June 5, 2026
Mwen te fè tès entèn sou yon bagay nou pa pale ase nan endistri tradiksyon an: pa si diferan sistèm AI yo tradui diferan, men si diferan vèsyon menm AI a tradui diferan — ak konbyen.
Semèn pase a mwen te fè yon sèl idyom Panyòl pase nan senk vèsyon ChatGPT an menm tan sou platfòm tès entèn MachineTranslation.com la. Sa ki te vini tounen te fè m sispann.
De vèsyon te pwodui yon tradiksyon ki, toutbon, pa gen sans an angle. Twa vèsyon yo te pwodwi bon tradiksyon idiomatic. E twa ki kòrèk yo pa t dakò youn ak lòt. Tout senk yo se
ChatGPT. Tout senk yo se OpenAI. Menm AI, lòt modèl — epi rezilta yo pa t ka pi diferan.
M ap pataje sa kounye a paske mwen panse sa enpòtan, pa paske mwen gen repons klè. Mwen pa fè sa. Men obsèvasyon an enteresan ase pou yo mete l deyò.
Fraza mwen te teste a se llevarse el gato al agua.

Men sa chak vèsyon te pwodui:
| Modèl | Sòti | Idyomatik? |
|---|---|---|
| ChatGPT::GPT-4o-MINI | pou mennen chat la nan dlo | ❌ Literal |
| ChatGPT::GPT-4.1-NANO | pou mennen chat la nan dlo | ❌ Literal |
| ChatGPT::GPT-4.1-MINI | pou reyalize li avèk siksè | ✅ Kòrèk |
| ChatGPT::GPT-5.4-MINI | pou jwenn sa ou vle | ✅ Pasya |
| ChatGPT::GPT-5.4 | pou soti anwo | ✅ Kòrèk |
Fraza a vle di reyalize yon bagay difisil kont tout chans, pou reyalize yon viktwa difisil. Sa pa gen anyen pou wè ak chat ni dlo. Tradiksyon literal la pa yon tradiksyon. Se yon transkripsyon mo pa mo yon fraz ke modèl la pa t rekonèt kòm yon ekspresyon idiomatik.
GPT-4o-MINI ak GPT-4.1-NANO te pwodui rezilta ki idantik. Pa menm, idantik. Nòt analiz tradiksyon nou yo te make sa a dirèkteman: GPT-4.1-nano ak GPT-4o-mini pataje menm tradiksyon, yo mete aksan sou entèpretasyon literal olye de siyifikasyon idyomatik. GPT-4.1-MINI, GPT-5.4-MINI, ak GPT-5.4 chak pwodui yon bagay ki rekonèt kòm kòrèk — men se pa menm bagay la youn ak lòt.
Mwen vle egzat sou rezon ki fè llevarse el gato al agua se yon bon opinyon tès olye ke yon sèl chwazi.
Se yon idyòm ki byen etabli. Li parèt nan literati, jounalis, ak diskou chak jou. Li pa kache. Nenpòt modèl ki antrene sou yon kòrpus tèks panyòl ki rezonab ta dwe rankontre l. Kesyon an se pa si modèl la te wè fraz la. Kesyon an se sa li fè ak li.
Pi move mòd echèk nan tradiksyon idyom se pa pwodwi yon move tradiksyon. Li ap pwodui yon tradiksyon literal ki sanble akseptab pou yon moun ki pa konnen lang sib la.
Pou pote chat la nan dlo a se yon fraz angle ki kòrèk gramatikalman. Li byen fòme. Sa sonnen tankou yon bagay ki ta ka vle di yon bagay. Yon itilizatè ki pa pale espanyòl ta ka li l, li souke tèt li, epi li kontinye— san li pa janm konnen siyifikasyon orijinal la te pèdi nèt.
Se sa ki echwe mwen sousye pou li. Pa erè ki pi evidan an. Youn envizib la.
Modèl la isit la pa o aza. De modèl ki te pwodui tradiksyon literal (GPT-4o-MINI ak GPT-4.1-NANO) se tou de pi piti, pi lejè modèl ki optimize pou vitès ak efikasite pri. Twa modèl ki te pwodui tradiksyon idiomatic (GPT-4.1-MINI, GPT-5.4-MINI, GPT-5.4) reprezante yon jenerasyon diferan oswa echèl paramèt.
Sa a sijere yon bagay ke mwen panse ki pa byen eksplore: konpetans idiomatic nan tradiksyon echèl ak kapasite modèl nan fason ki pa vizib nan referans jeneral.
