Który tłumacz AI najlepiej tłumaczy polski? Test 7 modeli na 60 zdaniach

👁 113 przeczytań

Werdykt w trzech zdaniach. Najlepiej z polskiego i na polski tłumaczyły w moim teście Gemini 4 Argon (9,12), GPT-6.1 Sol (9,08) i tani GPT-6 Luna (9,04) - dzieli je 0,08 punktu na 10, czyli praktycznie remis. Najwięcej błędów krytycznych nie wzięło się z idiomów, tylko z liczb i dat: amerykański zapis 06/09/2026 dobrze przełożyły na polski tylko 2 modele z 7. Gemini 3.1 Flash-Lite, na którym działa nasz darmowy tłumacz AI, odpowiada najszybciej (0,73 s) i kosztuje 0,11 USD za 1000 tłumaczeń, ale z 4 błędami krytycznymi zajął 5. miejsce, więc kwoty, terminy i nazwy urzędów sprawdzaj w nim dwa razy.

Data, która zmyliła pięć modeli

Jedno z 60 zdań wyglądało niewinnie: „On 06/09/2026 at 3:15 p.m. Apple shares fell 2.5% to $187.20”. Amerykanin czyta tę datę jako 9 czerwca. Napisałem to specjalnie, bo w polskim tekście 06.09 to zawsze wrzesień. Gemini 3.1 Flash-Lite oddał „06.09.2026 r.”, DeepSeek V4.1 Flash „6.09.2026”, a GPT-6.1 Sol i GPT-6 Luna przepisały „06/09/2026” bez zmian, co polski czytelnik i tak odczyta jako 6 września. Claude Sonnet 5.5 zrobił coś dziwniejszego: przetłumaczył na „6 września 2026 r.”, a pod spodem dokleił do wyniku notatkę, że w zapisie amerykańskim chodziłoby o 9 czerwca. Tłumaczenie przeczyło samo sobie. Dobrze zrobiły to tylko Gemini 4 Argon („09.06.2026 r.”) i Mistral Large 4 („9 czerwca 2026”).

Ten sam problem wrócił w drugą stronę. Fakturę „płatną do 3.12.2026 r.” GPT-6.1 Sol i Gemini 4 Argon zostawiły w angielskim tekście jako „3.12.2026”, a kwotę jako „12 345,67”. Brytyjczyk to zrozumie, ale Amerykanin przeczyta 12 marca. Pozostałe modele zamieniły zapis na „December 3, 2026” albo „3 December 2026”, a kwotę na angielskie „12,345.67”. Z kwotami w milionach nie było kłopotu: „1,5 mln zł, czyli ok. 350 tys. euro” wszystkie siedem modeli przełożyło poprawnie, bez zamiany milionów w miliardy.

Idiomy: Zabłocki przeszedł, skorupki jajek nie

Bałem się o Zabłockiego na mydle, a niepotrzebnie. Wszystkie modele zrozumiały, że szwagier stracił na kryptowalutach: GPT-6.1 Sol napisał „My brother-in-law lost his shirt on that cryptocurrency investment”, Gemini 3.1 Flash-Lite „My brother-in-law really took a bath on that crypto investment”. Tylko GPT-6 Luna zgubił, czyj to szwagier: „His brother-in-law came out of this crypto investment worse off than before”. Angielskie „Don’t count your chickens before they hatch” cała siódemka przełożyła jednakowo i dobrze, na „Nie dziel skóry na niedźwiedziu”.

Pod górkę było z „walking on eggshells”, czyli uważaniem na każde słowo po zwolnieniach. Gemini 3.1 Flash-Lite i GPT-6 Luna napisały, że reszta zespołu „chodzi jak na szpilkach”, co miesza się z „siedzeniem jak na szpilkach”, czyli zdenerwowaniem. Gemini 4 Argon wybrał „stąpa po cienkim lodzie”, a to znaczy ryzykować. Claude Sonnet 5.5 oddał najpierw „chodzi jak po grzybach”, po czym w tej samej odpowiedzi zaczął się zastanawiać, czy to dobry zwrot, i dopisał drugą wersję. Taki wynik wklejony do maila byłby kompromitacją, dlatego sędzia dał mu zero. Czysto wyszło to tylko GPT-6.1 Sol („boi się teraz każdego kroku”) i Mistralowi („chodzi na palcach”).

