July 10, 2026
2026년에 가장 정확한 AI 번역기는 어떤 것인가요? 나는 최신 AI 모델 10개를 테스트했다
두 단어. 여섯 개의 모델. 세 가지 다른 번역 결정. 최신 AI 모델들을 MachineTranslation.com에서 실행했을 때 8개의 테스트 문장을 통해 어떤 일이 일어났는지, 그리고 모델이 조용히 실패할 때 실제로 드러나는 것이 무엇인지 알아봤습니다.
모델이 잘못된 판단을 내렸을 때 어떻게 알 수 있을까요?
두 단어입니다. 그거 미쳤다. 여섯 개의 모델. 세 가지 뚜렷한 번역 결정.
일본어에서 한 모델은 이를 それはやばい로 렌더링했으며, 모호성을 유지했습니다. 또 다른 모델은 주어 대명사를 완전히 생략하고 가장 구어적인 형태인 기본형 やばい을 썼다. 세 번째 저자는 それはすごい로 작성했으며, 이는 모호함을 전적으로 "놀라운"의 의미로 해결하여, 그 문구를 흥미롭게 만들었던 이중 의미를 완전히 제거했습니다. 베트남어에서 한 모델이 작성했습니다 Đỉnh vậy (속어, 청소년 언어 사용에 맞음). 또 다른 사람은 썼다 정말 멋지다, 문법적으로 올바르지만, 누군가가 당신에게 밈을 보낼 때 "그것은 정말 놀랍다"라고 말하는 것에 더 가깝다.
이 모든 것들은 방어할 수 있다. 그들은 모두 다른 것입니다. 그리고 단일 모델을 통해 번역을 실행하는 경우, 귀하를 대신하여 이루어진 선택을 절대 볼 수 없을 것입니다.
이것이 이 기사가 답하려고 하는 중심 질문입니다. 2026년에 번역에 가장 적합한 AI 모델이 무엇인지가 아니라 (답변은 언어 쌍, 레지스터, 도메인 및 문장 구조에 따라 다름), 오히려: 모델이 잘못된 선택을 했을 때 어떻게 알 수 있을까? 특히 의료 용어, 법률 계약 또는 전문적 형식성과 같은 도메인에서, 잘못된 선택이 전문가가 읽을 때까지 정확한 번역과 정확히 같아 보이는 경우.
내가 한 일은 다음과 같습니다. 나는 8개의 테스트 문장을 MachineTranslation.com에서 두 라운드의 모델을 통해 실행했습니다: 먼저 널리 사용되는 5개 모델의 기준선을 설정한 후, 현재 유료 사용자에게 제공되는 최신 프리미엄 계층 모델 변형을 추가한 확장된 풀을 사용했습니다. 일반적으로 이와 같은 모델의 출력을 비교하려면 각 제공업체와 개별적으로 별도의 유료 구독이 필요했습니다. MachineTranslation.com에서 그들은 동일한 비교 보기에 앉아 있습니다. 언어 쌍은 영어→일본어와 영어→베트남어였습니다. 문장 카테고리는 모델 불일치가 가장 중요한 영역을 스트레스 테스트하기 위해 특별히 선택되었습니다: 관용구, 법률 용어, 의료 용어, 형식에 민감한 맥락, 그리고 의도적인 의미 모호성.
방법론
- 언어 쌍: 영어 → 일본어, 영어 → 베트남어
- 라운드 1 (기준): Claude Sonnet 4-6, DeepSeek V4-Pro, Qwen 3.7-Max, GPT-4.1-NANO, Gemini 3.1-Pro-Preview
- 라운드 2 (확대): 위의 모든 항목 + Claude Opus 4-7, GPT-5.5, Gemini 3.5-Flash, GLM-5-Turbo, MiniMax M2.7
- 테스트 카테고리: 관용구 (2), 법률/전문 용어 (2), 의료 용어 (1), 형식 의존적 맥락 (2), 의도적 모호성 (1)
- 측정된 항목: 편집 시간, TER 또는 숫자 오류율이 아닌 번역 출력 직접 측정. 관련된 경우, 차이점은 언어학적으로 설명됩니다.
