October 23, 2026
Ako birate između LLM modela i AI agenta za prevođenje, sama oznaka vam malo govori o tome šta može poći po zlu. Jedan LLM poziv može vratiti samouveren pogrešan odgovor bez ikakvog upozorenja. Agent može postaviti pravo pitanje, ali svaki korak koji preduzme dodaje vreme i još jedno mesto za grešku.
Tri različite stvari često dele naziv "AI agent": jedan LLM poziv, radni tok koji pokreće mnogo modela odjednom i agent koji planira i deluje u petlji. Mi pokrećemo sva tri na MachineTranslation.com. Razlike u nastavku potiču iz njihovog pokretanja u produkciji.
LLM je model. Pošaljete tekst i dobijete tekst nazad, u jednom pozivu. AI agent je sistem izgrađen oko LLM modela. Inženjerski tim kompanije Anthropic razlikuje to dvoje po tome ko odlučuje o koracima. U radnom toku, kod unapred postavlja korake. U agentu, LLM sam bira svoje korake i alate.
To daje tri oblika za prevođenje. Jedan LLM poziv je najjednostavniji i vraća jedan odgovor bez signala o tome da li je taj odgovor tačan. Radni tok, kao što je pokretanje više modela odjednom i upoređivanje rezultata, prati fiksnu putanju. Agent radi u petlji. Odlučuje šta da radi, to uradi i proverava rezultat. Takođe može postaviti pitanje korisniku pre nego što nastavi.
Jedan LLM poziv je jedan korak. Radni tok konsenzusa šalje isti tekst na više modela odjednom, a zatim upoređuje rezultate. Agent prolazi kroz petlju planiranja, delovanja i provere, i može se zaustaviti da postavi pitanje korisniku.
| Jedan LLM poziv | Konsenzusni radni tok | AI agent | |
|---|---|---|---|
| Koraci | Jedan poziv | Više poziva odjednom, zatim jedno poređenje | Petlja planiranja, delovanja i provere |
| Vremensko ponašanje | Latencija jednog modela | Određuje ga najsporiji model u grupi | Raste sa svakim korakom |
| Glavni rizik | Samouveren pogrešan odgovor bez upozorenja | Svi modeli dele istu prećutnu pretpostavku | Dodatni koraci unose kašnjenje i nove tačke otkaza |
| Šta pomaže | Druga provera | Pitanje za korisnika | Ograničenja koraka i ljudska provera |
Agent dodaje odluke koje pojedinačni poziv modela ne može da donese. Može da pita da li rečenica treba da bude formalna ili neformalna. Takođe može da potraži termin i proveri sopstveni nacrt. Svaki od njih je dodatni korak, a svaki korak dodaje vreme i još jedno mesto za grešku.
Preporuka kompanije Anthropic jeste da se počne sa najjednostavnijim dizajnom koji funkcioniše. Koristite radni tok za dobro definisan zadatak, a agenta kada zadatak zahteva fleksibilne odluke. Mi pratimo isto pravilo. AI Translation Agent je zaseban sloj koji stupa na scenu samo kada rečenica ostavlja nešto otvoreno, kao što je stepen formalnosti teksta.
Višemodelni konsenzus je radni tok sa fiksnom putanjom. Isti tekst ide ka svakom modelu istovremeno. Izlazi se upoređuju i vraća se verzija oko koje se većina modela slaže. Anthropic praksu pokretanja nekoliko pokušaja odjednom radi povećanja pouzdanosti naziva paralelizacijom.
Inženjerski problem je vreme. Kada bi 22 modela radila jedan za drugim, čekanje bi bilo zbir 22 poziva. Oni rade paralelno, pa vreme čekanja određuje najsporiji model u grupi, kao što opisujemo u našem vodiču za dobijanje proverenih prevoda unutar platformi Claude ili ChatGPT. U jednom primeru sa pokretanja, pet modela je prevelo frazu od četiri reči i vratilo rezultat za 751 milisekundu. Duži tekst zahteva više vremena, i važi isto pravilo.
Testirali smo veličine grupe i zadržali se na 22. Sa manje modela, signal usaglašenosti slabi. Sa više njih, kašnjenje počinje neprimetno da raste. Korisnik vidi jedan rezultat. Posao koji ga je učinio brzim obavljen je pre klika.
Konsenzus može videti samo neslaganje među modelima, tako da ne može da uoči izbor koji svaki model donosi na isti način. U našim testovima uobičajenih fraza, svih sedam prikazanih modela prevelo je "good morning" na japanski sa formalnim おはようございます, što je prećutna odluka o učtivosti o kojoj niko nije pitao korisnika.
Francuski izraz "Je t'aime" pratio je isti obrazac. Modeli su se složili oko jednog prevoda, ali fraza može izražavati romantičnu, platonsku ili porodičnu ljubav, a direktan prevod ne govori o kojoj je reč. Korak poređenja nema šta da uporedi kada svaki model odgovori na isti način.
Taj jaz je razlog zašto AI Translation Agent funkcioniše kao zaseban sloj. On postavlja pitanja o registru, publici i tonu samo kada ih tekst ostavlja otvorenim. Konsenzus prepoznaje modele koji se ne slažu. Agent prepoznaje ono što svi oni podrazumevaju.
