October 23, 2026
Nếu bạn đang lựa chọn giữa một LLM và một AI agent cho dịch thuật, tên gọi chẳng cho bạn biết nhiều về những gì có thể xảy ra sai sót. Một lượt gọi LLM đơn lẻ có thể trả về một câu trả lời sai đầy tự tin mà không có bất kỳ cảnh báo nào. Một agent có thể đặt câu hỏi chuẩn xác, nhưng mỗi bước nó thực hiện đều tốn thêm thời gian và tạo thêm một điểm có thể gặp lỗi.
Ba điều khác nhau thường cùng mang tên "AI agent": một lượt gọi LLM đơn lẻ, một workflow chạy nhiều mô hình cùng lúc, và một agent lập kế hoạch và hành động theo vòng lặp. Chúng tôi vận hành cả ba phương pháp này tại MachineTranslation.com. Những điểm khác biệt dưới đây được rút ra từ việc vận hành chúng trong môi trường thực tế.
LLM là một mô hình. Bạn gửi văn bản vào và nhận văn bản về, chỉ trong một lượt gọi. AI agent là một hệ sinh thái được xây dựng xung quanh LLM. Đội ngũ kỹ thuật của Anthropic phân biệt hai khái niệm này dựa vào đối tượng quyết định các bước thực hiện. Trong một workflow, mã lệnh thiết lập trước các bước. Trong một agent, LLM tự lựa chọn các bước và công cụ của riêng mình.
Điều đó tạo ra ba hình thức cho dịch thuật. Một lượt gọi LLM đơn lẻ là đơn giản nhất, và nó trả về một câu trả lời mà không có tín hiệu nào cho biết câu trả lời đó có đúng hay không. Một workflow, chẳng hạn như chạy nhiều mô hình cùng lúc và so sánh các kết quả, sẽ đi theo một lộ trình cố định. Một agent hoạt động theo vòng lặp. Nó quyết định việc cần làm, thực hiện việc đó, rồi kiểm tra kết quả. Nó cũng có thể đặt câu hỏi cho người dùng trước khi tiếp tục.
Một lượt gọi LLM đơn lẻ chỉ là một bước. Một workflow đồng thuận gửi cùng một văn bản đến nhiều mô hình cùng lúc, sau đó so sánh các kết quả đầu ra. Một agent lặp qua các bước lập kế hoạch, hành động, kiểm tra, và có thể dừng lại để hỏi người dùng một câu hỏi.
| Lượt gọi LLM đơn lẻ | Quy trình đồng thuận | AI agent | |
|---|---|---|---|
| Các bước | Một lệnh gọi | Nhiều lệnh gọi cùng lúc, sau đó là một lượt so sánh | Vòng lặp lập kế hoạch, hành động và kiểm tra |
| Đặc tính thời gian | Độ trễ của một mô hình | Được quyết định bởi mô hình chậm nhất trong nhóm | Tăng dần theo từng bước |
| Rủi ro chính | Câu trả lời sai đầy tự tin mà không có cảnh báo nào | Tất cả các mô hình đều có chung giả định ngầm | Các bước bổ sung làm tăng độ trễ và thêm các điểm lỗi mới |
| Giải pháp hữu ích | Một lần kiểm tra thứ hai | Một câu hỏi gửi tới người dùng | Giới hạn số bước và sự kiểm tra của con người |
Một agent bổ sung những quyết định mà một lệnh gọi mô hình đơn lẻ không thể đưa ra. Nó có thể hỏi xem một câu nên trang trọng hay thân mật. Nó cũng có thể tra cứu một thuật ngữ và tự kiểm tra bản nháp của mình. Mỗi thao tác đó là một bước bổ sung, và mỗi bước lại tăng thêm thời gian cùng một điểm có thể xảy ra lỗi khác.
Hướng dẫn của Anthropic là bắt đầu với thiết kế đơn giản nhất nhưng hiệu quả. Hãy sử dụng workflow cho một tác vụ được xác định rõ ràng, và sử dụng agent khi tác vụ cần những quyết định linh hoạt. Chúng tôi tuân theo cùng một quy tắc. AI Translation Agent là một lớp riêng biệt chỉ can thiệp khi một câu còn để ngỏ điều gì đó, chẳng hạn như mức độ trang trọng của văn bản nên như thế nào.
Đồng thuận đa mô hình là một workflow với một lộ trình cố định. Cùng một văn bản được gửi đến mọi mô hình cùng lúc. Các kết quả đầu ra được so sánh, và phiên bản được đa số các mô hình đồng thuận sẽ được trả về. Anthropic gọi phương pháp thực hiện nhiều lần thử cùng lúc để tăng độ tin cậy là song song hóa.
