Fra GPT-3 til GPT-5: Hvordan AI-oversættelseskvaliteten rent faktisk ændrede sig

GPT-3, GPT-4 og GPT-5 er adskilt af fem år og adskillige arkitekturgenerationer, men det relevante spørgsmål for oversættelse er ikke, "hvilken der er klogest". Det er mere snævert: Hvad ændrede sig helt specifikt i den måde, disse modeller håndterer de dele af et sprog, der ikke kan oversættes ordret – ting som idiomer, tvetydighed og stilniveau? Forbedringen skete på specifikke områder, på specifikke tidspunkter, og den forløb ikke i en lige linje fra ældre til nyere.

Hvad GPT-3 reelt tilbød til oversættelse

OpenAI lancerede GPT-3 i 2020, før MachineTranslation.com's eget testprogram eksisterede, så intet her er et proprietært benchmark. Det er veldokumenteret historie, ikke et internt testresultat. GPT-3 var den første model af sin art, der var i stand til at producere flydende, menneskelignende tekst på flere sprog uden opgavespecifik træning, hvilket gjorde den til en sand milepæl. For oversættelse specifikt skabte den samme flydende formuleringsevne en reel risiko: GPT-3 kunne producere en selvsikker, velskrevet sætning på målsproget, som alligevel var forkert, uden at noget ved outputtet signalerede, at der var sket en fejl.

Hvad der ændrede sig, da GPT-4 kom til

GPT-4 blev lanceret i marts 2023, og MachineTranslation.com's egen modeltestning begynder omkring denne generation. Forbedringen var reel, men ujævn. Ved test af den tvetydige engelske frase "That's sick" på japansk var GPT-4.1-nano den eneste ud af seks testede modeller, der reducerede sætningens bevidste dobbelttydighed til en enkelt tolkning, mens de øvrige fem bevarede den tvetydighed, den oprindelige frase tilsigtede. Idiomer var en større svaghed: Da det spanske idiom "llevarse el gato al agua" blev kørt igennem fem GPT-versioner på én gang, producerede de mindre GPT-4o-mini og GPT-4.1-nano begge den samme ordrette, forkerte oversættelse og missede idiomet fuldstændigt.

Det samme mønster viste sig andre steder. Et tysk idiom, "ich verstehe nur Bahnhof", der blev kørt igennem otte GPT- og Claude-underversioner, blev specifikt oversat ordret og forkert af GPT-4o-mini, mens en mindre, nyere model i samme test, GPT-4.1-nano, ramte rigtigt. Generation og modelstørrelse hang ikke sammen på nogen konsekvent måde – et mønster, som MachineTranslation.com's test af modelversioner dækker mere indgående.

Hvad GPT-5 ændrede for oversættelse

OpenAI introducerede GPT-5 som et samlet system, der dirigerer mellem en hurtig standardmodel og en dybere ræsonnerende model afhængigt af opgaven – en strukturel ændring i forhold til GPT-4's enkeltmodel-design. OpenAI's eget GPT-5 System Card rapporterer modellens samlede faktuelle fejlrate til at være omtrent 45 % lavere end GPT-4's og 80 % lavere end GPT-3's, hvilket er en generel forbedring af pålideligheden, der også viser sig specifikt ved oversættelse. MachineTranslation.com's test viser de tydeligste forbedringer der, hvor modellerne fra GPT-4-æraen kæmpede mest: På det samme spanske idiom, som GPT-4o-mini og GPT-4.1-nano oversatte forkert, leverede både GPT-5.4-mini og GPT-5.4 korrekte, idiomatiske oversættelser – hver især formuleret en smule forskelligt, men begge med en forståelse af selve idiomet.

Den sidste pointe er vigtig: En separat test af en standard forretningsfrase, "please confirm receipt of this document", oversat til tysk, gav et næsten identisk resultat på tværs af alle testede modeller, inklusive GPT-4o-mini og modeller fra GPT-5-generationen. Generationskløften er specifik for billedsprog og flertydigt sprog, ikke en generel kvalitetsforskel.

Betyder en nyere GPT-generation altid bedre oversættelse?

Nej. Ved test af et hebraisk idiom på tværs af modelfamilier landede GPT-5.4-mini og GPT-5.4 på to forskellige, ufuldstændige fortolkninger af samme frase, hvor ingen af dem var helt korrekte, mens en ældre, urelateret model kom tættere på. En nyere model er ikke automatisk mere præcis, og en større eller nyere model er ikke automatisk det sikrere valg til en given sætning.

Hvor GPT-5 står inden for oversættelse i dag

Både GPT-3 og GPT-4 er udfaset fra ChatGPT; GPT-4 er fortsat kun tilgængelig via OpenAI's API til eksisterende integrationer. Den nuværende generation, GPT-5.4 og GPT-5.5, er hvad MachineTranslation.com benytter i dag, og den yder konkurrencedygtigt i forhold til aktuelle modeller fra andre udbydere, omend ikke ensartet bedre på alle sprogpar. For et nærmere indblik i, hvordan de nuværende GPT-underversioner klarer sig mod hinanden og mod modeller som Claude og DeepSeek, kan du se MachineTranslation.com's direkte test af underversioner, som går dybere, end et generationsmæssigt overblik kan.

Hvad dette betyder, hvis du lokaliserer i stor skala

Den vigtigste konklusion for et stort lokaliseringsprogram er ikke, at "GPT-5 slår GPT-3". Det er, at modelversionen – ikke bare modelfamilien – afgør, om et specifikt idiom eller en tvetydig frase bliver oversat korrekt, og det gælder på tværs af alle sprogpar, ikke kun den håndfuld, der vises her. Dette har størst betydning for indhold, der i forvejen trækker meget på tone og billedsprog, især marketingtekster og brugergenereret indhold, hvor et enkelt idiom oversat bogstaveligt kan ændre hele betydningen af et opslag eller en annonce. Et program, der overfører indhold til snesevis af sprog, vil støde på præcis denne type sprog i hvert eneste af dem. MachineTranslation.com's testserie af underversioner og fulde modelsammenligningstest dækker dette i større dybde. Platformens tilgang med at køre aktuelle GPT-modeller sideløbende med over 20 andre ved hver oversættelse eksisterer netop, fordi ingen enkelt models versionshistorik i sig selv er en tilstrækkelig pålidelig garanti.

Ofte stillede spørgsmål