“机器翻译”是一个描述非常不同技术的术语。Google Translate在2010年所做的事情与现代LLM所做的事情有着根本的区别。理解这种差异很重要：网站翻译的质量直接影响转化率和搜索排名。
第一代：统计机器翻译 (SMT)
统计机器翻译（Statistical Machine Translation）通过平行语料库工作：系统分析已翻译的文档，并选择每个单词或短语在统计学上最有可能的翻译。
结果：翻译机械化，失去上下文，产生典型的“机器式”表达。正是关于SMT，人们开玩笑说，翻译后的文本需要解读。
自2016-2017年以来，SMT实际上已不再用于商业系统。
第二代：神经网络机器翻译 (NMT)
神经机器翻译处理文本的方式不同：它不是逐字处理，而是将整个文本作为一个整体，并考虑上下文。
与SMT相比的关键改进：
- 单词不再孤立翻译——而是考虑整个句子的上下文
- 习语和固定表达处理得更准确
- 文本的自然度显著提高
- 语气和风格保留得更好
Google Translate于2016年转向NMT。DeepL最初就是作为NMT引擎构建的，并在很长一段时间内保持了质量领先地位。
对于大多数文本，NMT都能提供可接受的结果——技术描述、产品卡片、标准内容。
第三代：LLM 翻译
大型语言模型（GPT-4、Claude、Gemini）不是专门的翻译器，但它们的 Transformer 架构为复杂文本提供了质量截然不同的结果。
LLM 擅长什么：
- 营销文本。德语中的“免费试用”不是字面翻译，而是对母语人士来说听起来像号召性用语的措辞。LLM 理解任务，而不仅仅是翻译单词。
- 文化适应。称呼、语气、正式程度——不同语言有不同的规范。LLM 会根据目标文化进行调整。
- SEO 文本。不同语言的关键词并非直译。LLM 可以有机地嵌入所需的查询。
- 品牌语境。可以传递品牌语调、术语、禁用措辞——LLM 会将其考虑在内。
LLM 为什么多余：技术规格、标准描述、重复内容——NMT 可以更快、更便宜地提供足够的质量。
对网站的实际意义
- 产品卡片、技术描述：NMT 足矣
- 营销文本、标题、CTA：LLM 或强制性母语审校
- 法律文本、隐私政策：仅限专业翻译
- SEO 内容：LLM 结合搜索查询和结构
- 博客和文章：LLM + 编辑修订
为什么这在选择工具时很重要
许多自动网站翻译工具使用 Google Translate API 或 DeepL——它们是 NMT，对于基本内容来说已经足够。如果工具描述中只写着“AI 翻译”而没有进一步说明，那通常也是 NMT。
差异出现在结果至关重要的地方：营销文本、CTA、独特描述。正是在这里，LLM 方法提供了显著的优势。