GPT-3-st GPT-5-ni: kuidas AI-tõlke kvaliteet tegelikult muutus

GPT-3, GPT-4 ja GPT-5 vahel on viis aastat ja mitu arhitektuuripõlvkonda, kuid tõlkimise seisukohast pole kasulik küsimus mitte see, „milline neist on nutikaim“. Küsimus on kitsam: mis täpsemalt muutus selles, kuidas need mudelid saavad hakkama keeleosadega, mida ei saa tõlkida sõna-sõnalt – näiteks idioomid, mitmetähenduslikkus ja register? Paranemine toimus konkreetsetes kohtades ja konkreetsetel hetkedel ning see ei liikunud sirgjooneliselt vanemalt uuemale.

Mida GPT-3 tõlkimiseks tegelikult pakkus

OpenAI andis mudeli GPT-3 välja 2020. aastal, enne MachineTranslation.com-i enda testimisprogrammi loomist, seega pole siin midagi firmasisestest võrdlustestidest. Tegemist on hästi dokumenteeritud ajalooga, mitte sisese testitulemusega. GPT-3 oli esimene omataoline mudel, mis suutis luua soravat, inimlikult kõlavat teksti mitmes keeles ilma ülesandepõhise treenimiseta, mis tegi sellest tõelise verstaposti. Eriti tõlkimise puhul tekitas see sama soravus aga tõelise ohu: GPT-3 suutis sihtkeeles luua enesekindla ja korrektselt vormistatud lause, mis oli sellegipoolest vale, kusjuures väljundis ei viidanud miski sellele, et tekkinud oli viga.

Mis muutus GPT-4 saabumisega

GPT-4 tuli välja 2023. aasta märtsis ja MachineTranslation.com-i enda mudelitestid algavad umbes sellest põlvkonnast. Areng oli reaalne, kuid ebaühtlane. Testides mitmetähenduslikku ingliskeelset väljendit „That's sick“ jaapani keelde tõlkimisel, oli GPT-4.1-nano kuuest testitud mudelist ainus, mis taandas fraasi teadliku topelttähenduse üheks ainsaks tõlgenduseks, samas kui ülejäänud viis säilitasid algse fraasi taotletud mitmetähenduslikkuse. Idioomid olid suuremaks nõrkuseks: lastes hispaaniakeelse idioomi „llevarse el gato al agua“ korraga läbi viie GPT versiooni, andsid väiksemad mudelid GPT-4o-mini ja GPT-4.1-nano mõlemad sama sõnasõnalise, ebaõige tõlke, jättes idioomi täielikult tabamata.

Sama muster ilmnes ka mujal. Saksa idioom „ich verstehe nur Bahnhof“, mis lasti läbi kaheksa GPT ja Claude alamversiooni, tõlgiti spetsiifiliselt mudeli GPT-4o-mini poolt sõnasõnaliselt ja valesti, samas kui samas testis osalenud väiksem ja uuem mudel GPT-4.1-nano tõlkis selle õigesti. Põlvkond ja mudeli suurus ei olnud omavahel kuidagi järjepidevas seoses – muster, mida MachineTranslation.com-i mudeliversioonide testimine käsitleb põhjalikumalt.

Mida GPT-5 tõlkimise jaoks muutis

OpenAI tutvustas mudelit GPT-5 kui ühtset süsteemi, mis suunab päringuid vastavalt ülesandele kiire vaikemudeli ja sügavama arutlusmudeli vahel, mis on struktuurne muudatus võrreldes GPT-4 ühe mudeli arhitektuuriga. OpenAI enda GPT-5 System Card märgib mudeli üldise faktivigade määra olevat umbes 45% madalam kui mudelil GPT-4 ja 80% madalam kui mudelil GPT-3 – see üldine usaldusväärsuse tõus väljendub konkreetselt ka tõlkimises. MachineTranslation.com-i testimine näitab kõige selgemaid edusamme just seal, kus GPT-4 ajastu mudelitel oli kõige rohkem raskusi: sama hispaaniakeelse idioomi puhul, millega GPT-4o-mini ja GPT-4.1-nano hätta jäid, jõudsid nii GPT-5.4-mini kui ka GPT-5.4 õigete, idioomaatiliste tõlgeteni, sõnastades selle kumbki pisut erinevalt, kuid mõistes mõlemad idioomi ennast.

See viimane punkt on oluline: eraldiseisev test standardse ärifraasiga „please confirm receipt of this document“, mis tõlgiti saksa keelde, andis peaaegu identse tulemuse kõigi testitud mudelite lõikes, sealhulgas GPT-4o-mini ja GPT-5 põlvkonna mudelid. Põlvkondadevaheline erinevus puudutab spetsiifiliselt kujundlikku ja mitmetähenduslikku keelt, mitte ei kujuta endast üldist kvaliteedierinevust.

Kas uuem GPT põlvkond tähendab alati paremat tõlget?

Ei. Katsetades heebrea idioomi eri mudeliperekondades, pakkusid GPT-5.4-mini ja GPT-5.4 sama väljendi kohta kahte erinevat, osalist tõlgendust, millest kumbki polnud täielikult õige, samas kui üks vanem, mitteseotud mudel jõudis sellele lähemale. Uuem mudel ei ole automaatselt täpsem ning suurem või värskem mudel ei ole konkreetse lause puhul automaatselt kindlam valik.

Kus GPT-5 tõlkimise vallas täna seisab

Nii GPT-3 kui ka GPT-4 on ChatGPT-st eemaldatud; GPT-4 jääb kättesaadavaks vaid OpenAI API kaudu olemasolevate integratsioonide jaoks. Praegune põlvkond, GPT-5.4 ja GPT-5.5, on see, mida MachineTranslation.com täna kasutab, ning see konkureerib hästi teiste pakkujate praeguste mudelitega, ehkki mitte igas keelepaaris läbivalt paremini. Põhjalikuma ülevaate saamiseks sellest, kuidas praegused GPT alamversioonid omavahel ning selliste mudelitega nagu Claude ja DeepSeek võrdluses suhestuvad, vaadake MachineTranslation.com-i vahetut alamversioonide võrdlustestimist, mis läheb sügavamale, kui põlvkondade ülevaade seda võimaldab.

Mida see tähendab, kui lokaliseerite suures mahus

Suure lokaliseerimisprogrammi jaoks kõige olulisem järeldus ei ole see, et „GPT-5 teeb GPT-3-le ära“. Asi on selles, et mudeli versioon, mitte ainult mudeliperekond, määrab ära, kas konkreetne idioom või mitmetähenduslik fraas tõlgitakse õigesti, ja see kehtib iga keelepaari puhul, mitte ainult siin toodud üksikute näidete puhul. See on kõige olulisem sisu puhul, mis toetub eeskätt toonile ja kujundlikule keelele, eriti turundustekstides ja kasutajate loodud sisus, kus üksainus sõna-sõnalt tõlgitud idioom võib muuta postituse või reklaami kogu tähendust. Programm, mis viib sisu kümnetesse keeltesse, puutub täpselt sellise keelekasutusega kokku neist igaühes. MachineTranslation.com-i alamversioonide testimise seeria ja mudelite täieliku võrdluse testimine käsitlevad seda põhjalikumalt. Platvormi lähenemisviis, mille kohaselt jooksutatakse iga tõlke puhul praeguste GPT mudelite kõrval rohkem kui 20 muud mudelit, eksisteerib just nimelt seetõttu, et mitte ühegi mudeli versiooniajalugu ei ole omaette piisavalt usaldusväärne garantii.

Korduma kippuvad küsimused