Vi gir betalende brukere mer avanserte AI-modeller. Her er hvorfor.

Jeg vil dele noe vi bestemte denne uken — ikke etter at det ble lansert, men mens vi fortsatt bygger det.

Vi endrer hvordan AI-modeller tildeles på tvers av våre brukernivåer. Betalende brukere på MachineTranslation.com vil snart få tilgang til mer avanserte AI-modeller fra de ledende leverandørene — OpenAI, Anthropic, Google, DeepSeek og andre. Gratisbrukere vil fortsatt få god og pålitelig oversettelse — men ikke de samme modellene. Det gapet er tilsiktet, og jeg vil forklare nøyaktig hvorfor vi tar denne avgjørelsen.

Jeg vil heller skrive dette nå, mens begrunnelsen er fersk og avgjørelsen fortsatt er litt uferdig, enn å vente til det er lansert og presentere det som en polert kunngjøring. Den ærlige versjonen er mer nyttig.

Innholdsfortegnelse

• Hvorfor vi har tenkt på dette en stund
• Hva som fikk oss til å ombestemme oss: Den interne testen
• Den ærlige grunnen til nivåinndeling
• Hvordan dette vil se ut for brukere
• Hva vi fortsatt finner ut av
• Ofte stilte spørsmål

Hvorfor vi har tenkt på dette en stund

MachineTranslation.com oversetter med 22 AI-modeller samtidig og bruker en konsensusbasert tilnærming for å presentere det beste resultatet. Det har alltid vært kjernen i det vi gjør — ikke å satse alt på én modell, men å sammenligne på tvers av flere og la resultatene tale for seg selv.

Den ubehagelige siden ved den tilnærmingen er at den gjør kvalitetsforskjellene mellom modellene svært synlige. Vi ser, hver dag, at ikke alle modeller håndterer all tekst like godt. Og lenge lot vi ikke den observasjonen endre hvordan vi tildelte modeller til brukere.

Ikke alle modeller er like, og vi har dataene for å bevise det

For noen uker siden viste Rachelle (vår AI-leder) oss et internt verktøy vi hadde bygget for å teste oversettelseskvalitet på tvers av flere GPT-modeller samtidig — inkludert GPT 4.1 nano, GPT 4.1 mini, GPT 5.4 mini, og andre. Du legger inn den samme kildeteksten, og du ser utdata fra hver modell side om side.

Det verktøyet umiddelbart gjør klart er dette: på enkel, kort, hverdagslig tekst er utdataene nesten identiske. Du kan ærlig talt ikke rettferdiggjøre et kvalitetsargument for premiummodeller på møtet er kl. 15.00.

Men på alt med reell språklig kompleksitet (idiomatiske uttrykk, domeneterminologi, lange dokumenter der kontekst må føres over tusenvis av ord) åpner gapet mellom modellene seg, og det åpner seg på måter som betyr noe profesjonelt.

Der modeller på lavere nivå stille kommer til kort

Dette er den delen jeg tror oversettelsesbransjen ikke snakker ærlig nok om. Modeller på lavere nivå produserer vanligvis ikke åpenbart feil oversettelser. De produserer oversettelser som virker fine på overflaten, men som inneholder subtile feil som en fagekspert (en advokat, en medisinsk fagperson, en senior lokaliseringsleder) umiddelbart ville oppdage.

En betingelsesklausul gjengitt med feil betydning. Et juridisk begrep som betyr noe spesifikt i den jurisdiksjonen, oversatt som dets dagligdagse ekvivalent. Et stilskifte halvveis i et langt dokument som undergraver den profesjonelle troverdigheten til det hele.

Feilen er stille. Og stille feil i profesjonell oversettelse kan være dyre.

Hva som fikk oss til å ombestemme oss: Den interne testen

Vi tok ikke denne avgjørelsen basert på intuisjon. Vi kjørte modellene mot kompleks, idiomatisk kildetekst (den typen innhold våre profesjonelle brukere faktisk trenger oversatt) og vi fikk lingvister til å evaluere utdataene.

