GPT-4.1 ‎מול‎ DeepSeek V3: דיוק‎, ‎הזיות‎ ‎וביצועי‎ ‎תרגום‎ ‎בהשוואה

השאלה‎ ‎שרוב‎ ‎צוותי‎ ‎התרגום‎ ‎שואלים‎ ‎בשקט‎ ‎באמצע‎ 2026 ‎היא‎ ‎לא‎ ‎האם‎ ‎עלינו‎ ‎להשתמש‎ ‎ב‎-AI?, ‎ההחלטה‎ ‎הזו‎ ‎כבר‎ ‎התקבלה‎. השאלה‎ ‎האמיתית‎ ‎היא‎ ‎על‎ ‎איזה‎ ‎מודל‎ ‎בינה‎ ‎מלאכותית‎ ‎כדאי‎ ‎להתבסס‎, ‎והאם‎ ‎התשובה‎ ‎זהה‎ ‎עבור‎ ‎כל‎ ‎זוג‎ ‎שפות‎, ‎כל‎ ‎סוג‎ ‎מסמך‎ ‎וכל‎ ‎תקציב‎.‏

GPT-4.1 ‎ו‎-DeepSeek V3 ‎התגלו‎ ‎כשתי‎ ‎האפשרויות‎ ‎המוערכות‎ ‎ביותר‎ ‎עבור‎ ‎תהליכי‎ ‎תרגום‎ ‎מקצועיים‎. הם‎ ‎מייצגים‎ ‎פילוסופיות‎ ‎שונות‎ ‎באמת‎: ‎האחת‎ ‎היא‎ API ‎מנוהל‎ ‎בקפידה‎ ‎ומלוטש‎ ‎מסחרית‎ ‎מ‎-OpenAI; ‎השנייה‎ ‎היא‎ ‎מודל‎ ‎בקוד‎ ‎פתוח‎ ‎ברישיון‎ MIT ‎ממעבדת‎ ‎מחקר‎ ‎סינית‎ ‎שהצליחה‎ ‎בשקט‎ ‎על‎ ‎פני‎ ‎מספר‎ ‎מתחרים‎ ‎קנייניים‎ ‎במדדי‎ WMT24. אין‎ ‎אף‎ ‎אחד‎ ‎מהם‎ ‎טוב‎ ‎יותר‎ ‎באופן‎ ‎אוניברסלי‎. הטיעון‎ ‎עבור‎ ‎כל‎ ‎אחד‎ ‎תלוי‎ ‎במה‎ ‎שאתה‎ ‎מתרגם‎, ‎עבור‎ ‎מי‎, ‎ובתחת‎ ‎אילו‎ ‎מגבלות‎.‎

מאמר‎ ‎זה‎ ‎מפרט‎ ‎את‎ ‎שני‎ ‎המודלים‎ ‎על‎ ‎פני‎ ‎הממדים‎ ‎החשובים‎ ‎ביותר‎ ‎למתרגמים‎, ‎מנהלי‎ ‎לוקליזציה‎ ‎ורוכשים‎ ‎ארגוניים‎: ‎דיוק‎ ‎בזוגות‎ ‎שפה‎ ‎אמיתיים‎, ‎התנהגות‎ ‎הזיות‎, ‎טיפול‎ ‎במשימות‎ ‎מוגבלות‎ ‎כמו‎ ‎הקפדה‎ ‎על‎ ‎מילון‎ ‎מונחים‎, ‎והעלות‎ ‎הכוללת‎ ‎של‎ ‎הפעלת‎ ‎כל‎ ‎אחד‎ ‎בקנה‎ ‎מידה‎ ‎גדול‎.‎

תוכן‎ ‎עניינים

• למה‎ ‎ההשוואה‎ ‎הזו‎ ‎חשובה‎ ‎עכשיו
• מהו‎ ‎כל‎ ‎מודל‎ ‎למעשה
• ראש‎ ‎בראש‎: דיוק תרגום וביצועים במבחני הערכה‎ ‎
• איזה מודל מייצר יותר הזיות‎, ‎ומתי?
• איזה מודל מתמודד טוב יותר עם תרגום תחת מגבלות?
• עלות ופריסה‎: אילו‎ ‎שינויים‎ ‎בקנה‎ ‎מידה
• כיצד‎ ‎לבדוק‎ ‎את‎ ‎שתי‎ ‎המודלים‎ ‎מבלי‎ ‎להתחייב‎ ‎לאף‎ ‎אחד‎ ‎מהם
• באיזה‎ ‎מודל‎ ‎כדאי‎ ‎לבחור‎ ‎עבור‎ ‎זרימת‎ ‎העבודה‎ ‎של‎ ‎התרגום‎ ‎שלך‎?‎
• שאלות‎ ‎נפוצות
• השוואות‎ ‎קשורות

מדוע‎ ‎השוואה‎ ‎זו‎ ‎חשובה‎ ‎כעת

רוכשי‎ ‎תרגום‎ ‎העריכו‎ ‎היסטורית‎ ‎תרגום‎ ‎מכונה‎ ‎על‎ ‎ציר‎ ‎צר‎: ציון‎ BLEU ‎לעומת‎ ‎מחיר‎. מודלי‎ ‎שפה‎ ‎גדולים‎ ‎שוברים‎ ‎את‎ ‎המסגרת‎ ‎הזו‎ ‎לחלוטין‎. GPT-4.1 ‎ו‎-DeepSeek V3 ‎אינם‎ ‎מנועי‎ ‎תרגום‎ ‎מכונה‎ (MT) ‎במובן‎ ‎המסורתי‎ — ‎הם‎ ‎מודלים‎ ‎לשימוש‎ ‎כללי‎ ‎עם‎ ‎יכולות‎ ‎רב‎-‎לשוניות‎ ‎חזקות‎, ‎והביצועים‎ ‎שלהם‎ ‎במשימות‎ ‎תרגום‎ ‎משתנים‎ ‎בהתאם‎ ‎לארכיטקטורה‎, ‎לנתוני‎ ‎האימון‎ ‎ולאופן‎ ‎שבו‎ ‎אתה‎ ‎מנחה‎ ‎אותם‎.‎

