采购标准拿去解释和短剧字幕无关的通用翻译赛事。
阅读完成 · 觉得有帮助？
