October 23, 2026
Jika anda memilih antara LLM dan ejen AI untuk terjemahan, label tersebut memberi sedikit maklumat tentang perkara yang boleh menjadi silap. Satu panggilan LLM tunggal boleh mengembalikan jawapan salah yang meyakinkan tanpa sebarang amaran. Ejen boleh bertanyakan soalan yang betul, tetapi setiap langkah yang diambilnya menambah masa dan satu lagi titik kegagalan.
Tiga perkara berbeza sering berkongsi nama "ejen AI": satu panggilan LLM, aliran kerja yang menjalankan banyak model sekaligus, dan ejen yang merancang serta bertindak dalam satu gelung. Kami menjalankan ketiga-tiganya di MachineTranslation.com. Perbezaan di bawah datang daripada menjalankannya dalam pengeluaran.
LLM ialah sebuah model. Anda menghantar teks masuk dan menerima teks kembali, dalam satu panggilan. Ejen AI ialah sistem yang dibina di sekitar LLM. Pasukan kejuruteraan Anthropic membezakan kedua-duanya berdasarkan siapa yang menentukan langkah-langkah tersebut. Dalam aliran kerja, kod menetapkan langkah terlebih dahulu. Dalam ejen, LLM memilih langkah dan alatannya sendiri.
Perkara tersebut memberikan tiga bentuk untuk terjemahan. Satu panggilan LLM tunggal adalah yang paling mudah, dan ia mengembalikan satu jawapan tanpa sebarang isyarat sama ada jawapan tersebut betul. Aliran kerja, seperti menjalankan banyak model sekaligus dan membandingkan hasilnya, mengikut laluan yang tetap. Ejen berfungsi dalam satu gelung. Ia memutuskan perkara yang perlu dilakukan, melaksanakannya, dan memeriksa hasilnya. Ia juga boleh bertanyakan soalan kepada pengguna sebelum meneruskan.
Satu panggilan LLM tunggal ialah satu langkah. Aliran kerja konsensus menghantar teks yang sama kepada banyak model sekaligus, kemudian membandingkan outputnya. Ejen bergelung melalui rancang, bertindak, dan periksa, serta boleh berhenti untuk bertanyakan soalan kepada pengguna.
| Panggilan LLM tunggal | Alur kerja konsensus | Ejen AI | |
|---|---|---|---|
| Langkah | Satu panggilan | Banyak panggilan serentak, kemudian satu perbandingan | Gelung rancang, bertindak, dan semak |
| Tingkah laku masa | Pendaman satu model | Ditentukan oleh model paling perlahan dalam kumpulan | Meningkat dengan setiap langkah |
| Risiko utama | Jawapan salah yang meyakinkan tanpa amaran | Semua model berkongsi andaian tersirat yang sama | Langkah tambahan menambah kelewatan dan titik kegagalan baharu |
| Perkara yang membantu | Pemeriksaan kedua | Soalan kepada pengguna | Had langkah dan pemeriksaan manusia |
Ejen menambah keputusan yang tidak dapat dibuat oleh satu panggilan model. Ia boleh bertanya sama ada sesuatu ayat itu perlu formal atau santai. Ia juga boleh mencari istilah dan menyemak drafnya sendiri. Setiap satu daripadanya merupakan langkah tambahan, dan setiap langkah menambah masa serta satu lagi kemungkinan untuk gagal.
Panduan Anthropic adalah untuk bermula dengan reka bentuk paling mudah yang berkesan. Gunakan aliran kerja untuk tugas yang ditakrifkan dengan jelas, dan gunakan ejen apabila tugas tersebut memerlukan keputusan yang fleksibel. Kami mematuhi peraturan yang sama. AI Translation Agent ialah lapisan berasingan yang hanya campur tangan apabila sesuatu ayat membiarkan sesuatu tidak terperinci, seperti tahap keformalan teks tersebut.
Konsensus berbilang model ialah aliran kerja dengan laluan tetap. Teks yang sama dihantar kepada setiap model sekali gus. Output dibandingkan, dan versi yang dipersetujui oleh kebanyakan model akan dikembalikan. Anthropic memanggil amalan menjalankan beberapa percubaan sekali gus untuk meningkatkan keyakinan sebagai parallelization.
