Índice7
En resumen
- Las evaluaciones independientes de la traducción automática coronan un sistema distinto cada año, y la clasificación cambia de un par de idiomas a otro.
- Los servicios de traducción y los modelos de IA generalistas se acercan: DeepL y Google ya ofrecen sus propios modelos de tipo LLM.
- Para un texto profesional, la respuesta sale de una prueba con sus textos, juzgada por una persona que lee el idioma.
«¿DeepL o ChatGPT?» «¿Basta con Google Traductor?» La pregunta aparece en cada proyecto de traducción, y cada proveedor tiene su respuesta, sacada de sus propias pruebas. Este artículo no designa un ganador: explica lo que muestran las evaluaciones independientes, lo que distingue de verdad a las herramientas y cómo compararlas con sus textos. Completa nuestros artículos sobre la traducción de sitios web y la apertura de nuevos mercados.
Lo que muestran las evaluaciones independientes
La referencia es WMT, la conferencia anual sobre traducción automática, que cada año hace evaluar por anotadores profesionales las traducciones de decenas de sistemas: los de equipos de investigación, modelos de IA generalistas y servicios de traducción en línea.
- 2024
Según las conclusiones de WMT24, el mejor sistema en todas las categorías es Claude 3.5 Sonnet, en cabeza en 9 de los 11 pares de idiomas evaluados.
- 2025
Según las conclusiones de WMT25, es Gemini 2.5 Pro, en el grupo de cabeza en 14 de los 16 pares evaluados por personas.
Tres límites impiden sacar de ahí una elección para su empresa.
El ganador cambia. Dos ediciones, dos proveedores distintos en cabeza. Los modelos evolucionan cada pocos meses: una clasificación vale para las versiones probadas, en la fecha de la prueba.
Los servicios en línea están anonimizados. Las traducciones de los servicios públicos de traducción automática figuran en la evaluación con nombres en clave (ONLINE-B, ONLINE-G, ONLINE-W): WMT no dice cuál es DeepL o Google Traductor.
Los textos no son los suyos. Los ámbitos probados son la actualidad, las redes sociales, el habla, la literatura y la educación, elegidos para poder juzgarse sin conocimientos especializados. Un contrato, una ficha técnica o una página de oferta no figuran en ellos. Las mismas conclusiones señalan además debilidades persistentes en la terminología de un sector.
La clasificación también cambia de un idioma a otro. Del inglés al árabe egipcio, por ejemplo, el orden no es el de la clasificación general:
WMT25, inglés a árabe egipcio: puntuación humana sobre 100
El sistema en cabeza de la clasificación general solo llega cuarto en este par, y la traducción humana de referencia sigue por delante de todos los sistemas. Es el argumento más sólido para probar idioma por idioma.
Lo que dicen los proveedores
Cada proveedor publica sus propias comparaciones, y cada una le da ventaja. En julio de 2024, DeepL anunció un nuevo modelo de lenguaje diseñado para la traducción, citando pruebas a ciegas realizadas con profesionales de la lengua, en las que se preferían sus traducciones a las de Google Traductor y ChatGPT-4. Son pruebas del proveedor, con las versiones competidoras de entonces.
Estos anuncios dicen algo útil: la frontera entre las familias de herramientas se difumina. DeepL se apoya en un modelo de tipo LLM, Google ofrece en Cloud Translation un «Translation LLM» junto a su modelo de traducción clásico, y los modelos generalistas traducen. Oponer «traductor automático» e «IA generativa» tiene cada vez menos sentido.
Lo que distingue de verdad a las herramientas
En lugar de una nota de calidad general, compare lo que cambia su trabajo diario.
Los servicios de traducción: DeepL, Google Cloud Translation
- Entra un texto, sale su traducción. Pocas instrucciones que escribir: la herramienta traduce, con algunos ajustes según el plan, como el nivel de formalidad o reglas de estilo en DeepL.
- El glosario está integrado: DeepL y Google aceptan un glosario cargado una vez y aplicado a cada traducción. Detallamos su uso en glosario de marca: evitar traducciones incoherentes.
- Una facturación por carácter o por suscripción, fácil de prever.
Los modelos de IA generalistas: Claude, Gemini, GPT, Mistral, DeepSeek y los demás
- Siguen instrucciones: tono, tuteo o trato de usted, longitud máxima, formato de salida, glosario entregado con el texto.
- Traducen un documento entero con su contexto, lo que ayuda con las referencias de un párrafo a otro.
- Requieren más control: un modelo generativo puede añadir, omitir o reformular. Los números, los términos impuestos y la longitud se comprueban después.
- Una facturación por token, que depende del modelo elegido y de la longitud de las instrucciones.
Servicio de traducción
Glosario integrado, sin instrucciones que escribir
Salida cercana a la estructura original
Ajustes de tono más limitados
Modelo generalista
Instrucciones de tono, formato y longitud
Contexto del documento entero
Control necesario sobre lo que añade u omite
Las condiciones de uso de los datos
Un criterio pesa tanto como la calidad: qué ocurre con el texto enviado. Las condiciones cambian según el plan, y no solo según el proveedor. DeepL indica «ningún entrenamiento con los datos» en sus planes de pago. Para la API de Gemini, la tarifa de Google indica que los contenidos del nivel de pago no sirven para mejorar sus productos, y que los del nivel sin pago sí. Lea las condiciones del plan que realmente utiliza, no las del proveedor en general.
Cómo probar con sus textos
La única clasificación que cuenta es la de sus textos. La prueba cabe en seis pasos:
- Reúna veinte a treinta extractos reales.
Una página de oferta, condiciones de venta, una ficha de producto, una respuesta del servicio de atención al cliente, un texto técnico: lo que realmente traducirá, casos difíciles incluidos.
