こんにちは。AIシュリーマン 翻訳ディレクターの戸部です。

OpenAIの GPT-5.1 シリーズと、Googleの Gemini 3 Pro が相次いでリリースされ、AI翻訳界隈も新たな局面を迎えています。早速、これらの最新モデルを用いて翻訳性能の検証を行いました。

今回は、ユーザーの皆様が最も気になるであろう「最高精度のモデルはどれなのか」「コスパが良いのはどれか」という点にフォーカスし、今回は英語翻訳に限り深掘りしていきます。

翻訳に使用する日本語原文

当社で利用許諾を頂いておりますビジネス書や小説から文面を抜粋し、各エンジンにて翻訳を行いました。 原文1はエッセイ、原文2は小説、原文3は自己啓発系の書籍から引用した文章です。特に原文2は、文脈依存度が高く、翻訳者から見ても難易度の高い文章となります。 ※比較対象の文章は前回同様のため詳細は割愛します。

翻訳の評価方法（スコアリング）

評価方式はこれまで通り、以下の6項目を 100点満点 で採点し、複数の評価者が出した点数の平均を最終的なスコアとしています。

• 翻訳精度：原文の意味やニュアンスが適切に伝わっているか

• 言語の流暢さ：訳文が自然で読みやすいか

• 一貫性：用語・表記が文章全体で統一されているか

• 文化的妥当性：文化背景を踏まえ、現地の慣習に合った表現ができているか

• 文章の正確さ：文法や語彙、句読点などに誤りがなく、論理に破綻がないか

• 全体評価：上記の総合点として完成度を見た評価

基準として、50点以下 なら「かろうじて意味が通じる」、70点以上 で「ほぼ自然に読める文章」、80点以上 が「ネイティブに近いレベル」としています。

比較対象のAI（LLM）と検証条件

今回は最新のハイエンドモデルを中心に、以下のラインナップで検証しました。

• GPT-5.1 シリーズ (High / Medium / 推論無し)

• Gemini 3 Pro シリーズ (High / Low)

• Gemini 2.5 シリーズ (Pro / Flash / Flash-lite)

• DeepSeek v3.2-exp

• GPT-4.1

• Google翻訳 (比較用ベースライン)

検証結果：GPT-5.1 Highが頭一つ抜ける結果に

今回の検証結果は、非常に興味深いものとなりました。まずはスコアランキングをご覧ください。

主な比較結果（全体評価）：

• 1位：GPT 5.1 high (92.0点) - 唯一の90点台オーバー。圧倒的な品質。

• 2位タイ：Gemini 3 Pro high (89.0点) - Geminiの最新版も健闘。

• 2位タイ：GPT-5.1 (推論無し) (89.0点) - 推論コストを削っても高いスコアを維持。

• 2位タイ：GPT-5.1 medium (89.0点) - 安定した高得点。

• 5位：Gemini 2.5 Pro (88.0点) - 前世代のハイエンドも依然優秀。

特筆すべきは、gpt-5.1-high が叩き出した 92.0点 というスコアです。 特に「言語の流暢さ」で 93.0点、「翻訳精度」で 92.0点 を記録しています。小説のようなニュアンスが重要な翻訳において、人間が推敲したレベルに極めて近い、あるいは凌駕するような表現力を見せました。 ただし、処理時間は 68.54秒、推論コスト高いためと、他のモデルと比較して「重く、高い」のも事実です。

2位につけた Gemini 3 高推論モード は 89.0点 と非常に優秀です。他方、Gemini 3の低推論モードにおいては7位と、Gemini 2.5 Proよりも大きく下回る結果となりました。コスト的にはGemini 3系の方が値上がりしているため、翻訳用途という観点では低推論モードは実用としてはやや苦しいかな･･･という感触はあります。

さらに注目したいのが、同じく89.0点を記録した GPT-5.1(推論無し) です。 こちらはGPT-5.1から新しく追加された「そもそも推論させない」というGPT-4.1に近いモデルです。そのため処理も速く、推論コストも掛からないため比較的コストは抑えられがち。推論プロセスを省いても、MediumモデルやGemini 3 Proと同等のスコアを出しており、実務で大量の翻訳を行う上では「最強の選択肢」になる可能性があります。

いつも比較対象としている Google翻訳 ですが結果的には 69.0点 となりました。 最新のLLM勢が軒並み80点台後半〜90点台を記録する中、従来の翻訳エンジンとの性能差はもはや「別次元」と言って差し支えないレベルまで開いています。

GPT-5.1 と Gemini 3 Pro の特徴と強み

今回の検証で明らかになった各モデルの強みは以下の通りです。

• GPT-5.1-high

  • 強み：妥協のない最高品質。文芸翻訳や重要な契約書など、精度が最優先される場面で唯一無二の選択肢。

  • 課題：コストと時間がかかるため、リアルタイム翻訳や大量処理には不向き。

• Gemini 3 Pro (High)

  • 強み：高いレベルでのバランス型。GPT-5.1-highには及ばないものの、非常に自然な日本語/英語を生成。

  • 強み：コストパフォーマンスが良く、API利用時の安定性も高い。

まとめ

「最高品質なら GPT-5.1-high、実務バランスなら Gemini 3 Pro か GPT-5.1(推論無し)」

これが今回の結論です。 絶対的な品質を求めるなら、コストを度外視しても GPT-5.1-high を使う価値があります。一方で、Webサイトの翻訳や社内文書など、コストとスピード、そして品質のバランスを取りたい場合は、GPT-5.1(推論無し) や Gemini 3 Pro high が良き選択しになってくるのかなと思います。

AI翻訳の進化は止まりません。今後も最新モデルが出るたびに、速報として検証結果をお届けしていきます。

サイトの多言語化、多言語サイトのSEOでお困りですか？

タグを1行埋め込むだけでサイトを多言語化できる「AIシュリーマン」でグローバル展開を加速させましょう。AIシュリーマンが、貴社サイトの課題を解決します。まずは無料相談から！