שונות‎ ‎זו‎ ‎היא‎ ‎לב‎ ‎הבעיה‎ ‎של‎ ‎ההערכה‎. מנהל‎ ‎לוקליזציה‎ ‎הבוחן‎ ‎את‎ ‎שני‎ ‎המודלים‎ ‎על‎ ‎עותק‎ ‎שיווקי‎ ‎מאנגלית‎ ‎לספרדית‎ ‎עשוי‎ ‎לראות‎ ‎איכות‎ ‎פלט‎ ‎כמעט‎ ‎זהה‎. אותו‎ ‎מנהל‎ ‎הבוחן‎ ‎מסמכים‎ ‎משפטיים‎ ‎מערבית‎ ‎לאנגלית‎ ‎צפוי‎ ‎לראות‎ ‎פער‎ ‎משמעותי‎ — ‎אך‎ ‎איזו‎ ‎מודל‎ ‎תצא‎ ‎קדימה‎ ‎תלויה‎ ‎בשאלה‎ ‎האם‎ ‎המסמך‎ ‎מכיל‎ ‎ישויות‎ ‎מזוהות‎, ‎ז‎'‎רגון‎ ‎טכני‎, ‎או‎ ‎התייחסויות‎ ‎תרבותיות‎ ‎הדורשות‎ ‎ידע‎ ‎עולם‎ ‎ולא‎ ‎התאמת‎ ‎תבניות‎. ‎

‎ ‎ההימור‎ ‎גם‎ ‎א‎-‎סימטרי‎. DeepSeek V3 ‎זול‎ ‎משמעותית‎ ‎להפעלה‎, ‎במיוחד‎ ‎בהפעלה‎ ‎עצמית‎. GPT-4.1 ‎נושא‎ ‎פרמיית‎ ‎עלות‎ ‎משמעותית‎. אם‎ ‎שני‎ ‎המודלים‎ ‎מספקים‎ ‎איכות‎ ‎מקובלת‎ ‎בעומס‎ ‎העבודה‎ ‎הספציפי‎ ‎שלך‎, ‎הבדלי‎ ‎העלות‎ ‎יכולים‎ ‎לקבוע‎ ‎אם‎ ‎זרימת‎ ‎עבודה‎ ‎של‎ ‎תרגום‎ ‎בינה‎ ‎מלאכותית‎ ‎היא‎ ‎בת‎ ‎קיימא‎ ‎מבחינה‎ ‎כלכלית‎ ‎בקנה‎ ‎מידה‎ ‎גדול‎.‎

מה‎ ‎כל‎ ‎מודל‎ ‎הוא‎ ‎למעשה

GPT-4.1: מודל‎ ‎הדגל‎ ‎של‎ OpenAI ‎שאומן‎ ‎על‎ ‎הוראות

שוחרר‎ ‎באפריל‎ 2025, GPT-4.1 ‎הוא‎ ‎המודל‎ ‎של‎ OpenAI ‎הדבק‎ ‎ביותר‎ ‎בהוראות‎ ‎עד‎ ‎כה‎. שיפוריה‎ ‎הבולטים‎ ‎על‎ ‎פני‎ GPT-4o ‎אינם‎ ‎שטף‎ ‎תרגום‎ ‎גולמי‎ (‎הוא‎ ‎כבר‎ ‎היה‎ ‎חזק‎ ‎שם‎) ‎אלא‎ ‎דיוק‎ ‎במעקב‎ ‎אחר‎ ‎הוראות‎ ‎מורכבות‎ ‎ורב‎-‎חלקיות‎. עבור תהליכי עבודה של תרגום, יש לכך חשיבות במיוחד במשימות מוגבלות‎: ‎החלת מילון מונחים של לקוח, שמירה על עיצוב המסמך לאורך טקסטים ארוכים, שמירה על משלב‎ (register) ‎ספציפי, או היצמדות לרשימת מילים שאסור לתרגם.

GPT-4.1 תומך בחלון הקשר של מיליון טוקנים, מה שאומר שהוא יכול לעבד מסמכים באורך של ספר בפנייה בודדת‎. במשימות‎ ‎פלט‎ ‎מובנה‎ (‎יצירת‎ ‎זיכרונות‎ ‎תרגום‎ ‎ב‎-JSON, ‎הפקת‎ ‎ציוני‎ ‎איכות‎ ‎ברמת‎ ‎הפסקה‎ ‎לצד‎ ‎התרגום‎, ‎עיצוב‎ ‎טבלאות‎ ‎דו‎-‎לשוניות‎), ‎הוא‎ ‎אמין‎ ‎יותר‎ ‎באופן‎ ‎מוכח‎ ‎מקודמיו‎. הפשרה‎ ‎היא‎ ‎עלות‎: GPT-4.1 ‎יושב‎ ‎בשכבת‎ ‎מחיר‎ ‎גבוהה‎ ‎יותר‎ ‎מרוב‎ ‎החלופות‎, ‎כולל‎ DeepSeek V3.

DeepSeek V3: המתמודד‎ ‎בקוד‎ ‎פתוח‎ DeepSeek V3 (‎גרסת‎ ‎הייצור‎ ‎הנוכחית‎ ‎היא‎ DeepSeek-V3-0324) ‎הוא‎ ‎מודל‎ ‎של‎ 685 ‎מיליארד‎ ‎פרמטרים‎ ‎הבנוי‎ ‎

על‎ ‎ארכיטקטורת‎ Mixture-of-Experts — ‎מה‎ ‎שאומר‎ ‎שרק‎ ‎תת‎-‎קבוצה‎ ‎של‎ ‎הפרמטרים‎ ‎שלו‎ ‎מופעלת‎ ‎עבור‎ ‎כל‎ ‎קלט‎ ‎נתון‎, ‎מה‎ ‎ששומר‎ ‎על‎ ‎עלויות‎ ‎הסקה‎ ‎נמוכות‎ ‎למרות‎ ‎מספר‎ ‎הפרמטרים‎ ‎הכולל‎ ‎העצום‎. הוא‎ ‎משוחרר‎ ‎תחת‎ ‎רישיון‎ MIT, ‎מה‎ ‎שאומר‎ ‎שארגונים‎ ‎יכולים‎ ‎לארח‎ ‎אותו‎ ‎בעצמם‎, ‎לכוונן‎ ‎אותו‎, ‎ולפרוס‎ ‎אותו‎ ‎באופן‎ ‎מסחרי‎ ‎ללא‎ ‎עמלות‎ ‎פר‎-‎טוקן‎ ‎לצד‎ ‎שלישי‎.‎

‎ ‎ביצועי‎ ‎התרגום‎ ‎של‎ ‎המודל‎ ‎משכו‎ ‎תשומת‎ ‎לב‎ ‎משמעותית‎ ‎לאחר‎ WMT24, ‎שם‎ ‎הוא‎ ‎הציג‎ ‎ציוני‎ BLEU ‎ו‎-COMET ‎חזקים‎ ‎בזוגות‎ ‎השפות‎ ‎סינית‎↔‎אנגלית‎, ‎ערבית‎ ‎וקוריאנית‎ — ‎ובכמה‎ ‎מקרים‎ ‎עלה‎ ‎על‎ GPT-4o. עבור‎ ‎צוותים‎ ‎העובדים‎ ‎רבות‎ ‎בזוגות‎ ‎שפות‎ ‎אסיאתיות‎ ‎או‎ ‎מזרח‎ ‎תיכוניות‎, DeepSeek V3 ‎אינו‎ ‎בחירה‎ ‎מתפשרת‎. הוא תחרותי לחלוטין בשבר מהעלות.