Masalah kejuruteraan ialah masa. Jika 22 model dijalankan satu demi satu, masa menunggu adalah jumlah daripada 22 panggilan. Model-model ini berjalan secara selari, jadi masa menunggu ditentukan oleh model paling perlahan dalam kumpulan tersebut, seperti yang kami huraikan dalam panduan kami untuk mendapatkan terjemahan yang disahkan di dalam Claude atau ChatGPT. Dalam satu contoh pelancaran, lima model menterjemah frasa empat perkataan dan mengembalikan hasil dalam 751 milisaat. Teks yang lebih panjang memerlukan masa lebih lama, dan peraturan yang sama terpakai.
Kami menguji saiz kumpulan dan memilih 22. Dengan model yang lebih sedikit, isyarat persetujuan melemah. Dengan model yang lebih banyak, kependaman mula menyusup masuk. Pengguna melihat satu hasil. Usaha yang menjadikannya pantas berlaku sebelum klik dilakukan.
Konsensus hanya boleh melihat percanggahan antara model, jadi ia tidak dapat mengesan pilihan yang dibuat secara serupa oleh setiap model. Dalam ujian kami terhadap frasa biasa, kesemua tujuh model yang dipaparkan menterjemah "good morning" ke dalam bahasa Jepun dengan おはようございます yang formal, keputusan senyap tentang kesopanan yang tidak ditanyakan kepada pengguna oleh sesiapa pun.
Frasa bahasa Perancis "Je t'aime" mengikut corak yang sama. Model-model tersebut bersetuju dengan satu terjemahan, tetapi frasa tersebut boleh menyatakan cinta romantis, platonik, atau kekeluargaan, dan terjemahan langsung tidak menyatakan yang mana satu. Langkah perbandingan tidak mempunyai apa-apa untuk dibandingkan apabila setiap model menjawab dengan cara yang sama.
Jurang itulah sebabnya AI Translation Agent berjalan sebagai lapisannya yang tersendiri. Ia bertanya tentang laras bahasa, khalayak, dan nada hanya apabila teks membiarkannya tidak terperinci. Konsensus mengesan model yang tidak bersetuju. Ejen mengesan perkara yang diandaikan oleh kesemua model tersebut.
Buku teks AI mengisih ejen mengikut cara ejen tersebut memutuskan tindakan yang perlu diambil. Senarai klasik bermula daripada ejen refleks mudah, yang bertindak balas terhadap input semasa, melalui ejen berasaskan matlamat yang merancang ke arah sesuatu hasil, hinggalah ejen pembelajaran yang bertambah baik daripada maklum balas.
Dari segi sistem, setiap peningkatan dalam senarai menambah state dan loops untuk diselenggara. Penterjemahan paling mendapat manfaat daripada bahagian berasaskan matlamat, kerana sesuatu terjemahan sering kali bergantung pada konteks yang tidak terkandung dalam ayat semasa. AI Translation Agent kami berada di situ. Ia berusaha ke arah terjemahan yang menepati konteks, dan alat utamanya ialah pertanyaan kepada pengguna.
Ya, kerana sistem neural machine translation hanya dilatih untuk menterjemah antara bahasa, yang menjadikannya jenis model yang berbeza daripada LLM tujuan umum. Sesetengah model dalam keluarga LLM juga berfungsi secara berbeza. Kebanyakan LLM menjana satu token pada satu masa. Mercury, daripada Inception Labs, ialah diffusion language model yang menjana blok teks secara selari, yang kami bincangkan dalam siaran kami tentang penambahan Gemma dan Mercury ke platform ini.
Sama ada neural translation API atau LLM lebih sesuai bergantung pada tugas tersebut. Neural translation API menyediakan model yang dibina untuk satu tugas, manakala LLM boleh mengikut arahan dan menggunakan lebih banyak konteks. Kumpulan enjin MachineTranslation.com merangkumi kedua-dua enjin traditional machine translation dan LLM, jadi satu permintaan boleh menggunakan salah satu daripadanya.
