請記住，以前的翻譯器曾經出現過荒謬的情況，甚至會自己產生梗圖？比如來自中國的商品說明書建議“用反毛的方式熨燙貓咪以啟動”。這雖然好笑，但當你急需翻譯一份重要文件或向外國客戶解釋為何錯過了截止日期時，就不再好笑了。幸運的是，時代已經改變了。現代的神經網絡翻譯已經是另一個層次。我決定測試七個熱門的服務，看看哪一個真正能應對複雜的任務。

為了測試，我準備了兩個狡猾的題目。第一個是充滿成語和色彩代碼的文本：(feeling blue, red tape, in the red)。第二個是經典的語法悖論：時間像箭一樣飛逝，而果蠅喜歡香蕉。這不僅是對愚蠢的考驗，更是真實的陷阱，即使是先進的算法也會陷入。

我們從BotHub開始。它的底層運行的是Google的Gemini 3 Pro。Google數十年來索引了整個互聯網，對語言的了解比誰都多。在第一個任務中，Gemini表現出色——正確識別了所有成語，把“feeling blue”翻譯成“悲傷”，“red tape”譯為“官僚主義”。在第二個測試中，模型沒有被“flies”這個詞的陷阱困住，但卻失去了原文的雙關語。技術上合格，但沒有亮點。

來自德國科隆的DeepL，是一個專門的神經網絡翻譯器，自2017年以來建立了良好的聲譽。功能繁多：支持文件翻譯，支持35種語言，最近還加入了語音轉文字。第一個任務中，DeepL選擇了較口語化的風格，把“in the red”翻譯成“虧損”，非常貼近口語。可是第二個任務完全失誤——沒認出“fruit flies”是昆蟲的固定名稱，結果給出一堆“飛行的水果”的胡言亂語。顯示它仍然是個統計翻譯器，有時會選擇最常見的翻譯。

Sber的GigaChat運行在NeONKA架構上，整合了多個神經網絡。功能豐富——可以輸入文件、表格、演示文稿，甚至是音頻文件。在第一個測試中，GigaChat最接近真實——把“feeling blue”翻成“抑鬱的”，更能傳達情感色彩。在第二個測試中，也沒有掉入陷阱，正確識別了果蠅。對於一個通用模型來說，這是令人印象深刻的結果。

Microsoft Translator（Bing）是個工作馬，內建於Edge、Skype、Word等多個平台。支持179種語言，包括為星際迷航粉絲準備的克林貢語。在兩個任務中都表現得正確——成功解讀成語，沒有陷入語法陷阱。顯示背後有強大的算法支撐。

MachineTranslation是一個聚合器，會將你的文本同時發送給Google、DeepL、Amazon、Microsoft和ChatGPT，然後展示所有版本。非常適合不知道哪個更合適時使用。支持超過270種語言。缺點是免費模式每次只能翻譯100個單詞。兩個測試中，它都給出安全、平均的版本，任何人都能理解。

Reverso像是查找他人翻譯的搜索引擎——它的資料庫包括字幕、聯合國文件和說明書。界面停留在2015年，免費版很吝嗇——每次最多2000字符。第一個任務完全失敗，把“red tape”翻成“官僚主義的帶子”(想像一下帶著剪刀的上司嗎？)。第二個任務中，它的錯誤比其他人都愚蠢——把“like”翻成比較，而不是動詞。這已經是2010年Google翻譯的水平。

Yandex Alice現在運行在YandexGPT上，加入了生成模型的競爭。它無處不在——Yandex首頁、瀏覽器、應用程序中都能見到。能很好理解俄語的細微差別，因為它在俄語互聯網上接受了訓練。第一個任務中，它提供了最具文學性的版本之一——將“feeling blue”譯為“處於抑鬱狀態”，“red tape”譯為“擺脫官僚阻礙”。這是個真正的佳作。第二個測試中，它也沒錯，甚至把“like”翻成“喜歡”——很棒。

總結來說，最好的神經網絡翻譯是GigaChat、Alice和Microsoft Translator。它們真正理解語境，不會陷入語法陷阱。DeepL適合處理文件，但有時會卡殼。Reverso則最好不要用於嚴肅任務。

但請記住：神經網絡只是助手，僅此而已。它們會犯錯、會幻想，有時還會出乎意料。相信它們，但也要檢查。你用的哪個神經翻譯器？在評論中分享你的經驗吧！