Claude vs GPT-6 vs Gemini vs DeepL untuk Terjemahan Django (2026)

Claude, GPT-6, Gemini dan DeepL semuanya boleh menterjemah fail .po Django anda dengan baik. Perbezaan yang penting pada September 2026 ialah harga, peringkat model yang anda pilih, dan sama ada anda boleh menghantar konteks projek bersama-sama. Perbandingan ini merangkumi model semasa daripada setiap penyedia, apa yang sebenarnya ditemui oleh benchmark terjemahan WMT, dan berapa kos untuk menterjemah projek Django biasa dengan setiap satu.

Setiap model di sini berfungsi dengan TranslateBot, sama ada melalui LiteLLM atau melalui penyedia DeepL terbina dalam. Jika anda menyediakan terjemahan Django buat kali pertama, panduan lengkap penyetempatan Django menerangkan persediaannya sebelum anda memilih penyedia.

Nota tentang sumber: kami belum menjalankan benchmark sendiri pada versi model ini. Dakwaan kualiti di bawah datang daripada shared task WMT dan satu set data industri yang besar, semuanya dipautkan. Harga diambil daripada halaman harga setiap vendor setakat 26 September 2026.

Jawapan ringkas

Lalai TranslateBot ialah gpt-6-luna, jadi projek yang tidak menetapkan model sudah menggunakan pilihan baik yang paling murah.

Apa kata benchmark

Penilaian terjemahan mesin yang paling teliti ialah shared task WMT tahunan. Penilai profesional menilai output setiap sistem yang dihantar, dan keputusannya dikeluarkan sebagai kelompok kualiti, bukan satu kedudukan tunggal.

WMT24: Claude 3.5 Sonnet menang

Dalam WMT24 General MT task, Claude 3.5 Sonnet ialah sistem terbaik secara keseluruhan dan menang dalam 9 daripada 11 pasangan bahasa. Itulah kali pertama LLM serba guna mengalahkan setiap sistem terjemahan khusus dalam pertandingan tersebut.

WMT25: Gemini 2.5 Pro menang

Di WMT25, Gemini 2.5 Pro berada dalam kelompok teratas bagi 14 daripada 16 pasangan bahasa. Terjemahan rujukan manusia hanya masuk kelompok teratas dalam 6 daripada 15 pasangan yang mempunyainya. Penganjur menyatakan bahawa ini mungkin mencerminkan "the stylistic or lexical preferences of the annotators" (keutamaan gaya atau leksikal penilai), tetapi arahnya jelas: LLM termaju kini menyamai atau mengatasi rujukan manusia profesional dalam ujian ini.

WMT26: belum diterbitkan

WMT26 berlangsung pada 28–29 Oktober 2026 di Budapest. Kertas dapatannya belum keluar, dan penganjur tidak menerbitkan kedudukan awal. Kami akan mengemas kini artikel ini apabila ia diterbitkan.

Apa kata data produksi

Alconost menerbitkan 5,632 penilaian kualiti daripada projek klien sebenar merentasi 85 pasangan bahasa pada Mei 2026. Indeks kualiti mereka memberikan Gemini 77.7, Claude 75.6, GPT 73.1 dan DeepL 70.8. Mereka hanya melaporkan vendor, bukan versi model, dan mereka menyifatkannya sebagai gambaran sampel mereka, bukan benchmark industri. Anggap jurang ini kecil.

Di mana LLM masih lemah

Bahasa bersumber rendah ialah titik lemahnya. Dalam satu kajian, terjemahan Inggeris ke Khmer oleh LLM mendapat skor XCOMET 39.10 berbanding 65.88 untuk Google Translate. Jika anda menyasarkan bahasa Khmer, Lao atau Burma, uji dengan teliti dan minta penutur asli menyemaknya.

Skor automatik juga boleh mengelirukan. Satu segmen dengan skor COMET 0.86 ternyata mengandungi salah faham yang kritikal apabila disemak oleh profesional. Benchmark ialah titik permulaan, bukan pengganti pembaca asli.