LLM yang paling hebat bergantung pada pasangan bahasa dan arah terjemahan, jadi kami tidak memilih satu sahaja pada peringkat platform. Kumpulan model ini merangkumi ChatGPT, Claude, Gemini, DeepSeek, Qwen, Grok, dan Mistral AI. Setiap model beroperasi secara selari, jadi menambah atau menukar model tidak akan menambah masa menunggu. Hasil kualiti untuk model tertentu diperoleh daripada ujian perbandingan model kami.
Ejen dan pembantu AI boleh memanggil MachineTranslation.com sebagai satu alat. MCP connector membolehkan pelanggan berbayar menggunakannya daripada Claude, ChatGPT, Copilot, atau mana-mana pembantu yang menyokong penyambung tersuai. Permintaan tersebut dijalankan melalui kumpulan 22 model yang sama secara selari dan mengembalikan versi yang dipersetujui oleh kebanyakan model. Bagi pembantu tersebut, penterjemahan menjadi satu panggilan alat sahaja. Perbandingan model kekal di pihak kami, dan perbualan hanya melihat hasilnya.
Anda boleh melihat proses yang dijalankan secara selari dan pertanyaan ejen pada teks anda sendiri. Tampal satu ayat ke dalam MachineTranslation.com dan semua model akan dijalankan serentak. Ejen hanya bertanya apabila ayat tersebut membiarkan sesuatu terbuka.
LLM menerima teks masuk dan mengembalikan teks keluar dalam satu panggilan. Ejen AI ialah sistem yang dibina di sekeliling LLM yang memilih langkahnya sendiri dan menggunakan alatan. Ia menyemak kerjanya dan boleh bertanyakan soalan kepada pengguna. Dalam terjemahan, ejen menentukan perkara yang perlu dilakukan seterusnya, manakala satu panggilan hanya menghasilkan jawapan.
Buku teks menyenaraikan ejen refleks mudah, berasaskan model, berasaskan matlamat, berasaskan utiliti, dan pembelajaran, yang disusun mengikut cara ia menentukan perkara yang perlu dilakukan. Terjemahan paling mendapat manfaat daripada ejen berasaskan matlamat yang menggunakan alatan, seperti carian glosari atau pertanyaan kepada pengguna, kerana sesuatu terjemahan sering bergantung pada konteks yang tidak terkandung dalam ayat semasa.
Ya, kerana sistem terjemahan mesin neural dilatih hanya untuk menterjemah dan bukan model sembang umum. Model bahasa difusi seperti Mercury masih merupakan model bahasa. Ia menjana teks secara blok, manakala kebanyakan LLM menjana satu token pada satu masa. MachineTranslation.com menjalankan kedua-dua enjin terjemahan mesin tradisional dan LLM.
Ya, kerana ejen boleh menjalankan alat terjemahan dan menyemak hasilnya, dan ia boleh meminta konteks yang tiada daripada anda seperti nada atau khalayak sebelum ia mengembalikan apa-apa hasil. Setiap langkah tersebut menambah masa. Bagi teks yang ditakrifkan dengan jelas, satu panggilan model atau aliran kerja yang tetap biasanya lebih mudah, jadi ejen lebih sesuai untuk kes yang memerlukan keputusan.
Ia bergantung pada tugas yang dijalankan, kerana API terjemahan neural menyediakan model yang dibina untuk satu tugas, manakala LLM boleh mengikut arahan dan menggunakan lebih banyak konteks. MachineTranslation.com tidak memilih satu sahaja. Kumpulan enjinnya merangkumi kedua-dua enjin terjemahan mesin tradisional dan LLM, dan satu permintaan boleh menggunakan mana-mana jenis.
ChatGPT, Claude, Gemini, DeepSeek, dan Qwen ialah LLM, dan setiap satunya mengendalikan terjemahan dalam satu panggilan. Aliran kerja selari menggabungkan banyak daripadanya. Ejen AI menambah pembuatan keputusan di samping itu, seperti MachineTranslation.com AI Translation Agent, yang bertanya tentang nada dan khalayak apabila sesuatu ayat membiarkannya terbuka.