- SMART 합의: 각 라운드에는 플랫폼의 다중 모델 합의 출력이 포함됩니다. SMART는 제공자들 전반에 걸쳐 최대 22개의 AI 모델을 지원하며, 모든 이용 가능한 모델을 동시에 실행하여 합의 번역을 도출합니다. 모델 풀이 변할 때 합의도 변한다.
평가 방법론에 대한 참고: 기계 번역 연구는 오랫동안 출력물을 자동으로 채점하는 방법을 놓고 고민해왔다. BLEU와 COMET 과 같은 메트릭은 WMT 공유 과제 에서 측정된 대로 유용한 종합적 신호를 제공하지만, 레지스터 오류, 관용구 실패, 용어 정확성을 감지하는 데는 부족하며, 이는 정확히 여기서 가장 중요한 범주들입니다. 당신이 읽으려고 하는 것은 출력 분석이지, BLEU 경쟁이 아닙니다.
한눈에 보는 결과
섹션 1: 모든 모델이 동의하는 부분, 그리고 그것이 중요한 이유
모든 문장이 의미 있는 불일치를 드러내는 것은 아니다. 여덟 개의 테스트 중 두 개인 "Let's touch base once the dust settles on this deal"(→ 일본어)과 "We're burning the midnight oil to hit this launch date"(→ 베트남어)는 두 라운드 모두에서 높은 일치도를 보였다. 그 관용구들은 관용구로서 올바르게 이해되었다. 아무도 "touch base"를 물리적인 베이스에 닿는 것으로 번역하지 않았다. 아무도 "the dust settles"를 침전물이 떨어지는 것으로 번역하지 않았다.
이것은 잠시 멈춰서 생각해볼 가치가 있다: 관용구가 충분히 일반적일 때, 현재의 최첨단 모델들은 관용적인 영어 비즈니스 언어를 합리적으로 잘 처리한다. "터치 베이스"에 대한 합의는 두 라운드 모두에서 안정적으로 유지되었습니다. 변형은 순전히 문체적이었으며, 원문 구문에 대해 この件(이 문제), この取引(이 거래) 또는この案件(이 사건)을 사용할지 여부에 관한 것이었습니다.
테스트 8: "이 거래의 먼지가 가라앉으면 한번 연락합시다." → 일본어
"야근을 하며 열심히 일하는" 테스트가 더 흥미로워지는 부분이다. 한 모델을 제외한 모든 모델이 관용구를 올바르게 이해했습니다. MiniMax M2.7는 2라운드에서 도입되었으며, "burning"을 문자 그대로 번역하여 "burning torches"를 의미하는 đốt đuốc를 생성했습니다 . 합의는 이를 올바르게 제외했습니다.
Test 5: "우리는 이 출시 날짜를 맞추기 위해 밤새 열심히 일하고 있습니다." → 베트남어
발견 — 관용구
선도 모델들은 일반적으로 일본어와 베트남어에서 흔한 영어 비즈니스 관용구를 올바르게 처리한다. 합의의 가치는 논쟁이 되는 문장에서 가장 높습니다: 형식성, 문체, 그리고 용어. 관용구 테스트에서 합의는 여전히 진정한 이상치를 표시함으로써 그 가치를 유지합니다(MiniMax의 문자 그대로의 "타오르는 횃불"은 실패합니다). 하지만 전체 풀은 이미 동의합니다.섹션 2: 경어 격차
일본어는 경어 계층이 있는 언어입니다. 동사 어미, 대명사, 그리고 지시 명사형의 선택은 문체적인 것이 아니다. 그것은 화자와 수신자 사이의 관계를 나타냅니다. 당신의 CEO에게 메시지를 보낼 때 비격식적인 동사 형태를 사용하는 것은 문법적 의미에서 번역 오류가 아니다. 이것은 사회적 오류이며, 중대한 오류입니다.
