De GPT-3 a GPT-5: Como cambiou realmente a calidade da tradución con IA

GPT-3, GPT-4 e GPT-5 están separados por cinco anos e varias xeracións de arquitectura, pero a pregunta útil para a tradución non é "cal é o máis intelixente". É máis concreta: que cambiou especificamente na forma en que estes modelos manexan as partes dunha lingua que non se traducen palabra por palabra, cousas como os modismos, a ambigüidade e o rexistro? A mellora produciuse en lugares específicos, en momentos específicos, e non seguiu unha liña recta do máis antigo ao máis novo.

O que realmente ofreceu GPT-3 para a tradución

OpenAI lanzou GPT-3 en 2020, antes de que existise o programa de probas propio de MachineTranslation.com, polo que nada do que hai aquí é un benchmark propietario. É historia ben documentada, non o resultado dunha proba interna. GPT-3 foi o primeiro modelo deste tipo capaz de producir texto fluído e con son humano en varios idiomas sen un adestramento específico para a tarefa, o que o converteu nun auténtico fito. Especificamente para a tradución, esa mesma fluidez xerou un risco real: GPT-3 podía producir unha frase segura e ben formulada na lingua de destino que aínda así era incorrecta, sen que nada no resultado indicase que se producira un erro.

Que cambiou coa chegada de GPT-4

GPT-4 lanzouse en marzo de 2023, e as probas de modelos de MachineTranslation.com comezan arredor desta xeración. A mellora foi real pero desigual. Ao probar a ambigua frase en inglés "That's sick" en xaponés, GPT-4.1-nano foi o único modelo dos seis probados que reduciu o dobre sentido deliberado da frase a unha soa interpretación, mentres que os outros cinco conservaron a ambigüidade pretendida pola frase orixinal. Os modismos foron unha debilidade maior: ao pasar a frase feita en español "llevarse el gato al agua" por cinco versións de GPT á vez, os máis pequenos GPT-4o-mini e GPT-4.1-nano produciron a mesma tradución literal e incorrecta, pasando por alto o modismo por completo.

O mesmo patrón apareceu noutros lugares. O modismo alemán "ich verstehe nur Bahnhof", procesado a través de oito subversións de GPT e Claude, foi traducido de xeito literal e incorrecto por GPT-4o-mini en concreto, mentres que un modelo máis novo e máis pequeno na mesma proba, GPT-4.1-nano, acertou. A xeración e o tamaño do modelo non se corresponderon de ningún xeito constante, un patrón que as probas de versións de modelos de MachineTranslation.com abordan con máis profundidade.

O que cambiou GPT-5 para a tradución

OpenAI presentou GPT-5 como un sistema unificado que redirixe entre un modelo predeterminado rápido e un modelo de razoamento máis profundo segundo a tarefa, un cambio estrutural respecto ao deseño de modelo único de GPT-4. O propio GPT-5 System Card de OpenAI informa de que a taxa xeral de erros factuais do modelo é aproximadamente un 45% inferior á de GPT-4 e un 80% inferior á de GPT-3, unha ganancia xeral de fiabilidade que tamén se reflicte especificamente na tradución. As probas de MachineTranslation.com mostran as ganancias máis claras onde os modelos da era GPT-4 tiveron máis dificultades: no mesmo modismo en español co que fallaron GPT-4o-mini e GPT-4.1-nano, tanto GPT-5.4-mini como GPT-5.4 acadaron traducións idiomáticas correctas, cada un redactándoo de forma lixeiramente diferente pero entendendo ambos o propio modismo.

Ese último punto é importante: unha proba independente dunha frase empresarial estándar, "please confirm receipt of this document", traducida ao alemán, devolveu un resultado case idéntico en todos os modelos probados, incluídos GPT-4o-mini e os modelos da xeración GPT-5. A fenda xeracional é específica da linguaxe figurada e ambigua, non unha diferenza xeral de calidade.

Unha xeración máis recente de GPT significa sempre unha mellor tradución?

Non. Ao probar un modismo hebreo entre familias de modelos, GPT-5.4-mini e GPT-5.4 chegaron a dúas interpretacións diferentes e parciais da mesma frase, ningunha delas totalmente correcta, mentres que un modelo máis antigo e non relacionado estivo máis preto. Un modelo máis recente non é automaticamente máis preciso, e un modelo máis grande ou máis recente non é automaticamente a opción máis segura para unha frase determinada.

Onde se sitúa GPT-5 para a tradución hoxe en día

Tanto GPT-3 como GPT-4 están retirados de ChatGPT; GPT-4 segue estando accesible unicamente a través da API de OpenAI para integracións existentes. A xeración actual, GPT-5.4 e GPT-5.5, é a que MachineTranslation.com executa hoxe, e ten un rendemento competitivo fronte aos modelos actuais doutros provedores, aínda que non de maneira uniformemente superior en todos os pares de idiomas. Para ver máis polo miúdo como se comparan as subversións actuais de GPT entre si e fronte a modelos como Claude e DeepSeek, consulte as probas comparativas directas de subversións de MachineTranslation.com, que van máis alá do que pode ofrecer unha visión xeral xeracional.

O que isto significa se localiza a grande escala

A conclusión máis relevante para un gran programa de localización non é que «GPT-5 supera a GPT-3». É que a versión do modelo, e non só a familia do modelo, determina se un modismo específico ou unha frase ambigua se traduce correctamente, e iso cúmprese en todos os pares de linguas, non só nos poucos que se amosan aquí. Isto é especialmente importante no contido que depende principalmente do ton e da linguaxe figurada, sobre todo nos textos publicitarios e no contido xerado polos usuarios, onde un só modismo traducido literalmente pode cambiar por completo o significado dunha publicación ou dun anuncio. Un programa que traslade contido a ducias de idiomas atopará exactamente este tipo de linguaxe en cada un deles. As series de probas de subversións e as probas completas de comparación de modelos de MachineTranslation.com cobren isto con máis detalle. O enfoque da plataforma, que executa os modelos actuais de GPT xunto con máis de 20 modelos adicionais en cada tradución, existe especificamente porque o historial de versións de ningún modelo por si só é unha garantía o suficientemente fiable.

Preguntas frecuentes