Translated, Lara 3 출시, 특화된 번역 AI의 필요성을 제시

번역이 아름답게 읽히더라도 작업을 잘못 수행할 수 있습니다. 제품 용어가 매뉴얼 중간에 바뀌거나, 지원 메시지가 맥락을 잃거나, 캠페인이 원래의 어조 없이 다른 언어로 전달될 수 있습니다. 이러한 문제들을 Translated는 Lara 3와 그 특화된 AI 번역 모델의 일반 출시를 통해 해결하고자 합니다.

10월 7일 발표된 이번 출시는 Lara API, TranslationOS 및 Lara Translate를 통해 기업, 전문 번역가 및 개인 사용자에게 Lara 3을 제공한다. 이는 7월에 선정된 파트너에게 소개된 뒤이며, 일반 목적 AI 모델이 점점 포화되는 시장에 집중된 번역 시스템을 선보인다.

주요 주장은 상당합니다: Translated의 블라인드 평가에서 전문 번역가들은 Lara 3 번역의 82%를 완벽하다고 평가했으며, 수정이 필요하지 않았습니다. 회사는 테스트한 일반 AI와 전용 번역 도구에 대해서는 낮은 점수를 보고했습니다. 보다 흥미로운 질문은 번역이 실제 생산 워크플로우의 일부가 될 때 특화가 어떤 기여를 하는가 입니다.

벤치마크가 측정하는 항목

출시 발표에 따르면, 이번 평가에서는 영어를 21개의 기업 현지화 언어로 번역한 16,800건을 다루었습니다. 이는 책, 뉴스, 사용자 대화를 포함한 WMT25 자료와 여행, 기술, 금융 분야의 독점 기업 콘텐츠를 결합한 것입니다.

21개 언어 쌍 전체 평균에서, Translated는 다음과 같은 비율의 번역이 완벽하다고 평가되었다고 보고합니다:

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

보도자료에 따르면 Lara는 21개 언어 쌍 중 20개에서 1위를 차지했습니다. Lara의 공개 벤치마크 방법론 설명는 세 명의 전문 번역가 중 최소 두 명 이상의 다수 판단을 설명합니다. 이는 모든 언어, 분야 또는 문서에 대한 보편적인 정확도 평가가 아니라 정의된 테스트 세트에 대한 회사 보고 결과입니다.

그 차이는 중요합니다. 영어에서 목표 언어로의 성능이 모든 번역 방향에 동일한 순위를 보장하는 것은 아니며, 높은 종합 점수가 언어 또는 콘텐츠 유형 간의 차이를 가릴 수 있습니다. 현지화 팀에게는 자체 용어, 자료 및 검토 기준이 여전히 중요한 테스트 요소입니다.

배포 전 연습하는 모델

Translated의 Lara 3 기술 소개는 “실천을 통한 학습”이라고 부르는 교육 접근법을 설명합니다. 모방이 기본이지만, 모델은 이후 대체 번역을 생성하는 연습을 합니다. 전문 리뷰어의 전문성을 반영한 자동 평가자가 이러한 시도를 평가하고, 모델은 성공적인 선택을 강화하면서 약한 선택을 교정합니다.

회사에 따르면 이 사이클은 훈련 중에 수백만 번 실행됩니다. 그 결과 행동은 배포된 모델에 내재화되며, 이는 모든 고객 요청이 새로운 훈련 과정을 촉발한다는 의미는 아닙니다.

이 접근법은 번역에서 흔히 겪는 어려움을 해결합니다: 문장의 여러 버전이 모두 유효할 수 있지만, 주변 자료에 맞는 것은 일부에 불과합니다. 이러한 대안을 평가하는 방법을 학습하는 것은 단순히 하나의 정답을 재현하는 것과는 다른 목표를 제공합니다.

보도자료에서 공동 창업자이자 CEO인 Marco Trombetti는 번역 품질이 문제를 깊이 이해하는 데 달려 있다고 주장합니다. 모호한 구절, 잘못된 기술 용어 또는 놓친 문화적 신호가 독자의 이해를 바꿀 때, 유창성만으로는 충분하지 않습니다.

컨텍스트는 워크플로우의 일부

훈련은 하나의 층에 불과합니다. Lara의 개발자 문서은 개별 문장을 번역할 때 시스템이 관련 문서 컨텍스트를 어떻게 활용하는지 설명합니다. 더 긴 입력의 경우, 주변 텍스트를 추가 모델 입력으로 제공하면서 문장을 병렬로 번역할 수 있습니다.

개발자는 번역에 영향을 주어야 하지만 자체적으로 번역되지 않아야 하는 외부 컨텍스트를 제공할 수도 있습니다. 예를 들어 블로그 제목에 기사 본문을 함께 제공하거나, 새로운 채팅 메시지에 앞선 대화를 연결할 수 있습니다. 이는 전문 번역 도구가 이미 문서를 별개의 세그먼트로 나눈 경우에 특히 유용합니다.

기업 사용자에게 이 기능은 실용적인 목적을 가집니다: 작은 콘텐츠 조각을 의미를 부여하는 정보와 연결된 상태로 유지하는 것입니다. 용어집과 승인된 번역 메모리는 일관성을 추가하는 또 다른 층을 제공하며, 특히 동일한 제품 용어가 웹사이트, 문서 및 고객 지원 전반에 걸쳐 나타날 때 유용합니다.

품질 점수에서 생산 경제성까지

보도자료는 별도의 속도 및 비용 벤치마크도 보고합니다. 단일 스레드 테스트에서 Translated는 Lara 3가 Claude Fable 5보다 23배 높은 처리량을 제공했으며, 동일한 예산으로 3.75배 더 많은 문자를 번역했다고 밝혔습니다. 이러한 비교는 품질 평가와는 별개이며, 테스트된 환경 내에서 이해되어야 합니다.

Lara의 API 플랫폼은 일반 텍스트를 넘어 HTML 및 XLIFF 현지화 콘텐츠, 문서, 이미지, 오디오까지 지원합니다. 제품 페이지에서는 레이아웃 보존과 함께 70개가 넘는 문서 형식을 지원하고, 용어집 및 번역 메모리 통합도 제공한다고 설명합니다. 지원 범위는 입력 유형에 따라 달라지므로 텍스트‑언어 지원이 오디오나 이미지에도 동일하게 적용된다고 가정해서는 안 됩니다.

Translated는 1999년 언어학자 Isabelle Andrieu와 컴퓨터 과학자 Marco Trombetti에 의해 설립되었습니다. 출시 발표에 따르면 이 회사는 200개 언어와 40개가 넘는 분야에 걸쳐 300,000명 이상의 고객에게 서비스를 제공하고 있다고 합니다. 이러한 역사는 Lara가 현지화의 덜 화려한 요구사항—일관된 용어 사용, 맥락적 정확성, 의도된 사용에 맞는 출력—에 중점을 두는 이유를 설명해 줍니다.

Lara 3의 일반 제공은 전문화 논의를 제품 선택으로 전환합니다. 보고된 벤치마크 우위는 조사할 만한 이유가 되지만, 보다 중요한 시험은 실제 콘텐츠에서 편집 및 통합 작업을 줄일 수 있는가 여부입니다. 대규모 번역 팀에게 의미를 안정적으로 보존하는 것이 첫 인상적인 문장을 넘어 모델을 유용하게 만드는 핵심 요소입니다.