我在为我的项目寻找使用哪种翻译服务时，发现了以下信息：
GPT4o：$20/1M 个token（用于翻译，输入和输出的token数量大致相同）
GPT4o-mini：$0.75/1M 个token
Google 翻译：$20/1M 个字符，大约是 $60~$100/1M 个子词/token。
什么？
此外，GPT4o 具备从上下文理解到自定义提示的所有功能，这些功能可以使翻译结果更好。我不明白为什么还有人会使用更昂贵的 Google 翻译。
讨论总结
本次讨论主要围绕大型语言模型（LLM）与传统机器学习模型在翻译服务中的成本效益展开。讨论者们对比了GPT4o和Google Translate的价格和性能，指出GPT4o在价格上更具优势，但在处理非英语语言和稳定性方面，Google Translate更为可靠。此外，讨论还涉及了企业客户在技术选择上的保守性和适应缓慢的特性，以及遗留代码和AI幻觉等问题。总体而言，讨论呈现出对新技术成本效益的深入分析和对企业决策过程的关注。
主要观点
👍 GPT4o在价格上比Google Translate更具优势
- 支持理由：GPT4o的价格明显低于Google Translate，且提供了更好的上下文理解和定制化提示功能。
- 反对声音：Google Translate在处理非英语语言和稳定性方面更为可靠。
🔥 企业客户在技术选择上表现出保守和适应缓慢的特性
- 正方观点：企业客户可能因为长期使用Google Translate而形成依赖，不愿意改变。
- 反方观点：更新到GPT4o可能会引入AI幻觉等错误，影响已经经过打磨的产品。
💡 GPT4o系列模型提供了更好的上下文理解和定制化提示功能
- 解释：GPT4o在翻译服务中具有更好的上下文理解和定制化能力，使其在价格和性能上优于传统翻译服务。
💡 Google Translate在处理非英语语言和稳定性方面更为可靠
- 解释：尽管价格较高，Google Translate在处理非英语语言和稳定性方面表现出色，适合寻求严肃翻译服务的用户。
💡 更新到GPT4o可能会引入AI幻觉等错误
- 解释：许多公司使用的是遗留代码，不愿意更新到ChatGPT，因为更新可能会引入AI幻觉等错误，影响产品稳定性。
金句与有趣评论
“😂 GPT4o系列模型在价格上比Google Translate更具优势。”
- 亮点：直接点出了GPT4o在价格上的优势，简洁明了。
“🤔 企业客户在技术选择上表现出保守和适应缓慢的特性。”
- 亮点：指出了企业客户在技术选择上的保守性，引发了对企业决策过程的思考。
“👀 更新到GPT4o可能会引入AI幻觉等错误。”
- 亮点：揭示了更新到GPT4o可能带来的风险，提醒企业在技术更新时需谨慎。
“😂 Google Translate在处理非英语语言和稳定性方面更为可靠。”
- 亮点：强调了Google Translate在特定领域的优势，为寻求严肃翻译服务的用户提供了参考。
“🤔 原有决策者可能已经离职，新决策者不了解原有系统的运作方式。”
- 亮点：揭示了企业内部决策链条的复杂性，解释了为何企业客户不愿意更换翻译服务。
情感分析
讨论的总体情感倾向偏向于客观和中立，讨论者们对GPT4o和Google Translate的优缺点进行了深入分析。主要分歧点在于价格与性能的权衡，以及企业客户在技术选择上的保守性。可能的原因包括企业对稳定性的需求、对新技术的风险评估以及内部决策链条的复杂性。
趋势与预测
- 新兴话题：未来可能会有更多关于不同翻译模型在多语言处理和稳定性方面的对比讨论。
- 潜在影响：随着LLM技术的进一步发展，企业客户可能会逐渐接受并采用更具成本效益的翻译服务，但这一过程可能较为缓慢。
详细内容：
标题：LLMs 比传统 ML 模型更便宜？Reddit 热议
在 Reddit 上，有一个关于语言模型（LLMs）与传统翻译服务成本比较的热门讨论。原帖作者表示，在为项目选择翻译服务时发现，GPT4o 为 20 美元/100 万 tokens，GPT4o-mini 为 0.75 美元/100 万 tokens，而 Google translate 则约为 60 - 100 美元/100 万 tokens，并且 GPT4o 还有诸多优势，这让作者感到困惑为何还有人使用更贵的 Google translate。该帖子获得了众多关注，引发了广泛的讨论。
讨论焦点与观点分析： 有人指出 Google Translate 从技术上讲也是 LLM，是一种混合变压器。有人认为它太老旧了。有人说它目前的定价并非为了盈利。还有人表示，如果能嗅到企业客户有转向基于 AI 服务的意愿，谷歌会迅速做出反应。有人好奇什么样的工作会需要大量的 LLM 调用，回答称比如在约 5000 人的公司处理大量文档时，会用于标签、搜索、写作辅助等。有人提到在这种情况下应考虑购买自己的硬件运行开源模型。 关于 OpenAI 是否通过 API 盈利，存在不同看法。有人认为 OpenAI 在烧投资者的钱，也有人认为其可能达到收支平衡甚至盈利，还有人认为目前情况不明，但短期研发等投入巨大。 有人提到 GPT4o 可能存在失误，而 Google translate 相对更稳定，能翻译更多语言。但也有人认为通过微调预训练模型可以解决翻译问题。还有人指出用户量和批量大小会影响服务成本的分摊。有人认为逻辑回归模型虽然开源免费，但作为 API 部署时会有服务器成本。有人称 Gemini flash 1.5 比 Google translate API 更好且更便宜，还有 Deepseek API 等更低价的选择。也有人认为很多公司因使用遗留代码和担心引入新问题而不愿更新到新的模型。
总之，这场讨论涵盖了技术、成本、服务质量和企业决策等多个方面，让人们对翻译服务的选择有了更全面的思考。
感谢您的耐心阅读！来选个表情，或者留个评论吧！