Przysłowie „obiecanki cacanki, a głupiemu radość” ma dwie części i większość modeli zgubiła drugą. Gemini 3.1 Flash-Lite skrócił je do „empty promises”, Claude i DeepSeek przerobiły na angielskie powiedzonko o kruchym cieście. W całości oddał je GPT-6.1 Sol: „talk is cheap, and only a fool would fall for it”. W idiomach to on miał komplet punktów.

Urzędy, umowy, leki

W pouczeniu „od decyzji przysługuje odwołanie do Samorządowego Kolegium Odwoławczego” Gemini 3.1 Flash-Lite nazwał SKO „Local Government Appeals Court”. Kolegium nie jest sądem, a ktoś, kto pokaże takie tłumaczenie prawnikowi za granicą, wprowadzi go w błąd co do drogi odwoławczej. Pozostałe modele napisały „Appeals Board”. Drobniejszy kłopot miało „zbywanie nieruchomości”: Claude, DeepSeek i Gemini 3.1 Flash-Lite zamieniły je na „sell”, choć zbycie to także darowizna czy zamiana. Klauzulę „save where such loss results from its gross negligence” wszystkie modele zrozumiały jako wyjątek („chyba że”), żaden nie potknął się o „save”.

Medycyna wypadła, razem z marketingiem, najlepiej ze wszystkich kategorii. Niedoczynność tarczycy, 50 µg lewotyroksyny na czczo i kontrolę TSH za 6 tygodni każdy model oddał bez błędu w jednostkach. Sędzia oznaczył jeden błąd krytyczny u Gemini 3.1 Flash-Lite: w zdaniu o bólu w klatce piersiowej, który „zacznie promieniować do lewej ręki”, model kazał jechać na SOR, gdy pojawi się „chest pain radiating to your left arm”, i zgubił to, że ból już jest, a niepokojąca jest jego zmiana. Ten sam model w zdaniu o wypisie ze szpitala dodał od siebie „do domu”.

Slang i słowa z dwoma znaczeniami

Na slangu przewrócił się Claude Sonnet 5.5. „No cap, that concert was lowkey the best thing I’ve seen all year” oddał jako „Serio, ten koncert był po cichu najlepszym, co widziałem w tym roku”. „Po cichu najlepszym” to słowo w słowo przełożone „lowkey”, po polsku bez sensu. W zdaniu „ziomek się spiął jak struna, a potem i tak wtopił” napisał „got busted anyway”, czyli że ziomka przyłapano, a nie że zaliczył wpadkę. W slangu Claude dostał 5,5 na 10, najmniej ze wszystkich.szystkich modeli w jakiejkolwiek kategorii.

Pułapki z dwoma znaczeniami zadziałały tylko na DeepSeeka. W zdaniu o kijach i rękawicach baseballowych na ganku „bat” przełożył jako „nietoperz”, a „The bank was flooded after the storm, so we moved our picnic further from the river” jako „Bank był zalany po burzy”. Polskie pułapki przeszły wszystkie modele: zamek w kurtce to „zipper”, zamek zamknięty dla turystów to „castle”, a resztę od kelnera każdy oddał jako „change”.

Ukraiński i niemiecki

Dziesięć zdań, które dałem do przełożenia na niemiecki i ukraiński, wziąłem z życia: zgubiony portfel w tramwaju, umowa na czas określony, gorączka dziecka, PESEL i karta pobytu, kaucja za mieszkanie, ogłoszenie o pracę z uprawnieniami UDT. Po niemiecku różnice były małe, najlepszy Gemini 4 Argon dostał 9,75, najsłabszy Mistral 8,25. GPT-6 Luna przełożył „Wszystkie ręce na pokład” jako „Alle Mann an Bord” (wszyscy na pokładzie, zamiast mobilizacji) i w ogłoszeniu o pracę wyrzucił wymóg UDT.