Resultatet var tydelig. Avanserte modeller håndterte nyanse, register og domenespesifikk terminologi konsekvent bedre. De billigere modellene var mer enn tilstrekkelige til vanlig bruk. De to brukstilfellene krever genuint forskjellige verktøy.

Fire modeller, samme setning, svært forskjellige resultater

Samtalen dette utløste internt handlet mindre om prising og mer om ærlighet. Hvis vi vet at modellene presterer ulikt på profesjonelt innhold, og vi vet at våre betalende brukere i stor grad oversetter profesjonelt innhold, da er det å gi dem den samme modellen som en gratisbruker som oversetter en uformell e-post, en bjørnetjeneste for begge.

Den ærlige grunnen til nivåinndeling

Ofer (vår administrerende direktør) sa det rett ut i vår interne diskusjon:

 Modeller på lavere nivå medfører reelle kvalitetsrisikoer på kompleks eller idiomatisk tekst. Men det viktigere poenget er dette: konsensus er bare så god som modellene bak den. Når betalende brukere får mer avanserte modeller, får de ikke bare bedre individuelle resultater — de får en sterkere konsensus. Bedre modeller, bedre konsensus, mer pålitelige oversettelser. Det er det profesjonell oversettelse faktisk betyr.

Den formuleringen ble værende hos meg. Det er ikke bare et kostnadsargument. Det er et klarhetsargument.

Hva premiummodeller faktisk koster å drive

Mer kapable AI-modeller koster betydelig mer per token å drive. Det er ikke en MachineTranslation.com-policy, det er slik alle store AI-leverandører priser sine flaggskipmodeller. OpenAI, Anthropic, Google og DeepSeek reserverer alle sine nyeste, mest kapable modeller for betalende kunder fordi disse modellene er betydelig dyrere å drifte. Å kjøre vår mest avanserte modell på tvers av hver gratis oversettelse, hver uformelle forespørsel, hver hva står det på dette skiltet-forespørsel, ville betydelig øke våre infrastrukturkostnader.

Enda viktigere ville det bety kryssubsidiering av lavkomplekse bruksområder med beregningsbudsjettet vi trenger for å opprettholde kvaliteten for profesjonelle som oversetter tekniske dokumenter på 10 000 ord. Det er ikke en bærekraftig eller fornuftig fordeling.

Hvorfor det å late som om alle nivåer er like ikke tjener noen

Det finnes en versjon av denne beslutningen som er rent merkantilistisk — ta mer betalt, gi mer, enkelt. Det er faktisk ikke det som driver det.

Det som driver det er at vi har bygget en plattform som genuint kan avdekke kvalitetsforskjeller mellom AI-modeller. Vi har det interne verktøyet for å se disse forskjellene tydelig. Å velge å ignorere den synligheten når vi designer våre brukernivåer ville være en form for uærlighet, å late som om gapet ikke eksisterer når vi har bevis for at det gjør det.

Gratisbrukere fortjener å vite hva de får. Betalende brukere fortjener å vite at de får noe meningsfullt annerledes. Og forskjellen er ikke bare tilgang til mer avanserte modeller, det er tilgang til en sterkere konsensus bygget på disse modellene. Det er pålitelighetssignalet ingen enkelt AI kan gi.

Hvordan dette vil se ut for brukere

Vi jobber fortsatt med implementeringsdetaljene, så jeg vil være forsiktig med å ikke love for mye spesifikt. Men her er retningen.

Hvor gratistjenesten forblir sterk

Oversettelser med gratisplanen vil fortsette å bruke kapable AI-modeller. For de fleste hverdagslige oversettelsesoppgaver (korte meldinger, uformell lesing, enkel korrespondanse) vil gratisbrukere få nøyaktig og pålitelig resultat. Det endrer seg ikke.

Gratisnivået eksisterer fordi vi mener språk ikke skal være en barriere, og det trekker vi ikke tilbake.