- Fije las mismas reglas para todos.
El mismo glosario y, para los modelos generalistas, las mismas instrucciones.
- Compare tres a cinco herramientas
Entre ellas al menos un servicio de traducción y un modelo pequeño, a menudo mucho más barato.
- Haga juzgar a ciegas
Por una persona que lee el idioma, sin saber qué herramienta produjo cada traducción. Clasifique los errores por gravedad: sentido erróneo, término erróneo, tono, forma.
- Calcule el coste de una traducción utilizable
Corrección incluida, no solo el precio por carácter.
- Repita con cada cambio
De versión de una herramienta, o al abrir un nuevo idioma.
El método general se detalla en evaluar un modelo de IA antes de ponerlo en producción. El evaluador puede apoyarse en un segundo modelo de IA para clasificar un gran volumen, pero la decisión corresponde a alguien que lee el idioma: los propios organizadores de WMT concluyen que la evaluación humana debe seguir siendo el árbitro final de la calidad de una traducción.
Sobre el terreno
Nuestra tabla de enrutamiento no usa la misma herramienta para el alemán que para el chino, y el tailandés se decide en el banco de pruebas, con los textos del cliente. En Palmora Property, un portal de anuncios inmobiliarios en seis idiomas que operamos, la herramienta de traducción se eligió con este método, y el cambio de proveedor dividió por 60 el coste del pipeline. Es un resultado de coste para este sitio, no una clasificación de calidad válida en otros casos.
Lo que la herramienta no resuelve
La mejor herramienta no sustituye la revisión de las páginas que comprometen, ni el glosario, ni la memoria de traducción, ni la localización de precios y formatos, que detallamos en localizar en lugar de traducir. En un catálogo, tampoco exime de los controles de cifras y unidades descritos en traducir las fichas de producto para la exportación. Tampoco sustituye al traductor: desplaza su trabajo hacia la revisión, la terminología y los textos que piden una verdadera reescritura. Detallamos este reparto en traducir su sitio con IA, automática o revisada, y el presupuesto completo de un idioma en traducir un sitio: el coste por palabra, por página, por mercado.
Por dónde empezar
Elija el idioma de su primer mercado y diez extractos de sus textos más importantes, hágalos traducir por tres herramientas y entregue el conjunto, sin los nombres, a alguien que lea el idioma. Sabrá rápido cuál hay que corregir menos.
Para un banco de pruebas completo con sus contenidos, idioma por idioma, descríbanos sus textos y sus idiomas: partimos de sus documentos, nunca de una clasificación pública.
Preguntas frecuentes
¿Es DeepL mejor que Google Traductor?
Depende del idioma y del texto. Las evaluaciones independientes anonimizan los servicios en línea, y las comparaciones publicadas por los proveedores dan ventaja a quien las publica. Pruebe ambos, con su glosario, con una veintena de sus propios extractos, juzgados por alguien que lee el idioma.
¿Puede ChatGPT sustituir a un traductor?
No. Un modelo de IA produce un primer borrador rápido, a veces excelente, pero puede equivocarse en un término, una cifra o un tono sin avisar. Un traductor o un revisor sigue siendo necesario para las páginas que venden o que comprometen, y para juzgar la calidad: las propias evaluaciones de referencia se basan en anotadores profesionales.
¿Qué herramienta elegir para el chino, el ruso o el tailandés?
La que gane su prueba en ese idioma. La clasificación cambia de un par de idiomas a otro, y una herramienta excelente hacia el alemán puede ser mediocre hacia el tailandés. Por eso una tabla de enrutamiento puede usar una herramienta distinta por idioma.
¿Sirven las versiones para el gran público para un uso profesional?
Compruebe las condiciones antes de pegar en ellas un contrato o datos de clientes. Las condiciones de uso de los datos difieren según el plan: lo que vale para un plan de pago o una API no vale necesariamente para la versión de gran público del mismo proveedor.
Fuentes
- Findings of the WMT24 General Machine Translation Shared Task (nueva pestaña)aclanthology.org
- Findings of the WMT25 General Machine Translation Shared Task (nueva pestaña)aclanthology.org
- DeepL, anuncio de su modelo de lenguaje de nueva generación (nueva pestaña)deepl.com
- DeepL, planes del Traductor (nueva pestaña)deepl.com
- Google, precios de la Gemini API (nueva pestaña)ai.google.dev
Findings of the WMT24 General Machine Translation Shared Task
Leer en aclanthology.org(nueva pestaña)Findings of the WMT25 General Machine Translation Shared Task
Leer en aclanthology.org(nueva pestaña)Jim · fundador de Brain Plus AI
Más artículos sobre traducción y nuevos mercados
Elegir y presupuestar8 min
Traducir una web: el coste por palabra, por página, por mercado
Un presupuesto de traducción se lee por palabra o por página, una API se factura por carácter, y ninguno de los dos dice lo que cuesta de verdad un idioma abierto. Estas son las tres formas de contar, con precios públicos, y lo que hay que añadir para saber si un mercado vale su traducción.
Guía práctica8 min
Glosario de marca: evitar traducciones incoherentes
El mismo producto llamado de tres maneras en tres páginas, y el lector se pregunta si se trata de tres productos. El glosario de marca fija los términos que no se discuten, antes de la primera traducción, sea cual sea la herramienta o el traductor.
Entender8 min
Equipo multilingüe: trabajar juntos sin un idioma común
Una filial en el extranjero, una adquisición, contrataciones a distancia: cada vez más equipos reúnen a personas que no hablan el mismo idioma. Los subtítulos traducidos y la traducción de mensajes ayudan, pero son las reglas de escritura, de reunión y de documentación las que permiten trabajar juntos.