ראש בראש‎: להלן התרגום לעברית בלבד, ללא המונחים באנגלית ובשמירה על התגים במקומם‎: ‎דיוק תרגום וביצועים במבחני הערכה

בכל הנוגע לדיוק תרגום כללי עבור צמדי שפות עתירות משאבים (אנגלית, צרפתית, ספרדית, גרמנית, סינית, יפנית), שני המודלים מתפקדים ברמה שמתרגמים מקצועיים מגדירים כ"מוכנה לעריכה שלאחר תרגום‎". הפער‎ ‎ביניהם‎ ‎מבחינת‎ ‎שטף‎ ‎והתאמה‎ ‎בלבד‎ ‎אינו‎ ‎גדול‎ ‎מספיק‎ ‎כדי‎ ‎להניע‎ ‎החלטת‎ ‎רכישה‎ ‎עבור‎ ‎רוב‎ ‎הצוותים‎.‎

ההבדלים‎ ‎המשמעותיים‎ ‎מתעוררים‎ ‎בשלושה‎ ‎תרחישים‎ ‎ספציפיים‎: ‎שפות‎ ‎דלות‎ ‎משאבים‎, ‎משימות‎ ‎מוגבלות‎ ‎וסוגי‎ ‎מסמכים‎ ‎הנוטים‎ ‎להזיות‎.‎

איזה‎ ‎מודל‎ ‎מייצר‎ ‎יותר‎ ‎הזיות‎, ‎ומתי‎?‎

הזיה‎ ‎בתרגום‎ ‎אינה‎ ‎זהה‎ ‎להזיה‎ ‎ביצירה‎ ‎כללית‎. המודל‎ ‎עובד‎ ‎מטקסט‎ ‎מקור‎, ‎הוא‎ ‎אינו‎ ‎ממציא‎ ‎עובדות‎ ‎מאין‎. הזיות‎ ‎כאן‎ ‎באות‎ ‎לידי‎ ‎ביטוי‎ ‎כתוכן‎ ‎נוסף‎ ‎שאינו‎ ‎במקור‎, ‎השמטת‎ ‎משפטים‎, ‎או‎ ‎החלפת‎ ‎ישויות‎ ‎בשמות‎. בתרגום‎ ‎משפטי‎ ‎או‎ ‎רפואי‎, ‎כל‎ ‎אחת‎ ‎מהטעויות‎ ‎הללו‎ ‎עלולה‎ ‎להוביל‎ ‎להשלכות‎ ‎חמורות‎.‏

GPT-4.1 ‎מציג‎ ‎שיעור‎ ‎הזיות‎ ‎נמוך‎ ‎יותר‎ ‎באופן‎ ‎מדיד‎ ‎מ‎-GPT-4o, ‎במיוחד‎ ‎במסמכים‎ ‎ארוכים‎ ‎שבהם‎ ‎מודלים‎ ‎קודמים‎ ‎של‎ OpenAI ‎היו‎ ‎מתחילים‎ ‎לסטות‎ ‎מהמקור‎ ‎בקטעים‎ ‎מאוחרים‎ ‎יותר‎. השילוב‎ ‎של‎ ‎חלון‎ ‎הקשר‎ ‎של‎ ‎מיליון‎ ‎טוקנים‎ ‎ושיפור‎ ‎במעקב‎ ‎אחר‎ ‎הוראות‎ ‎פירושו‎ ‎ש‎-GPT-4.1 ‎שומר‎ ‎על‎ ‎נאמנות‎ ‎למקור‎ ‎למשך‎ ‎זמן‎ ‎רב‎ ‎יותר‎ ‎מבלי‎ ‎להזדקק‎ ‎לאסטרטגיות‎ ‎הנחיה‎ ‎מיוחדות‎. עבור‎ ‎רוכשי‎ ‎ארגונים‎ ‎המעבדים‎ ‎הגשות‎ ‎רגולטוריות‎, ‎תיעוד‎ ‎מוצר‎ ‎או‎ ‎חוזים‎, ‎זהו‎ ‎שדרוג‎ ‎אמינות‎ ‎משמעותי‎. ‎פרופיל‎ ‎ההזיות‎ ‎של‎ DeepSeek V3 ‎שונה‎ ‎

באופיו‎. בזוגות‎ ‎שפות‎ ‎נתמכות‎ ‎היטב‎ (‎סינית‎, ‎אנגלית‎, ‎ערבית‎), ‎זה‎ ‎אמין‎ ‎בדרך‎ ‎כלל‎. הסיכון‎ ‎גובר‎ ‎בזוגות‎ ‎דלי‎-‎משאבים‎: קוריאנית‎→‎סוואהילי‎, ‎ערבית‎→‎וייטנאמית‎, ‎או‎ ‎כל‎ ‎זוג‎ ‎שבו‎ ‎שפה‎ ‎אחת‎ ‎מיוצגת‎ ‎בחסר‎ ‎במאגר‎ ‎האימון‎. במקרים‎ ‎אלו‎, ‎נצפה‎ DeepSeek V3 ‎מייצר‎ ‎תוכן‎ ‎שנשמע‎ ‎סביר‎ ‎אך‎ ‎אינו‎ ‎נתמך‎ ‎על‎ ‎ידי‎ ‎המקור‎, ‎במיוחד‎ ‎כאשר‎ ‎המקור‎ ‎מכיל‎ ‎ישויות‎ ‎בעלות‎ ‎שם‎ ‎דו‎-‎משמעי‎ ‎או‎ ‎טרמינולוגיה‎ ‎ספציפית‎ ‎לתחום‎.‎

המשמעות‎ ‎המעשית‎: ‎אם‎ ‎תיק‎ ‎זוגות‎ ‎השפות‎ ‎שלכם‎ ‎מרוכז‎ ‎בשפות‎ ‎עתירות‎ ‎משאבים‎, ‎הסיכון‎ ‎להזיות‎ ‎של‎ DeepSeek V3 ‎ניתן‎ ‎לניהול‎ ‎באמצעות‎ ‎תהליכי‎ QA ‎סטנדרטיים‎. אם אתה מריץ תרגומים בהיקף גדול בזוגות דלי משאבים, האמינות הנוספת של GPT-4.1 עשויה להצדיק את פרמיית המחיר.