Udžbenici o veštačkoj inteligenciji razvrstavaju agente prema tome kako odlučuju šta da urade. Ta klasična lista kreće se od jednostavnih refleksnih agenata, koji reaguju na trenutni unos, preko agenata zasnovanih na ciljevima koji planiraju ka ishodu, do agenata koji uče i napreduju na osnovu povratnih informacija.
U smislu sistema, svaki korak naviše na listi dodaje stanje i petlje koje treba održavati. Prevođenje ima najviše koristi od pristupa zasnovanog na ciljevima, jer prevod često zavisi od konteksta koji trenutna rečenica ne sadrži. Naš AI Translation Agent se nalazi upravo tu. On radi na prevodu koji odgovara kontekstu, a njegov glavni alat je pitanje upućeno korisniku.
Da, zato što su sistemi za neuronsko mašinsko prevođenje obučeni samo za prevođenje između jezika, što ih čini drugačijom vrstom modela u odnosu na LLM opšte namene. Neki modeli unutar porodice LLM modela takođe funkcionišu drugačije. Većina LLM modela generiše jedan po jedan token. Mercury, kompanije Inception Labs, jeste difuzioni jezički model koji generiše blokove teksta paralelno, o čemu pišemo u našoj objavi o dodavanju modela Gemma i Mercury na platformu.
Da li više odgovara API za neuronsko prevođenje ili LLM zavisi od zadatka. API za neuronsko prevođenje opslužuje model napravljen za jedan zadatak, dok LLM može da prati uputstva i koristi više konteksta. Skup endžina platforme MachineTranslation.com uključuje i tradicionalne endžine za mašinsko prevođenje i LLM modele, tako da jedan zahtev može da koristi bilo koju vrstu.
Najjači LLM zavisi od jezičkog para i smera, tako da ne biramo jedan na nivou platforme. Skup uključuje ChatGPT, Claude, Gemini, DeepSeek, Qwen, Grok i Mistral AI. Svaki model radi paralelno, pa dodavanje ili zamena modela ne produžava čekanje. Rezultati kvaliteta za pojedinačne modele dolaze iz našeg testiranja poređenja modela.
AI agenti i asistenti mogu da pozovu MachineTranslation.com kao alatku. MCP konektor omogućava pretplatnicima sa plaćenim nalogom da ga koriste iz programa Claude, ChatGPT, Copilot ili bilo kog asistenta koji podržava prilagođene konektore. Zahtev se paralelno pokreće kroz isti skup od 22 modela i vraća verziju oko koje se većina njih slaže. Za asistenta, prevođenje postaje jedan poziv alatke. Poređenje modela ostaje na našoj strani, a u razgovoru se vidi samo rezultat.
Možete posmatrati paralelno izvršavanje i pitanja agenta na sopstvenom tekstu. Nalepite rečenicu na MachineTranslation.com i modeli se pokreću istovremeno. Agent postavlja pitanja samo kada rečenica ostavlja nešto otvoreno.
LLM prima tekst i vraća tekst u jednom pozivu. AI agent je sistem izgrađen oko LLM-a koji sam bira svoje korake i koristi alate. On proverava svoj rad i može postavljati pitanja korisniku. U prevođenju, agent odlučuje šta dalje da uradi, dok pojedinačni poziv samo daje odgovor.
Udžbenici navode jednostavne refleksne agente, agente zasnovane na modelu, agente zasnovane na cilju, agente zasnovane na korisnosti i agente koji uče, poređane prema tome kako odlučuju šta da urade. Prevođenje ima najviše koristi od agenata zasnovanih na cilju koji koriste alate, kao što su pretraga rečnika ili pitanje korisniku, jer prevod često zavisi od konteksta koji trenutna rečenica ne sadrži.
Da, zato što su sistemi za neuronsko mašinsko prevođenje obučeni samo za prevođenje i nisu opšti modeli za ćaskanje. Difuzioni jezički modeli kao što je Mercury i dalje su jezički modeli. Oni generišu tekst u blokovima, dok većina LLM-ova generiše jedan po jedan token. MachineTranslation.com pokreće i tradicionalne mehanizme za mašinsko prevođenje i LLM-ove.
Da, zato što agent može da pokrene alat za prevođenje i proveri rezultat, a može vas pitati i za kontekst koji nedostaje, kao što su ton ili publika, pre nego što bilo šta vrati. Svaki od tih koraka zahteva dodatno vreme. Za dobro definisan tekst, pojedinačni poziv modela ili fiksni radni tok obično je jednostavniji, pa agenti odgovaraju slučajevima u kojima je potrebna odluka.
To zavisi od zadatka, jer API za neuronsko prevođenje opslužuje model napravljen za jedan zadatak, dok LLM može da prati uputstva i koristi više konteksta. MachineTranslation.com ne bira samo jedan. Njegov skup mehanizama obuhvata i tradicionalne mehanizme za mašinsko prevođenje i LLM-ove, a jedan zahtev može koristiti bilo koju vrstu.
ChatGPT, Claude, Gemini, DeepSeek i Qwen su LLM-ovi, i svaki od njih obrađuje prevod u jednom pozivu. Paralelni radni tok kombinuje mnoge od njih. AI agent tome dodaje donošenje odluka, kao što je MachineTranslation.com AI Translation Agent, koji pita za ton i publiku kada ih rečenica ostavi otvorenim.