영어–베트남어 번역 AI, 아직 ‘절대 강자’는 없다

“1등 번역 AI”를 바로 고르기 어려운 이유

영어–베트남어 번역은 하나의 문제처럼 보이지만 실제로는 그렇지 않다. 뉴스 문장은 매끄럽게 번역하는데 계약서의 부정문을 놓칠 수 있고, 베트남어 문체는 자연스러운데 전문 용어가 흔들릴 수 있다. 또 English→Vietnamese에서 좋은 결과가 Vietnamese→English에서도 그대로 이어진다고 단정할 수 없다.

따라서 “최고”라는 말은 먼저 맥락을 정해야 의미가 있다.

• 번역 방향이 English→Vietnamese인가, Vietnamese→English인가, 아니면 둘 다인가?
• 문서가 이메일, 마케팅 문구, 교육 자료, 기술 문서, 계약서, 의료 자료 중 무엇인가?
• 목적이 대략적인 이해인가, 공개 게시인가, 업무상 검토 문서인가?
• 자연스러운 문체, 용어 정확도, 속도, API 비용, 보안 중 무엇이 더 중요한가?

이 질문에 답하지 않은 상태에서 만든 종합 순위는 오히려 선택을 흐릴 수 있다.

확인된 근거는 무엇을 말하나

FLORES: 평가의 토대이지, 제품 순위표는 아니다

Meta는 FLORES를 영어와 저자원 언어 간 기계번역을 위한 벤치마크 데이터셋으로 설명한다. 목표는 다국어 기계번역을 더 현실적이고 공정하며 엄격하게 평가할 수 있는 기준을 제공하는 것이다.

이 점에서 FLORES는 번역 시스템을 시험하거나 벤치마크 결과를 읽을 때 중요한 기반이 된다. 다만 FLORES 페이지 자체가 Google Translate, DeepL, ChatGPT 또는 각종 번역 API를 English↔Vietnamese 기준으로 독립 순위화한 자료는 아니다. 즉, FLORES는 “어떻게 평가할 것인가”를 이해하는 데 도움을 주지만, “오늘 어떤 서비스를 쓰면 되는가”에 대한 최종 답은 아니다.

TranslatePlus: English→Vietnamese 수치는 있지만, 자체 공개 벤치마크다

TranslatePlus의 2026년 벤치마크는 TranslatePlus를 DeepL, Google Translate, Microsoft Azure Translator와 비교했으며, Meta의 FLORES 데이터셋과 BLEU·COMET 지표를 사용했다고 설명한다. 해당 자료는 BLEU를 어휘적 정확도에 가까운 지표로, COMET을 의미 품질을 더 반영하는 지표로 소개한다.

이 벤치마크에서 English→Vietnamese는 BLEU 42.38, COMET 0.910으로 제시된다. 참고할 만한 숫자이지만, 결론을 내리기 전 세 가지 한계를 봐야 한다.

1. 이 결과는 공급자가 직접 공개한 벤치마크이지, 독립 기관의 검증 결과가 아니다.
2. 수치가 제시된 방향은 English→Vietnamese이므로, Vietnamese→English 품질까지 자동으로 증명하지 않는다.
3. 하나의 벤치마크 점수가 법률, 의료, 기술, 마케팅, 일상 대화 등 모든 문서 유형을 대표할 수는 없다.

따라서 이 자료는 후보를 좁히는 데 유용하지만, 영어–베트남어 번역 전체의 최종 승자를 정하기에는 충분하지 않다.

DeepL: 강한 표현의 제품 주장, 그러나 독립 검증은 아니다

DeepL은 자사 번역기를 “the world’s most accurate translator”라고 소개한다. 대형 번역 서비스의 강한 제품 주장이라는 점에서는 눈여겨볼 만하다. 하지만 이것만으로 English↔Vietnamese에 대해 독립적으로 검증된 최고 성능이라고 결론낼 수는 없다. 실제 업무에 쓸 도구를 고를 때는 DeepL을 테스트 후보에 포함할 수는 있어도, 이 문구를 최종 판정으로 삼기는 어렵다.

