October 23, 2026
Jika Anda memilih antara LLM dan AI agent untuk penerjemahan, label tersebut memberi tahu Anda sedikit saja tentang apa yang bisa salah. Satu panggilan LLM dapat memberikan jawaban salah yang meyakinkan tanpa peringatan apa pun. Suatu agent dapat mengajukan pertanyaan yang tepat, tetapi setiap langkah yang diambilnya menambah waktu dan titik kegagalan lainnya.
Tiga hal berbeda sering kali memiliki nama yang sama yaitu "AI agent": satu panggilan LLM, workflow yang menjalankan banyak model sekaligus, dan agent yang merencanakan serta bertindak dalam sebuah loop. Kami menjalankan ketiganya di MachineTranslation.com. Perbedaan di bawah ini berasal dari menjalankannya dalam produksi.
LLM adalah sebuah model. Anda mengirimkan teks dan menerima teks kembali, dalam satu panggilan. AI agent adalah sistem yang dibangun di sekitar LLM. Tim engineering Anthropic memisahkan keduanya berdasarkan siapa yang menentukan langkah-langkahnya. Dalam sebuah workflow, kode menetapkan langkah-langkahnya terlebih dahulu. Dalam sebuah agent, LLM memilih langkah dan peralatannya sendiri.
Hal tersebut menghasilkan tiga bentuk untuk penerjemahan. Satu panggilan LLM adalah yang paling sederhana, dan ini mengembalikan satu jawaban tanpa sinyal mengenai apakah jawaban tersebut benar. Workflow, seperti menjalankan banyak model sekaligus dan membandingkan hasilnya, mengikuti jalur yang tetap. Agent bekerja dalam sebuah loop. Ia memutuskan apa yang harus dilakukan, melakukannya, dan memeriksa hasilnya. Ia juga dapat mengajukan pertanyaan kepada pengguna sebelum melanjutkan.
Satu panggilan LLM adalah satu langkah. Workflow konsensus mengirimkan teks yang sama ke banyak model sekaligus, lalu membandingkan hasilnya. Agent melakukan loop melalui rencana, tindakan, dan pemeriksaan, serta dapat berhenti untuk mengajukan pertanyaan kepada pengguna.
| Panggilan LLM tunggal | Alur kerja konsensus | Agen AI | |
|---|---|---|---|
| Langkah | Satu panggilan | Banyak panggilan sekaligus, lalu satu perbandingan | Perulangan rencana, tindakan, dan pemeriksaan |
| Perilaku waktu | Latensi satu model | Ditentukan oleh model paling lambat di dalam pool | Meningkat di setiap langkah |
| Risiko utama | Jawaban salah yang meyakinkan tanpa peringatan | Semua model memiliki asumsi tersirat yang sama | Langkah tambahan menambah penundaan dan titik kegagalan baru |
| Apa yang membantu | Pemeriksaan kedua | Pertanyaan kepada pengguna | Batasan langkah dan pemeriksaan manusia |
Agen menambahkan keputusan yang tidak dapat dibuat oleh satu panggilan model. Agen ini dapat menanyakan apakah sebuah kalimat harus formal atau santai. Agen ini juga dapat mencari istilah dan memeriksa drafnya sendiri. Masing-masing merupakan langkah tambahan, dan setiap langkah menambah waktu serta titik kegagalan lainnya.
Panduan Anthropic adalah memulai dengan desain paling sederhana yang berhasil. Gunakan alur kerja untuk tugas yang terdefinisi dengan baik, dan gunakan agen saat tugas tersebut memerlukan keputusan yang fleksibel. Kami mengikuti aturan yang sama. AI Translation Agent adalah lapisan terpisah yang turun tangan hanya ketika sebuah kalimat menyisakan sesuatu yang belum pasti, seperti seberapa formal teks tersebut seharusnya.
Konsensus multi-model adalah alur kerja dengan jalur yang tetap. Teks yang sama dikirim ke setiap model sekaligus. Keluarannya dibandingkan, dan versi yang paling banyak disepakati oleh sebagian besar model akan ditampilkan. Anthropic menyebut praktik menjalankan beberapa upaya sekaligus untuk meningkatkan keyakinan ini sebagai parallelization.
