November 20, 2026
Apabila Mistral dan Claude menterjemah perenggan yang sama, anda jarang mendapat satu jawapan yang betul dan satu yang salah. Anda biasanya mendapat dua versi yang kedua-duanya lancar dibaca. Satu cenderung untuk lebih pendek. Satu lagi cenderung untuk lebih formal. Ini menjadikan soalan tentang model mana yang lebih baik lebih sukar dijawab daripada apa yang dicadangkan oleh satu skor tunggal.
Saya mengusahakan cara kami menguji model yang beroperasi di MachineTranslation.com, jadi saya boleh menunjukkan kepada anda sesuatu yang kebanyakan perbandingan tidak dapat tunjukkan. Dari 8 Mei hingga 6 Ogos 2026, platform ini melabelkan output setiap model dengan satu peranan setiap kali model-model tersebut tidak sependapat, seperti paling formal atau paling ringkas. Claude meraih 70% daripada label paling formal. Mistral meraih 31% daripada label paling menyeluruh dan 23% daripada label paling ringkas.
Artikel ini membandingkan cara kedua-dua model berkelakuan. Ia tidak meletakkan kedudukan mereka dari segi ketepatan, kerana saya belum mempunyai perbandingan kualiti sepadan yang merangkumi Mistral. Saya menerangkan maksud perkara itu untuk pilihan anda menjelang penghujung artikel.
Ia bergantung pada apa yang anda perlukan daripada terjemahan tersebut, kerana kedua-dua model berkelakuan berbeza apabila mereka tidak sependapat. Dalam data peranan MachineTranslation.com dari 8 Mei hingga 6 Ogos 2026, Claude meraih 70% daripada label paling formal. Mistral meraih 31% daripada label paling menyeluruh dan 23% daripada label paling ringkas.
Saya ingin berterus-terang tentang batasannya. Label-label ini menggambarkan gaya, dan saya tidak mempunyai perbandingan kualiti sepadan yang merangkumi Mistral, jadi saya tidak boleh memberitahu anda model mana yang memperoleh skor lebih tinggi. Keputusan yang jelas memerlukan setiap model dinilai berdasarkan teks yang sama, dan panel sepadan platform tersebut belum merangkumi Mistral.
Apa yang boleh saya beritahu anda ialah bagaimana setiap model cenderung menulis apabila ia tidak sependapat dengan model lain. Perkara itulah yang sering membezakan dua terjemahan yang kedua-duanya lancar dibaca.
Apabila model-model tidak sependapat mengenai sesuatu terjemahan, MachineTranslation.com melabelkan output setiap model dengan satu peranan. Peranan-peranan tersebut ialah paling ringkas, paling menyeluruh, paling harfiah, paling formal, paling semula jadi, paling kreatif, paling hampir dengan konsensus, dan paling unik. Label-label tersebut muncul pada halaman terjemahan.
Peranan hanya diberikan apabila output model berbeza, yang merangkumi kira-kira 17% daripada terjemahan dalam tempoh ini. Panel yang menunjukkannya ialah panel yang saya huraikan dalam siaran kami tentang kekerapan model AI bersetuju dalam sesuatu terjemahan.

| Peranan | Claude | Mistral AI | Pasangan yang Claude berada di hadapan Mistral (daripada 10) |
|---|---|---|---|
| Paling formal | 70% | 8% | 10 |
| Paling dekat dengan konsensus | 25% | 11% | 10 |
| Paling harfiah | 27% | 25% | 5 |
| Paling teliti | 23% | 31% | 3 |
| Paling ringkas | kurang daripada 3% | 23% | 0 |
| Paling semula jadi | 12% | 13% | 5 |
Claude memperoleh 70% daripada label paling formal (Mistral 8%), 25% daripada label paling hampir dengan konsensus (Mistral 11%), 27% daripada paling harfiah (Mistral 25%), 23% daripada paling menyeluruh (Mistral 31%), kurang daripada 3% daripada paling ringkas (Mistral 23%), dan 12% daripada paling semula jadi (Mistral 13%).