Po ukraińsku błędy były poważniejsze. Kartę pobytu Claude i DeepSeek oddały jako „карта побуту”, a „побут” to po ukraińsku codzienne życie, nie pobyt. Poprawny urzędowy termin „посвідка на проживання” wybrały GPT-6.1 Sol i Gemini 3.1 Flash-Lite. Ten drugi zamienił za to kaucję na „завдаток”, czyli zadatek, który w umowie działa inaczej niż zwrotna kaucja. Idiom o rękach na pokładzie Gemini 3.1 Flash-Lite i DeepSeek przełożyły dosłownie, a Gemini 4 Argon sięgnął po prawdziwe ukraińskie „Свистати всіх нагору”. Mistral zamienił dowód osobisty na paszport. Na ukraiński najlepiej tłumaczyły Gemini 4 Argon i GPT-6 Luna (po 9,5).

Czas i pieniądze

Ceny na 1000 tłumaczeń różnią się ponad stukrotnie. GPT-6 Luna kosztuje 0,047 USD, DeepSeek 0,034 USD, Gemini 3.1 Flash-Lite 0,114 USD, GPT-6.1 Sol i Gemini 4 Argon po niecałym dolarze, Claude Sonnet 5.5 1,42 USD. Najdroższy okazał się Mistral Large 4 (4,33 USD), choć ma niską cenę za token. Tego modelu nie da się przez API przełączyć w tryb bez rozumowania, więc przy każdym krótkim zdaniu zużywał średnio około 1950 tokenów, prawie w całości na „myślenie”. Przy limicie 2000 tokenów 24 z 60 odpowiedzi wróciło puste albo urwane, musiałem je powtórzyć z wyższym limitem. Średnio odpowiadał po 22,7 s. Do tłumacza na stronie to dyskwalifikuje.

Najszybszy był model naszego narzędzia: 0,73 s średnio, mierzone z mojego komputera w Polsce, razem z siecią. Claude Sonnet 5.5 odpowiadał w 1,13 s, GPT-6 Luna w 1,52 s, GPT-6.1 Sol w 1,94 s, Gemini 4 Argon w 4,94 s.

Jak testowałem

Napisałem sam 40 zdań w 8 kategoriach po 5 (idiomy, prawo i urzędy, medycyna, IT, marketing, slang, zdania wieloznaczne z kontekstem, liczby, daty i nazwy własne): 23 z polskiego na angielski i 17 z angielskiego na polski. Do tego 10 zdań z polskiego, każde przełożone na niemiecki i na ukraiński. Razem 60 tłumaczeń na model i 420 wyników. Żadne zdanie nie pochodzi z cudzego tekstu.

Każdy model dostał to samo polecenie systemowe, co nasz tłumacz w trybie „Naturalnie”, temperaturę 0,2 i najniższy dostępny poziom rozumowania. Wszystko szło przez oficjalne API OpenRoutera 9 listopada 2026. DeepL i Google Cloud Translation nie ma w tej tabeli, bo nie mam do nich kluczy API, a stron translate.google.com i deepl.com nie chciałem automatycznie odpytywać. Ich wyniki z przeglądarki są w moim wcześniejszym teście 70 zdań z DeepL i Google Tłumaczem.

Oceniał Claude Opus 5.5 jako sędzia. Przy każdym zdaniu dostawał tekst źródłowy, notatkę, na co uważać, i siedem tłumaczeń w losowej kolejności, bez nazw modeli. Przyznawał 0-2 punkty za sens, 0-2 za naturalność i oznaczał błędy krytyczne: zmienioną liczbę, datę, kwotę, zaprzeczenie albo znaczenie, które w realnej sytuacji wprowadzi w błąd. Wynik 0-10 to suma punktów przeliczona na dziesiątki. Wszystkie 70 wyników z kategorii idiomy i liczby sprawdziłem ręcznie: w 5 przypadkach poprawiłem sędziego, głównie dodając błąd krytyczny przy datach przepisanych bez zmiany formatu (szczegóły w polu reczna_korekta w danych). Nie widać, żeby sędzia z rodziny Claude faworyzował swoich, bo Claude Sonnet 5.5 skończył przedostatni. Różnice na szczycie są mniejsze niż jedno zdanie oceny, więc pierwsze trzy miejsca traktuj jako remis. Cały test kosztował 1,49 USD: 0,61 USD tłumaczenia, 0,81 USD sędzia i 0,07 USD okładka.

