Gemini 4 发布后各路实测都在跑长任务、写代码、做 3D------没人测翻译的硬骨头：谐音梗。我拿了一批中文互联网的经典梗做了轮实测，结论先说：能翻出「字面对」，翻不出「笑点对」，但过程里藏着几个真问题。
测试集设计
挑了四类谐音梗，每类都是「直译必死」型：
- 纯谐音：「蚌埠住了」「芭比Q了」「尊嘟假嘟」
- 双关：「人生就是起起落落落落落」「工资三千，梦想三千万」
- 文化梗：「画个大饼」「内卷」「破防了」
- 结构梗：「不听不听，王八念经」这类节奏依赖型
评估标准不是「信达雅」，分三档：字面正确（至少没翻错字面）、读者可懂（目标语言读者能 get 到这是个玩笑）、笑点保真（真会笑）。
结果：字面 100%，可懂 40%，保真 8%
「蚌埠住了」翻成 "Bengbu can't hold it anymore"------字面对了，但英文读者完全不知道这是「绷不住了」的谐音。模型几乎从不主动做「谐音重建」（在目标语言里造一个等效谐音），因为那需要放弃字面忠实------而翻译训练的第一原则就是忠实。
「画个大饼」翻 "draw a big pie" 后模型会补一句注释（metaphor for empty promises）------注释党是它处理文化梗的标准姿势。能懂，但笑点死在注释里。
唯一翻出笑点的是「人生就是起起落落落落落」→ "Life is full of ups and downs and downs and downs and downs"------因为笑点在结构不在谐音，结构是可以直译的。这个发现很有意思：梗的「可翻译性」取决于笑点载体，结构梗 > 双关梗 > 纯谐音。
三个真问题（不严肃实测的严肃结论）
1. 忠实度和幽默度是互斥目标。 翻译模型被训练成「不敢发挥」，而幽默翻译的本质是再创作。这不是模型能力问题，是目标函数问题------想要梗翻得好，需要专门的「创译」（transcreation）模式，允许且鼓励偏离字面。
2. 上下文决定策略。 同一个「内卷」，在论文里该翻 involution（学术语境），在段子该翻成冗长的解释或干脆本地化成 rat race。模型单句翻译时无法知道自己在哪种语境------这也是为什么双语对照阅读时人工可以随时接管：机器给基线，人做本地化决策。
3. 梗的半衰期。 「尊嘟假嘟」这种梗的生命周期可能只有几个月，而模型的知识有截止日期。翻译「过气梗」时模型反而更从容（进了语料），翻译「进行时梗」全靠泛化。想追热梗翻译的，工具的模型更新频率比模型能力更重要。
结语
如果你也想测，推荐从结构梗入手（最容易看到模型的上限）再到纯谐音（最容易看到下限）。至于实际用途：看英文 meme 的时候，AI 能帮你懂个七成；但想把中文梗输出给外国朋友------目前还是自己动嘴最靠谱。
（实测过程用了我自己做的翻译工具跑批，工具做翻译基建，梗的本地化还是人来的。）