Claude cenderung menjadi model yang formal dan menjurus kepada konsensus. Ia memperoleh 70% daripada label paling formal dan 25% daripada label paling hampir dengan konsensus merentas 10 pasangan bahasa yang dinilai. Ia mengatasi Mistral dalam kedua-dua peranan tersebut bagi setiap pasangan bahasa yang dinilai.
Claude juga mendahului peranan harfiah dengan perbezaan yang kecil, 27% berbanding 25% milik Mistral. Saya melihat formal, harfiah, dan hampir dengan konsensus sebagai satu corak, iaitu laras bahasa standard yang berhati-hati yang memberikan hasil yang selari dengan model-model lain. Itu merupakan tafsiran saya, dan saya belum mengujinya.
Ujian yang kami jalankan ke atas "currently under review" dalam bahasa Tagalog menunjukkan gambarannya dalam teks. Claude dan DeepSeek memilih sinusuri, iaitu kata kerja dengan nada institusi yang formal, manakala Mistral meminjam perkataan bahasa Inggeris review. Ujian penuh boleh didapati dalam artikel kami tentang maksud terjemahan AI yang tepat untuk pasangan bahasa anda.
Peranan menggambarkan kecenderungan, dan sesuatu terjemahan boleh berlaku sebaliknya. Dalam satu contoh yang diterbitkan, versi Claude adalah yang paling menyeluruh dan versi Mistral adalah yang paling formal, bertentangan dengan corak di atas.
Mistral muncul pada kedua-dua hujung julat kepanjangan. Ia memperoleh 23% label paling ringkas dan 31% label paling teliti, serta mendahului peranan ringkas dalam kesemua 10 pasangan bahasa. Ia hanya memperoleh 8% label paling formal.
Saya tidak tahu mengapa Mistral muncul pada kedua-dua hujung, dan label-label tersebut tidak dapat memberitahu saya. Tekaan saya ialah pilihan kata-katanya lebih berbeza mengikut teks sumber, tetapi itu hanyalah tekaan dan saya belum menyemaknya.
Label tersebut juga membayangkan kaitan dengan pilihan kata harfiah. Dalam ujian bersemuka sebelum ini, Claude menterjemah simpulan bahasa Jerman "Ich verstehe nur Bahnhof" perkataan demi perkataan, manakala Mistral menemui maksud idiomatik. Anda boleh membaca ujian Claude vs GPT-4.1 untuk butiran lanjut. Mistral mengekori rapat Claude dalam peranan harfiah pada 25%, jadi satu contoh tidak memutuskannya.
Ya, kerana dalam ujian frasa lazim kami kedua-dua model memilih perkataan santai آسف untuk "sorry" dalam bahasa Arab, manakala ChatGPT dan hasil gabungan memilih perkataan formal عذرًا. Setiap model mendapat skor 9.5, jadi skor tersebut tidak menunjukkan perbezaan dalam laras bahasa.
Dua model yang mempunyai kecenderungan berbeza masih mencapai hasil yang sama dalam banyak ayat, dan label peranan hanya muncul apabila kedua-duanya berbeza. Itulah sebabnya saya menganggap label tersebut sebagai panduan tentang bahagian yang perlu disemak dua kali.
Ya, kerana Claude merupakan salah satu model AI yang dijalankan oleh MachineTranslation.com untuk setiap terjemahan, dan dokumentasi Anthropic menyatakan bahawa sokongan pelbagai bahasa tersedia pada setiap model Claude. Dalam data peranan kami, ia merupakan model yang paling formal dan paling kerap mencapai hasil yang paling hampir dengan konsensus.
Anthropic menggalakkan ujian dengan bahasa yang anda perlukan, dan saya bersetuju dengan nasihat itu. Untuk meneliti Claude secara tersendiri dengan lebih mendalam, lihat panduan Claude untuk terjemahan kami, yang ditulis untuk versi Claude terdahulu.
Ya, kerana Mistral AI beribu pejabat di Paris, menurut entri Wikipedia miliknya, dan pembantunya Le Chat telah dinamakan semula sebagai Vibe pada tahun 2026. Sama ada statusnya sebagai syarikat Perancis menjadikan Mistral lebih mahir dalam bahasa Perancis bergantung pada pasangan bahasa tersebut. Skor bahasa Perancis Mistral kami merangkumi soalan itu.
