我用 ChatGPT、Claude、Gemini 和谷歌翻译翻了自己的小说，结果是这样的

我正在写一部小说，讲的是一群在俄斯特拉发交换的伊拉斯谟学生。书里有一位乌克兰女主角、一个爱撩人的西班牙人、几个土耳其室友、一个昼夜不停的宿舍群聊，还有喝不完的啤酒。第 7 章里，Sofia 跟朋友 Aybars 说起 Claude，他问：“Claude 又是哪根葱？”她解释道：“跟 ChatGPT 差不多，但不一样。更好。更聪明……”

所以，当我们想弄清楚哪款 AI 工具能让一部小说前后保持一致时，该用哪本书，我心里早就有数。这次测试逼着 ChatGPT 和 Claude 去翻译一句给它们俩排高下的话。（两者都老老实实照译了。谁也没替自己辩解。）

我们测了什么？

我们用作家最可能先上手尝试的各款工具，把我小说的前九章从英语译成乌克兰语，再统计章与章之间出现了哪些变化。

每个聊天机器人我们都用三种方式各跑了一遍，因为作家们平时也正是这么用的：

1. 同一个长对话：先说一句“我会把我的小说一章一章发给你”，然后在同一个对话里逐章发送。
2. 每章开一个新对话：对话拉得太长、只好另起一个时，就是这种情况。
3. 每章开一个新对话，并粘贴一份名字清单：“请使用以下乌克兰语拼法：Nazli → Назлі，Jeff → Джефф……”

每次都附上同样一段简短的要求：完整翻译本章，保留原文的语气、笑话、俚语和格式。

为什么译成乌克兰语？

因为乌克兰语能让错误变得可以清点。名字会随格变换词尾（Софія、Софії、Софією），所以译文若把同一个人写成两种拼法，很容易和正常的语法变化区分开来。另外，乌克兰语要求每个说话人都在非正式的“ти”和正式的“ви”之间做出选择。朋友之间第 2 章还互称“ти”，到第 6 章却改口称“ви”，母语读者一眼就能察觉这种失误，脚本也能把它揪出来。

我们是怎么统计的？

每个版本我们都统计了三项：

• 拼写变了的名字：同一个名字在九章中前后拼写不一。语法变化不算在内：格词尾、所有格形式“Софіїн”（Sofia 的）、形容词“празький”（布拉格的）、我用西班牙语写的句子里出现的名字，以及我自己给 Giovanni 起的昵称。
• 漏掉的句子：译文中内容缺失的句子、聊天消息或对白。
• ти/ви 错用：一位朋友用正式的“ви”称呼另一位朋友。初次见到陌生人时客气称呼不算，对一群人说“ви”也不算。

我们请来两名分属不同公司的 AI 评审——Claude Opus 5.5 和 Gemini 3.1 Pro——对照英文原文审读每个版本的每一章。只有两者都标记出来、且脚本在文本中找到了对应的原话，才算一处问题；之后我们再结合上下文逐条核读。至于漏掉的句子，我们还逐章比对了问号的数量，这样不借助任何 AI，也能查出哪里丢了一句。

哪些地方走了样？

换了新对话，名字会怎样？

来认识一下 Nazli，Sofia 的土耳其室友。她的名字在乌克兰语里既可以写作 Назлі，也可以写作 Назли，单看哪种都没毛病。于是每一章读起来都对，整本书却不对了。

Claude 每章开一个新对话时，在第 2 章和第 7 章把她写成了“Назли”，共 24 次，其余章节都写作“Назлі”。Gemini 的分法恰好反过来：六章用“Назли”，三章用“Назлі”。ChatGPT 则在第 5 章和第 7 章把她写成了“Назли”。Claude 还有两章把 Jeff 写成了“Джеф”，夹在三章“Джефф”中间；Mariana 前四章都是“Маріана”，到了最后一章却变成了“Мар’яна”。

放在同一个长对话里翻译时，这些问题一个都没出现——模型看得到自己在第 1 章是怎么写 Nazli 的。每章开新对话、但贴上一份名字清单时，同样一个都没出现。一页名字清单，就把所有问题都解决了。

Google Translate 用不着对话，其他名字也都译得很稳。它唯一的失误出在 Mariana 身上：第 5 章里，前后都是“Маріана”，中间却有一处变成了“Мар’яна”。

有没有工具漏译？

没有。这 14,919 个单词里，没有哪个版本漏掉过一句话、一条聊天消息或一句对白。两位评审都没找出任何遗漏，而且每个版本都逐章保留了原文的问号（ChatGPT 的版本把其中三处问句改成了陈述句，因为“我从来没有”这个游戏在乌克兰语里这么说更自然；句子一句不少）。

