Translated uvádí Lara 3, dokládá případ specializované AI pro překlad

Překlad může vypadat nádherně a přesto selhat. Termín produktu se během příručky změní, podpora ztratí kontext, nebo kampaň dorazí v jiném jazyce bez svého původního hlasu. To jsou problémy, na které se Translated zaměřuje s obecnou verzí Lara 3, svým specializovaným modelem AI pro překlad.

Oznámeno 7. října, uvedení zpřístupňuje Lara 3 podnikům, profesionálním překladatelům i jednotlivým uživatelům prostřednictvím Lara API, TranslationOS a Lara Translate. Navazuje na představení vybraným partnerům v červenci a uvádí zaměřený překladový systém na trh, který je stále více zaplněn modely AI pro obecné účely.

Hlavní tvrzení je značné: ve slepých hodnoceních společnosti Translated označili profesionální překladatelé 82 % překladů Lara 3 za dokonalé, nevyžadující žádné úpravy. Společnost uvádí nižší skóre pro obecnou AI a specializované překladové nástroje, které testovala. Zajímavější otázkou je, jaký přínos má specializace, když se překlad stane součástí reálného výrobního workflow.

Co měří benchmark

Podle tiskové zprávy o uvedení se hodnocení týkalo 16 800 překladů z angličtiny do 21 jazyků určených pro podnikové lokalizace. Kombinovalo materiály WMT25 zahrnující knihy, zprávy a uživatelské konverzace s proprietárním podnikovým obsahem v oblasti cestování, technologií a financí.

Průměrně napříč 21 jazykovými páry Translated uvádí následující podíly překladů hodnocených jako dokonalé:

• Lara 3: 82%
• GPT-5.6 Sol: 69%
• Claude Fable 5: 67%
• DeepL: 57%
• Google Translate: 53%

Tisková zpráva uvádí, že Lara skončila na prvním místě ve 20 ze 21 jazykových párů. Veřejná poznámka k metodologii benchmarku popisuje většinový úsudek alespoň dvou ze tří profesionálních překladatelů. Jedná se o výsledky hlášené společností na definované testovací sadě, nikoli o univerzální hodnocení přesnosti napříč všemi jazyky, doménami či dokumenty.

Toto rozlišení je důležité. Výkon z angličtiny do cílového jazyka neznamená stejné hodnocení pro každou směrovou kombinaci překladu a silné agregované skóre může skrývat rozdíly mezi jazyky či typy obsahu. Pro lokalizační tým zůstává relevantním testem jeho vlastní terminologie, materiály a standardy revize.

Model, který cvičí před nasazením

Translated’s technické představení Lara 3 popisuje tréninkový přístup, který nazývá „learning by doing“. Napodobování zůstává základem, ale model pak procvičuje generování alternativních překladů. Automatický hodnotitel, formovaný odbornou znalostí profesionálních recenzentů, hodnotí tyto pokusy a model posiluje úspěšné volby, zatímco koriguje slabší.

Společnost uvádí, že tento cyklus proběhne během tréninku milionykrát. Výsledné chování je zakomponováno do nasazeného modelu; neznamená to, že každá zákaznická žádost spustí nový tréninkový proces.

Přístup řeší známou obtíž v překladu: několik verzí věty může být platných, ale jen některé zapadají do okolního materiálu. Naučit se hodnotit tyto alternativy představuje jiný cíl než pouhé reprodukování jedné referenční odpovědi.

Ve zprávě spoluzakladatel a CEO Marco Trombetti tvrdí, že kvalita překladu závisí na hlubokém pochopení problému. Plynulost samotná nestačí, když nejednoznačná fráze, nesprávný technický termín nebo opomenutý kulturní podnět změní, co čtenář pochopí.

Kontext je součástí workflow

Trénink je jen jedna vrstva. Lara’s vývojářská dokumentace vysvětluje, jak systém využívá relevantní kontext dokumentu při překladu jednotlivých vět. U delších vstupů může překládat věty paralelně a současně poskytovat okolní text jako další vstup pro model.

Vývojáři mohou také poskytnout externí kontext, který by měl informovat překlad, aniž by byl sám přeložen. Název blogu může být doprovázen tělem článku, například, nebo nová zpráva v chatu předchozí konverzací. To je zvláště užitečné, když profesionální překladové nástroje již rozdělily dokument na samostatné segmenty.

Pro podnikové uživatele má tato schopnost praktický účel: udržovat malé části obsahu propojené s informacemi, které jim dávají smysl. Slovníky a schválené paměti překladů přidávají další vrstvu konzistence, zejména když se stejná produktová terminologie objevuje napříč webem, dokumentací a zákaznickou podporou.

Od skóre kvality k ekonomice výroby

Tisková zpráva také uvádí samostatné benchmarky rychlosti a nákladů. V testu s jedním vláknem Translated uvádí, že Lara 3 dosáhla 23‑násobku propustnosti Claude Fable 5 a přeložila 3,75‑násobek znaků za stejný rozpočet. Tyto srovnání jsou odlišná od hodnocení kvality a měla by být chápána v kontextu jejich testovacího nastavení.

Lary API platforma rozšiřuje možnosti mimo prostý text na HTML a XLIFF lokalizační obsah, dokumenty, obrázky a audio. Produktová stránka popisuje podporu více než 70 formátů dokumentů se zachováním rozvržení, plus integraci glosáře a paměti překladů. Rozsah se liší podle typu vstupu, takže podpora text‑jazyka by neměla být automaticky považována za stejnou pro audio nebo obrázky.

Translated byla založena v roce 1999 lingvistkou Isabelle Andrieu a informatikem Marco Trombetti. Ve svém úvodním oznámení uvádí, že společnost obsluhuje více než 300,000 zákazníků ve 200 jazycích a více než 40 oborových oblastí. Tato historie pomáhá vysvětlit důraz Lary na méně okouzlující požadavky lokalizace: konzistentní terminologie, kontextová přesnost a výstup, který odpovídá zamýšlenému použití.

Obecná dostupnost Lary 3 proměňuje argument o specializaci v rozhodnutí o produktu. Její hlášený náskok v benchmarku je důvod k prozkoumání; přísnějším testem je, zda snižuje práci s úpravami a integrací u skutečného obsahu. Pro týmy, které překládají ve velkém měřítku, je spolehlivé zachování významu to, co dělá model užitečným dlouho po první působivé větě.