DeepL 三月模型更新:4.8 万次盲测背后的“专精路线”

2026 年 3 月,DeepL 发布年度重要模型更新,并委托语言专家开展了规模罕见的盲测评估:覆盖 16 个高优先级语言对、累计 4.8 万次盲测对比,对手包括谷歌翻译、Gemini 3.1 Pro、GPT-5.2、Claude Opus 4.6 与微软翻译。DeepL 公布的结果显示,其在两两对比中取得 94% 的胜出率。

这一结果再次印证了机器翻译市场的“分层格局”:通用大模型在上下文理解、语气控制与长尾语言上持续进步,而 DeepL 代表的“翻译专精”路线,凭借针对翻译任务专门优化的架构与数据,在欧洲主流语言对的自然度与术语一致性上保持优势。对企业用户而言,不存在“一个引擎解决所有问题”的答案,按语言对与内容类型选择引擎,仍是质量与成本平衡的基本功。

值得注意的是评估方法本身的变化:以语言专家盲测为核心的质量评估,正在取代单一的自动指标(BLEU 等),成为引擎选型的主流依据。这与专业语言服务行业长期坚持的“以人评人审为最终标准”的原则一致——自动指标可以辅助筛查,但最终判断必须来自具备双语能力与领域知识的专家。

我们在项目流程中实行多引擎动态选型:根据语言对、领域与客户历史偏好,在多个引擎间路由,并由译后编辑人员对输出做专业审校。引擎竞争越激烈,客户的单位成本越低——但“选对引擎、把好审校关”的专业价值,反而更加不可替代。