通用机翻 vs 翻译大模型：外贸聊天里到底差在哪

两类引擎的设计目标就不一样

通用机器翻译（包括统计机器翻译和大多数传统神经网络翻译 API）优化的目标是：在尽可能短的时间里，给出语法正确、覆盖语种尽可能多的译文。它逐句工作，上一句和下一句之间没有真正的语境，也不区分「合同正文」和「WhatsApp 砍价」这两种文体。

翻译大模型的工作方式不同：它在生成每个词时都在评估整段对话的场景、双方关系、语气和意图，再选择这个场景里最自然的说法。代价是稍慢一点、成本高一点；收益是译文从「正确」变成「得体」。

外贸聊天恰恰对「得体」极其敏感——客户是在做几万美元的决定，他对语气的判断直接影响信任。

场景一：砍价时的「人话」

中文原话：「这个价格真的不能再低了，今天下单给你包邮。」

• 通用机翻阿语：句子正确，但措辞是标准语公告腔，类似「此价格已达下限，今日下单可享免费配送」——像系统通知，不像聊天。
• 大模型阿语口语：会用本地买卖人的说法表达「老板，这真是最后价了，今天下单运费我请了」，人称、语气、让步姿态都是真人卖家的样子。

韩语会出现韩国市场里高频的 사장님（老板）和 쏠게요（这单我请）；日语会用ギリギり（到底线了）、こっちで持ちます（这边承担）；法语客户之间常用 Mon ami 拉近距离，德语熟客间会直接说 Versandkosten übernehmen（运费我们承担）。这些不是辞藻，而是客户判断「对面是不是经常跟我们做生意的人」的信号。

场景二：省略主语和上下文指代

真实聊天充满半截话：「这个不行，上次那种呢？」「可以，但得等两天。」「就按他说的来。」通用机翻对单句独立处理，遇到这种句子只能猜：「他」是谁？「那种」指哪个规格？结果要么语法怪异，要么凭空补一个错误主语。

大模型结合会话上下文，知道「上次那种」是前面对话里报过的型号，「他」是客户的合伙人，译文里会用目标语言自然的方式处理指代，而不是硬造主语。外贸 WhatsApp 对话十句里有八句依赖上下文，这是差距最大的地方之一。

场景三：情绪、反话与委婉

拉美客户投诉时可能带一句反讽：「genial, otra vez lo mismo」（太好了，又来这套）。逐句直译会把讽刺当真，回一句「谢谢」，火上浇油。售后、催交期、质量异议这类高情绪场景，译文如果只有字面意思，风险远大于不翻。

大模型能识别语气标签（愤怒、试探、让步、催促），至少让你先知道「客户现在有情绪」，回复时人工把握分寸。需要说明的是：再强的模型在反语和强情绪上也不是 100% 可靠，售后与赔偿场景的回复始终建议人工组织语言。

一张表看清差距边界

什么情况用哪个

不是大模型全面取代机翻。看产品规格书、海关文件、说明书，通用机翻又快又准；而 WhatsApp 里每一句都关系到客户感受的对话，值得走大模型。成熟做法是系统自动路由：识别为日常商务聊天走大模型口语通道，标准化文本和高并发场景走快速通道，成本和质量都照顾到——这也是合途插件在网关侧的实际做法。