💬 מה שאנו רואים באופן עקבי בפלטפורמה הוא שהפער בין GPT-4.1 ל-DeepSeek V3 בהזיות אינו קשור לנפח, אלא למקום שבו זה קורה. בתוכן‎ ‎באנגלית‎, ‎צרפתית‎ ‎או‎ ‎ספרדית‎, ‎רוב‎ ‎המתרגמים‎ ‎המקצועיים‎ ‎לא‎ ‎יבחינו‎ ‎בהבדל‎ ‎משמעותי‎ ‎באמינות‎. הבעיות‎ ‎עם‎ DeepSeek V3 ‎נוטות‎ ‎להופיע‎ ‎במסמכים‎ ‎קוריאניים‎ ‎או‎ ‎ערביים‎ ‎המכילים‎ ‎שמות‎ ‎פרטיים‎ ‎לא‎ ‎מוכרים‎ ‎או‎ ‎טרמינולוגיה‎ ‎ספציפית‎ ‎לתחום‎. GPT-4.1 ‎מטפל‎ ‎במקרי‎ ‎קצה‎ ‎אלו‎ ‎באופן‎ ‎שמרני‎ ‎יותר‎, ‎פחות‎ ‎סביר‎ ‎שהוא‎ ‎ימלא‎ ‎פער‎ ‎במשהו‎ ‎שנשמע‎ ‎סביר‎.‎

‎—‎ בלשנית‎ ‎באתר‎ MachineTranslation.com

איזה‎ ‎מודל‎ ‎מטפל‎ ‎בתרגום‎ ‎מוגבל‎ ‎טוב‎ ‎יותר‎?‎

תרגום‎ ‎מוגבל‎ (‎כאשר‎ ‎המודל‎ ‎חייב‎ ‎לכבד‎ ‎מילון‎ ‎מונחים‎, ‎לשמור‎ ‎על‎ ‎רישום‎ ‎מותג‎, ‎להימנע‎ ‎מתרגום‎ ‎של‎ ‎מונחים‎ ‎מסוימים‎, ‎או‎ ‎לשמר‎ ‎מבנה‎ ‎מסמך‎ ‎כמו‎ ‎כותרות‎ ‎והערות‎ ‎שוליים‎) ‎הוא‎ ‎המקום‎ ‎שבו‎ ‎יתרונות‎ ‎הארכיטקטורה‎ ‎של‎ GPT-4.1 ‎הופכים‎ ‎לממשיים‎ ‎ביותר‎.‎

כאשר‎ ‎אתה‎ ‎מספק‎ ‎הנחיית‎ ‎מערכת‎ ‎עם‎ ‎מילון‎ ‎מונחים‎ ‎של‎ 200 ‎מונחים‎ ‎ומורה‎ ‎למודל‎ ‎לסמן‎ ‎כל‎ ‎קטע‎ ‎מקור‎ ‎שבו‎ ‎לא‎ ‎ניתן‎ ‎למצוא‎ ‎התאמה‎ ‎מדויקת‎, GPT-4.1 ‎עוקב‎ ‎אחר‎ ‎ההוראות‎ ‎הללו‎ ‎בעקביות‎ ‎שמודלים‎ ‎מוקדמים‎ ‎יותר‎ ‎לא‎ ‎יכלו‎ ‎לקיים‎ ‎מעבר‎ ‎לכמה‎ ‎מאות‎ ‎טוקנים‎. בחלון‎ ‎הקשר‎ ‎של‎ ‎מיליון‎ ‎טוקנים‎, ‎זה‎ ‎אומר‎ ‎שאתה‎ ‎יכול‎ ‎לתרגם‎ ‎מדריך‎ ‎טכני‎ ‎בן‎ 400 ‎עמודים‎ ‎עם‎ ‎אילוץ‎ ‎טרמינולוגיה‎ ‎מורכב‎ ‎בשיחה‎ ‎אחת‎ ‎ולצפות‎ ‎ליישום‎ ‎מילון‎ ‎מונחים‎ ‎קוהרנטי‎ ‎לאורכה‎.‏

DeepSeek V3 ‎מטפל‎ ‎באילוצים‎ ‎פשוטים‎ ‎באופן‎ ‎הולם‎ - ‎הוראות‎ ‎לא‎ ‎לתרגם‎ ‎מונח‎ ‎יחיד‎, ‎העדפות‎ ‎רישום‎ ‎בסיסיות‎, ‎כללי‎ ‎עיצוב‎ ‎פשוטים‎. היכן‎ ‎שהוא‎ ‎פועל‎ ‎פחות‎ ‎טוב‎ ‎הוא‎ ‎במערכי‎ ‎הוראות‎ ‎מורכבים‎ ‎ומורכבים‎. ככל‎ ‎שמספר‎ ‎האילוצים‎ ‎הסימולטניים‎ ‎גדל‎, DeepSeek V3 ‎מתחיל‎ ‎לתעדף‎ ‎הוראות‎ ‎מסוימות‎ ‎על‎ ‎פני‎ ‎אחרות‎ ‎באופן‎ ‎שקשה‎ ‎לחזות‎ ‎ללא‎ ‎בדיקה‎. עבור‎ ‎צוותי‎ ‎לוקליזציה‎ ‎המנהלים‎ ‎מדריכי‎ ‎סגנון‎ ‎רב‎-‎שכבתיים‎ ‎וזיכרונות‎ ‎תרגום‎ ‎גדולים‎, ‎חוסר‎ ‎עקביות‎ ‎זה‎ ‎יוצר‎ ‎תקורה‎ ‎של‎ QA ‎בהמשך‎ ‎הדרך‎, ‎המבטלת‎ ‎חלקית‎ ‎את‎ ‎יתרון‎ ‎העלות‎ ‎של‎ ‎המודל‎.‎