테스트 문장: 그것을 보내줄 수 있나요? 고마워, 감사해." 맥락: CEO에게 메시지를 보내는 중.
모델 풀이 확대되었을 때 합의가 바뀌었다. 메커니즘은 간단합니다: 형식성 맥락을 올바르게 읽는 모델을 추가하면 다수파가 이동했고, 합의가 뒤따랐습니다. 라운드 2에서 모델이 생성한 전체 스펙트럼은 다음과 같습니다:
테스트 1: CEO 문장 — 풀 라운드 2 모델 출력
주목할 만한 이상치 — DeepSeek R2
DeepSeek V4-Pro는 라운드 2에서 생성했습니다 보내줄래요? 감사합니다, 도움이 됩니다., 평문 일본어. 이것은 친한 친구에게 문자하는 내용입니다. 그것은 CEO에게 보내는 메시지로는 적절한 레지스터가 아닙니다. 평문형(くれる、助かる)은 모든 경어 표지를 제거합니다. 합의는 올바르게 이를 제외했지만, 이것이 유일한 모델이었다면 CEO에게 캐주얼 텍스트에 해당하는 메시지를 보냈을 것입니다.베트남어 레지스터 테스트는 더 미묘한 종류의 형식 오류를 드러냈습니다. 원문 문장: "이봐, 빨리 묻고 싶은데 — 통화할 시간 있어?" 맥락: 고객에게 메시지 보내기. 라운드 1에서 Qwen은 캐주얼한 동료 수준의 우정을 암시하는 1인칭 대명사인 "mình"을 포함했습니다. 다른 모든 모델들은 1인칭 자기 참조를 완전히 피했으며, 이것이 더 안전한 전문적 선택이다. 중요하게도, Qwen은 Round 2에서 이를 수정했고 "mình"를 제거했다. 두 라운드 모두에서 합의가 이를 제외했습니다.
Test 6: "안녕, 빠른 질문인데 — 통화할 수 있어?" → 베트남어
발견 — 비교 없이는 보이지 않는 격식 오류
Qwen의 "mình" 오류는 단일 모델 번역이 고객 대면 커뮤니케이션에 왜 위험한지를 가장 명확하게 보여주는 사례이다: 결과물은 유창하고 문법적으로 올바르며 자연스럽게 들리는 베트남어이다. 플래그할 것이 없습니다. 다른 네 가지 모델을 보지 않고 1인칭 자기 참조를 피하면, 당신은 등록 선택이 이루어졌다는 신호를 받지 못할 것입니다.섹션 3: 법적 용어 — 면책 문제
공급업체/클라이언트 배상 조항은 상업 계약의 표준 조항입니다: "공급업체는 본 계약 위반으로 인해 발생하는 제3자 청구로부터 고객을 배상해야 한다."
1라운드에서 다섯 개 모델 모두 법적 격식을 올바르게 식별했고, 영어에서 유래한 일본 상업 계약서에서 표준적으로 쓰이는 차용어 ベンダー(공급업체)와 クライアント(고객)를 사용했다. 한 가지 예외: GPT-4.1-NANO는 정당한 일본어 단어이지만 차용어 동등어의 공식적인 법적 특수성이 부족한 販売者(판매자)와 顧客(고객)을 사용했습니다.
더 중요한 발견은 라운드 2에서 나타났습니다. 주요 구분은 두 단어 사이입니다:
- 補償 (hoshō) — 보상하다, 환급하다. 손실 후 누군가를 재정적으로 온전하게 만들기 위해.
- 免責 (menseki) — 책임에서 면제하다; 배상하다. 제3자 청구가 발생하기 전에 제3자 청구로부터 면책시키다.
