神经机器翻译(NMT) vs 大语言模型(LLM)翻译
神经机器翻译（NMT）基于序列到序列模型架构，通过编码器将源语言文本编码为上下文向量，再由解码器生成目标语言文本。这种架构需要大量平行语料（源语言和目标语言的对应文本）进行训练，通过调整模型权重来学习两种语言之间的映射关系。
大语言模型（LLM）的翻译能力并非专门设计，而是其通用语言理解能力的自然延伸。当模型规模足够大时，它能够自动对齐多语言语义空间，学习语法规则、上下文理解和世界知识。因此，在翻译任务中，LLM 的翻译质量往往优于 NMT，但同时也更容易产生幻觉。
下表对比了传统的神经机器翻译（NMT）引擎与新兴的大语言模型（LLM）在翻译场景下的特点。
神经机器翻译 (NMT)
Google Translate, DeepL, Microsoft
- 速度极快且稳定
- 可同时处理海量请求
- 支持语言广泛
- 无上下文，易丢失剧情，采取逐句翻译时更是如此
- 成本较高 ($10-25 / 100万字符)
- 自定义能力有限，可通过词汇表提升专业性
大语言模型 (LLM)
OpenAI, Claude, DeepSeek, Gemini
- 具备上下文理解能力，能更好地把握剧情与对话的连贯性
- 天然适合处理文本任务，并且模型能力与日俱增
- 成本相对较低 (~$0.10-5.00 / 100万字符)
- 翻译速度通常比 NMT 慢
- 采用输入输出双向计费，或基于 Token 使用量计费
- 输出稳定性有限，在特定专业领域可能不如专门训练的 NMT 模型
定价机制
NMT 服务通常通过 REST API 提供，采用按输入字符数计费的模式。部分服务商也提供按文档页数计价的方案（适用于 doc、pdf 等专有格式，本文不做详细讨论）。绑定信用卡后，各大平台通常会提供每月 50 万到 200 万字符不等的免费翻译额度，超出部分按量收费。
LLM 服务同样通过 REST API 提供，但采用输入和输出双向计费的模式（为什么呢？因为你可以通过简单几句话让大语言模型翻译大量文本，比如：帮我把《哈利·波特》全套7册全部翻译成中文）。此外，如果直接对接大语言模型而非使用平台的 REST API，计费方式通常基于 Token 数量而非字符数。
鉴于两种服务采用不同的结算方式，在下一节的价格计算器中，我们将 Token 结算近似转换为字符结算，以便统一评估和对比两种翻译方式的边际成本。
价格计算器
根据预计翻译量，使用下方的计算器可以快速估算每月的翻译成本。
翻译成本计算器
传统 NMT 服务
| 服务商 | 单价 / 100万字符 | 免费额度（每月） | 预计成本 |
|---|---|---|---|
Google Cloud Translation | $20.00 | 500k chars | $0.00 |
Microsoft Azure Translator | $10.00 | 2M chars | $0.00 |
Amazon Translate | $15.00 | 2M chars (12 mo) | $0.00 |
DeepL API Pro | $25.00 | None | $1.49 |
Baidu General Translate | $7.00 | 1M chars (Verified) | $0.00 |
大型语言模型
| 模型 | 单价 / 100万字符 | 说明 | 预计成本 |
|---|---|---|---|
Claude Sonnet 4.5 | $4.500 | Literary & Nuanced | $0.2690 |
Gemini 3 Pro | $3.500 | Long Context Expert | $0.2092 |
GPT-5 | $2.813 | Advanced Agentic | $0.1681 |
GPT-5 mini | $0.563 | Fast & Affordable | $0.0336 |
Qwen-Plus | $0.400 | Balanced Performance | $0.0239 |
字符到 Token 转换（1 字符 ≈ token 数，升序排列）：
1. 西欧语言（法/德/西/意等）：1 字符 ≈ 0.17–0.20 token
2. 英文：1 字符 ≈ 0.25 token
3. 韩文：1 字符 ≈ 0.4–0.6 token
4. 日文：1 字符 ≈ 0.6–1 token
5. 中文（简/繁）：1 字符 ≈ 0.9–1.25 token
价格基于 2025 年 11 月的官方文档估算，不包含批量折扣或订阅费用。