Od GPT-3 do GPT-5: Kako se zapravo mijenjala kvaliteta AI prevođenja

GPT-3, GPT-4 i GPT-5 dijele pet godina i nekoliko generacija arhitekture, no korisno pitanje za prevođenje nije „koji je najpametniji”. Pitanje je uže: što se točno promijenilo u načinu na koji ovi modeli obrađuju one dijelove jezika koji se ne prevode doslovno, stvari poput idioma, višeznačnosti i registra? Poboljšanje se dogodilo na specifičnim mjestima, u određenim trenucima, i nije se odvijalo pravocrtno od starijeg prema novijem.

Što je GPT-3 zapravo ponudio za prevođenje

OpenAI je objavio GPT-3 2020. godine, prije nego što je postojao vlastiti program testiranja stranice MachineTranslation.com, pa ovdje ništa nije vlasnički benchmark. Riječ je o dobro dokumentiranoj povijesti, a ne o internom rezultatu testiranja. GPT-3 je bio prvi model svoje vrste sposoban generirati tečan tekst koji zvuči prirodno na više jezika bez obuke za specifične zadatke, što ga je učinilo istinskom prekretnicom. Konkretno za prevođenje, ta je ista tečnost stvorila stvaran rizik: GPT-3 je mogao generirati uvjerljivu, dobro oblikovanu rečenicu na ciljnom jeziku koja je i dalje bila pogrešna, pri čemu ništa u samom rezultatu nije ukazivalo na to da je došlo do pogreške.

Što se promijenilo dolaskom GPT-4

GPT-4 je lansiran u ožujku 2023., a vlastito testiranje modela stranice MachineTranslation.com započinje otprilike oko ove generacije. Poboljšanje je bilo stvarno, ali neujednačeno. Prilikom testiranja dvosmislene engleske fraze „That's sick” na japanskom, GPT-4.1-nano bio je jedini od šest testiranih modela koji je namjerno dvostruko značenje fraze sveo na samo jedno tumačenje, dok je ostalih pet sačuvalo višeznačnost koju je izvorna fraza namjeravala prenijeti. Idiomi su bili veća slabost: provlačenjem španjolskog idioma „llevarse el gato al agua” kroz pet verzija GPT-a odjednom, manji modeli GPT-4o-mini i GPT-4.1-nano ponudili su isti doslovni, netočni prijevod, potpuno promašivši idiom.

Isti se obrazac pojavio i drugdje. Njemački idiom „ich verstehe nur Bahnhof”, provučen kroz osam podverzija GPT-a i Claudea, upravo je GPT-4o-mini preveo doslovno i netočno, dok ga je manji, noviji model u istom testu, GPT-4.1-nano, preveo točno. Generacija i veličina modela nisu odgovarale na dosljedan način, što je obrazac koji testiranje verzija modela na MachineTranslation.com detaljnije pokriva.

Što je GPT-5 promijenio u prevođenju

OpenAI je predstavio GPT-5 kao objedinjeni sustav koji usmjerava upite između brzog zadanog modela i dubljeg modela za rezoniranje ovisno o zadatku, što je strukturna promjena u odnosu na dizajn GPT-4 s jednim modelom. OpenAI-jev vlastiti dokument GPT-5 System Card navodi da je ukupna stopa činjeničnih pogrešaka modela otprilike 45 % niža od one kod GPT-4 i 80 % niža od one kod GPT-3, što je opći napredak u pouzdanosti koji je vidljiv i u samom prevođenju. Testiranje stranice MachineTranslation.com pokazuje najjasnije pomake tamo gdje su se modeli iz ere GPT-4 najviše mučili: na istom španjolskom idiomu koji su GPT-4o-mini i GPT-4.1-nano pogrešno preveli, i GPT-5.4-mini i GPT-5.4 ponudili su točne, idiomatske prijevode, svaki s malo drugačijom formulacijom, no oba s razumijevanjem samog idioma.

Ta je posljednja točka važna: zaseban test standardne poslovne fraze, "please confirm receipt of this document", prevedene na njemački, vratio je gotovo identične rezultate na svim testiranim modelima, uključujući GPT-4o-mini i modele generacije GPT-5. Generacijski jaz specifičan je za figurativni i dvosmisleni jezik, a ne za opću razliku u kvaliteti.

Znači li novija GPT generacija uvijek bolji prijevod?

Ne. Testirajući hebrejski idiom kroz različite obitelji modela, GPT-5.4-mini i GPT-5.4 došli su do dva različita, djelomična tumačenja iste fraze, od kojih nijedno nije bilo potpuno točno, dok se stariji, nepovezani model više približio. Noviji model nije automatski i točniji, a veći ili noviji model nije automatski sigurniji izbor za određenu rečenicu.

Gdje se GPT-5 danas nalazi u prevođenju

I GPT-3 i GPT-4 povučeni su iz ChatGPT-ja; GPT-4 ostaje dostupan samo putem OpenAI API-ja za postojeće integracije. Trenutna generacija, GPT-5.4 i GPT-5.5, ono je što MachineTranslation.com danas pokreće i postiže konkurentne rezultate u usporedbi s trenutnim modelima drugih pružatelja usluga, iako ne jednoliko bolje na svakom jezičnom paru. Za detaljniji uvid u to kako se trenutne podverzije GPT-a uspoređuju međusobno i s modelima kao što su Claude i DeepSeek, pogledajte izravno testiranje podverzija na MachineTranslation.com, koje ide dublje nego što to može pregled po generacijama.

Što to znači ako lokalizirate u velikom opsegu

Nalaz koji je najvažniji za veliki program lokalizacije nije „GPT-5 pobjeđuje GPT-3”. Radi se o tome da verzija modela, a ne samo obitelj modela, određuje hoće li određeni idiom ili dvosmislena fraza biti točno prevedeni, a to vrijedi za svaki jezični par, ne samo za nekolicinu ovdje prikazanih. To je najvažnije u sadržaju koji se prvenstveno oslanja na ton i figurativni jezik, posebice u marketinškim tekstovima i korisnički generiranom sadržaju, gdje jedan doslovno preveden idiom može promijeniti cijelo značenje objave ili oglasa. Program koji prenosi sadržaj na desetke jezika naići će na upravo takvu vrstu jezika u svakome od njih. Serija testiranja podverzija i potpuno usporedno testiranje modela na MachineTranslation.com pokrivaju ovo detaljnije. Pristup ove platforme, pokretanje trenutnih GPT modela uz više od 20 drugih pri svakom prijevodu, postoji upravo zato što povijest verzija niti jednog pojedinačnog modela sama po sebi nije dovoljno pouzdano jamstvo.

Često postavljana pitanja