이들은 법적으로 다른 개념이다. "Indemnify"는 구체적으로 제3자 책임으로부터 당사자를 보호하는 것을 의미합니다. 免責는 올바른 법률 용어입니다. 모든 Round 1 모델은 補償를 사용했습니다. 라운드 2에서 DeepSeek V4-Pro는 免責을 생성한 유일한 모델이었으며, 라운드 1이 아닌 라운드 2에서만 그렇게 했습니다.
테스트 7: 면책 조항 → 일본어(주요 결과)
발견 — 법률 용어집
DeepSeek in R2는 "indemnify"의 법적으로 정확한 동등어인 免責를 사용하는 유일한 모델입니다. 다른 모든 모델은 補償 (보상)을 사용하는데, 이는 의미론적으로 관련이 있지만 법적으로는 구별된다. 이 발견은 두 번째 라운드에서만 가시화되며, 이는 고정된 모델 풀을 사용하는 정적이고 단일 라운드의 테스트가 중요한 분산을 놓칠 수 있는 이유를 강조합니다.별도로, R2의 Qwen은 서비스 계약이 아닌 상업 판매법의 용어인 売主/買主(판매자/구매자)로 전환하여 퇴보합니다. 이것은 영어 법률 용어를 사용하는 계약에 대한 덜 적절한 표현입니다.
계약에서 補償과 免責은 동의어가 아닙니다. "우리가 당신에게 환급해 드리겠습니다." 다른 의미는 "당신은 처음부터 그 청구로부터 보호받는다"입니다. 번역 플랫폼이 올바른 免責 대신 補償을 사용하면, 일본어 버전을 읽는 변호사는 영어 버전이 설명하는 것과 동일한 계약을 보지 못할 것입니다.
섹션 4: 의료 용어 — 해결되지 않은 분열
이것은 데이터셋에서 가장 중대한 발견입니다. 테스트 문장: "이 약물은 간 기능 장애의 병력이 있는 환자에게 금기입니다." **Source:** 임상 제품 문서 목표: Vietnamese.
간 기능 장애가 중요한 용어입니다. 베트남 후보자가 두 명 있습니다:
- suy gan — 간부전. 말기 간 기능 부전을 의미하며, 이는 심각하고 급성 또는 만성일 수 있습니다. 간 기능 부전을 경험한 환자.
- 간 기능 감소 — 감소된/손상된 간 기능. 간 기능의 경미한 또는 중등도 손상을 포함한 간 기능의 모든 감소를 의미합니다.
이들은 임상적으로 구별됩니다. "간 기능 장애" 기반의 금기 경고는 완전한 장기 부전을 경험한 사람뿐만 아니라 간 기능이 저하된 모든 사람에게 적용됩니다. suy gan을 사용하면 표시된 인구를 잘못되게 좁혀집니다. **중등도 간 기능 장애가 있는 환자가 "suy gan"을 읽으면 금기 대상 인구로 자신을 인식하지 못할 수 있습니다.
테스트 2:** 금기 사항 문장 → 베트남어 (양쪽 라운드)
중요한 발견: 의료 용어
분할은 2라운드에서 suy gan의 6가지 모델 대 suy giảm chức năng gan의 4가지 모델입니다. 다수가 선택하고 따라서 합의는 임상적으로 덜 정확한 용어를 선택한다. 두 Claude 모델(Sonnet과 Opus)은 두 라운드 모두에서 일관되게 간 기능 저하를 선택합니다. 풀이 확장될 때 분할이 해결되지 않습니다.이것은 의료 콘텐츠에 대한 인간 전문가 검토를 가장 직접적으로 주장하는 이 데이터 세트의 유일한 발견입니다. 다수결로 합의가 틀리지 않는다. 그것은 최첨단 모델들 사이의 진정한 불일치를 반영하며, 그 불일치 자체가 번역가가 봐야 할 정보입니다. 이것은 정확히 Tomedes의 휴먼-인-더-루프 검토 가 구축된 바로 그런 종류의 사례 입니다.
