影视字幕时间轴同步翻译

这是一个 AI 大模型评测用例，下面将详细介绍测试内容和各模型的表现。

基本信息

  • 用例名称：影视字幕时间轴同步翻译
  • 测试类型：文本生成
  • 评测维度：翻译
  • 参与评测的模型数：243 个

系统提示词（System Prompt）

你是一名资深影视字幕翻译专家，拥有丰富的动画片及儿童节目字幕本地化经验。 回答要求： 1. 严格保留原始时间轴格式 [MM:SS.mmm - MM:SS.mmm]，不得修改或省略任何时间戳。 2. 每行译文不超过 14 个中文字符（含标点符号），超出则需精简表达。 3. 翻译风格应口语化、自然流畅，符合动画片的轻松活泼语气。 4. 逐行对应原文，每条字幕单独输出，不得合并或拆分。 5. 优先保证语义准确，在字数限制内尽量传达原文的语气与情感。

用户提示词（User Prompt）

请将以下英文动画片段的字幕翻译成中文。 【翻译要求】 - 保留每条字幕的时间轴格式，格式为：[开始时间 - 结束时间] '译文' - 每行译文不超过 14 个中文字符（含标点符号） - 语言风格口语化、活泼自然，符合动画片氛围 - 语义准确，不得遗漏原文核心信息 【待翻译字幕】 [00:12.500 - 00:14.200] 'Hey, what's up, buddy?' [00:14.300 - 00:16.800] 'Nothing much, just hanging out.' [00:17.000 - 00:19.500] 'Wanna grab some pizza later?' 请按原格式逐行输出翻译结果。

