1
Claude Opus 5.5
Claude 系列
96.52/ 100
从 100 页到 445 页，每一分钟都有打点。速度不是口号，是中位数。
2 篇报告 →48 条冻结用例、3 轮独立评测，把客户可选模型放在同一把尺子上。
查看模型质量榜 →原版式保留的边界在哪：段落、表格、页眉页脚、扫描件 OCR，逐样展示。
内容筹备中 →扫描件翻译缺字，多数不是识别认错，是笔画在进识别器之前就断了。中间隔着四层，每层都能单独把字弄坏，坏法还不一样。
有人发来一份扫描件，说翻出来的文字缺角，问我是不是翻译的时候漏字了。
先说结论：读不完不是读得慢，是顺序错了。
先把最不体面的一条摆出来：它能「保住表格行列」，靠的不是把表格翻好，而是整块不碰。
先说结论：同一份译文 PDF，我用 4 种常见办法查表格，前 3 种全部判「没问题」，只有第 4 种查出来了——那两张表根本没被翻译，还是英文原样。
先说结论：扫描件能不能翻，取决于有没有文字层，不取决于文件多清晰。
「公式会不会被翻乱」是被问得最多的一句。与其给结论，不如把能查的都查一遍：我拿一份 15 页论文的原文和译文，按五个具体问题做了实测，回答都在下面。
拿到一份 15 页论文的译文，我先翻到有公式的那几页。√dk 在，(1) 在，Attention(Q,K,V) = softmax(QK^T/√dk)V 连折行都没变。松了一口气，接着往正文读，读到「长度惩罚值为 0.6…
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。
第一个坑先说：页面上的方框，绝大多数时候跟“字体里没有这个字”没关系。
一份 15 页的英文论文译完，页面上有几处空白，还有一个人名少了个字母。直觉都指向“字体缺字”。
先说结论：表格多的英文报告，机器翻完必须自己扫一遍，不然数字对不上都不知道。
结论先放前面：noam@google.com 断在 noam@g 后面不是随机的。它断在第 8 个字符，因为那个作者框宽 78.6pt，「谷歌大脑」四个汉字吃掉 39.8pt，剩下的只够 8.6 个拉丁字符。换别的框，断…
昨天下午要把一份 15 页英文论文的译文转给合作者，顺手想把作者信息填进投稿系统的作者列表。打开译文 PDF，拖到第一页作者区，选中 noam@google.com 复制，粘出来是两行：
这篇是安利，但前半段全是缺点。
「参考文献能不能一起翻？」
先说结论：别把整篇论文丢进通用机翻，公式和表格会一起崩。
扫描件翻出来是乱码，第一反应通常是"先转成 Word 修一修再翻"。
坑一不用装任何工具就能验：能选中文字，不等于有文字层。
脚本跑完，输出一行：950 → 811。少了 139 个公式字形，14.6%。
做 PDF 翻译的质量验收时，遇到一个很难一眼看出来的问题。
译完先翻最后三页。40 条参考文献，条条带中文。
同一份 15 页英文论文，四个档位报价从 15 积分到 135 积分，差 9 倍。
能改，但"改"这个字得拆开看：你能选中、能复制、能替换，但你改的不是段落，是一堆带坐标的文字碎片。
484 个文本块，367 个宽度不到页宽的 60%。
先把话说透：表格翻译完错行，基本不是"翻错了"，是表格在 PDF 里根本不存在。
有人问我：PDF 全选复制到翻译网页，和上传整份文档翻译，到底差在哪？
组会前一天晚上十点，导师在群里丢了句"明天你讲一下 Transformer 那篇"。
100 页文档：12 万字符、18 万输出 token、2710 个排版元素。三个数字决定了 Agent 自己翻不完也排不好。MCP 的必要性不在翻译质量，在它接得住 Agent 接不住的那一段。
82 页 PDF 实测：翻译阶段中位 6 分钟，从确认到拿到成品中位 8.4 分钟。时间花在哪、怎么估自己的单子，一篇文章说清楚。
200 页以上 8 单实测：平均 445 页的长文档，翻译 38 分钟、全程 45 分钟。投标场景当天出稿可行，但别信"几分钟"的承诺。
按套餐折算：100 页最低不到 2 元，标准档约 5 元；同类 SaaS 按页报价 0.098 元/页要 9.8 元。这笔账怎么算，一篇讲透。