我本以为多少会漏掉一些。漏句是人们对 AI 翻译长文本的经典抱怨，可在 2026 年 10 月、一次只翻一章的情况下，我们一处都没见到。

咱们什么时候用上“ви”了？

正是在这一点上，Google Translate 落了下风。有五次，朋友之间突然客气起来，改口用了敬称“ви”（您）：Diego 正调着情，却问 Sofia“Зачекайте, і ви думаєте, що це багато?”；还有一张 Sofia 写给 Nazli 的明信片，写到一半就换成了“ви”。聊天机器人们一次都没犯过这种错。

我们猜原因是这样的：聊天机器人一次读完整章，而两人的交情就写在这一章里。Google 的翻译器每次看到的文本似乎要少得多，所以它看不出 Diego 和 Sofia 已经一起喝了三章的酒。

我们还发现了什么？

• **我有个角色叫 Ege。**在乌克兰语里，“еге”的意思是“嗯哼”。大多数版本把他写成“Еге”，结果他在群聊里的每条消息都像是以“嗯哼：”开头。有两个版本拼成了“Еґе”，用上乌克兰语特有的硬音 ґ，躲过了这个笑话。
• Gemini 有一句话原样留成了英文，三次测试里有两次都这样：“Diego! Man, good to see you!”

各个工具是怎么翻译“Who tf is Claude?”的？

Aybars 在第 7 章里的这句提问，到了乌克兰语里，变成了一道由轻到重的脏话阶梯。下面是各个工具在新对话中给出的译法：

Google 和 Gemini 还把 Claude 写成了“Клод”，仿佛他是个法国人。其他几个工具则保留了拉丁字母的原名。

哪个版本读起来最好？

数错误只能看出错得多不多，看不出乌克兰语译文读起来是否赏心悦目，所以这一点我们也请两位评审评了。我们挑了三章：对白密集的“The Devil Arrives”、多种语言混杂的“D7 Intro”，以及篇幅很长的“Ginger beer”。每位评审拿到英文原文和五个不标来源的乌克兰语版本（每个工具一个），像乌克兰的文学编辑那样给它们排名。每一章都交给每位评审各看两遍，两遍的版本顺序各不相同。聊天机器人都配上了名称表，好让每个工具都拿出最佳状态。

第 1 名代表五个版本中最好的。Transept 的 Standard 模式基于 Claude Opus 5.5，和其中一位评审用的是同一个模型。

两位评审最偏爱的，恰好都基于自家公司的模型：Opus 六次里有五次把 Transept 排在第一，Gemini Pro 则每次都把 Gemini 排在第一。看表格前几名时，请把这一点放在心上。其余名次，两位评审的意见毫无例外地一致：ChatGPT 稳居中游，Claude（Sonnet，即其免费版所用的模型）每次都排第四，Google Translate 则在全部十二次排名中次次垫底。

评审的点评道出了原因。Diego 说“Thank you, love”时，Claude 把“love”原样留成了英文，还把“small talk”逐字硬译了过来。Gemini 的俚语是五个版本里最鲜活的，有时甚至比我原文写得还要出格。Google 则犯了任何一个聊天机器人都没犯过的语法错误：Sofia 明明是女性，回答“Sure, I’m free”时用的却是阳性形式。

最严重的错误是什么？

犯错的是 Google，而且只错了一个词。Sofia 笑着问 Diego：“Are you kidding me? That’s why you ghosted me?”（“你开什么玩笑？你就为这个玩消失？”）Google Translate 却译成了“Тому ти мене й зґвалтував?”，意思是“所以你就是为这个强奸了我？”

浪漫喜剧里的一个桥段，就这样变成了一项犯罪指控——用的还是通顺流畅、语法无误的乌克兰语，页面上没有任何迹象能提醒不懂英文原文的读者。如果这次测试你只记住一件事，那就记住这个：机器翻译的每一句，都要赶在别人读到之前亲自读一遍。

如果用 AI 翻译自己的书，该怎么做？

• **把人名一次性交代给工具，并让它始终照用。**在聊天机器人里，这意味着要么全程待在同一个长对话里，要么每开一个新对话都把人名表粘贴进去。在翻译工具里，这就是术语表。
• 用目标语言把对话大声读出来，留意有没有哪个朋友突然满口银行腔。
• **重点检查新开对话的那几章。**这次测试里，每个人名都是在那里走样的。
• 拿你自己的章节来测试工具，而不是随便找一段样例。麻烦是从书变长之后才开始的。

本次测试无法说明的问题

• **只有一本书，一个翻译方向。**英语译成乌克兰语，题材是对话很多的当代小说。换成有 200 个虚构人名的奇幻长篇，或是日译英，对这些工具的考验就会大不一样。
• 聊天机器人是通过 API 调用的，用的是各自免费版所用的模型，没有应用自带的指令和记忆功能。ChatGPT、Claude 和 Gemini 的应用本身，表现可能会略有不同。
• **评审是 AI。**一共两位，来自不同公司；每一条发现都先用脚本在文本中核实，再放回上下文中逐条阅读。评审里没有来自 OpenAI 的模型。
• **Transept 是我们做的。**我们按平时建议作者的方式来用它——配上术语表，走小说工作流程——并保留了每一份输出。