Dalam data peranan untuk bahasa Inggeris ke bahasa Perancis, Claude memperoleh 57% daripada label paling formal dan Mistral memperoleh 8%. Mistral memperoleh 30% daripada label paling terperinci dan Claude memperoleh 18%. Perbezaan gaya yang sama turut berlaku dalam pasangan bahasa Perancis.
Saya tidak akan mentafsirkan perkara itu sebagai Mistral lebih lemah dalam bahasa Perancis. Label ini menggambarkan gaya.
Keputusan ini merangkumi 8 Mei hingga 6 Ogos 2026, jadi ia menggambarkan model yang beroperasi pada waktu itu. Mistral mengeluarkan Mistral Large 4 pada 29 Oktober 2026, jadi saya akan menjalankan semula analisis peranan sebelum bergantung pada angka ini untuk projek baharu.
Label tersebut mengumpulkan setiap versi daripada keluarga model bersama-sama, jadi saya tidak dapat memisahkan satu versi Claude atau Mistral daripada versi yang lain. Saya juga akan menambah perbandingan kualiti yang sepadan untuk Mistral, supaya versi artikel ini yang seterusnya dapat menyatakan model mana yang mendapat skor lebih tinggi.
Pandangan saya adalah memilih mengikut tugasan. Pilih model yang kecenderungannya sepadan dengan keperluan teks, kemudian semak hasilnya berbanding versi model kedua. Ini bermakna menggunakan peranan tersebut untuk memilih gaya permulaan dan menyemak maksudnya sendiri. Ini ialah susunan langkah yang akan saya ikuti.
MachineTranslation.com menjalankan kedua-dua model, dan 20 yang lain, pada setiap terjemahan dan mengembalikan versi yang dipersetujui oleh kebanyakannya, jadi anda tidak perlu bertaruh pada kecenderungan satu model.
Ia bergantung pada apa yang anda perlukan, kerana Claude cenderung kepada formal dan hampir dengan konsensus manakala Mistral cenderung kepada ringkas dan teliti. Dalam data peranan MachineTranslation.com dari 8 Mei hingga 6 Ogos 2026, Claude mengambil 70% daripada label paling formal dan Mistral mengambil 23% daripada yang paling ringkas. Peranan ini menggambarkan gaya, bukan ketepatan.
Ya, kerana Claude adalah salah satu model AI yang dijalankan oleh MachineTranslation.com pada setiap terjemahan, dan dokumentasi Anthropic menyatakan sokongan berbilang bahasa tersedia pada setiap model Claude. Dalam data peranan kami, ia adalah model yang paling formal, jadi ia sesuai untuk teks yang memerlukan laras bahasa yang cermat. Uji pasangan bahasa anda sendiri terlebih dahulu.
Ia bergantung pada gaya yang anda perlukan, kerana Mistral AI menunjukkan corak yang jelas dalam data peranan kami dari 8 Mei hingga 6 Ogos 2026. Ia mengambil 23% daripada label paling ringkas dan 31% daripada label paling teliti, tetapi hanya 8% daripada label paling formal. Untuk teks formal, saya akan membandingkan versinya dengan model kedua.
Ya, kerana Mistral AI beribu pejabat di Paris, dan pembantunya Le Chat telah dinamakan semula sebagai Vibe pada tahun 2026. Sama ada ia lebih baik dalam bahasa Perancis bergantung pada pasangannya. Dalam data peranan bahasa Inggeris ke bahasa Perancis kami, Claude mengambil 57% daripada label paling formal dan Mistral mengambil 8%.
Saya tidak dapat memastikannya daripada data peranan kami, kerana label mengumpulkan setiap versi Claude bersama-sama. Anthropic menggalakkan ujian dengan bahasa yang anda perlukan, dan saya bersetuju. Saya akan membandingkan versi pada sampel teks anda sendiri sebelum memilih satu untuk projek.