各模型评测结果

  1. 第 1：doubao-seed-2-1-pro，得分 97.0 分 — 查看该模型的详细评测结果
  2. 第 2：qwen3.6-plus-preview，得分 96.5 分 — 查看该模型的详细评测结果
  3. 第 3：glm-5-turbo，得分 96.4 分 — 查看该模型的详细评测结果
  4. 第 4：Qwen 3.7 Max，得分 96.0 分 — 查看该模型的详细评测结果
  5. 第 5：Gpt 5.5，得分 95.9 分 — 查看该模型的详细评测结果
  6. 第 6：deepseek-v4-flash，得分 95.8 分 — 查看该模型的详细评测结果
  7. 第 7：MiniMax-M3，得分 95.6 分 — 查看该模型的详细评测结果
  8. 第 8：glm-5.2，得分 95.6 分 — 查看该模型的详细评测结果
  9. 第 9：Gemini 3.5 Flash，得分 95.5 分 — 查看该模型的详细评测结果
  10. 第 10：Claude Opus 4 7，得分 95.3 分 — 查看该模型的详细评测结果
  11. 第 11：kimi-k2-thinking-turbo，得分 95.28 分 — 查看该模型的详细评测结果
  12. 第 12：qwen3.5-flash，得分 95.2 分 — 查看该模型的详细评测结果
  13. 第 13：qwen3.5-27b，得分 95.2 分 — 查看该模型的详细评测结果
  14. 第 14：Qwen: Qwen3.5-9B，得分 95.2 分 — 查看该模型的详细评测结果
  15. 第 15：kimi-for-coding，得分 94.9 分 — 查看该模型的详细评测结果
  16. 第 16：qwen3.5-plus-2026-02-15，得分 94.85 分 — 查看该模型的详细评测结果
  17. 第 17：glm-4.7，得分 94.8 分 — 查看该模型的详细评测结果
  18. 第 18：qwen3.5-35b-a3b，得分 94.7 分 — 查看该模型的详细评测结果
  19. 第 19：StepFun: Step 3.5 Flash，得分 94.5 分 — 查看该模型的详细评测结果
  20. 第 20：doubao-seed-2-0-mini，得分 94.35 分 — 查看该模型的详细评测结果
  21. 第 21：kimi-k2.6，得分 94.3 分 — 查看该模型的详细评测结果
  22. 第 22：mimo-v2.5，得分 94.0 分 — 查看该模型的详细评测结果
  23. 第 23：Google: Gemini 3 Flash Preview，得分 94.0 分 — 查看该模型的详细评测结果
  24. 第 24：xAI: Grok 4.20 Beta，得分 94.0 分 — 查看该模型的详细评测结果
  25. 第 25：mimo-v2.5-pro，得分 94.0 分 — 查看该模型的详细评测结果
  26. 第 26：doubao-seed-1-6，得分 94.0 分 — 查看该模型的详细评测结果
  27. 第 27：xAI: Grok 4.1 Fast，得分 93.89 分 — 查看该模型的详细评测结果
  28. 第 28：Grok 4，得分 93.5 分 — 查看该模型的详细评测结果
  29. 第 29：qwen3-14b，得分 93.5 分 — 查看该模型的详细评测结果
  30. 第 30：glm-4.5-air，得分 93.42 分 — 查看该模型的详细评测结果
  31. 第 31：qwen3.5-omni-plus，得分 93.4 分 — 查看该模型的详细评测结果
  32. 第 32：qwen3-max，得分 93.22 分 — 查看该模型的详细评测结果
  33. 第 33：Meituan: LongCat Flash Chat，得分 93.08 分 — 查看该模型的详细评测结果
  34. 第 34：MiniMax-M2.5，得分 93.03 分 — 查看该模型的详细评测结果
  35. 第 35：deepseek-v4-pro，得分 93.0 分 — 查看该模型的详细评测结果
  36. 第 36：Tencent: Hy3 preview (free)，得分 93.0 分 — 查看该模型的详细评测结果
  37. 第 37：doubao-seed-1-8，得分 93.0 分 — 查看该模型的详细评测结果
  38. 第 38：qwen3-coder-next，得分 93.0 分 — 查看该模型的详细评测结果
  39. 第 39：MiniMax-M2.7，得分 92.8 分 — 查看该模型的详细评测结果
  40. 第 40：qwen3-235b-a22b，得分 92.8 分 — 查看该模型的详细评测结果
  41. 第 41：mimo-v2-omni，得分 92.8 分 — 查看该模型的详细评测结果
  42. 第 42：GLM-5.1，得分 92.8 分 — 查看该模型的详细评测结果
  43. 第 43：GPT-5.2，得分 92.7 分 — 查看该模型的详细评测结果
  44. 第 44：Google: Gemma 4 26B A4B ，得分 92.7 分 — 查看该模型的详细评测结果
  45. 第 45：GLM-5v-turbo，得分 92.7 分 — 查看该模型的详细评测结果
  46. 第 46：kimi-k2.5，得分 92.69 分 — 查看该模型的详细评测结果
  47. 第 47：Anthropic: Claude Haiku 4.5，得分 92.62 分 — 查看该模型的详细评测结果
  48. 第 48：doubao-seed-2-0-code，得分 92.6 分 — 查看该模型的详细评测结果
  49. 第 49：Google: Gemma 4 31B，得分 92.5 分 — 查看该模型的详细评测结果
  50. 第 50：OpenAI: GPT-5 Mini，得分 92.32 分 — 查看该模型的详细评测结果
  51. 第 51：OpenAI: GPT-5 Nano，得分 92.15 分 — 查看该模型的详细评测结果
  52. 第 52：Claude Opus 4.6，得分 92.0 分 — 查看该模型的详细评测结果
  53. 第 53：MiniMax-M2.1，得分 91.82 分 — 查看该模型的详细评测结果
  54. 第 54：mimo-v2-pro，得分 91.7 分 — 查看该模型的详细评测结果
  55. 第 55：step-3.7-flash，得分 91.5 分 — 查看该模型的详细评测结果
  56. 第 56：deepseek-v3.2，得分 90.32 分 — 查看该模型的详细评测结果
  57. 第 57：glm-5，得分 89.38 分 — 查看该模型的详细评测结果
  58. 第 58：Google: Gemini 3.1 Pro Preview，得分 89.29 分 — 查看该模型的详细评测结果
  59. 第 59：OpenAI: GPT-5.4，得分 88.5 分 — 查看该模型的详细评测结果
  60. 第 60：hunyuan-turbo，得分 87.8 分 — 查看该模型的详细评测结果
  61. 第 61：Mistral: Mistral Nemo，得分 87.51 分 — 查看该模型的详细评测结果
  62. 第 62：qwen3.5-omni-flash，得分 87.5 分 — 查看该模型的详细评测结果
  63. 第 63：OpenAI: GPT-4o-mini，得分 87.15 分 — 查看该模型的详细评测结果
  64. 第 64：Elephant，得分 87.1 分 — 查看该模型的详细评测结果
  65. 第 65：doubao-seed-1-6-flash，得分 87.0 分 — 查看该模型的详细评测结果
  66. 第 66：NVIDIA: Nemotron 3 Super (free)，得分 87.0 分 — 查看该模型的详细评测结果
  67. 第 67：OpenAI: gpt-oss-20b，得分 85.95 分 — 查看该模型的详细评测结果
  68. 第 68：OpenAI: gpt-oss-120b，得分 85.12 分 — 查看该模型的详细评测结果
  69. 第 69：mimo-v2-flash，得分 82.78 分 — 查看该模型的详细评测结果
  70. 第 70：Meta: Llama 3.3 70B Instruct，得分 82.01 分 — 查看该模型的详细评测结果
  71. 第 71：Google: Gemini 2.5 Flash Lite，得分 81.04 分 — 查看该模型的详细评测结果
  72. 第 72：qwen3-coder-plus，得分 80.7 分 — 查看该模型的详细评测结果
  73. 第 73：qwen3-4b，得分 80.0 分 — 查看该模型的详细评测结果
  74. 第 74：qwen3-8b，得分 79.1 分 — 查看该模型的详细评测结果
  75. 第 75：hunyuan-pro，得分 77.77 分 — 查看该模型的详细评测结果
  76. 第 76：doubao-seed-2-0-lite，得分 77.64 分 — 查看该模型的详细评测结果
  77. 第 77：doubao-seed-2-0-pro，得分 77.36 分 — 查看该模型的详细评测结果
  78. 第 78：Anthropic: Claude Sonnet 4.6，得分 73.0 分 — 查看该模型的详细评测结果
  79. 第 79：qwen3-coder-flash，得分 69.5 分 — 查看该模型的详细评测结果
  80. 第 80：hunyuan-large，得分 65.94 分 — 查看该模型的详细评测结果
  81. 第 81：qwen3-0.6b，得分 37.5 分 — 查看该模型的详细评测结果
题目
模型排行
加载中…
模型评分
加载中…