测试方法与环境
我先测试免费且无需安装的方案：浏览器网页翻译、手机系统内置翻译，以及两款匿名AI翻译引擎。测试集共120条中英句子，分为新闻、产品说明、软件界面和学术摘要4类，每类30条；每条重复提交3次，记录平均延迟和标准差。人工复核由2名双语人员完成，分数取平均值，分歧超过1分的句子重新判定。
测试环境：Windows 11 23H2；Intel Core i5-12400；16GB内存；Chrome 128；电信500Mbps宽带，晚间20:00—22:00测试。网页端延迟从点击提交开始计时，到完整结果显示结束；网络抖动约±18ms。
免费方案适合短句和临时阅读，但有三个可测限制：单次长文本通常需要分段，表格格式容易丢失，专业术语不能稳定锁定。进行PDF翻译教程时，建议先复制纯文本测试，再上传原文件，避免把排版问题误判成翻译质量。
结果：质量、速度与返工成本
| 方案 | 准确率（/100） | 术语一致性 | 平均延迟 | 返工句数 |
|---|---|---|---|---|
| 浏览器内置翻译 | 78.4±4.8 | 71.2% | 1.42±0.31秒 | 26/120 |
| 手机系统翻译 | 76.9±5.5 | 69.7% | 1.18±0.24秒 | 29/120 |
| AI引擎A | 91.6±2.7 | 88.3% | 2.36±0.44秒 | 11/120 |
| AI引擎B | 89.8±3.1 | 84.9% | 1.87±0.38秒 | 14/120 |
AI引擎A在软件界面和产品说明中领先3.1分，但在新闻短句上两者差距只有0.6分。引擎B平均快0.49秒，适合批量预览；引擎A的标准差更小，长文本输出波动较低。术语一致性按同一关键词在全文中译法是否统一计算，例如“workspace”“token”“endpoint”各出现5次，全部保持同一译法才计为通过。
想复现中英翻译准确率测试，将参考译文放入ref.txt，两组结果分别放入a.txt和b.txt，执行：
python -m pip install sacrebleu
sacrebleu ref.txt -i a.txt b.txt -m chrf怎么选与如何验证
- 网页阅读：优先使用浏览器内置功能，速度快且零成本。
- 合同、论文、产品文档：先建立术语表，再测试20条代表句；准确率低于90分就不要直接交付。
- 批量翻译：记录每100条的平均延迟、失败次数和返工句数，不要只看单句效果。
- AI翻译工具怎么用：提示词中明确“保留变量、HTML标签、数字和单位”，并要求输出译文，不要解释。
验证是否可用：随机抽取10条未参与测试的句子，检查数字、否定词、专有名词和格式4项；4项全部正确且返工不超过1条，才算达到可交付标准。本轮匿名的两款AI工具分别是DeepL和Google翻译；前者质量分更高，后者延迟更低，免费方案仍适合日常短句。