October 23, 2026
Ako birate između LLM-a i AI agenta za prevođenje, sama oznaka vam govori malo o tome šta može poći po zlu. Jedan LLM poziv može vratiti samouvjeren pogrešan odgovor bez ikakvog upozorenja. Agent može postaviti pravo pitanje, ali svaki korak koji preduzme dodaje vrijeme i još jedno mjesto za grešku.
Tri različite stvari često dijele naziv "AI agent": jedan LLM poziv, radni tok koji pokreće više modela odjednom i agent koji planira i djeluje u petlji. Mi pokrećemo sva tri na MachineTranslation.com. Razlike u nastavku proizilaze iz njihovog pokretanja u produkciji.
LLM je model. Pošaljete tekst i dobijete tekst nazad, u jednom pozivu. AI agent je sistem izgrađen oko LLM-a. Inženjerski tim kompanije Anthropic razdvaja to dvoje prema tome ko odlučuje o koracima. U radnom toku, kod unaprijed postavlja korake. U agentu, LLM sam bira svoje korake i alate.
To daje tri oblika za prevođenje. Jedan LLM poziv je najjednostavniji i vraća jedan odgovor bez ikakvog signala o tome da li je taj odgovor tačan. Radni tok, kao što je pokretanje više modela odjednom i poređenje rezultata, prati fiksnu putanju. Agent radi u petlji. Odlučuje šta treba uraditi, to uradi i provjerava rezultat. Također može postaviti pitanje korisniku prije nego što nastavi.
Jedan LLM poziv je jedan korak. Radni tok konsenzusa šalje isti tekst na više modela odjednom, a zatim poredi rezultate. Agent prolazi kroz petlju planiranja, djelovanja i provjere, te se može zaustaviti kako bi postavio pitanje korisniku.
| Jedan LLM poziv | Tok rada konsenzusa | AI agent | |
|---|---|---|---|
| Koraci | Jedan poziv | Više poziva odjednom, zatim jedno poređenje | Petlja planiranja, djelovanja i provjere |
| Vremensko ponašanje | Latencija jednog modela | Određeno najsporijim modelom u skupu | Raste sa svakim korakom |
| Glavni rizik | Samouvjeren netačan odgovor bez upozorenja | Svi modeli dijele istu prećutnu pretpostavku | Dodatni koraci dodaju kašnjenje i nove tačke neuspjeha |
| Šta pomaže | Druga provjera | Pitanje za korisnika | Ograničenja koraka i ljudska provjera |
Agent donosi odluke koje jedan poziv modela ne može donijeti. Može pitati treba li rečenica biti formalna ili neformalna. Također može potražiti pojam i provjeriti vlastiti nacrt. Svaki od njih predstavlja dodatni korak, a svaki korak dodaje vrijeme i još jednu tačku potencijalne greške.
Anthropic-eva preporuka je da se krene s najjednostavnijim dizajnom koji funkcioniše. Koristite radni tok za jasno definisan zadatak, a agenta kada zadatak zahtijeva fleksibilne odluke. Mi slijedimo isto pravilo. AI Translation Agent je zaseban sloj koji stupa na scenu samo kada rečenica ostavlja nešto otvorenim, kao što je to koliko bi tekst trebao biti formalan.
Konsenzus više modela je radni tok s fiksnim putem. Isti tekst ide ka svim modelima odjednom. Izlazi se upoređuju i vraća se verzija oko koje se većina modela slaže. Anthropic praksu pokretanja nekoliko pokušaja odjednom radi povećanja pouzdanosti naziva paralelizacijom.
Inženjerski problem je vrijeme. Kada bi 22 modela radila jedan za drugim, čekanje bi bilo zbir 22 poziva. Oni rade paralelno, pa je vrijeme čekanja određeno najsporijim modelom u skupu, kao što opisujemo u našem vodiču za dobijanje verifikovanih prevoda unutar Claude-a ili ChatGPT-ja. U jednom primjeru pokretanja, pet modela je prevelo frazu od četiri riječi i vratilo rezultat za 751 milisekundu. Dužem tekstu treba više vremena i važi isto pravilo.
Testirali smo veličine skupa i odlučili se za 22. S manje modela, signal slaganja slabi. S više, latencija počinje rasti. Korisnik vidi jedan rezultat. Posao koji ga je učinio brzim desio se prije klika.
Konsenzus može vidjeti samo neslaganje između modela, tako da ne može uočiti izbor koji svaki model donosi na isti način. U našim testovima uobičajenih fraza, svih sedam prikazanih modela prevelo je "good morning" na japanski formalnim おはようございます, što je prešutna odluka o učtivosti o kojoj niko nije pitao korisnika.
Francuski "Je t'aime" pratio je isti obrazac. Modeli su se složili oko jednog prevoda, ali fraza može izražavati romantičnu, platonsku ili porodičnu ljubav, a direktan prevod ne govori o kojoj se radi. Korak poređenja nema šta uporediti kada svaki model odgovori na isti način.
Taj jaz je razlog zašto AI Translation Agent radi kao zaseban sloj. On postavlja pitanja o registru, publici i tonu samo kada ih tekst ostavlja otvorenim. Konsenzus hvata modele koji se ne slažu. Agent hvata ono što svi oni pretpostavljaju.
