在全球 AI 翻译技术迅速发展的背景下，首个应用型 AI 翻译测评榜单 TransBench 正式发布。这一榜单由阿里国际 AI Business 团队、上海人工智能实验室和北京语言大学联合推出，旨在为行业提供标准化的翻译质量评估。
传统翻译评测不同，TransBench 引入了幻觉率、文化禁忌词和敬语规范等新指标，专注于大模型翻译中的关键问题。这些指标来源于真实使用场景的反馈，力求反映翻译的实用性和文化适应性。比如，翻译结果虽然流畅，但若存在 “编造” 信息的情况，便会被标记为 “幻觉”;同样，翻译不符合当地文化或缺乏必要的礼貌用语，也会影响评估结果。
根据榜单的最新评测结果，GPT-4o 稳居翻译 AI 的 “天花板”，在多语言翻译中表现出色，综合得分最高。紧随其后的是 DeepL Translate 和 GPT-4-Turbo。其中，DeepL Translate 是专为机器翻译设计的模型，其最新版本刚于上月发布，显著提升了翻译质量。在电商行业中，DeepSeek-R1的表现同样突出，显示了其在特定领域的竞争力。
在文化特性方面，Qwen 系列模型表现亮眼，Qwen2.5-0.5B-Instruct 和 Qwen2.5-1.5B-Instruct 分列前两位，展示了其在跨文化翻译中的优势。此系列模型是由多个研究机构联合开发，支持多种语言，旨在提升翻译的文化适应性。
在中文翻译方面，GPT-4o 再次名列第一，DeepSeek-V3和 Claude-3.5-Sonnet 紧随其后。尤其在电商领域，DeepSeek-V3以其优异的得分引起了广泛关注。
TransBench 的评测方法和数据集现已开源，鼓励各大 AI 翻译机构参与，进行横向比较和性能评估。
阿里国际 AI Business 团队表示，随着翻译技术的不断进步，行业对翻译模型的要求愈加严格，TransBench 正是响应这一需求而推出的评测标准。未来，阿里国际还将继续致力于 AI 技术的应用，帮助更多企业实现全球化发展。