섹션 5: "That's sick" — 그것은 무엇이 모호함이 핵심일 때 일어나는가
어떤 원문 문장들은 의도적으로 모호하다. 현대 영어 속어에서 "That's sick"은 뛰어나다는 의미이지만, 동시에 문자 그대로의 의미(즉, 역겹고 불쾌하다)도 여전히 가지고 있으며, 이 두 의미 사이의 긴장이 그 표현이 의사소통하는 방식의 일부이다. 번역 모델의 과제는 다음과 같습니다: 모호성을 보존할 것인가, 가장 가능성 높은 의미로 축소할 것인가, 아니면 하나를 선택해서 고수할 것인가?
일본어 출력
베트남어 출력
발견: 모호성과 같은 계열의 발산
Claude Opus 4-7이 쓴 Đỉnh vậy (속어). 클로드 소네트 4-6이 쓴다 정말 멋지다 (공식적). 이들은 동일한 모델 계열의 두 모델이 동일한 두 단어 입력에 대해 내린 반대되는 레지스터 결정입니다. 둘 다 "틀리지" 않았습니다. "That's sick"의 모호성은 두 가지 해석이 모두 존재함을 의미합니다. 하지만 당신의 목표 청중이 현재 베트남 청소년 속어를 사용한다면, 이 번역 중 오직 하나만 올바르게 소통합니다. 합의가 불일치를 드러낸다. 그것이 없으면 선택이 이루어졌다는 것을 알 수 없습니다.일본어에서 GPT-4.1-NANO은 すごい를 사용하는 유일한 모델이며, 이는 모호성을 완전히 "놀라운"으로 축소합니다. 다섯 개의 다른 모델은 やばい/ヤバい로 보존합니다. 클로드 오푸스는 가장 최소한의 형태를 취합니다: bare やばい 주어가 없는 상태
섹션 6: 이 테스트의 모델 풀이 어떤 모습인지
이 테스트의 모델들이 모두 동등하지는 않습니다. 그들은 서로 다른 아키텍처, 훈련 방식, 그리고 배포 환경을 아우른다. 라운드 1 기준에는 널리 접근 가능한 모델이 포함됩니다. 확장된 라운드 2 풀은 MachineTranslation.com의 유료 사용자가 이용할 수 있는 최신 프리미엄 계층 모델 변형들을 추가하며, 이는 각 개별 제공업체와의 별도 유료 계정을 의미할 수 있는 동일한 모델 계층입니다.
라운드 2의 확장된 풀에는 더욱 고급스럽고 MachineTranslation.com의 유료 사용자가 이용할 수 있는 모델들이 포함되어 있습니다. 확대된 풀의 효과는 균일하지 않습니다. 일부 테스트(형식성/일본어)에서 합의를 의미 있게 변화시켰습니다. 다른 경우들(의료 용어/베트남어)에서는 분열이 심화되었다.
섹션 7: 번역 플랫폼을 선택하는 경우 이것이 의미하는 바
테스트 데이터는 두 가지 뚜렷한 실패 범주를 가리키며, 각각 다른 대응이 필요합니다.
범주 A: 조용한 실패. 형식 오류, 레지스터 오류, 의료 용어 정확성: 이들은 올바른 것처럼 보이는 결과물을 생성합니다. 그 일본어는 문법적으로 올바르다. 그 베트남 사람은 유창하다. 문제가 발생했다는 표면적인 신호가 없다. 일언어 사용자가 단일 모델의 출력을 읽을 때 그 모델이 고위 일본 경영진이 알아챌 수 있는 문체 선택을 했는지, 또는 임상 용어가 그것이 적용되는 집단을 변경하는 방식으로 좁혀졌는지 알 수 있는 방법이 없다.
카테고리 B: 가시적인 실패. MiniMax가 "burning the midnight oil"을 "burning torches"로 번역함. GPT-4.1-NANO가 "That's sick"을 명확한 "すごい"로 해석하고 있습니다. 이것들은 목표 언어의 사용자 또는 다른 모델 출력과의 비교를 통해 감지할 수 있습니다.