Masalah rekayasanya adalah waktu. Jika 22 model berjalan bergantian satu demi satu, waktu tunggu akan menjadi jumlah dari 22 panggilan. Model-model tersebut berjalan secara paralel, sehingga waktu tunggu ditentukan oleh model paling lambat dalam pool, seperti yang kami jelaskan dalam panduan kami untuk mendapatkan terjemahan terverifikasi di dalam Claude atau ChatGPT. Dalam satu contoh peluncuran, lima model menerjemahkan frasa empat kata dan mengembalikan hasil dalam 751 milidetik. Teks yang lebih panjang memerlukan waktu lebih lama, dan aturan yang sama tetap berlaku.
Kami menguji ukuran pool dan menetapkan pada 22. Dengan model yang lebih sedikit, sinyal kesepakatan melemah. Dengan lebih banyak model, latensi mulai merayap masuk. Pengguna melihat satu hasil. Pekerjaan yang membuatnya cepat terjadi sebelum klik dilakukan.
Konsensus hanya dapat melihat ketidaksepakatan antar-model, sehingga tidak dapat menangkap pilihan yang dibuat secara sama oleh setiap model. Dalam pengujian kami terhadap frasa-frasa umum, ketujuh model yang ditampilkan menerjemahkan "good morning" ke dalam bahasa Jepang dengan bentuk formal おはようございます, sebuah keputusan tersirat tentang kesopanan yang tidak ditanyakan kepada pengguna.
Frasa bahasa Prancis "Je t'aime" mengikuti pola yang sama. Model-model tersebut menyepakati satu terjemahan, namun frasa tersebut dapat mengekspresikan cinta romantis, platonis, atau keluarga, dan terjemahan langsung tidak menjelaskan yang mana. Langkah perbandingan tidak memiliki apa pun untuk dibandingkan ketika setiap model menjawab dengan cara yang sama.
Celah itulah alasan mengapa AI Translation Agent berjalan sebagai lapisannya sendiri. Agen ini menanyakan tentang register, audiens, dan nada hanya ketika teks menyisakan hal-hal tersebut belum pasti. Konsensus menangkap model-model yang tidak sepakat. Agen menangkap apa yang diasumsikan oleh semuanya.
Buku teks AI mengelompokkan agen berdasarkan cara mereka menentukan apa yang harus dilakukan. Daftar klasik merentang dari agen refleks sederhana, yang bereaksi terhadap input saat ini, melalui agen berbasis tujuan yang merencanakan menuju suatu hasil, hingga agen pembelajaran yang berkembang dari umpan balik.
Dalam istilah sistem, setiap peningkatan tingkatan pada daftar tersebut menambah state dan loop yang harus dikelola. Penerjemahan memperoleh manfaat paling besar dari sisi berbasis tujuan, karena terjemahan sering kali bergantung pada konteks yang tidak dimuat dalam kalimat saat ini. AI Translation Agent kami berada di sana. Agen ini bekerja menuju terjemahan yang sesuai dengan konteks, dan alat utamanya adalah pertanyaan kepada pengguna.
Ya, karena sistem neural machine translation hanya dilatih untuk menerjemahkan antarbahasa, yang menjadikannya jenis model yang berbeda dari LLM serbaguna. Beberapa model di dalam keluarga LLM juga bekerja secara berbeda. Sebagian besar LLM menghasilkan satu token pada satu waktu. Mercury, dari Inception Labs, adalah diffusion language model yang menghasilkan blok teks secara paralel, yang kami bahas dalam artikel kami tentang penambahan Gemma dan Mercury ke platform ini.
Apakah API neural translation atau LLM lebih cocok bergantung pada pekerjaannya. API neural translation menyajikan model yang dibuat untuk satu tugas, sedangkan LLM dapat mengikuti instruksi dan menggunakan lebih banyak konteks. Pool mesin MachineTranslation.com mencakup mesin machine translation tradisional maupun LLM, sehingga satu permintaan dapat menggunakan salah satu dari kedua jenis tersebut.