Model semasa

Anthropic Claude

Sumber: Claude models overview.

Kekuatan Claude sejak dahulu ialah terjemahan yang dibaca seolah-olah ditulis dalam bahasa sasaran, dan ia mematuhi peraturan nada dan istilah dalam fail TRANSLATING.md dengan rapi. Sonnet 5 lebih murah bagi setiap token berbanding Sonnet 4.5 yang digantikannya, jadi inilah model untuk dimulakan.

OpenAI

Sumber: OpenAI API pricing.

gpt-4o-mini dan gpt-4o tidak dijadualkan untuk ditamatkan, tetapi OpenAI sedang menamatkan beberapa snapshot GPT-4o bertarikh (gpt-4o-2024-05-13 ditamatkan pada 23 Oktober 2026, menurut halaman deprecations). Jika anda menetapkan snapshot bertarikh, semak senarai tersebut.

Google Gemini

Sumber: Gemini models, Gemini pricing.

Gemini memenangi WMT25 dan mendahului data Alconost, jadi ia layak berada dalam senarai pendek anda. Ia juga satu-satunya penyedia di sini dengan peringkat percuma yang berterusan: kedua-dua model Flash di atas boleh digunakan secara percuma, dengan had kadar, dan Google mungkin menggunakan data peringkat percuma untuk menambah baik produknya. Model Gemini 2.5 kini hanya terbuka kepada projek yang sudah menggunakannya, jadi projek baharu harus bermula dengan 3.5 Flash-Lite atau 3.8 Flash.

DeepL

DeepL kini menjalankan model LLM generasi baharu untuk semua bahasanya (model_type=quality_optimized dalam API), dan ia menyokong lebih 100 bahasa.

Pelannya berubah pada 2026. Pendaftaran baharu mendapat pelan Developer: kredit sekali sahaja sebanyak 1 juta aksara, bukan lagi 500,000 aksara setiap bulan seperti dahulu. Selepas itu, Growth berharga €23.80 sebulan dibilkan setiap tahun, termasuk 12 juta aksara setahun, dan mengenakan €22 bagi setiap juta aksara tambahan (harga EU termasuk VAT; lihat DeepL API plans).

DeepL juga telah menambah peraturan gaya, arahan tersuai dan sehingga 5 glosari bagi setiap permintaan. Ciri ini membantu, tetapi masih lebih terhad berbanding fail TRANSLATING.md, yang boleh menerangkan produk anda, khalayak anda dan istilah pilihan anda dalam bahasa biasa.

Perbandingan bersemuka

Berapa kos sebuah projek Django

Ambil projek Django bersaiz sederhana: 500 string, kira-kira 10,000 perkataan, diterjemah ke 5 bahasa. Kami menganggarkan sekitar 15,000 token input (string serta prompt TranslateBot) dan 20,000 token output bagi setiap bahasa, kerana kebanyakan bahasa memerlukan lebih banyak token berbanding bahasa Inggeris.

Angka ini ialah anggaran. Model yang membuat penaakulan sebelum menjawab, seperti Claude Opus 5.5, membilkan penaakulan itu sebagai token output, jadi kosnya boleh lebih tinggi daripada yang ditunjukkan dalam jadual. Selepas larian pertama, TranslateBot hanya menterjemah string baharu atau yang berubah, jadi larian seterusnya biasanya berharga paling banyak beberapa sen.

Yang mana patut dipilih

Mulakan dengan claude-sonnet-5 atau gpt-6-sol jika kualiti penting dan anda tidak kisah membayar kira-kira satu dolar bagi setiap larian projek penuh. Claude mempunyai rekod benchmark yang lebih kukuh (Claude 3.5 Sonnet memenangi WMT24), walaupun belum ada keputusan WMT untuk versi-versi tepat ini. Kedua-duanya berharga sama.

Gunakan gpt-6-luna untuk projek sampingan, alat dalaman, atau draf pertama yang akan anda semak juga. Pada kira-kira enam sen untuk projek contoh, kosnya hampir sifar.