‎ ‎עבור‎ ‎תרגום‎ ‎טהור‎, ‎ללא‎ ‎אילוצים‎, ‎של‎ ‎תוכן‎ ‎סטנדרטי‎ (‎תקשורת‎ ‎עסקית‎ ‎כללית‎, ‎קופירייטינג‎ ‎שיווקי‎, ‎תיאורי‎ ‎מוצרים‎ ‎במסחר‎ ‎אלקטרוני‎), ‎פער‎ ‎הטיפול‎ ‎באילוצים‎ ‎בין‎ ‎שני‎ ‎המודלים‎ ‎אינו‎ ‎רלוונטי‎ ‎ברובו‎. ההבדל משנה ביותר עבור צוותים המפעילים זרימות עבודה ברמת ארגון, שבהן תרגום הוא שלב אחד בצינור לוקליזציה רב-שלבי.

💬 הפעלנו את שני המודלים על אותו מילון מונחים על קבוצת מסמכים משפטיים, כ-120,000 מילים בשמונה זוגות שפות. GPT-4.1 ‎כיבד‎ ‎את‎ ‎מגבלות‎ ‎הטרמינולוגיה‎ ‎כמעט‎ ‎באופן‎ ‎מושלם‎. DeepSeek V3 ‎היה‎ ‎קרוב‎, ‎אך‎ ‎הוא‎ ‎החליף‎ ‎מדי‎ ‎פעם‎ ‎מונח‎ ‎מועדף‎ ‎במונח‎ ‎נרדף‎ ‎שקרוב‎ ‎אליו‎, ‎אשר‎ ‎לקוחותינו‎ ‎ביקשו‎ ‎מאיתנו‎ ‎להימנע‎ ‎ממנו‎ ‎במפורש‎. בנפח‎ ‎כזה‎, '‎כמעט‎' ‎זה‎ ‎לא‎ ‎מספיק‎ ‎טוב‎. עבור‎ ‎תוכן‎ ‎ללא‎ ‎הגבלה‎, ‎אנו‎ ‎משתמשים‎ ‎ב‎-DeepSeek V3 ‎והחיסכון‎ ‎בעלויות‎ ‎משמעותי‎. עבור‎ ‎כל‎ ‎דבר‎ ‎עם‎ ‎מילון‎ ‎מונחים‎ ‎שאושר‎ ‎על‎ ‎ידי‎ ‎הלקוח‎, ‎אנו‎ ‎עדיין‎ ‎מריצים‎ ‎את‎ GPT-4.1.‎

‎—‎ מנהל‎ ‎לוקליזציה‎ ‎ב‎-MachineTranslation.com

עלות‎ ‎ופריסה‎: מה‎ ‎משתנה‎ ‎בקנה‎ ‎מידה

העלות‎ ‎היא‎ ‎המקום‎ ‎שבו‎ ‎שני‎ ‎המודלים‎ ‎מתפצלים‎ ‎בצורה‎ ‎החדה‎ ‎ביותר‎, ‎והיכן‎ ‎שההערכה‎ ‎צריכה‎ ‎להתחשב‎ ‎ביותר‎ ‎מתמחור‎ ‎לפי‎ ‎אסימון‎.‏

GPT-4.1 ‎מתומחר‎ ‎ברמת‎ ‎פרימיום‎. עבור‎ ‎ארגונים‎ ‎המעבדים‎ ‎מיליוני‎ ‎מילים‎ ‎בחודש‎ ‎דרך‎ ‎ה‎-API ‎של‎ OpenAI, ‎העלות‎ ‎הזו‎ ‎מצטברת‎ ‎במהירות‎. המודל‎ ‎אינו‎ ‎זמין‎ ‎להוסטינג‎ ‎עצמי‎, ‎מה‎ ‎שאומר‎ ‎שכל‎ ‎טוקן‎ ‎נושא‎ ‎עמלת‎ API ‎שלא‎ ‎ניתן‎ ‎להפחיתה‎ ‎באמצעות‎ ‎השקעה‎ ‎בתשתיות‎.‎

‎ ‎פרופיל‎ ‎העלות‎ ‎של‎ DeepSeek V3 ‎שונה‎ ‎באופן‎ ‎יסודי‎. באמצעות‎ ‎ה‎-API ‎של‎ DeepSeek, ‎זה‎ ‎זול‎ ‎משמעותית‎ ‎לטוקן‎ ‎מאשר‎ GPT-4.1. בהתקנה‎ ‎עצמית‎, ‎הכלכלה‎ ‎משתנה‎ ‎עוד‎ ‎יותר‎: ‎ארגונים‎ ‎עם‎ ‎תשתית‎ GPU ‎יכולים‎ ‎להפעיל‎ ‎את‎ DeepSeek V3 ‎בעלות‎ ‎הנקבעת‎ ‎בעיקר‎ ‎על‎ ‎ידי‎ ‎חישוב‎ ‎ולא‎ ‎על‎ ‎ידי‎ ‎רישוי‎ ‎לפי‎ ‎אסימון‎. עבור‎ ‎פעולות‎ ‎תרגום‎ ‎בהיקף‎ ‎גדול‎ (‎קטלוגים‎ ‎גלובליים‎ ‎של‎ ‎מסחר‎ ‎אלקטרוני‎, ‎צינורות‎ ‎תוכן‎ ‎רב‎-‎לשוניים‎, ‎עיבוד‎ ‎מסמכים‎ ‎רגולטוריים‎), ‎ההבדל‎ ‎יכול‎ ‎לייצג‎ ‎מאות‎ ‎אלפי‎ ‎דולרים‎ ‎בשנה‎ ‎בקנה‎ ‎מידה‎ ‎ארגוני‎.‎

רישיון‎ ‎הקוד‎ ‎הפתוח‎ ‎של‎ DeepSeek V3 ‎חשוב‎ ‎גם‎ ‎עבור‎ ‎מגזרים‎ ‎רגישים‎ ‎לנתונים‎. ארגונים‎ ‎משפטיים‎, ‎פיננסיים‎ ‎וארגוני‎ ‎בריאות‎ ‎שאינם‎ ‎יכולים‎ ‎לשלוח‎ ‎מסמכי‎ ‎לקוחות‎ ‎ל‎-APIs ‎חיצוניים‎ ‎יכולים‎ ‎לפרוס‎ ‎את‎ DeepSeek V3 ‎באופן‎ ‎מקומי‎. GPT-4.1 ‎אינו‎ ‎מציע‎ ‎אפשרות‎ ‎מקבילה‎.‎