Vấn đề kỹ thuật ở đây là thời gian. Nếu 22 mô hình chạy nối tiếp nhau, thời gian chờ sẽ là tổng của 22 lệnh gọi. Chúng chạy song song, do đó thời gian chờ được quyết định bởi mô hình chậm nhất trong nhóm, như chúng tôi đã mô tả trong bài hướng dẫn nhận bản dịch đã được xác minh bên trong Claude hoặc ChatGPT. Trong một ví dụ khi ra mắt, năm mô hình đã dịch một cụm từ bốn từ và trả về kết quả trong 751 mili giây. Văn bản dài hơn sẽ mất nhiều thời gian hơn, và quy tắc tương tự vẫn được áp dụng.
Chúng tôi đã thử nghiệm các quy mô nhóm và quyết định chọn con số 22. Với ít mô hình hơn, tín hiệu đồng thuận sẽ yếu đi. Với nhiều mô hình hơn, độ trễ bắt đầu xuất hiện. Người dùng chỉ nhìn thấy một kết quả. Khối lượng công việc giúp tạo ra kết quả nhanh chóng đó đã diễn ra trước cú nhấp chuột.
Sự đồng thuận chỉ có thể nhận thấy sự bất đồng giữa các mô hình, vì vậy nó không thể phát hiện ra lựa chọn mà mọi mô hình đều đưa ra theo cùng một cách. Trong các thử nghiệm của chúng tôi với các cụm từ thông dụng, cả bảy mô hình được hiển thị đều dịch "good morning" sang tiếng Nhật bằng cụm từ trang trọng おはようございます, một quyết định ngầm về mức độ lịch sự mà không ai hỏi ý kiến người dùng.
Cụm từ tiếng Pháp "Je t'aime" cũng theo mô thức tương tự. Các mô hình đều đồng thuận về một bản dịch, nhưng cụm từ này có thể thể hiện tình cảm lãng mạn, bạn bè thuần khiết, hoặc tình cảm gia đình, và bản dịch trực tiếp không nêu rõ trường hợp nào. Bước so sánh sẽ không có gì để so sánh khi mọi mô hình đều trả lời theo cùng một cách.
Khoảng trống đó là lý do tại sao AI Translation Agent chạy như một lớp riêng biệt. Nó chỉ hỏi về văn phong, đối tượng người đọc và giọng điệu khi văn bản để ngỏ những yếu tố này. Sự đồng thuận phát hiện những mô hình có ý kiến khác biệt. Agent phát hiện những gì mà tất cả các mô hình đều tự mặc định.
Các sách giáo khoa về AI phân loại agent theo cách chúng quyết định việc cần làm. Bản danh sách kinh điển bắt đầu từ simple reflex agent, vốn phản ứng với đầu vào hiện tại, qua goal-based agent lập kế hoạch hướng tới kết quả, đến learning agent tự cải thiện từ phản hồi.
Xét về mặt hệ thống, mỗi bước tiến trong danh sách sẽ bổ sung thêm trạng thái và các vòng lặp cần duy trì. Dịch thuật hưởng lợi nhiều nhất từ nhóm goal-based, bởi vì bản dịch thường phụ thuộc vào ngữ cảnh mà câu hiện tại không có. AI Translation Agent của chúng tôi nằm ở nhóm này. Nó hoạt động hướng tới một bản dịch phù hợp với ngữ cảnh, và công cụ chính của nó là đặt câu hỏi cho người dùng.
Có, bởi vì các hệ thống neural machine translation chỉ được huấn luyện để dịch giữa các ngôn ngữ, điều này khiến chúng trở thành một loại mô hình khác biệt so với một LLM đa dụng. Một số mô hình trong gia đình LLM cũng hoạt động khác nhau. Hầu hết các LLM tạo ra một token tại một thời điểm. Mercury, từ Inception Labs, là một diffusion language model tạo ra các khối văn bản song song, điều mà chúng tôi đã đề cập trong bài viết về việc thêm Gemma và Mercury vào nền tảng.
Việc neural translation API hay LLM phù hợp hơn còn tùy thuộc vào công việc. Một neural translation API phục vụ một mô hình được xây dựng cho một tác vụ duy nhất, trong khi một LLM có thể làm theo chỉ dẫn và sử dụng nhiều ngữ cảnh hơn. Nhóm engine của MachineTranslation.com bao gồm cả các engine dịch máy truyền thống và LLM, vì vậy một yêu cầu có thể sử dụng bất kỳ loại nào.