SMART가 제공하는 다중 모델 비교는 카테고리 A에서 가장 유용합니다. 5개 또는 10개의 모델이 출력을 생성하고 대부분이 정중한 문체에 동의하는 반면 하나가 일상적인 평문 일본어를 생성할 때, 그 불일치는 비교 보기에서 명확하게 드러납니다. 대상 언어를 구사하는 사용자가 옵션을 평가할 수 있습니다. 사용자는 이의가 제기된 결정이 내려졌음을 확인할 수 있으며, 해당 문장이 인간 검토를 정당화하는지 여부를 결정할 수 있습니다.
문서 규모의 작업, 대용량 파일, PDF의 레이아웃 보존 번역, 계약서 또는 임상 자료의 경우, 플랫폼의 문서 처리 기능은 형식을 손상시키지 않으면서 파일 구조를 처리합니다. 하지만 위에서 제기된 품질 문제는 파일 크기와 관계없이 적용됩니다. 간 기능 장애가 "간 부전"으로 번역된 100페이지 임상 연구는 테스트 2에서 확인된 동일한 문제의 더 큰 버전입니다.
의료 및 법률 범주의 경우 특히 인간 검증이 올바른 최후의 수단입니다. AI 출력을 인증된 인간 검토와 짝지은 Tomedes의 AI 사후 편집 서비스는 정확히 이러한 종류의 고위험 콘텐츠를 위해 구축되었습니다. 간 기능 저하 / 간 기능 감소 분류는 정확히 검토를 촉발해야 하는 종류의 발견입니다. 모든 모델이 잘못되었기 때문이 아니라, 가장 확신하는 모델이 가장 정확하지 않기 때문입니다.
여러 출력을 보는 것의 가치는 항상 다수를 선택할 것이라는 것이 아닙니다. 당신이 선택이 이루어졌다는 것을 알게 될 것이라는 점입니다. 이는 당신 앞에 있는 결과물이 올바르다고 가정하는 것과는 다릅니다.
실제로 여덟 문장이 나에게 말해준 것
여덟 개의 테스트를 나란히 놓으면 패턴이 유지됩니다: 동의와 불동의는 무작위로 분포하지 않습니다. 일상적이고 관용적인 비즈니스 용어("접촉하다," "밤을 새우며 일하다")는 두 라운드 모두에서 거의 모든 모델에서 수렴했다. 형식성, 법적 정확성, 그리고 의료 용어는 그렇지 않았다. CEO 정중함 테스트는 확대된 풀이 포함되었을 때만 캐주얼에서 정중함으로 바뀌었다. 면책 조항이 실제 법적 구분(免責 vs. 補償)을 드러냈는데, 단 하나의 모델이 한 번의 라운드에서만 올바르게 이해했다. 의료 용어 분할은 전혀 해결되지 않았으며, 어느 모델이 풀에 있든 두 라운드 모두에서 대략 6대 4로 유지되었습니다.
이것은 마케팅 주장이 아니라 실제 발견입니다: 합의가 모든 문장을 더 나아지게 하지는 않으며, 그럴 필요도 없습니다. 가장 가치 있는 것은 단일 모델의 유창함이 의심할 여지가 없는 곳에서이며, 틀렸을 때 실제로 대가를 치르는 곳에서입니다.
이 테스트에는 명확하게 언급할 가치가 있는 두 번째, 더 실용적인 계층이 있습니다. 이 비교를 직접 실행하려면 GPT-5.5, Claude Opus 4-7, Gemini 3.5-Flash, GLM-5-Turbo, MiniMax M2.7의 출력을 기존 기준 모델과 함께 한 곳에서, 한 플랫폼에서 나란히 확인해야 했습니다. MachineTranslation.com 외부에서는 그것이 하나의 구독이 아닙니다. 여러 개입니다. 테스트하려는 각 제공자의 프리미엄 티어마다 하나씩, 각 제공자가 개별적으로 청구하는 금액에 따라 결정됩니다. 유료 사용자는 한 번의 클릭으로 동일한 비교를 얻을 수 있으며, 5개의 별도 프리미엄 구독을 유지하는 데 드는 비용의 일부만 지불하면서도 실제로 중요한 것을 포기하지 않습니다: 모델들이 어디서 일치하는지 확인하고, 정확히 언제 일치하지 않는지 알 수 있습니다.
