Ponujamo plačljivim uporabnikom naprednejše modele umetne inteligence. Tukaj je zakaj.

Želim deliti nekaj, kar smo se odločili ta teden — ne potem, ko je bilo že izdano, ampak medtem ko to še vedno gradimo.

Spreminjamo način dodeljevanja modelov umetne inteligence med našimi uporabniškimi nivoji. Plačljivi uporabniki na MachineTranslation.com bodo kmalu dobili dostop do naprednejših modelov umetne inteligence od vodilnih ponudnikov — OpenAI, Anthropic, Google, DeepSeek in drugih. Brezplačni uporabniki bodo še naprej dobivali kakovosten, zanesljiv prevod — vendar ne istih modelov. Ta vrzel je namerna in želim natančno pojasniti, zakaj sprejemamo to odločitev.

Raje bi to napisal zdaj, medtem ko je utemeljitev sveža in odločitev še vedno nekoliko surova, kot da bi čakal, dokler ne bo objavljeno in to predstavil kot izbrušeno objavo. Poštena različica je bolj uporabna.

Kazalo vsebine

• Zakaj smo o tem razmišljali že nekaj časa
• Kaj nam je spremenilo mnenje: Notranji test
• Iskren razlog za razvrščanje
• Kako bo to videti za uporabnike
• Kaj še ugotavljamo
• Pogosta vprašanja

Zakaj o tem razmišljamo že nekaj časa

MachineTranslation.com prevaja z 22 modeli umetne inteligence hkrati in uporablja pristop, ki temelji na soglasju, da prikaže najboljši rezultat. To je bilo vedno bistvo našega dela — ne staviti vsega na en model, ampak primerjati med večimi in pustiti, da rezultati govorijo sami zase.

Neprijetna plat tega pristopa je, da zelo jasno pokaže razlike v kakovosti med modeli. Vidimo, vsak dan, da vsi modeli ne obvladajo vse besedilo enako dobro. In dolgo časa nismo dovolili, da bi to opazovanje spremenilo način dodeljevanja modelov uporabnikom.

Vsi modeli niso enaki in imamo podatke, da to dokažemo

Pred nekaj tedni nas je Rachelle (naša vodja za umetno inteligenco) popeljala skozi interno orodje, ki smo ga zgradili za hkratno testiranje kakovosti prevajanja med več modeli GPT – vključno z GPT 4.1 nano, GPT 4.1 mini, GPT 5.4 mini in drugimi. Vnesete isto izvorno besedilo in vidite izhod vsakega modela drug ob drugem.

Kar to orodje takoj razjasni, je to: pri preprostem, kratkem, vsakdanjem besedilu so izhodi skoraj identični. Resnično ne morete upravičiti kakovostnega argumenta za premium modele na podlagi sestanek je ob 15. uri.

Toda pri čemer koli z resnično jezikovno kompleksnostjo (idiomatske fraze, domenska terminologija, dolgi dokumenti, kjer se mora kontekst prenašati čez tisoče besed) se razlika med modeli poveča in se poveča na načine, ki so poklicno pomembni.

Kjer modeli nižjega razreda tiho odpovejo

To je del, o katerem mislim, da prevajalska industrija ne govori dovolj iskreno. Modeli nižje ravni običajno ne proizvajajo očitno napačnih prevodov. Proizvajajo prevode, ki se na prvi pogled zdijo v redu, vendar vsebujejo subtilne napake, ki bi jih strokovnjak za določeno področje (odvetnik, zdravstveni delavec, višji vodja lokalizacije) takoj opazil.

Pogojni stavek, preveden z napačnim pomenom. Pravni izraz, ki pomeni nekaj specifičnega v tej jurisdikciji, preveden kot njegova vsakdanja ustreznica. Premik registra na sredi dolgega dokumenta, ki spodkopava poklicno verodostojnost celotnega dokumenta.

Napaka je tiha. In tihe napake pri profesionalnem prevajanju so lahko drage.

Kaj je spremenilo naše mnenje: Notranji test

Te odločitve nismo sprejeli na podlagi intuicije. Modele smo pognali na kompleksnem, idiomatskem izvornem besedilu (vrsta vsebine, ki jo naši profesionalni uporabniki dejansko potrebujejo prevedeno) in dali jezikoslovcem oceniti rezultate.