LLM mạnh nhất phụ thuộc vào cặp ngôn ngữ và chiều dịch, vì vậy chúng tôi không chọn một mô hình cố định ở cấp độ nền tảng. Nhóm mô hình bao gồm ChatGPT, Claude, Gemini, DeepSeek, Qwen, Grok và Mistral AI. Mọi mô hình đều chạy song song, do đó việc thêm hoặc đổi một mô hình không làm tăng thời gian chờ đợi. Kết quả chất lượng cho các mô hình cụ thể đến từ thử nghiệm so sánh mô hình của chúng tôi.
Các AI agent và trợ lý có thể gọi MachineTranslation.com như một công cụ. MCP connector cho phép những người đăng ký gói trả phí sử dụng công cụ này từ Claude, ChatGPT, Copilot hoặc bất kỳ trợ lý nào hỗ trợ custom connector. Yêu cầu sẽ chạy qua cùng một nhóm gồm 22 mô hình song song và trả về phiên bản mà phần lớn các mô hình đồng thuận. Đối với trợ lý, việc dịch thuật trở thành một lệnh gọi công cụ duy nhất. Việc so sánh mô hình được xử lý ở phía chúng tôi, và cuộc trò chuyện chỉ nhìn thấy kết quả.
Bạn có thể theo dõi quá trình chạy song song và các câu hỏi của agent trên văn bản của chính mình. Dán một câu vào MachineTranslation.com và các mô hình sẽ chạy cùng một lúc. Agent chỉ đặt câu hỏi khi câu văn để ngỏ điều gì đó.
Một LLM nhận văn bản đầu vào và trả về văn bản đầu ra trong một lệnh gọi. Một AI agent là một hệ thống được xây dựng xung quanh một LLM, có khả năng tự lựa chọn các bước của mình và sử dụng các công cụ. Nó kiểm tra lại kết quả và có thể đặt câu hỏi cho người dùng. Trong dịch thuật, một agent quyết định những việc cần làm tiếp theo, trong khi một lệnh gọi đơn lẻ chỉ tạo ra một câu trả lời.
Sách giáo khoa liệt kê các agent simple reflex, model-based, goal-based, utility-based và learning, được sắp xếp theo cách chúng quyết định những việc cần làm. Dịch thuật hưởng lợi nhiều nhất từ các goal-based agent có sử dụng công cụ, chẳng hạn như tra cứu glossary hoặc đặt câu hỏi cho người dùng, bởi vì bản dịch thường phụ thuộc vào ngữ cảnh mà câu hiện tại không chứa đựng.
Có, bởi vì các hệ thống neural machine translation chỉ được huấn luyện để dịch thuật và không phải là các mô hình chat tổng quát. Các diffusion language model như Mercury vẫn là các mô hình ngôn ngữ. Chúng tạo văn bản theo từng khối, trong khi hầu hết các LLM tạo ra từng token một tại một thời điểm. MachineTranslation.com vận hành cả các công cụ dịch máy truyền thống và LLM.
Có, bởi vì một agent có thể chạy một công cụ dịch thuật và kiểm tra kết quả, đồng thời có thể hỏi bạn về ngữ cảnh còn thiếu như giọng văn hoặc đối tượng độc giả trước khi trả về bất kỳ kết quả nào. Mỗi bước trong số đó đều làm tăng thêm thời gian. Đối với văn bản đã được xác định rõ ràng, một lệnh gọi mô hình đơn lẻ hoặc một quy trình cố định thường đơn giản hơn, vì vậy các agent sẽ phù hợp với những trường hợp cần đưa ra quyết định.
Điều đó phụ thuộc vào công việc, bởi vì một neural translation API phục vụ một mô hình được xây dựng cho một tác vụ duy nhất, trong khi một LLM có thể làm theo hướng dẫn và sử dụng nhiều ngữ cảnh hơn. MachineTranslation.com không chọn riêng loại nào. Nhóm công cụ của nền tảng bao gồm cả các công cụ dịch máy truyền thống và LLM, và một yêu cầu có thể sử dụng bất kỳ loại nào.
ChatGPT, Claude, Gemini, DeepSeek và Qwen là các LLM, và mỗi mô hình xử lý một bản dịch trong một lệnh gọi. Một quy trình song song kết hợp nhiều mô hình trong số đó. Một AI agent bổ sung thêm các quyết định, chẳng hạn như MachineTranslation.com AI Translation Agent, vốn sẽ hỏi về giọng văn và đối tượng độc giả khi câu văn chưa xác định rõ những yếu tố này.