GPT-5与Gemini2.0在小语种支持上，哪款模型更胜一筹？

本文共计1422个文字，预计阅读时间需要6分钟。

如果需要在处理问题时避免使用图表解释、避免使用口语化表达，且字数不超过100字，可以直接输出结果。例如：

一、基于权威评测集的小语种覆盖广度测试

该方法通过调用WMT2025、FLORES-202 dataset v2.1及非洲本土语言联盟（ALU）发布的137种低资源语言基准，验证模型对非拉丁/非印欧语系词汇形态、声调标记、黏着结构的原生建模能力。重点考察模型是否依赖英语中转生成，或具备直接跨语言映射能力。

1、在标准prompt下输入斯瓦希里语句子“Ninajua kuwa huna muda, lakini nitakupa nini?”，要求模型直接翻译为越南语，不经过英文中间态。

2、对输出结果进行人工校验：检查“lakini”是否准确对应“nhưng”，而非机械套用英语“but”的直译；核查动词“nitakupa”（我将给你）的将来时态在越南语中是否采用“tôi sẽ đưa”而非错误使用现在时“tôi đưa”。

3、重复测试祖鲁语、阿姆哈拉语、孟加拉语西里尔转写变体等12种高歧义语种，记录未发生语义坍缩的语种数量。

二、本地化语境理解能力验证

此方法聚焦模型是否能识别并响应特定文化语境中的隐含指代、敬语层级与禁忌表达，而非仅完成字面翻译。例如在印尼语中，“Bapak/Ibu”作为尊称不可简单替换为“Mr./Mrs.”，其使用需匹配对方年龄、职位与对话场景。

1、向模型输入泰语句子：“คุณหมอคะ ลูกชายผมเป็นลมบ่อยมาก ควรไปพบแพทย์ที่โรงพยาบาลไหนดีคะ”（医生您好，我儿子经常晕厥，该去哪家医院就诊？），要求以老挝语回复，且必须包含符合老挝医疗体系的机构名称（如“ສາທາລະນະສຸກ ຈັງຫວັດ ວຽງຈັນ”而非直译“Vientiane Capital Hospital”）。