什么是多语言支持？模型的「外语水平」怎么看

大模型的「外语水平」参差不齐，关键就看它的多语言支持做得扎不扎实。很多人第一次注意到这件事，是让 AI 翻译一句家乡话，结果译文文绉绉却完全跑偏。你可以把模型想象成外语学院里的尖子生：中文和英文是主修课，练了成千上万个昼夜，张口就来；一些小语种只是选修课，课时少、教材旧，答起来难免磕磕绊绊。

这个类比有一处会失效：真人学外语靠课堂和练习，模型的「外语能力」来自训练语料的配比。互联网上英文语料占比很高，中文其次，许多使用人数少的语言只能分到极少的训练数据，模型对它们的记忆天然就浅。由此可以带走一个判断：评估一款模型的多语言支持，先看语料配比是否均衡，再用低资源语种实测稳定性，别只数官方宣传里列了多少种语言。

外语能力是怎么练出来的

模型学语言没有课本，全靠吞语料。英文公开数据多、质量高，模型自然学得快；中文语料这几年快速补齐，通义千问、DeepSeek 等国产模型都把中文当成强项来打磨，日常中英混着用，多数人察觉不到落差。反过来看，一些使用人数少的语言，语料又稀又夹杂噪声，模型只能囫囵吞枣，回答容易夹生，事实准确性也打折扣。可带走的判断是：同一款模型在不同语言上的差距，可能比两款不同模型之间的差距还大，所以别用「支持几十种语言」来推断实际水平，那个数字只说明它见过，不代表它学好了。

分词器也在悄悄拖后腿

很多模型的分词器以英文思维构建，遇到非拉丁文字会把句子切得更碎。同样的内容，切成的小块越多，占用的上下文空间越大，费用也跟着涨，阶梯价的门道在这篇上下文计费梯度里讲得更细。切得碎还意味着计算量变大，回答更慢；如果开了推理模式，思考 token也按同样规则计费，小语种问题常常想得更贵。所以遇到小语种回答明显变慢变贵，先别急着怪网络，多半是分词这一关先吃了亏。

三个小动作实测外语水平

与其翻榜单，不如自己动手测，十分钟就能有结论。把同一个事实性问题分别用中文、英文和小语种各问一遍，对比答案是否一致；再让模型把小语种原文译回中文，检查有没有丢信息；最后观察小语种回答的长度和速度是否异常。三步走完，这款模型的外语底细基本就摸清了，比任何宣传页都可信。

三种语种的底子不同，实测时该盯的地方也不一样。

多语言支持自查清单

• 同一问题换三种语言各问一遍，答案对不上就优先怀疑外语侧短板
• 让模型把小语种译回中文，逐句核对细节有没有丢
• 留意小语种回答的速度与费用是否明显偏高
• 涉及重要事项，用强语种提问再要译本，比直接用弱语种提问更稳

清单末条尤其省心：先用强语种锁定事实，再要译本，两头都稳。

外语水平和选型有什么关系

如果你只用中文和英文，主流模型基本都够用；要长期处理小语种文档，就得专门实测，或者留意面向特定语区深耕的领域特化模型，它们在个别语言上往往做得更细。另外，同一个模型家族里的不同版本，外语表现也可能不一样，轻量版为了控制体积常常缩减语料，选型时把版本差异也纳入考虑。

下次评估一款新模型，先别看它的语言列表有多长，拿家乡话和小语种问它一轮，外语水平的底细立刻见分晓。

聊聊多语言支持的常见疑问

• 模型能说出某种语言，就代表它这门语言学得好吗？：不一定。它可能只是拼得出句子，事实准确性仍明显偏向强语种，重要内容建议先用中文或英文确认，再要译本。
• 为什么小语种提问更贵也更慢？：多数分词器对非拉丁文字切得更碎，token 数量成倍增加，占用上下文多、计算量大，费用和延迟一起涨。
• 国产模型的多语言支持可靠吗？：通义千问、DeepSeek 等在中文和英文上都很稳，小语种表现各家不一，以官方最新版本说明为准，自己换语种实测更可靠。