Intento发布《2026翻译自动化报告》，37家厂商、57个模型引擎、229种方案跑英译100种语言。表现最好的方案里大模型占比从2024年55%冲到今年99%，只剩DeepL两个方案在撑，一年内18家机器翻译厂商退出统计。

昨天看到Intento发布了今年的《2026翻译自动化报告》（TheStateofTranslationAutomation2026）：37家厂商、57个模型和翻译引擎、229种方案，从英语翻译为100种语言。

读完这份报告，有几点零散的感受，不成体系分享一下：

1、机器翻译的白垩纪

我记得这份报告之前还叫《TheStateofMachineTranslation》，现在把“机器翻译”改了。

传统的机器翻译确实像恐龙一样濒临灭绝了：表现最好的那批方案里，大模型的占比2024年是55%，2025年是89%，今年是99%。剩下的1%，是DeepL在德语和罗马尼亚语上的两个方案。

一年之内，51家机器翻译厂商有18家退出、易主、改名或被移出统计；ModernMT的API只能用到今年12月31日。

当然还有一些场景有例外，比如NMT引擎每千词约2秒，大模型约66秒，需要实时的场景还离不开NMT。

2、大模型不提它支持多少语言

支持的语言方向曾经是机器翻译厂商最基本的一个参数，因为每个语言方向后面可能对应一个模型。现在大模型厂商都不公布语言对了，甚至训练模型的人可能都不知道自己训练的模型支持多少种语言，大部分厂商也不太care。

Intento的方法是直接发原文和提示词，如果返回目标语译文就算支持。原话是“通过检查每个模型是否能返回该语言的可用翻译来验证语言支持”。

不过头部模型的语言对覆盖也是最好的，但应该比较同质，所以低资源语言可能会越来越孤立。

3、“语言服务”，变成了“语言验收服务”

按报告的算法，中位方案翻一个词约0.00006美元；它去年给人工翻译的估价，是每词0.16到0.24美元——差了几千倍。

如果要稳定过验收线，很多语言得走三步：翻译，质检，按质检意见修复。三步方案的中位成本约每百万字符590美元，是一步方案的一百多倍，其中约96%花在质检上：三个前沿模型逐句评审，第四个模型汇总。

所以账单上剩下的，几乎全是QA（质量检查）。报告之外也有旁证：RWS的2025财年年报里，收入降了4%，毛利率从46.9%掉到43.4%，同一份年报却写着，语言质量审校和测试的需求在增加。

4、有错误清单的自动修改，才靠谱

同一批方案，一步翻译每千词36个加权错误（轻微记1、重大记5、严重记10，过线要在20以内）。让模型按要求再改一遍，降到28。把LQA（语言质量检查）列出的具体错误交给它修，才降到16。报告的解释是：通用质量主要来自预训练，没有错误清单的第二遍，收益很小。

修复还会改坏东西：有术语表的语言里，修复后术语达标率从88%掉到58%，多半是对的术语被“意译”掉了；约5%的方案，多出一个原来没有的严重错误。

所以让模型“再检查一遍”多半是安慰剂，反思要有外部的、具体的反馈，否则都不靠谱。

5、AI裁判强在规模，示例和上下文容易跑偏

报告的评测方法是这样的：评审席上坐着三个模型：ClaudeOpus5、GPT-5.6Sol、Gemini3.1Pro，来自三家厂商，最后由ClaudeFable5汇总。三个裁判在九成以上的句子上意见一致，结果才算数。

这种评测的优势是规模和效率：100种语言、几百个方案，逐句按MQM分类定级，交出来的是错误清单，不只是分数。他们还测了裁判会不会偏袒自家模型，同厂商的分差不到0.2分（满分100），方向也不一致。

偏差出在两个意想不到的地方：

一是示例。评审提示里加一组通用示例后，Gemini报错的句子从36%降到7%；乌克兰语里人工标为重大错误的句子，三个裁判一致认出的比例从46%掉到6%。

二是上下文。逐句评审判出的重大和严重错误，放回上下文复查，约三分之一被降级或撤销。

评测方法选择相信裁判之间的一致，而不是人工评分，理由是2025年人工审校的严重度判断前后不一——信任的来源从权威换成了共识。

前一阵子我测了下Jev，让它当裁判复核QA告警。它以0.84的把握，把一条明显的语法错误判成“告警不成立”；我给了“证据不足”这个选项，288次调用里它只选了5次——单个裁判也不靠谱。

汉代校书，一个人持本，一个人读，两人相对如仇家。两千年后，让三个模型对坐，九成意见一致才算数——一样的方法啊～

报告原文：https://inten.to/state-of-translation-automation/