Rezultat je bil jasen. Napredni modeli so dosledno bolje obvladovali nianso, register in področno specifično terminologijo. Cenejši modeli so bili več kot primerni za občasno uporabo. Dva primera uporabe resnično zahtevata različna orodja.

Štirje modeli, isti stavek, zelo različni rezultati

Pogovor, ki ga je to sprožilo interno, je bil manj o cenah in bolj o poštenosti. Če vemo, da modeli delujejo različno pri profesionalni vsebini, in vemo, da naši plačljivi uporabniki večinoma prevajajo profesionalno vsebino, potem jim dati enak model kot brezplačnemu uporabniku, ki prevaja priložnostno e-pošto, pomeni slabo storitev za oba.

Iskren razlog za razvrščanje po nivojih

Ofer (naš CEO) je to jasno povedal v naši interni razpravi:

 Modeli nižjega nivoja predstavljajo resnična tveganja za kakovost pri kompleksnem ali idiomatskem besedilu. Ampak večja poanta je ta: konsenz je dober le toliko, kot so dobri modeli, ki stojijo za njim. Ko plačljivi uporabniki dobijo naprednejše modele, ne dobijo le boljših posameznih rezultatov — dobijo močnejše soglasje. Boljši modeli, boljše soglasje, zanesljivejši prevodi. To je tisto, kar dejansko pomeni prevajanje profesionalne kakovosti.

Ta uokviritev mi je ostala v spominu. Ni zgolj stroškovni argument. To je argument jasnosti.

Koliko dejansko stanejo premium modeli za delovanje

Zmogljivejši modeli umetne inteligence stanejo bistveno več na žeton za delovanje. To ni politika MachineTranslation.com, tako vsak večji ponudnik umetne inteligence ceni svoje vodilne modele. OpenAI, Anthropic, Google in DeepSeek si vsi pridržujejo svoje najnovejše, najzmogljivejše modele za plačljive stranke, ker so ti modeli bistveno dražji za delovanje. Poganjanje našega najnaprednejšega modela za vsak brezplačen prevod, vsako priložnostno poizvedbo, vsako zahtevo kaj piše na tem znaku, bi znatno povečalo naše infrastrukturne stroške.

Še pomembneje, to bi pomenilo navzkrižno subvencioniranje primerov uporabe z nizko kompleksnostjo s proračunom za izračune, ki ga potrebujemo za ohranjanje kakovosti za strokovnjake, ki prevajajo tehnične dokumente z 10.000 besedami. To ni trajnostna ali smiselna razporeditev.

Zakaj pretvarjanje, da so vse ravni enake, nikomur ne koristi

Obstaja različica te odločitve, ki je povsem koristoljubna — zaračunaj več, daj več, preprosto. To ni tisto, kar ga dejansko poganja.

Tisto, kar ga poganja, je, da smo zgradili platformo, ki lahko resnično prikaže razlike v kakovosti med modeli umetne inteligence. Imamo notranje orodje, da jasno vidimo te razlike. Izbira, da ignoriramo to vidnost, ko oblikujemo naše uporabniške stopnje, bi bila nekakšna nepoštenost, pretvarjanje, da vrzel ne obstaja, ko imamo dokaze, da obstaja.

Brezplačni uporabniki si zaslužijo vedeti, kaj dobijo. Plačljivi uporabniki si zaslužijo vedeti, da dobivajo nekaj bistveno drugačnega. In razlika ni le dostop do naprednejših modelov, temveč je dostop do močnejšega soglasja, zgrajenega iz teh modelov. To je signal zanesljivosti, ki ga ne more zagotoviti nobena posamezna umetna inteligenca.

Kako bo to videti za uporabnike

Še vedno določamo podrobnosti izvedbe, zato želim biti previden, da ne bi preveč obljubljal specifičnih stvari. Toda tukaj je smer.

Kjer brezplačna raven ostaja močna

Prevodi brezplačnega načrta bodo še naprej uporabljali zmogljive modele umetne inteligence. Za večino vsakdanjih prevajalskih nalog (kratka sporočila, priložnostno branje, osnovna korespondenca) bodo brezplačni uporabniki prejeli natančen in zanesljiv rezultat. To se ne spreminja.

Brezplačna raven obstaja, ker verjamemo, da jezik ne bi smel biti ovira, in tega ne bomo umaknili.