Google Translate, ChatGPT와 일반 비교 자료

또 다른 자료는 2026년 기계번역 정확도라는 주제로 Google Translate, DeepL, ChatGPT를 비교하며 벤치마크와 BLEU 점수 등을 언급한다. 다만 제공된 정보만으로는 English↔Vietnamese에 대해 독립적이고 직접적이며 최신인 점수표가 확인된다고 보기 어렵다.

결국 Google Translate, DeepL, ChatGPT, Microsoft/Azure Translator, 전문 번역 API는 모두 시험해볼 만한 후보가 될 수 있다. 그러나 제품 인지도만으로 실제 번역 품질을 대신 판단해서는 안 된다.

순위표보다 믿을 만한 선택법: 직접 블라인드 테스트하기

현실적인 방법은 작게라도 직접 시험하는 것이다. 대규모 연구가 아니어도 된다. 실제로 번역할 문장과 후보 도구, 일관된 채점 기준만 있으면 충분하다.

1. 실제 문서에서 20~30문장을 뽑는다

너무 쉬운 예문만 넣으면 결과가 왜곡된다. 실제 사용할 문서에서 다음 유형을 섞어 고르는 편이 좋다.

• 짧은 문장과 긴 문장
• 부정문, 조건문, 숫자, 고유명사가 들어간 문장
• 전문 용어가 포함된 문장
• 관용 표현이나 자연스러운 말투가 필요한 문장
• 격식체, 친근한 문체, 마케팅 문체, 학술 문체, 법률 문체처럼 톤이 중요한 문장

양방향 번역이 필요하다면 English→Vietnamese와 Vietnamese→English 테스트 세트를 따로 만들어야 한다. 한쪽 방향의 결과로 다른 방향의 품질을 대신 판단하지 않는 것이 좋다.

2. 후보 도구 이름을 가리고 비교한다

후보는 실제 업무 흐름에 넣을 가능성이 있는 3~5개 정도면 충분하다. 예를 들어 Google Translate, DeepL, ChatGPT, Microsoft/Azure Translator, 또는 비교 자료에 언급된 전문 번역 API를 함께 시험할 수 있다.

중요한 점은 채점할 때 도구 이름을 가리는 것이다. 브랜드 이미지나 평소 선호도 때문에 점수가 흔들리는 일을 줄일 수 있다.

3. 네 가지 기준으로 나눠 채점한다

계약서, 의료, 금융, 기술 문서, 공식 게시물처럼 위험도가 높은 번역은 이 점수만으로 끝내지 말고 해당 분야를 아는 사람이 다시 검토해야 한다.

테스트 결과를 해석하는 법

문장은 매우 매끄러운데 의미를 자주 더하거나 빼는 도구라면, 정확성이 중요한 문서에는 위험하다. 반대로 의미는 잘 지키지만 문장이 딱딱한 도구라면 초안 생성용으로 쓰고 사람이 다듬는 방식이 맞을 수 있다. 오류가 주로 용어에서 나온다면 glossary, 용어 지시 프롬프트, 후편집 절차를 함께 시험해볼 만하다.

용도별로 우선순위도 달라진다.

• 대략적인 이해용 번역: 속도와 전체 의미 보존을 우선한다.
• 공개 게시용 번역: 자연스러운 문체, 톤, 편집 검토가 중요하다.
• 전문 문서 번역: 용어 정확도, 일관성, 전문가 검토가 핵심이다.
• 대규모 API 번역: 품질뿐 아니라 비용, 지연 시간, 보안, 연동 편의성도 봐야 한다.

결론: 내 문서에서 이긴 도구가 가장 좋은 도구다

현재 확인된 근거만으로는 영어–베트남어 번역에서 단 하나의 AI를 독립적으로 검증된 최고 도구라고 말하기 어렵다. FLORES는 다국어 기계번역 평가의 중요한 기반이고, TranslatePlus의 2026년 벤치마크는 English→Vietnamese에 대한 참고 수치를 제공하지만, DeepL의 표현은 제품 주장이며 English↔Vietnamese에 대한 독립 검증으로 보기는 어렵다.

지금 도구를 골라야 한다면 광고 문구나 일반 순위표에 기대지 않는 편이 낫다. 실제 사용할 분야의 문장 20~30개를 골라 블라인드 테스트를 해보자. 같은 번역 방향, 같은 문서 유형, 같은 위험 기준에서 가장 높은 점수를 받은 도구가 당신에게 가장 믿을 만한 선택이다.