Cuba Gemini jika anda menterjemah ke banyak bahasa atau tiada bajet. Ia memenangi WMT25, mendapat skor terbaik dalam data Alconost, dan 3.5 Flash-Lite murah pada peringkat berbayar serta percuma pada peringkat percuma.

Gunakan DeepL jika syarikat anda sudah mempunyai kontrak DeepL, atau anda mahukan MT khusus dengan glosari asli. Tanpa peringkat percuma bulanan yang lama, ia bukan lagi pilihan automatik untuk projek tanpa bajet.

Campurkan penyedia mengikut bahasa. Anda boleh menggunakan satu model untuk bahasa Eropah dan model lain untuk bahasa Jepun atau Korea. Jalankan arahan translate sekali bagi setiap penyedia, setiap kali untuk bahasa sasaran yang berbeza, dan tukar TRANSLATEBOT_MODEL dan TRANSLATEBOT_API_KEY antara larian.

Cara menukar penyedia dalam TranslateBot

Menukar penyedia bermaksud mengubah dua tetapan dalam settings.py anda:

import os

# Claude Sonnet 5
TRANSLATEBOT_MODEL = "claude-sonnet-5"
TRANSLATEBOT_API_KEY = os.getenv("ANTHROPIC_API_KEY")

# GPT-6 Luna
TRANSLATEBOT_MODEL = "gpt-6-luna"
TRANSLATEBOT_API_KEY = os.getenv("OPENAI_API_KEY")

# Gemini 3.5 Flash-Lite
TRANSLATEBOT_MODEL = "gemini/gemini-3.5-flash-lite"
TRANSLATEBOT_API_KEY = os.getenv("GEMINI_API_KEY")

# DeepL
TRANSLATEBOT_PROVIDER = "deepl"
TRANSLATEBOT_API_KEY = os.getenv("DEEPL_API_KEY")

Untuk DeepL, anda juga memerlukan extra DeepL:

uv add --dev translatebot-django[deepl]

Untuk mencuba model lain daripada penyedia yang sama bagi satu larian tanpa mengubah tetapan anda, gunakan --llm-model. TRANSLATEBOT_API_KEY masih digunakan, jadi model itu mesti sepadan dengan penyedia kunci anda:

python manage.py translate --target-lang ja --llm-model gpt-6-sol

Tip praktikal

Bandingkan pada satu branch. --dry-run tidak memanggil model, jadi untuk membandingkan output sebenar, terjemah semula pada branch sementara dan baca diff-nya:

git switch -c try-gpt-6-sol
python manage.py translate --target-lang nl --overwrite --llm-model gpt-6-sol
git diff -- '*.po'

Tulis TRANSLATING.md sebelum membayar untuk model yang lebih besar. Arahan istilah dan nada ("translate 'cart' as 'Warenkorb'", "use informal 'du' in German") sering membetulkan apa yang kelihatan seperti masalah kualiti model.

Minta penutur asli menyemak satu sampel. Benchmark mengukur purata. Halaman checkout anda ialah satu set string yang khusus.

Perhatikan perubahan harga Gemini. Harga Gemini 3.8 Flash berganda pada 1 Januari 2027. Ia masih murah untuk terjemahan, tetapi kemas kini anggaran anda.

Kesimpulan

Claude memenangi WMT24, Gemini memenangi WMT25, dan pada 2026 jurang antara penyedia teratas adalah kecil. Bagi kebanyakan projek Django, pilihan praktikalnya ialah antara claude-sonnet-5 atau gpt-6-sol untuk kualiti dan gpt-6-luna untuk kos, dengan Gemini sebagai alternatif yang kukuh dan pilihan percuma terbaik. DeepL masih bagus, tetapi akaun baharu tidak lagi mendapat peringkat percuma bulanan. TranslateBot menjadikan pertukaran antara mereka hanya perubahan tetapan.

Setelah anda memilih penyedia, automasikan aliran kerja terjemahan Django anda supaya string baharu tidak lagi bertimbun.