背景
最近想提高下沉浸式翻译的翻译质量，原来一直用的 Qwen3 30B A3B 的模型翻译，其实也够用，但是想看看换别的模型有没有什么提升。但是不知道为什么互联网上评测模型翻译的体验内容很少，所以我就自己简单测一下。测试对象是下面这篇 Reddit 帖子，工具使用 沉浸式翻译+自带 Reddit 翻译提示词
然后还有一点是我对速度有要求，所以不接受思考模型，如果测了思考模型我都是把思考关闭了的
省流结果
与现在用的 Qwen3 30B A3B 相比，更大的 Qwen3 系列模型并不会带来更好的翻译效果。从结果上来看，翻译效果好坏似乎与模型体积几乎没有关系。考虑到 GPT 诞生之初本来就是为翻译服务，当时还是一个很小的模型，所以可能对于翻译来说，参数量大小并不是一个决定性因素。
综合来说 Kimi K2 Instruct 0905 效果最好，但是输出比较贵，￥16.00/M，如果 Kimi K2 系列能有一个小模型，那么性价比可能会相当高。
以及这个结果与 https://bench.opensakura.com/ 的测试也比较相近。
详细结果
Kimi K2 Instruct 0905
效果最好，而且非常地道。只有划线一处翻译的并不是很好，直接翻译为“正在修复中”会比较合适。
Qwen3 30B A3B Instruct 2507
有一处翻译错误，原文是 a patch on the user’s end，意思是得更新客户端才可以解决问题，并不是用户自己打补丁。这个翻译问题一直贯穿到 Qwen3 Max
Qwen3 Next 80B A3B
Qwen3 Max
GLM 4.7 Thinking Disabled
效果不好，读起来不通顺切奇怪，看起来 GLM 并不适合拿来翻译
DeepSeek V3.2 Thinking Disabled
跟 GLM 坐一桌
Photo by Mike Hindle on Unsplash