Udžbenici o vještačkoj inteligenciji dijele agente prema tome kako odlučuju šta će uraditi. Klasična lista ide od jednostavnih refleksnih agenata, koji reaguju na trenutni unos, preko agenata zasnovanih na ciljevima koji planiraju put do rezultata, do agenata koji uče i poboljšavaju se na osnovu povratnih informacija.
Gledano sistemski, svaki korak naviše na listi dodaje stanje i petlje koje treba održavati. Prevođenje najviše koristi ima od rješenja zasnovanih na ciljevima, jer prevod često zavisi od konteksta koji trenutna rečenica ne sadrži. Naš AI Translation Agent se nalazi upravo tu. On radi prema prevodu koji odgovara kontekstu, a njegov glavni alat je pitanje korisniku.
Da, jer su sistemi za neuronsko mašinsko prevođenje obučeni isključivo za prevođenje između jezika, što ih čini drugačijom vrstom modela u odnosu na LLM opće namjene. Neki modeli unutar porodice LLM-ova također funkcionišu drugačije. Većina LLM-ova generiše jedan po jedan token. Mercury, kompanije Inception Labs, difuzijski je jezički model koji generiše blokove teksta paralelno, o čemu pišemo u našoj objavi o dodavanju modela Gemma i Mercury na platformu.
Da li je bolji API za neuronsko prevođenje ili LLM, zavisi od zadatka. API za neuronsko prevođenje nudi model napravljen za jedan zadatak, dok LLM može pratiti uputstva i koristiti više konteksta. Baza alata stranice MachineTranslation.com uključuje i tradicionalne alate za mašinsko prevođenje i LLM-ove, tako da jedan zahtjev može koristiti bilo koju vrstu.
Najjači LLM zavisi od jezičkog para i smjera, pa stoga ne biramo samo jedan na nivou platforme. Grupa modela uključuje ChatGPT, Claude, Gemini, DeepSeek, Qwen, Grok i Mistral AI. Svaki model radi paralelno, tako da dodavanje ili zamjena nekog od njih ne produžava vrijeme čekanja. Rezultati kvaliteta za određene modele dolaze iz našeg testiranja i poređenja modela.
AI agenti i asistenti mogu pozvati MachineTranslation.com kao alat. MCP konektor omogućava pretplatnicima koji plaćaju da ga koriste iz Claudea, ChatGPT-ja, Copilota ili bilo kojeg asistenta koji podržava prilagođene konektore. Zahtjev se paralelno obrađuje kroz istu bazu od 22 modela i vraća verziju oko koje se većina njih slaže. Za asistenta, prevođenje postaje jedan poziv alata. Poređenje modela ostaje na našoj strani, a u razgovoru se vidi samo rezultat.
Možete pratiti paralelno izvršavanje i pitanja agenta na svom vlastitom tekstu. Zalijepite rečenicu na MachineTranslation.com i modeli će se pokrenuti istovremeno. Agent postavlja pitanja samo kada rečenica ostavi nešto nedorečeno.
LLM prima tekst i vraća tekst u jednom pozivu. AI agent je sistem izgrađen oko LLM-a koji samostalno bira svoje korake i koristi alate. On provjerava svoj rad i može postavljati pitanja korisniku. U prevođenju, agent odlučuje šta dalje raditi, dok pojedinačni poziv samo daje odgovor.
Udžbenici navode agente jednostavnog refleksa, agente zasnovane na modelu, agente zasnovane na cilju, agente zasnovane na korisnosti i agente koji uče, poredane prema tome kako odlučuju šta će uraditi. Prevođenje ima najviše koristi od agenata zasnovanih na cilju koji koriste alate, kao što su pretraga glosara ili pitanje upućeno korisniku, jer prijevod često zavisi od konteksta koji trenutna rečenica ne sadrži.
Da, jer su sistemi za neuronsko mašinsko prevođenje obučeni samo za prevođenje i nisu opći modeli za razgovor. Difuzijski jezički modeli kao što je Mercury i dalje su jezički modeli. Oni generišu tekst u blokovima, dok većina LLM-ova generiše jedan po jedan token. MachineTranslation.com pokreće i tradicionalne mašinske prevodilačke pogone i LLM-ove.
Da, jer agent može pokrenuti alat za prevođenje i provjeriti rezultat, a može vas i pitati za kontekst koji nedostaje, poput tona ili publike, prije nego što bilo šta vrati. Svaki od tih koraka oduzima vrijeme. Za jasno definisan tekst, pojedinačni poziv modela ili fiksni radni tok obično je jednostavniji, pa agenti odgovaraju slučajevima u kojima je potrebno donijeti odluku.
To zavisi od posla, jer neuronski prevodilački API opslužuje model napravljen za jedan zadatak, dok LLM može pratiti uputstva i koristiti više konteksta. MachineTranslation.com ne bira samo jedno. Njegov skup pogona uključuje i tradicionalne mašinske prevodilačke pogone i LLM-ove, a jedan zahtjev može koristiti bilo koju vrstu.
ChatGPT, Claude, Gemini, DeepSeek i Qwen su LLM-ovi, i svaki od njih obrađuje prijevod u jednom pozivu. Paralelni radni tok kombinuje mnoge od njih. AI agent dodaje odluke na to, kao što je MachineTranslation.com AI Translation Agent, koji pita za ton i publiku kada ih rečenica ostavi otvorenima.