Hvor betalende brukere kommer foran

Forskjellen vil være mest synlig på:

For profesjonelle brukere som arbeider innenfor noen av disse kategoriene, vil modellnivået utgjøre en reell forskjell. Det er akkurat hvem våre betalte planer er bygget for.

Og fordi SMARTs konsensus er bygget fra disse mer avanserte modellene, får betalende brukere ikke bare bedre individuelle resultater – de får mer pålitelig AI-oversettelse, generert av de nyeste modellene som jobber sammen.

Hva vi fortsatt jobber med å finne ut av

Jeg vil være ærlig med at dette ikke er helt løst ennå.

Vi bestemmer fortsatt den nøyaktige modellallokeringen – hvilke modeller som sitter på hvilket nivå, og hvordan vi kommuniserer det tydelig til brukere inne i produktet. Vi jobber oss gjennom betalingsmurlogikken for å sikre at opplevelsen er sømløs, ikke forstyrrende. Og vi tenker nøye over hvordan vi skal presentere informasjon om modellkvalitet til brukere på en måte som er genuint nyttig, snarere enn bare et markedsføringskrav.

Det er også et reelt spørsmål vi sitter med: hvordan hjelper vi en gratisbruker med å forstå, i øyeblikket, når de har truffet et bruksområde der en oppgradering betydelig ville forbedret resultatet deres? Dette er en UX-utfordring like mye som en produktutfordring, og vi har ikke hele svaret ennå.

Jeg vil skrive om hvordan dette lander når det er live. Foreløpig er dette tankegangen.

Hvis du er en betalende bruker og du ønsker å gi innspill til hva som betyr mest for deg når det gjelder modellkvalitet, er jeg oppriktig interessert. Send en melding via MachineTranslation.coms kontaktside.

Ofte stilte spørsmål

1. Hvorfor endrer MachineTranslation.com hvordan modeller tildeles?

Fordi vår interne testing viste et betydelig kvalitetsgap mellom modellnivåer på profesjonelle oversettelsesoppgaver. Vi utviklet et verktøy for å sammenligne flere AI-modeller samtidig, og dataene viste tydelig: avanserte modeller håndterer komplekst, idiomatiskt og domenespesifikt innhold betydelig bedre. Nivåendringen reflekterer den virkeligheten ærlig. Den større fordelen for betalende brukere er at SMART-konsensusen er bygget fra mer avanserte modeller, noe som betyr at pålitelighetssignalet i seg selv er sterkere.

2. Vil oversettelser med gratisplanen bli dårligere når dette lanseres?

Nei. Brukere av gratisplanen vil fortsette å få dyktige, nøyaktige oversettelser for dagligdagse bruksområder. Endringen er at betalende brukere vil bli oppgradert til mer avanserte modeller, ikke at gratisbrukere vil bli nedgradert.

3. Hvilke typer oversettelse drar mest nytte av premium AI-modeller?

Juridiske, finansielle, medisinske, tekniske og langformede dokumenter — og alt innhold i mindre vanlige språkpar der treningsdata er tynnere. For kort, enkel, hverdagslig tekst er forskjellen mellom modellnivåer minimal. Den større fordelen for betalende brukere er at SMART-konsensusen er bygget på mer avanserte modeller, noe som betyr at selve pålitelighetssignalet er sterkere.

4. Når vil dette gå live?

Vi bygger det nå. Jeg legger ut en oppdatering når den sendes, inkludert hvordan opplevelsen ser ut i produktet og hva de tidlige dataene viser.

5. Hvordan bestemmer MachineTranslation.com hvilken AI-modell som er best for en gitt tekst?

Vi kjører flere modeller samtidig og bruker en konsensusbasert scoringsmetode for å evaluere resultater. Vårt interne sammenligningsverktøy lar oss teste kvalitet på tvers av modellnivåer på den samme kildeteksten, og det var dette som dannet grunnlaget for denne beslutningen om nivåinndeling. Du kan lære mer om hvordan MachineTranslation.com.com konsensussystemet fungerer.‎