网上各类翻译工具的横评很多，结论却经常互相打架：有的说某款最强，有的说另一款免费额度够用。问题不在工具好坏，而在于各家公布的数字口径根本不一样。

这篇不讲哪款工具最好，讲的是怎么读横评——四个维度各自该测什么，以及哪些数字必须打问号。

一、先认清横评里的数字是怎么来的

横评文章里的数据基本都是厂商自测或编辑自测，公开可复核的极少。读的时候先给数字打个折：

  • 响应速度。 大多在单一网络环境下测一次得出，波动范围通常没给。0.3 秒和 0.6 秒的差别，在真实使用中往往感知不到。
  • 格式还原率。 "100% 还原"通常只在一个精心挑选的样本上成立。表格、公式、图片说明三类元素里，只要有一类没对齐，还原率就已经不成立了。
  • 评分类指标。 BLEU 这类自动评分衡量的是译文与参考译文的重合度，它无法反映术语是否专业、语气是否得体。翻译质量的硬指标，不能只看它。
  • 免费额度。 常见写法是"完全免费无上限"，但把页面写全之后会发现有条件：每日额度、会员专享功能、格式或页数限制。

所以横评的价值不在结论，在于它提供了对比的维度和样本。结论要自己复核。

二、四个维度各自测什么

比较翻译工具，按这四个维度拆开测，比看总分有用。

功能覆盖度。 数一数它支持哪些翻译类型：网页、文档、图片、音视频。关键不是数量，而是你实际会用到的几种是否都在里面。日常只读网页和文档，音视频功能再强也不影响决策。

核心场景性能。 挑一到两个自己真实会做的场景实测，而不是看它测了什么。比如经常处理带表格的技术文档，就专门测表格；如果主要看外文网页，就专门测划词和整页。实测样本要自己准备，用一份你熟悉的文档，才能判断对错。

易用性。 看操作步数、批量处理能力、以及有没有反复弹窗打断。步数少的工具不一定适合复杂任务，但批量能力对日常工作的影响通常被低估。

成本控制。 把免费额度的限制条件、付费门槛、以及付费后的功能边界一起算进去。只看首年价格容易失真，第二年续费时的功能降级也要算。

三、实测样本怎么准备

这是横评文章很少讲、但最影响结论的一步。

准备三份样本，覆盖难度递增：

  • 一份普通文本。 邮件或说明书难度，用来测基础流畅度。
  • 一份专业文档。 带表格和公式，用来测格式保留和术语处理。
  • 一份你自己的旧译文。 已知正确版本，可以直接对照差异。

自己准备样本的好处是能发现横评测不出来的问题。比如某款工具格式还原很好，但同一个术语在三份文档里用了三种译法——这在专业场景里比格式崩了更麻烦。

术语一致性怎么建，见 文档翻译工具怎么选？Google、DeepL、福昕横向对比。

不同翻译工具在格式保留与术语一致性上的差异对比

四、按人群选，而不是按分数选

横评常见的错误是给出单一推荐。实际需求是分层的：

  • 以读文献为主的场景，文档的格式还原和术语准确权重最高，划词和视频功能可以忽略。
  • 以对外沟通为主的场景，礼貌和语气的处理权重最高，格式还原反而次要。
  • 以批量处理为主的场景，批量能力和成本结构权重最高，单次质量可以适当让步。

工具数量铺得全不代表适合你，反而增加切换成本。多数人选两三个常用工具长期用就够了。

桌面端与网页版的取舍见 在线翻译多语言对比：网页版到底够不够用，语种覆盖的判断标准见 翻译软件支持多少种语言才够用？语种覆盖怎么看。

小结

横评的价值是提供维度和样本，不是给结论。把速度、格式还原、评分、免费额度这四类数字先打个折，再用自己准备的样本实测，按自己的使用重心加权——顺序反了，就会被别人的结论带着走。

来源说明：本文参考了博客园《全场景翻译工具终极测评：2025年5款神器横向对比》（https://www.cnblogs.com/hhhdd2025/articles/19131258）中提出的"功能覆盖度、核心场景性能、易用性、成本控制"四维测评框架，并补充了厂商自测数字的可复核性判断、实测样本的准备方法与分层选型建议。该来源含明显的厂商推广内容，其具体性能数字（如响应速度、格式还原率、自动评分）均为厂商自测、未获独立验证，本文未采用这些数字作为事实依据。