Functional-Style Variability of Neural Machine Translation Quality (Based on The Russian-German Language Pair)

Abstract

The article presents the results of an experimental study of the quality of neural machine translation from German into Russian using four artificial intelligence systems: DeepSeek, Yandex Translate, PROMT.One, and Alisa AI. Based on 16 authentic texts (scientific, official, journalistic, and literary styles) of 800-1000 words each, systemic errors, advantages, and limitations of each group of services are identified. It is proved that translation quality directly depends on the functional style of the text: large language models (LLMs) consistently outperform specialised NMT translators. It is established that none of the systems is capable of adequately rendering wordplay, authorial irony, poetic form, or complex cultural realities. Practical recommendations are proposed for using AI for draft translation followed by human post-editing. = В статье представлены результаты экспериментального исследования качества нейромашинного перевода с немецкого на русский с использованием четырех систем искусственного интеллекта: DeepSeek, Yandex Translate, PROMT.One и Alisa AI. Доказано, что качество перевода напрямую зависит от функционального стиля текста: большие языковые модели (LLM) последовательно превосходят специализированные системы НМП. Установлено, что ни одна из систем не способна адекватно передать игру слов, авторскую иронию, поэтическую форму или сложные культурные реалии.