Новости5 августа 2026 г.9 мин чтения

Чат GPT переводчик обогнал DeepL по вкусу людей — но не там, где решают юристы

Модель, которую переводчики называют лучшей в слепом тесте, в юридическом документе может незаметно поменять «может» на «обязан» — и оба вывода подтверждены цифрами.

Запрос «чат gpt переводчик» вместо привычного «DeepL» или «Google Переводчик» стал стандартной формулировкой года: люди действительно спрашивают модель вместо специализированного движка. И у этого есть основание. В слепом тестировании семи профессиональных переводчиков переводы Claude 3.5 признавались «хорошими» в 78% из 615 попарных сравнений — выше GPT-4, DeepL и Google Translate. Это вендорское исследование платформы локализации Lokalise, и панель оценщиков — всего семь человек, но методология описана прозрачно, и по её же данным реального использования принятие ИИ-перевода без правок доходит до 84% на десятках языковых пар Lokalise.

Одновременно независимое академическое исследование юридических текстов зафиксировало лексические ошибки в 43,4% случаев и ошибки юридического регистра в 30,2% — при переводе всего пяти законодательных документов AWEJ Translation Studies. Здесь важна оговорка: тестировался Google Translate образца 2023 года, а не текущие LLM — так что цифру нельзя механически переносить на Claude или GPT-4-класс. Но проблема, которую она подсвечивает — юридическая терминология требует не «похожего», а точного слова — никуда не делась и у моделей нового поколения, просто её масштаб для них отдельно не измерен.

Платите в рублях за GPT API без наценки на токены через provod.ai

Почему нет единого рейтинга «кто лучше переводит»

На конференции WMT24 при человеческой оценке (ESA) Claude 3.5 Sonnet занял первое место в 9 из 11 языковых пар, обойдя GPT-4o и DeepL. Но по автоматической метрике COMET лидером оказалась специализированная система TOWER-v2-70B Ninth Conference on Machine Translation. Это не разночтение в интерпретации — это разные измерительные линейки, дающие разных победителей на одном и том же материале. Плюс тексты WMT — преимущественно новостные и общего профиля, а не договор с нумерованными пунктами или инструкция с таблицами и сносками. Так что даже «объективный» лидерборд отвечает не совсем на тот вопрос, который стоит перед человеком, переводящим конкретный контракт.

Если нужно быстро сверить, как разные модели справляются с одним и тем же трудным абзацем — термином, модальностью, числом — прежде чем доверять им целый документ, удобнее не заводить отдельные подписки на каждый сервис, а прогнать один и тот же кусок текста через Claude- и GPT-класс моделей в одном месте. provod.ai даёт доступ к каталогу моделей через один OpenAI-совместимый API: клиент, уже настроенный на протокол OpenAI, подключается заменой base URL и ключа, без переписывания кода — это снижает трение именно на этапе «сравнить, а не поверить на слово одному вендору».

Что говорят те, кто уже работает с этим каждый день

Мария Стасимиоти, аналитик Slator, разбирая данные Anthropic Economic Index за январь 2026 года, отмечает: доля переводческих задач в использовании Claude выросла лишь с 0,63% до 0,71% за несколько месяцев, и переводчики применяют модель в основном для проверки текста и сверки терминологии, а не для автономного перевода документа целиком. Её формулировка звучит жёстко: «A prompt such as 'Translate this paragraph into French' is considered high automation but low AI autonomy» Slator, Anthropic Economic Index — то есть даже там, где действие полностью автоматизировано, самостоятельности у модели в профессиональном контуре пока немного.

Лингвист Надежда Акимова в колонке для Mel занимает более жёсткую позицию: использовать ИИ-перевод «как есть» для документов, влияющих на деньги, репутацию или юридические последствия, категорически недопустимо, потому что хороший перевод — это перевод смысла и контекста, а не слов. Она приводит хрестоматийные истории о цене одной ошибки — случай с медицинским термином «intoxicado» и инструкцию Boeing Mel.fm. Эти примеры стоит воспринимать как анекдотическое наблюдение, иллюстрирующее логику риска, а не как задокументированный факт о работе конкретно ChatGPT или Claude — они старше современных LLM и относятся к переводу вообще.

Расходятся эти два голоса не в фактах, а в единице анализа: Стасимиоти описывает, как переводчики уже встроили ИИ в рабочий процесс с контролем; Акимова описывает, что случается, когда контроля нет. Обе позиции совместимы с одним и тем же практическим правилом.

Где именно смысл ломается чаще всего

Сильнейший контраргумент тезису «ИИ ещё сырой» звучит так: если 78–84% переводов принимаются профессионалами без правок, то для переписки, инструкций и статей категорический отказ от ИИ избыточен, а разбираться имеет смысл с одним конкретным сценарием — когда договор вышел из модели и сразу пошёл на подпись, никем не вычитанный. Это разумное возражение, и данные его частично подтверждают: проблема концентрируется в конкретных доменах, а не размазана равномерно по всем видам текста.