‎ ‎כלל‎ ‎ההחלטה‎ ‎די‎ ‎נקי‎: ‎אם‎ ‎עומס‎ ‎העבודה‎ ‎שלך‎ ‎הוא‎ ‎בנפח‎ ‎גבוה‎, ‎זוגות‎ ‎השפה‎ ‎שלך‎ ‎נתמכים‎ ‎היטב‎, ‎ומדיניות‎ ‎ניהול‎ ‎הנתונים‎ ‎שלך‎ ‎מאפשרת‎ ‎שירותי‎ API ‎או‎ ‎פריסה‎ ‎מקומית‎, DeepSeek V3 ‎מספק‎ ‎איכות‎ ‎תחרותית‎ ‎בעלות‎ ‎נמוכה‎ ‎משמעותית‎. אם‎ ‎עומס‎ ‎העבודה‎ ‎שלך‎ ‎כולל‎ ‎תרגום‎ ‎מוגבל‎, ‎נאמנות‎ ‎מסמכים‎ ‎ארוכים‎, ‎או‎ ‎זוגות‎ ‎שפות‎ ‎דלות‎ ‎משאבים‎, ‎האמינות‎ ‎של‎ GPT-4.1 ‎עשויה‎ ‎להיות‎ ‎שווה‎ ‎את‎ ‎הפרמיה‎.‎

כיצד‎ ‎לבדוק‎ ‎את‎ ‎שני‎ ‎המודלים‎ ‎מבלי‎ ‎להתחייב‎ ‎לאף‎ ‎אחד‎ ‎מהם

המכשול‎ ‎המעשי‎ ‎לבחירת‎ ‎מודל‎ ‎עבור‎ ‎רוב‎ ‎צוותי‎ ‎הלוקליזציה‎ ‎אינו‎ ‎הבנת‎ ‎נקודות‎ ‎הציון‎ — ‎אלא‎ ‎החיכוך‎ ‎של‎ ‎הקמת‎ ‎אינטגרציות‎ API ‎עצמאיות‎ ‎עם‎ ‎שני‎ ‎המודלים‎, ‎תכנון‎ ‎תנאי‎ ‎בדיקה‎ ‎ניתנים‎ ‎להשוואה‎, ‎והרצת‎ ‎הערכה‎ ‎משמעותית‎ ‎על‎ ‎התוכן‎ ‎שלך‎.‏

MachineTranslation.com ‎מסיר‎ ‎את‎ ‎המכשול‎ ‎הזה‎. הפלטפורמה‎ ‎מריצה‎ ‎את‎ GPT-4.1 ‎ואת‎ DeepSeek V3 ‎זו‎ ‎לצד‎ ‎זו‎, ‎ומעניקה‎ ‎למתרגמים‎ ‎מקצועיים‎ ‎ולמנהלי‎ ‎לוקליזציה‎ ‎את‎ ‎היכולת‎ ‎להגיש‎ ‎את‎ ‎אותו‎ ‎טקסט‎ ‎מקור‎ ‎לשני‎ ‎המודלים‎ ‎בו‎-‎זמנית‎ ‎ולהשוות‎ ‎פלטים‎ ‎בזמן‎ ‎אמת‎ — ‎ללא‎ ‎מפתח‎ API ‎נפרד‎, ‎ללא‎ ‎תהליך‎ ‎רכש‎, ‎וללא‎ ‎התחייבות‎ ‎לאף‎ ‎אחד‎ ‎מהמודלים‎. ‎זה‎ ‎חשוב‎ ‎מכיוון‎ ‎שביצועי‎ ‎בנצ‎'‎מרק‎ ‎ברמת‎ ‎מערך‎ ‎הנתונים‎ ‎אינם‎ ‎תמיד‎ ‎מנבאים‎ ‎ביצועים‎ ‎על‎ ‎התוכן‎ ‎הספציפי‎ ‎

שלך‎. מודל‎ ‎שמפרסם‎ ‎ציוני‎ COMET ‎חזקים‎ ‎בטקסט‎ ‎חדשותי‎ ‎סיני‎→‎אנגלי‎ ‎של‎ WMT24 ‎עשוי‎ ‎להציג‎ ‎ביצועים‎ ‎ירודים‎ ‎בטרמינולוגיה‎ ‎או‎ ‎בתחום‎ ‎הספציפי‎ ‎של‎ ‎החברה‎ ‎שלך‎. ההערכה‎ ‎היחידה‎ ‎הרלוונטית‎ ‎להחלטות‎ ‎היא‎ ‎כזו‎ ‎שנעשית‎ ‎על‎ ‎המסמכים‎ ‎שלך‎, ‎עם‎ ‎האילוצים‎ ‎שלך‎, ‎בזוגות‎ ‎השפות‎ ‎שלך‎. ‎

‎ ‎המיצוב‎ ‎של‎ MachineTranslation.com ‎כפלטפורמה‎ ‎ניטרלית‎ ‎מרובת‎ ‎מודלים‎ ‎פירושו‎ ‎שאין‎ ‎לה‎ ‎אינטרס‎ ‎מסחרי‎ ‎להעדיף‎ ‎את‎ GPT-4.1 ‎או‎ DeepSeek V3. תפקיד‎ ‎הפלטפורמה‎ ‎הוא‎ ‎לספק‎ ‎לך‎ ‎את‎ ‎נתוני‎ ‎ההשוואה‎ ‎כדי‎ ‎שתקבל‎ ‎את‎ ‎ההחלטה‎ ‎בעצמך‎, ‎ולאחר‎ ‎מכן‎ ‎להריץ‎ ‎את‎ ‎המודל‎ ‎שתבחר‎ ‎בהיקף‎ ‎ייצור‎ ‎לאחר‎ ‎השלמת‎ ‎ההערכה‎. למרות‎ ‎ש‎, ‎כמובן‎, ‎זה‎ ‎גם‎ ‎נותן‎ ‎לך‎ ‎את‎ ‎התרגום‎ ‎שרוב‎ ‎מודלי‎ ‎ה‎-AI ‎מסכימים‎ ‎עליו‎ ‎כתרגום‎ ‎ברירת‎ ‎המחדל‎ ‎הטוב‎ ‎ביותר‎.‎

