大模型翻译实测：第一名只赢2.4分

我把 14 个翻译系统放进同一套题：48 条真实用例，3 轮独立采样加盲评取均值。大模型和传统机翻同批评审，下面的分数可以直接比较。

1）顶尖大模型分数高吗？

高，但挤成一团。第 1 名 Claude Opus 5.5 是 96.31，第 5 名 Claude Haiku 是 95.29，头部只差 1.02 分。

2）国产差多少？

DeepSeek 4.1 Flash 拿到 95.40，总榜第 3，只比第 1 名低 0.91 分，压过 GPT-6 Astra、Claude Haiku 和 Gemini 3.8 Flash。智谱 GLM-5.3-Flash 也有 95.05，排第 6。

3）不同厂商旗舰有差距吗？

有，但档位比厂商更影响结果。同样是 Claude，Opus 比 Haiku 高 1.02 分。国产四档 DeepSeek 95.40、智谱 95.05、LongCat 94.01、豆包轻量档 93.88，跨 1.52 分。先确认自己用的是旗舰档还是轻量档。

4）传统机器翻译掉队了吗？

不是集体掉队，是分层了。Bing 91.54、金山词霸 91.36，距大模型榜尾只有 2.34 分；有道 86.88、阿里 82.61 明显落后。搜狗这轮接口失效，未参评。

差距主要不在格式和完整度：Bing 客观分 95.58，盲评分 88.85；Claude 盲评分 95.59。扣分集中在术语、长句和语气。现在比的是「像不像人话」。

5 个翻呗翻译激活码，每个 100 积分、30 天有效：

X4EZ8VH8

N82RBST2

CEA2KJFT

KTSJKPH2

KSYTU25K

注册后在「积分充值 - 激活码」输入。