Но концентрация — это не отсутствие. Исследование Alibaba (октябрь 2025) на 17 крупных LLM зафиксировало «переводческие галлюцинации» — вставленный или искажённый смысл — на уровне от 33% до почти 60% в зависимости от модели и языковой пары Slator, AI translation struggles. Исследование Appen того же обзора отдельно отмечает, что модели плохо справляются с идиомами и игрой слов, нередко оставляя идиому вообще непереведённой. А академическое сравнение художественного перевода по MQM-фреймворку показало точность в 94,5% у человека против 77,9% у ChatGPT — при этом беглость текста у модели была даже чуть выше человеческой, 97,2% против 96,6% Cogent Social Sciences. Это ключевая деталь: модель звучит гладко именно в тех местах, где смысл уже потерян — гладкость текста не сигнализирует о его точности, а маскирует её отсутствие.

Косвенное подтверждение с рынка: по данным опроса языковых сервисных компаний, 84% из них сообщили, что клиенты за прошедший год отдельно заказывали услугу человеческого пост-редактирования именно для исправления результата ИИ-перевода Slator, AI translation struggles — источник 8. Качество черновика растёт, а спрос на проверку остаётся: заказ смещается с «перевести» на «перепроверить».

Риск, который не про качество перевода вообще

Отдельная категория ошибки — не лингвистическая. По данным DLP-вендора Cyberhaven, 11% данных, которые сотрудники вставляют в ChatGPT, конфиденциальны, а на каждые 100 000 сотрудников еженедельно фиксируется около 319 случаев утечки внутренних данных Cyberhaven. Инженеры Samsung минимум трижды за месяц вставили в ChatGPT исходный код техпроцесса и протокол совещания — после чего компания запретила генеративный ИИ на рабочих устройствах Xakep. Кейс не про перевод напрямую, но логика та же: как только текст документа уходит в облачную модель, вы больше не контролируете, что с ним будет дальше, если тариф это не гарантирует явно.

Отсюда рабочее правило: немаскированный конфиденциальный документ — договор с реальными именами сторон, суммами, номерами счетов — отправляется в облачную модель только на корпоративном тарифе без обучения на пользовательских данных, а не через личный аккаунт. Здесь имеет значение, что именно происходит с идентификаторами до отправки во внешнюю модель: у provod.ai защищённый контур маскирует прямые персональные идентификаторы прежде, чем запрос уходит к внешней модели, а корпоративное пространство даёт команде единый биллинг в рублях и закрывающие документы вместо ситуации, когда каждый сотрудник вставляет фрагменты контракта в свой личный чат.

Что перепроверить в любом случае

Для документа с юридическими, финансовыми или репутационными последствиями — четыре зоны, которые нельзя пропускать после машинного перевода, независимо от того, какая модель его делала:

Категория	Что искать	Почему опасно пропустить
Числа и единицы	Валюты, проценты, даты, единицы измерения	Модель может «нормализовать» формат и незаметно сдвинуть значение
Юридическая модальность	must / shall / may, «termination at will» и аналоги	Разница между обязанностью и правом — это разница в исходе спора
Сноски и ссылки на нормы	Номера статей закона, привязка сноски к абзацу	Разрыв связи делает документ юридически нечитаемым
Структура таблиц	Совпадение строк/столбцов оригинала и перевода	Перестановка ячеек меняет смысл условия без единой ошибки в тексте

Бюро переводов Lingva-Pro в своём разборе типовых ошибок ИИ-перевода — смысловых, терминологических, грамматических — рекомендует для критичных документов двухэтапную проверку: переводчик плюс независимый редактор Lingva-Pro. Это разумно ровно там, где цена ошибки высокая, и избыточно там, где её нет — для внутренней переписки такой протокол не нужен.

Когда экономика решает за вас

Профессиональный перевод страницы у бюро стоит от 550–750 рублей за английский до 1000–1500 рублей за иврит, плюс 30–100% надбавка за срочность SmartPerevod — против подписки на модель в районе 20 долларов в месяц. Разрыв в цене подсказывает практичный порядок действий: модель делает черновик за секунды, человек проверяет по чек-листу выше только то, что реально влияет на исход — а не весь документ построчно. Для инструкции или статьи этого достаточно. Для договора — обязательно, и именно на этом этапе, а не на этапе выбора модели, обычно теряются деньги.

provod.ai — маршрутизация моделей внутри агентного сценария

Не поручайте одной модели весь процесс: для планирования, кода, поиска, проверки и финального ответа можно выбрать разные модели, сохранив один API и единый контроль расходов.

В одном каталоге — актуальные модели для текста и медиа: GPT от OpenAI, Claude от Anthropic, Gemini от Google, Grok от xAI, DeepSeek, Qwen, GLM, Kimi и MiniMax; для изображений — Nano Banana 2 Pro и GPT Image; для видео — последние версии Seedance, Kling, Veo и Google Omni. Также доступны модели для reasoning, поиска, документов, эмбеддингов, музыки и аудио.

Экономика каждого шага остаётся видимой: все модели тарифицируются 1:1 по официальным ценам, без дополнительной комиссии provod.ai за маршрутизацию.

Соберите эффективного AI-агента: форма регистрации · цены на модели · защита данных по 152-ФЗ · API и интеграции