LLM terkuat bergantung pada pasangan bahasa dan arahnya, jadi kami tidak memilih satu model saja di tingkat platform. Pool ini mencakup ChatGPT, Claude, Gemini, DeepSeek, Qwen, Grok, dan Mistral AI. Setiap model berjalan secara paralel, sehingga menambahkan atau menukar model tidak menambah waktu tunggu. Hasil kualitas untuk model tertentu berasal dari pengujian perbandingan model kami.
Agen dan asisten AI dapat memanggil MachineTranslation.com sebagai alat. Konektor MCP memungkinkan pelanggan berbayar menggunakannya dari Claude, ChatGPT, Copilot, atau asisten apa pun yang mendukung konektor kustom. Permintaan tersebut berjalan melalui pool yang sama yang terdiri dari 22 model secara paralel dan mengembalikan versi yang disepakati oleh sebagian besar model. Bagi asisten tersebut, penerjemahan menjadi satu panggilan alat. Perbandingan model tetap berada di pihak kami, dan percakapan hanya melihat hasilnya.
Anda dapat melihat proses paralel dan pertanyaan agen ini pada teks Anda sendiri. Tempelkan sebuah kalimat ke MachineTranslation.com dan model-model tersebut akan berjalan sekaligus. Agen hanya bertanya jika kalimat tersebut menyisakan sesuatu yang belum jelas.
LLM menerima teks masuk dan mengembalikan teks keluar dalam satu panggilan. Agen AI adalah sistem yang dibangun di sekitar LLM yang memilih langkahnya sendiri dan menggunakan alat. Agen ini memeriksa hasil kerjanya dan dapat mengajukan pertanyaan kepada pengguna. Dalam penerjemahan, sebuah agen memutuskan apa yang harus dilakukan selanjutnya, sementara satu panggilan hanya menghasilkan sebuah jawaban.
Buku teks mencantumkan agen refleks sederhana, berbasis model, berbasis tujuan, berbasis utilitas, dan pembelajaran, yang diurutkan berdasarkan cara mereka memutuskan apa yang harus dilakukan. Penerjemahan paling diuntungkan dari agen berbasis tujuan yang menggunakan alat, seperti pencarian glosarium atau pertanyaan kepada pengguna, karena terjemahan sering kali bergantung pada konteks yang tidak dimuat dalam kalimat saat ini.
Ya, karena sistem neural machine translation hanya dilatih untuk menerjemahkan dan bukan model obrolan umum. Diffusion language model seperti Mercury masih merupakan model bahasa. Model tersebut menghasilkan teks dalam bentuk blok, sementara sebagian besar LLM menghasilkan satu token pada satu waktu. MachineTranslation.com menjalankan mesin machine translation tradisional dan LLM.
Ya, karena agen dapat menjalankan alat penerjemahan dan memeriksa hasilnya, serta dapat meminta konteks yang kurang kepada Anda seperti nada bicara atau audiens sebelum mengembalikan apa pun. Setiap langkah tersebut menambah waktu. Untuk teks yang terdefinisi dengan jelas, satu panggilan model tunggal atau alur kerja tetap biasanya lebih sederhana, sehingga agen lebih cocok untuk kasus yang memerlukan keputusan.
Tergantung pada pekerjaannya, karena API neural translation melayani model yang dibangun untuk satu tugas, sementara LLM dapat mengikuti instruksi dan menggunakan lebih banyak konteks. MachineTranslation.com tidak memilih salah satu. Kumpulan mesinnya mencakup mesin machine translation tradisional maupun LLM, dan satu permintaan dapat menggunakan jenis mana pun.
ChatGPT, Claude, Gemini, DeepSeek, dan Qwen adalah LLM, dan masing-masing menangani terjemahan dalam satu panggilan. Alur kerja paralel menggabungkan banyak dari model tersebut. Agen AI menambahkan keputusan di atasnya, seperti MachineTranslation.com AI Translation Agent, yang menanyakan tentang nada bicara dan audiens ketika sebuah kalimat membiarkannya terbuka.