Referans langaj jeneral yo teste rezonman, konesans, kodaj, matematik. Yo pa tipikman teste si yon modèl ka idantifye ke lapli ap tonbe chat ak chen pa gen rapò ak kondisyon metewolojik, oswa ke llevarse el gato al agua pa gen rapò ak idrate yon chat. Idioms yo chita nan entèseksyon konesans kiltirèl, enfèrans kontekstual, ak rekonesans modèl — epi entèseksyon sa a sanble mandé yon papòt kapasite modèl ke modèl ki pi piti yo pa rive nan li konsistan.
Sa m pa reklamasyon: se ke modèl ki pi gwo yo toujou pi bon tradiktè. Mwen pa gen prèv pou sa kòm yon règ jeneral. Sa m ap obsève: ke pou kontni idiomatik espesyalman, diferans vèsyon anndan fanmi an te pi gwo pase m te atann.
Pifò itilizatè ki itilize yon zouti tradiksyon AI pa konnen ki vèsyon AI sa a y ap itilize. Yo louvri yon pwodwi, chwazi yon pè lang , epi jwenn yon rezilta. Routage modèl la envizib pou yo.
Sa enpòtan nan echèl. MachineTranslation.com te trete plis pase santèn de milye travay tradiksyon soti nan angle an espayòl nan yon sèl peryòd 90 jou. Si yon gwo pòsyon nan travay sa yo te manyen kontni idyomatik (kopi maketing, langaj legal, tèks literè, kominikasyon aksidantèl) epi zouti ki t ap jere travay sa yo te voye itilizatè yo nan yon pi piti modèl san yo pa konnen, lè sa a pou mennen chat la nan dlo a t ap parèt nan rezilta reyèl, nan dokiman reyèl, pou moun reyèl ki te fè konfyans rezilta a. Endistri tradiksyon an te pase ane ap konpare founisè AI. DeepL kont Google.
Claude kontre ChatGPT. Sa yo konparezon yo itil. Men, nan yon sèl founisè, diferans vèsyon an ka menm jan enpòtan — e se yon diferans ke pifò kad konparezon pa mezire paske yo pa teste nan nivo modèl-vèsyon. Lè yon moun di Mwen itilize ChatGPT pou tradiksyon, fraz
sa a pa espesifik ase pou li gen sans. Ki ChatGPT? Nano? 4o-mini? 4.1-mini? 5.4? Repons lan chanje rezilta a nan fason ki pa trivial, omwen pou kontni idiomatic. Menm tradiksyon yo kòrèk pa t dakò youn ak lòt.
Twa modèl yo ki te pwodwi tradiksyon idiomatic yo te bay twa diferan: GPT-4.1-MINI:
to pull it off successfully GPT-5.4-MINI: to get one's
nan llevarse el gato al agua. Men yo pa ekivalan.
Pou ou reyisi mete aksan sou egzekisyon kont difikilte, ou te fè yon bagay difisil e li te mache. Jwenn sa ou vle mete aksan sou rezilta ou te vle a reyalize, san yo pa mete twòp aksan sou difikilte a. Pou soti anlè mete aksan sou viktwa konpetitif, genyen parapòt ak lòt moun.
Idiom orijinal espanyòl la pi pre premye sa yo. Fraza a pote konotasyon pou simonte rezistans, pa senpleman prefere yon rezilta epi li rive. Men pou jwenn sa ou vle ak pou genyen batay la pa mal, yo jis pa egzak nan diferan direksyon.
Sa a soulve yon kesyon mwen jwenn vrèman difisil: lè twa modèl yo chak pwodui yon tradiksyon idyomatik ki kòrèk men diferan, kijan ou evalye kiyès ki pi bon? Les scores BLEU sont comparés à une traduction de référence — mais qui a écrit la référence, et laquelle de ces trois aurait-elle choisie ?
Notre agent de traduction IA, à son crédit, a posé la bonne question avant de s'engager dans une quelconque sortie : Ki sa ki vle di 'llevarse el gato al agua' nan kontèks sa a? Twa opsyon yo te ofri — pou reyalize yon objektif difisil, pou pran yon bagay ki pa nesesè, oubyen pou angaje yo nan yon aktivite ki riske. Sa kesyon an pa dekore. Se mekanis la ki rezoud anbigwite kontèks la anvan tradiksyon an fini. Men pwen an rete: twa bon repons,
twa diferan nuanse siyifikasyon. Zouti pou evalye tradiksyon yo pa fèt pou jan nuans sa yo.
