Mula GPT-3 hanggang GPT-5: Kung paano talaga nagbago ang kalidad ng pagsasalin ng AI

May limang taon at ilang henerasyon ng arkitektura ang pagitan ng GPT-3, GPT-4, at GPT-5, ngunit ang kapaki-pakinabang na tanong para sa pagsasalin ay hindi kung "alin ang pinakamatalino." Mas partikular ito: ano nga ba ang eksaktong nagbago sa kung paano pinangangasiwaan ng mga modelong ito ang mga bahagi ng isang wika na hindi maisasalin nang bawat salita, tulad ng mga idyoma, ambiguity, at register? Nangyari ang pagpapabuti sa mga partikular na lugar, sa mga partikular na punto, at hindi ito naging tuloy-tuloy sa isang tuwid na linya mula sa luma patungo sa bago.

Ang aktwal na inialok ng GPT-3 para sa pagsasalin

Inilabas ng OpenAI ang GPT-3 noong 2020, bago pa umiral ang sariling testing program ng MachineTranslation.com, kaya walang proprietary benchmark dito. Isa itong dokumentadong kasaysayan, hindi isang panloob na resulta ng pagsusuri. Ang GPT-3 ang unang modelo sa uri nito na may kakayahang bumuo ng matatas at parang-taong teksto sa maraming wika nang walang task-specific na pagsasanay, na naging isang tunay na milestone. Para sa pagsasalin partikular, ang parehong katatasan na iyon ay lumikha ng isang tunay na panganib: kayang maglabas ng GPT-3 ng isang may kumpiyansa at maayos na binuong pangungusap sa target language na mali pa rin, nang walang anumang palatandaan sa output na nagkaroon ng pagkakamali.

Ang nagbago nang dumating ang GPT-4

Inilunsad ang GPT-4 noong March 2023, at ang sariling model testing ng MachineTranslation.com ay nagsimula sa henerasyong ito. Ang pagpapabuti ay totoo ngunit hindi pantay. Sa pagsubok sa ambiguous na pariralang Ingles na "That's sick" sa Japanese, ang GPT-4.1-nano lamang ang nag-iisang modelo sa anim na nasubok na nagpaliit sa sinadyang dobleng kahulugan ng linya tungo sa iisang interpretasyon, habang napanatili naman ng limang iba pa ang ambiguity na nilalayon ng orihinal na parirala. Mas malaking kahinaan ang mga idyoma: nang isinalin ang Spanish idiom na "llevarse el gato al agua" sa limang bersyon ng GPT nang sabay-sabay, ang mas maliliit na GPT-4o-mini at GPT-4.1-nano ay parehong naglabas ng parehong literal at maling salin, na ganap na hindi nakuha ang idyoma.

Lumitaw din ang parehong pattern sa iba pa. Ang isang German idiom, "ich verstehe nur Bahnhof," nang subukan sa walong sub-version ng GPT at Claude, ay literal at maling isinalin ng GPT-4o-mini partikular, habang ang isang mas maliit at mas bagong modelo sa parehong pagsubok, ang GPT-4.1-nano, ay nakuha ito nang tama. Ang henerasyon at laki ng modelo ay hindi tumugma sa anumang pare-parehong paraan, isang pattern na mas malalim na tinatalakay sa pagsusuri ng bersyon ng modelo ng MachineTranslation.com.

Ang binago ng GPT-5 para sa pagsasalin

Ipinakilala ng OpenAI ang GPT-5 bilang isang pinag-isang sistema na nagdidirekta sa pagitan ng isang mabilis na default model at isang mas malalim na reasoning model depende sa gawain, isang pagbabago sa istruktura mula sa single-model design ng GPT-4. Iniulat ng sariling GPT-5 System Card ng OpenAI na ang kabuuang factual error rate ng modelo ay humigit-kumulang 45% na mas mababa kaysa sa GPT-4 at 80% na mas mababa kaysa sa GPT-3, isang pangkalahatang pagtaas sa pagiging maaasahan na makikita rin partikular sa pagsasalin. Ipinapakita ng pagsubok ng MachineTranslation.com ang pinakamalilinaw na pag-usad kung saan pinakahirap ang mga modelo sa panahon ng GPT-4: sa parehong Spanish idiom na nagkamali ang GPT-4o-mini at GPT-4.1-nano, parehong nakapagbigay ang GPT-5.4-mini at GPT-5.4 ng tama at idyomatikong mga salin, na bahagyang naiiba ang pagkakapahayag ng bawat isa ngunit parehong nauunawaan ang idyoma mismo.