Kjer plačljivi uporabniki pridobijo prednost

Razlika bo najbolj vidna pri:

Za profesionalne uporabnike, ki delajo v kateri koli od teh kategorij, bo raven modela resnično spremenila. To je točno tisto, za koga so narejeni naši plačljivi paketi.

In ker je soglasje SMART-a zgrajeno iz teh naprednejših modelov, plačljivi uporabniki ne dobivajo le boljših posameznih izhodov — dobivajo zanesljivejše prevajanje z umetno inteligenco, ustvarjeno z najnovejšimi modeli, ki delujejo skupaj.

Kaj še ugotavljamo

Želim biti iskren, da to še ni vse rešeno.

Še vedno določamo natančno dodelitev modelov — kateri modeli so na kateri stopnji in kako to jasno sporočamo uporabnikom znotraj izdelka. Delamo na logiki plačilnega zidu, da zagotovimo, da bo izkušnja brezhibna in ne moteča. In skrbno razmišljamo o tem, kako uporabnikom predstaviti informacije o kakovosti modela na način, ki je resnično uporaben, namesto zgolj marketinške trditve.

Obstaja tudi resnično vprašanje, s katerim se ukvarjamo: kako brezplačnemu uporabniku pomagati razumeti, v danem trenutku, kdaj je naletel na primer uporabe, kjer bi nadgradnja bistveno izboljšala njegov rezultat? To je izziv tako za uporabniško izkušnjo kot za izdelek, in še nimamo celotnega odgovora.

Pisala bom o tem, kako se bo to obneslo, ko bo v živo. Zaenkrat je to razmišljanje.

Če ste plačljiv uporabnik in želite povedati svoje mnenje o tem, kaj vam je najpomembneje pri kakovosti modela, me to resnično zanima. Pošljite sporočilo prek kontaktne strani MachineTranslation.com.

Pogosta vprašanja

1. Zakaj MachineTranslation.com spreminja način dodeljevanja modelov?

Ker je naše interno testiranje pokazalo pomembno razliko v kakovosti med nivoji modelov pri prevajalskih nalogah profesionalnega razreda. Zgradili smo orodje za hkratno primerjavo več modelov umetne inteligence, in podatki so jasno pokazali: napredni modeli bistveno bolje obvladujejo kompleksno, idiomatsko in domensko specifično vsebino. Sprememba stopnje iskreno odraža to resničnost. Večja korist za plačljive uporabnike je, da je soglasje SMART zgrajeno iz naprednejših modelov, kar pomeni, da je sam signal zanesljivosti močnejši.

2. Ali se bodo prevodi brezplačnega načrta poslabšali, ko se bo to zagnalo?

Ne. Uporabniki brezplačnega načrta bodo še naprej prejemali zmogljive, natančne prevode za vsakodnevne primere uporabe. Sprememba je, da bodo plačljivi uporabniki nadgrajeni na naprednejše modele, ne da bi bili brezplačni uporabniki degradirani.

3. Katere vrste prevajanja imajo največ koristi od vrhunskih modelov umetne inteligence?

Pravni, finančni, medicinski, tehnični in dolgi dokumenti — ter vsa vsebina v manj pogostih jezikovnih parih, kjer so podatki za usposabljanje redkejši. Za kratko, preprosto, vsakdanje besedilo je razlika med nivoji modelov minimalna. Večja korist za plačljive uporabnike je, da je soglasje SMART zgrajeno iz naprednejših modelov, kar pomeni, da je sam signal zanesljivosti močnejši.

4. Kdaj bo to zaživelo?

Trenutno ga gradimo. Objavil bom posodobitev, ko bo odposlano, vključno s tem, kako izgleda izkušnja v izdelku in kaj kažejo zgodnji podatki.

5. Kako MachineTranslation.com določi, kateri model umetne inteligence je najboljši za določeno besedilo?

Hkrati poganjamo več modelov in uporabljamo pristop točkovanja na podlagi soglasja za ocenjevanje rezultatov. Naše interno orodje za primerjavo nam omogoča testiranje kakovosti med različnimi nivoji modelov na istem izvornem besedilu, kar je vplivalo na to odločitev o razvrstitvi v nivoje. Več lahko izveste o tem, kako deluje konsenzni sistem MachineTranslation.com.com.‎