Mwen vle sensè sou limit sa tès sa a montre.
Yon ekspresyon idyomatik, yon pè lang, yon jounen tès anndan kay. Sa pa yon etid. Se yon obsèvasyon. Mwen pa konnen si modèl sa a (ti modèl yo ki default nan literal, pi gwo modèl yo ki reyalize idiomatic) kenbe konsistan atravè: lòt idiòm Panyòl, lòt pè lang ak tradisyon idiòmatik rich (Arab, Japonè, Ris tout vini nan lespri), kontni ki pa idiòmatik kote distenksyon an pa aplike, ka ekstrèm kote yon ti modèl jwenn idiòm nan kòrèkteman ak yon pi gwo modèl rate li. Mwen pa konnen tou si sa a se yon pwopriyete ki estab nan modèl sa yo oswa yon bagay ki chanje ak mizajou ak amannman. Founisè modèl yo pa pibliye jounal chanjman espesifik pou tradiksyon.
mwen vle fè plis nan yo, pi sistematik, atravè plis pè lang ak kalite
kontni. Lè m gen plis bagay pou m pataje, m ap fè sa.
M ap fini ak de kesyon egzamen sa a kite m ak yo. Mwen pap reponn yo, mwen pa gen done pou sa ankò. Men mwen panse yo se bon kesyon pou poze.
Premyèman: nan ki papòt paramèt konpetans idyomatik vin fyab?
Sote a soti nan GPT-4o-MINI ak GPT-4.1-NANO (tou de literal) pou rive nan GPT-4.1-MINI (idyomatik) sijere gen yon papòt yon kote nan entèval paramèt ant gwosè modèl sa yo kote rekonesans idyòm lan aktive. Èske li konsistan? Èske li aplike pou idyom yo nan tout lang yo, oubyen èske sa depann de jan yon lang byen reprezante nan done fòmasyon yo? Mwen pa konnen. Men, konnen ta itil pou nenpòt moun k ap bati pwosesis tradiksyon yo.
Dezyèmman: ki sa ki koute itilizatè yo an mas lè yo pa konnen vèsyon modèl la?
Si yon itilizatè voye 1,000 dokiman pa mwa atravè yon zouti ki pa fè konnen ki vèsyon modèl k ap itilize (e kèk nan dokiman sa yo gen kontni idyomatik), konbyen fwa echèk literal la ap fèt san yo pa wè? Ki jan yo ta konnen? Ki sa ki koute, an tèm reyèl, pou yo pa janm konnen?
Mwen panse ke sa a se yon kesyon ki pi enpòtan pase pifò nan ki AI ki pi bon pou tradiksyon konparezon yo kounye a sikile. Rèpons lan pa itilize pi gwo modèl la. Rèpons lan ka: konnen sa w ap itilize, fè pwòp tès ou sou pwòp kontni ou, epi pa sipoze ke non yon founisè se yon garanti pou konpòtman ki konsistan atravè seri modèl yo .
Sa vle di, omwen, sa m ap pran nan tès sa a.
Baze sou tès sa a sèlman: pi piti, modèl ki optimize pou efikasite nan menm fanmi AI a te default nan tradiksyon literal yon idyom Panyòl ki byen etabli, pandan y ap pi gwo/nouvo vèsyon menm modèl la te pwodui bon rann idyomatik. Si sa a kenbe atravè kategori idyom ak pè lang yo se pwochen kesyon an. M ap fè plis tès.
GPT-4.1-MINI, GPT-5.4-MINI, ak GPT-5.4 tout te traduillevarse el gato al agua idiomatikman — men nan diferan ekspresyon angle ki gen konotasyon ki sibtilman diferan. Sa a sijere ke bon jan tradiksyon idyomatik gen omwen de dimansyon: si modèl la rekonèt idyòm nan ditou, ak ki ekspresyon ekivalan li chwazi nan opsyon ki disponib nan lang sib la. Mezi estanda pou bon jan tradiksyon yo pa separe byen de dimansyon sa yo. Mwen panse yo ta dwe.
Post sa a baze sou tès entèn sou platfòm devlopman MachineTranslation.com. Tès vèsyon milti-modèl yo montre isit la pa disponib piblikman ankò. M ap pataje sa nou jwenn paske mwen panse obsèvasyon an itil kèlkeswa kote ou fè tradiksyon ou yo.