Mahalaga ang huling puntong iyon: isang hiwalay na pagsusuri sa isang karaniwang business phrase, "please confirm receipt of this document," na isinalin sa German, ay nagbigay ng halos magkaparehong resulta sa bawat modelong sinubukan, kabilang ang GPT-4o-mini at mga modelo ng henerasyon ng GPT-5. Ang agwat sa pagitan ng mga henerasyon ay partikular sa matalinghaga at malabong wika, hindi isang pangkalahatang pagkakaiba sa kalidad.

Palagi bang nangangahulugan ng mas mahusay na pagsasalin ang isang mas bagong henerasyon ng GPT?

Hindi. Sa pagsubok ng isang Hebrew idiom sa iba't ibang model family, ang GPT-5.4-mini at GPT-5.4 ay nagbigay ng dalawang magkaiba at bahagyang interpretasyon ng parehong parirala, kung saan walang ganap na tama sa alinman sa dalawa, habang ang isang mas luma at walang kaugnayang modelo ay naging mas malapit. Ang mas bagong modelo ay hindi awtomatikong mas tumpak, at ang mas malaki o mas kamakailang modelo ay hindi awtomatikong mas ligtas na pagpipilian para sa isang partikular na pangungusap.

Ang kasalukuyang katayuan ng GPT-5 para sa pagsasalin

Parehong retirado na ang GPT-3 at GPT-4 mula sa ChatGPT; maaari na lamang ma-access ang GPT-4 sa pamamagitan ng API ng OpenAI para sa mga umiiral nang integration. Ang kasalukuyang henerasyon, ang GPT-5.4 at GPT-5.5, ang ginagamit ng MachineTranslation.com ngayon, at nakikipagkumpitensya ito nang mahusay laban sa mga kasalukuyang modelo mula sa iba pang provider, bagama't hindi pare-parehong mas mahusay sa bawat language pair. Para sa mas malalimang pagtingin kung paano nagkukumpara ang mga kasalukuyang sub-version ng GPT sa isa't isa at laban sa mga modelong tulad ng Claude at DeepSeek, tingnan ang head-to-head sub-version testing ng MachineTranslation.com, na mas malalim pa kaysa sa maibibigay ng isang pangkalahatang-ideya sa henerasyon.

Ang ibig sabihin nito kung naglo-localize ka sa malawakang saklaw

Ang natuklasang may pinakamahalagang epekto para sa isang malaking localization program ay hindi ang "tinalo ng GPT-5 ang GPT-3." Ito ay ang bersyon ng modelo, hindi lamang ang pamilya ng modelo, ang nagtatakda kung ang isang partikular na idiom o hindi malinaw na parirala ay maisasalin nang wasto, at totoo ito sa bawat language pair, hindi lamang sa iilang ipinapakita rito. Pinakamahalaga ito sa nilalamang nakadepende sa tono at matalinghagang pananalita sa simula pa lang, lalo na sa marketing copy at user-generated content, kung saan ang isang idiom na literal na isinalin ay maaaring magpabago sa buong kahulugan ng isang post o isang patalastas. Ang isang programang naglilipat ng nilalaman sa dose-dosenang wika ay tiyak na makakatagpo ng ganitong uri ng wika sa bawat isa sa mga ito. Mas detalyadong tinatalakay ito sa sub-version testing series at full model comparison testing ng MachineTranslation.com. Ang pamamaraan ng platform, na nagpapatakbo ng mga kasalukuyang GPT model kasabay ng higit sa 20 iba pa sa bawat pagsasalin, ay umiiral partikular dahil walang bersyon ng kasaysayan ng nag-iisang modelo ang sapat na maaasahang garantiya sa sarili nito.

Mga madalas itanong