עבור‎ ‎צוותים‎ ‎שמעריכים‎ ‎גם‎ ‎את‎ ‎מודל‎ ‎ה‎-OpenAI, ‎כיצד‎ GPT-4.1 ‎משתווה‎ ‎למודלי‎ OpenAI ‎אחרים ‎(‎כולל‎ GPT-4.5 ‎ו‎-GPT-4o) ‎מספק‎ ‎הקשר‎ ‎שימושי‎ ‎לפני‎ ‎התחייבות‎ ‎לגרסת‎ ‎מודל‎. ולצוותים‎ ‎שהעריכו‎ ‎כיצד‎ DeepSeek V3 ‎משתווה‎ ‎ל‎-GPT-4o ‎מוקדם‎ ‎יותר‎ ‎בשנת‎ 2025, ‎מאמר‎ ‎זה‎ ‎מכסה‎ ‎מה‎ ‎השתנה‎ ‎עם‎ ‎שחרור‎ GPT-4.1. ‎באילו‎ ‎מודלים‎ ‎כדאי‎ ‎לבחור‎ ‎עבור‎ ‎זרימת‎ ‎העבודה‎ ‎של‎ ‎התרגום‎ ‎שלך‎? ‎במקום‎ ‎המלצה‎ ‎אחת‎, ‎המסגרת‎ ‎הבאה‎ ‎משקפת‎ ‎את‎ ‎הלוגיקה‎ ‎ההחלטתית‎ ‎שרוב‎ ‎צוותי‎ ‎התרגום‎ ‎המקצועיים‎ ‎ימצאו‎ ‎שימושית‎: ‎התחל‎ ‎עם‎ ‎זוגות‎ ‎השפות‎ ‎

שלך‎.‎

1. אם‎ ‎התיק‎ ‎שלך‎ ‎מרוכז‎ ‎בסינית‎↔‎אנגלית‎, ‎ערבית‎ ‎או‎ ‎קוריאנית‎, ‎הביצועים‎ ‎של‎ DeepSeek V3 ‎ב‎-WMT24 ‎הופכים‎ ‎אותו‎ ‎לבדיקה‎ ‎הראשונה‎ ‎הטבעית‎. אם‎ ‎אתה‎ ‎עובד‎ ‎בעיקר‎ ‎בשפות‎ ‎אירופאיות‎ ‎עם‎ ‎טרמינולוגיה‎ ‎מוגבלת‎, GPT-4.1 ‎צפוי‎ ‎להפיק‎ ‎פלט‎ ‎עקבי‎ ‎יותר‎ ‎מהיום‎ ‎הראשון‎.‎

2. הערך‎ ‎את‎ ‎מורכבות‎ ‎האילוצים‎ ‎שלך‎.‎ אילוצים‎ ‎ברמה‎ ‎יחידה‎ (‎מילון‎ ‎אחד‎, ‎רישום‎ ‎אחד‎) ‎מטופלים‎ ‎כראוי‎ ‎על‎ ‎ידי‎ ‎כל‎ ‎אחד‎ ‎מהמודלים‎. אילוצים‎ ‎רב‎-‎שכבתיים‎ (‎מילון‎ ‎מונחים‎ + ‎פורמט‎ + ‎רשימת‎ ‎אין‎ ‎לתרגם‎ + ‎ניקוד‎ QA), GPT-4.1 ‎אמין‎ ‎יותר‎ ‎כעת‎.‎

3. מפה‎ ‎את‎ ‎הנפח‎ ‎שלך‎ ‎אל‎ ‎מול‎ ‎הפרש‎ ‎העלויות‎.‎ מתחת‎ ‎ל‎-500,000 ‎מילים‎ ‎בחודש‎, ‎הבדל‎ ‎עלות‎ ‎ה‎-API ‎המוחלט‎ ‎עשוי‎ ‎שלא‎ ‎להשפיע‎ ‎באופן‎ ‎מהותי‎ ‎על‎ ‎התקציב‎ ‎שלך‎. מעבר‎ ‎לסף‎ ‎זה‎, ‎יתרון‎ ‎העלות‎ ‎של‎ DeepSeek V3 ‎הופך‎ ‎לקשה‎ ‎יותר‎ ‎ויותר‎ ‎להתעלמות‎.‎

4. קחו‎ ‎בחשבון‎ ‎את‎ ‎דרישות‎ ‎ניהול‎ ‎הנתונים‎ ‎שלכם‎.‎ אם‎ ‎מסמכים‎ ‎אינם‎ ‎יכולים‎ ‎לעזוב‎ ‎את‎ ‎התשתית‎ ‎שלכם‎, DeepSeek V3 self-hosted ‎היא‎ ‎כרגע‎ ‎האפשרות‎ ‎היחידה‎ ‎שניתן‎ ‎ליישם‎ ‎מבין‎ ‎השתיים‎.‎

5. בצעו‎ ‎את‎ ‎ההערכה‎ ‎על‎ ‎התוכן‎ ‎שלכם‎, ‎לא‎ ‎על‎ ‎בנצ‎'‎מרקים‎.‎ השתמש‎ ‎ב‎-MachineTranslation.com ‎כדי‎ ‎להגיש‎ ‎דוגמאות‎ ‎מייצגות‎ ‎מעומס‎ ‎העבודה‎ ‎האמיתי‎ ‎שלך‎ ‎לשתי‎ ‎המודלים‎ ‎ולדרג‎ ‎את‎ ‎התוצאות‎ ‎לפי‎ ‎קריטריוני‎ ‎האיכות‎ ‎שלך‎ ‎לפני‎ ‎שתתחייב‎.‎

לקבלת‎ ‎תצוגה‎ ‎רחבה‎ ‎יותר‎ ‎של‎ ‎המיקום‎ ‎של‎ ‎מודלים‎ ‎אלה‎ ‎בנוף‎ ‎התרגום‎ ‎הבינה‎ ‎המלאכותית‎ ‎הנוכחי‎, ‎הכלים‎ ‎הטובים‎ ‎ביותר‎ ‎לתרגום‎ ‎בינה‎ ‎מלאכותית‎ ‎לשנת‎ 2026 ‎מכסים‎ ‎את‎ ‎השדה‎ ‎התחרותי‎ ‎המלא‎, ‎כולל‎ ‎כיצד‎ LLMs ‎משתוות‎ ‎לתשתית‎ ‎תרגום‎ ‎ייעודית‎.‎