자주 묻는 질문
1. ChatGPT와 Claude 중 어느 것이 번역에 더 나을까요?
둘 다 절대적으로 더 나은 것은 없습니다. 테스트 범주에 따라 다릅니다. Claude Sonnet과 Claude Opus는 더 정확한 베트남 의료 용어를 일관되게 선택했으며, Claude Opus는 "That's sick."에 대해 가장 적절한 속어를 생성했습니다. 하지만 Claude Sonnet은 GPT-5.5가 올바르게 처리한 공식적인 CEO 맥락의 문장에서 캐주얼한 일본어를 생성했다. 출력을 직접 비교하는 것이 하나의 모델을 선택하고 신뢰하는 것보다 더 방어 가능합니다.
2. 2026년에 가장 정확한 AI 번역 모델은 무엇입니까?
하나는 없습니다. 정확도는 도메인에 따라 다릅니다. 이 테스트에서 Gemini 3.5-Flash와 GLM-5-Turbo가 가장 적절한 형식의 일본어를 생성했습니다. 두 Claude 모델 모두 베트남 의료 용어에서 가장 정확했다. DeepSeek V4-Pro는 정확한 일본 법률 용어를 사용한 유일한 모델이었지만, 2라운드에서만 사용했으며, 다른 곳에서는 일상적인 일본어를 생성했습니다. 어떤 단일 모델도 8가지 테스트 모두에서 우위를 차지하지 못했습니다.
3. 더 많은 AI 모델을 추가하면 항상 번역 정확도가 향상될까요?
아니요, 자동으로 향상되지는 않습니다. 더 새로운 프리미엄 티어 모델 변형으로 풀을 확대하면서 일본어 정중함 테스트에서 합의가 캐주얼에서 공식적인 것으로 전환되었습니다. 하지만 베트남 의료 용어 시험에서는 어떤 모델을 포함하든 관계없이 대략 6대 4의 비율로 격차가 지속되었다. 더 많은 모델이 더 많은 불일치를 드러내며, 이는 유용한 신호이지만 합의는 여전히 다수를 따르고, 다수가 항상 가장 정확한 답변은 아닙니다.
4. SMART란 무엇이며 어떻게 작동하나요?
SMART는 MachineTranslation.com의 다중 모델 합의 시스템으로, OpenAI, Anthropic, Google, DeepSeek을 포함한 제공자들의 최대 22개 AI 모델을 아우릅니다. 여러 모델을 통해 동시에 번역을 실행하고 기본적으로 별도의 설정 없이 다수결 합의 출력을 모든 개별 모델의 답변과 함께 표시합니다. 모델 풀이 변할 때 합의도 변하며, 이 테스트의 일본어 형식성 결과에서 볼 수 있듯이 1라운드의 비공식적 합의가 2라운드에서 공식적으로 변했습니다.
5. 의료 또는 법률 번역에 가장 적합한 AI 모델은 무엇입니까?
단일 모델은 없습니다. 인간의 검토가 더 나은 답변입니다. Claude 모델들은 더 정확한 베트남 의료 용어를 일관되게 선택했으며, DeepSeek V4-Pro만이 올바른 일본 법률 용어를 사용했지만 2라운드에서만 그랬다. 10개 모델 전체에서 의료 용어 분할이 해결되지 않았으며, 이는 다른 모델을 선택해야 한다는 것이 아니라 도메인 전문 지식이 필요하다는 신호입니다. 톰에데스(Tomedes)가 제공하는 것과 같은 A 인증된 인간 사후편집 검토는 전문가 검증을 제공합니다.