Który tłumacz do czego

• Codzienne teksty, maile, wiadomości: nasz tłumacz AI na Gemini 3.1 Flash-Lite. Za darmo, bez logowania, najszybszy w teście, a w slangu i marketingu miał 9,5 na 10.
• Umowy, pisma urzędowe, faktury: GPT-6.1 Sol albo Gemini 4 Argon, a potem i tak ręczna kontrola kwot, dat i nazw instytucji. Więcej o tym w tekście które AI do tłumaczenia umów.
• Dużo tekstu za grosze: GPT-6 Luna. Trzecie miejsce za 0,047 USD za 1000 tłumaczeń.
• Ukraiński: Gemini 4 Argon albo GPT-6 Luna. Urzędowe terminy (karta pobytu, kaucja) zawsze sprawdź w oficjalnym słowniczku urzędu.
• Tłumaczenie w czacie: jeśli i tak płacisz za ChatGPT, gotowe polecenia są w poradniku ChatGPT jako tłumacz.

Jedna zasada działa w każdym z nich: daty pisz w tłumaczonym tekście słownie („9 czerwca”), a nie cyframi. W teście daty zapisane cyframi dały 7 z 13 błędów krytycznych.

Prywatność

Każdy tłumacz AI wysyła tekst na serwer dostawcy modelu. W naszym narzędziu idzie on przez OpenRoutera do Google. Po stronie promptowego treść tłumaczeń nie jest zapisywana, zapisujemy tylko liczniki użycia potrzebne do limitów. Nie zmienia to podstawowej zasady: nazwisk, numerów PESEL, kont i dokumentacji medycznej nie wklejaj do żadnego darmowego tłumacza. Zamień je przed tłumaczeniem na zastępniki („[NAZWISKO]”, „[KWOTA]”), a po tłumaczeniu wstaw z powrotem.

Wyniki w kategoriach

Surowe dane: 420 ocen

Poniżej ocena każdego tłumaczenia. Pełne odpowiedzi modeli, uwagi sędziego, moje korekty, czasy, tokeny i koszty pobierzesz w pliku JSON z wynikami testu.

Czytasz Promptowego częściej? Dodaj go do preferowanych źródeł w Google, a nowe teksty będą wyżej w Twoich wynikach.

Najczęstsze pytania

Który tłumacz AI najlepiej tłumaczy z polskiego na angielski?

W moim teście 23 zdań GPT-6.1 Sol i GPT-6 Luna (po 9,24 na 10), przed Mistral Large 4 (9,02). Gemini 4 Argon miał tu 8,80.

A który najlepiej tłumaczy z angielskiego na polski?

Gemini 4 Argon (8,97), przed GPT-6.1 Sol (8,68). Najsłabiej w tym kierunku wypadły Claude Sonnet 5.5 (7,21) i DeepSeek V4.1 Flash (7,35).

Czy darmowy tłumacz AI na promptowym nadaje się do umów?

Do zrozumienia umowy tak, do podpisania nie. Model naszego tłumacza zrobił w teście 4 błędy krytyczne, w tym nazwał SKO sądem i zamienił kaucję na zadatek. Dlatego jeszcze 9.11, po zakończeniu testu, przełączyliśmy tłumacz na promptowym na GPT-6 Luna (3. miejsce, 1 błąd krytyczny, ponad 2 razy taniej). Odpowiada trochę wolniej, około 1,5 s zamiast 0,7 s. Pismo, które ma skutki prawne, oddaj tłumaczowi przysięgłemu albo przynajmniej sprawdź z drugim modelem.

Dlaczego w teście nie ma DeepL i Google Tłumacza?

Testowałem tylko przez oficjalne API, a kluczy do DeepL API i Google Cloud Translation nie mam. Darmowe wersje obu w przeglądarce porównałem wcześniej w tekście DeepL vs Google Tłumacz vs ChatGPT.

Który model najlepiej tłumaczy na ukraiński?

Gemini 4 Argon i GPT-6 Luna, po 9,5 na 10 w 10 zdaniach. Najsłabszy był DeepSeek V4.1 Flash (7,25), który m.in. przełożył idiom dosłownie i pomylił pobyt z codziennym życiem.