שאלות‎ ‎נפוצות

‎1. האם‎ GPT-4.1 ‎טוב‎ ‎יותר‎ ‎מ‎-DeepSeek V3 ‎לתרגום‎? ‎

אף‎ ‎מודל‎ ‎אינו‎ ‎טוב‎ ‎יותר‎ ‎באופן‎ ‎אוניברסלי‎. GPT-4.1 ‎עולה‎ ‎על‎ DeepSeek V3 ‎במשימות‎ ‎תרגום‎ ‎מוגבלות‎, ‎נאמנות‎ ‎מסמכים‎ ‎ארוכים‎, ‎וזוגות‎ ‎שפות‎ ‎דלות‎ ‎משאבים‎ ‎שבהן‎ ‎הסיכון‎ ‎להזיות‎ ‎גבוה‎ ‎יותר‎. DeepSeek V3 ‎מתאים‎ ‎או‎ ‎עולה‎ ‎על‎ GPT-4.1 ‎במספר‎ ‎מדדי‎ WMT24 (‎במיוחד‎ ‎סינית‎↔‎אנגלית‎, ‎ערבית‎ ‎וקוריאנית‎) ‎והוא‎ ‎זול‎ ‎משמעותית‎ ‎להפעלה‎ ‎בקנה‎ ‎מידה‎ ‎גדול‎ ‎או‎ ‎באירוח‎ ‎עצמי‎.‏

‎2. האם‎ DeepSeek V3 ‎מזייף‎ ‎יותר‎ ‎מ‎-GPT-4.1?‎

בזוגות‎ ‎שפות‎ ‎עם‎ ‎משאבים‎ ‎גבוהים‎, ‎הבדל‎ ‎הזיוף‎ ‎קטן‎ ‎יחסית‎. הפער מתרחב בצמדי שפות דלילות משאבים ובתוכן ספציפי לתחום הכולל ישויות נקובות נדירות, שבהם DeepSeek V3 הראה שיעורים גבוהים יותר של תוספות או החלפות שאינן נתמכות בטקסט המקור. GPT-4.1 ‎מציג‎ ‎הזיות‎ ‎מופחתות‎ ‎בהשוואה‎ ‎ל‎-GPT-4o, ‎במיוחד‎ ‎במסמכים‎ ‎ארוכים‎ ‎יותר‎.‏

‎3. האם‎ ‎אוכל‎ ‎להשתמש‎ ‎ב‎-DeepSeek V3 ‎באופן‎ ‎מסחרי‎?‎

כן‎. DeepSeek V3 ‎שוחרר‎ ‎תחת‎ ‎רישיון‎ MIT, ‎המאפשר‎ ‎שימוש‎ ‎מסחרי‎ ‎הכולל‎ ‎התאמה‎ ‎עדינה‎ ‎ואירוח‎ ‎עצמי‎. ארגונים‎ ‎שאינם‎ ‎יכולים‎ ‎לשלוח‎ ‎מסמכים‎ ‎ל‎-APIs ‎חיצוניים‎ ‎יכולים‎ ‎לפרוס‎ ‎את‎ DeepSeek V3 ‎בתשתית‎ ‎שלהם‎. GPT-4.1 ‎דורש‎ ‎שימוש‎ ‎ב‎-API ‎של‎ OpenAI ‎תחת‎ ‎תנאי‎ ‎השירות‎ ‎של‎ OpenAI ‎ואינו‎ ‎זמין‎ ‎להפעלה‎ ‎עצמית‎.‏

‎4. איזה‎ ‎מודל‎ ‎טוב‎ ‎יותר‎ ‎לתרגום‎ ‎מסינית‎ ‎לאנגלית‎? DeepSeek V3 ‎עדיף‎ ‎על‎ ‎סינית‎↔‎אנגלית‎ ‎בהתבסס‎ ‎על‎ ‎תוצאות‎ ‎ציוני‎ ‎הדרך‎ ‎של‎ ‏

WMT24. עם‎ ‎זאת‎, ‎עבור‎ ‎תרגום‎ ‎מסינית‎ ‎לאנגלית‎ ‎הכולל‎ ‎טרמינולוגיה‎ ‎מוגבלת‎, ‎דיוק‎ ‎משפטי‎ ‎או‎ ‎עיצוב‎ ‎מורכב‎, ‎יכולת‎ ‎מעקב‎ ‎ההוראות‎ ‎של‎ GPT-4.1 ‎הופכת‎ ‎אותו‎ ‎לאמין‎ ‎יותר‎ ‎בתהליכי‎ ‎עבודה‎ ‎ייצור‎ ‎שבהם‎ ‎מתרגם‎ ‎אנושי‎ ‎יערוך‎ ‎את‎ ‎הפלט‎ ‎לאחר‎ ‎מכן‎.‏

‎5. האם‎ ‎אוכל‎ ‎לבדוק‎ ‎את‎ GPT-4.1 ‎ואת‎ DeepSeek V3 ‎זה‎ ‎לצד‎ ‎זה‎ ‎לפני‎ ‎שאבחר‎?‎

כן‎ — MachineTranslation.com ‎מריץ‎ ‎את‎ ‎שני‎ ‎המודלים‎ ‎בו‎-‎זמנית‎ (‎ועוד‎ 20+) ‎ומאפשר‎ ‎לך‎ ‎להשוות‎ ‎פלטים‎ ‎על‎ ‎התוכן‎ ‎שלך‎ ‎בזמן‎ ‎אמת‎, ‎ללא‎ ‎חשבונות‎ API ‎נפרדים‎ ‎או‎ ‎תהליך‎ ‎רכש‎.‏

‎6. כיצד‎ DeepSeek V3 ‎משתווה‎ ‎ל‎-Claude ‎לצורך‎ ‎תרגום‎?‎

עבור‎ ‎צוותים‎ ‎הבוחנים‎ ‎גם‎ ‎את‎ ‎המודל‎ ‎של‎ Anthropic, ‎ההשוואה‎ ‎בין‎ Claude ‎ל‎-DeepSeek V3 ‎מכסה‎ ‎את‎ ‎ההבדלים‎ ‎העיקריים‎ ‎בארכיטקטורה‎, ‎דיוק‎ ‎ואפשרויות‎ ‎פריסה‎ ‎בתרחישים‎ ‎רלוונטיים‎ ‎לתרגום‎.‎