「念のためだ、と言う。」発売中のゲーム「グリムギルド」の日本語版は、英語の “Just in case, they say.” をこう訳しています（図1。図の訳は発売前の2026年10月1日の版で、最後の一文は発売中の版も同じ）。意味は合っています。ただ、英語が言外に匂わせている「本当は不安なのに、口ではそう言っている」が消えています。開発元の担当者は、既存の日本語版と5つのモデル（Claude Opus 5.5・Claude Sonnet 5.5・Gemma 4 26B・Qwen3.5 27B・TranslateGemma 27B）の訳を合わせた6通りを並べた10行の票のうち、読み比べた最初の3行は、6通りとも「使えない」と判断しました。
同じ英語の1行。Gemini 3.8 Flash で訳し直した訳は、既存の日本語版が落とした、口ではそう言うという含みを訳していた
- 英語の原文
- The rain has not let up since the last market. On the low street, people have started carrying things upstairs. Just in case, they say.
- 既存の日本語版
- 前の市の日から、雨がやまない。低い通りの家々では、荷物を二階へ運び上げはじめた。念のためだ、と言う。
- Gemini 3.8 Flash・訳し直しのプロンプト
- 前の市の日から、雨はずっと降りやまない。下の通りでは、人々が荷物を二階へ運び上げ始めている。念のためさ、と口では言っているが。
編集部では、グリムギルドの英語150行を、Gemini 3.8 Flash や Claude Opus 5.5 など10のモデルに2回ずつ日本語に訳させて比べました。評価に使った英語・日本語・用語集は、発売前の2026年10月1日の版です。既存の日本語版は、開発元が Claude で訳した文をもとに作られています。測定の結果、Gemini 3.8 Flash と Claude Opus 5.5 では、「読み物として面白いか」の点の差は、モデルを替えた時より、元のプロンプトを訳例つきに替えた時のほうが大きく出ました。
グリムギルドは、AIコンパスを運営する ALLFORCES の関係者が PocketStudio の名で開発したゲームです。冒険者ギルドを経営するシミュレーションで（Steam のストアページ）、仕事の依頼の掲示から冒険者の帰還、町の噂、祖父の日記まで、英語の文は小説のように場面と人物を描いています。採点は、判定役の言語モデルが「読み物として面白いか」（以下、読み物としての点）と「原文に忠実か」（忠実さ）を1〜5点で付けました。判定役には、採点した訳を出したモデル（Gemini 3.8 Flash・Claude Opus 5.5・Claude Sonnet 5.5・Gemma 4 26B）とは提供元が異なる gpt-oss 120B（OpenAI）と Mistral Small 3.2（Mistral AI）を使っています。本文で「差」と書いたのは、判定役2つと訳2回の4つの結果すべてで誤差（95%信頼区間）より大きく、向きも一致したものだけです。
実測表：プレースホルダーと用語を守り、プロンプトの項目名も訳文に書き出さなかったのは、モデルでは Claude Opus 5.5 と Gemini 3.8 Flash だけだった
ゲームの文には、名前や数を後から入れるプレースホルダー（{who} {place} など）と、開発元の用語集で決めた訳語（party は「一党」、petition は「依頼」など）があります。元のプロンプト（用語集を添えて訳させる）で訳させた時に、それを守れたかを数えました。どの列も「1回目・2回目」の順です。
| モデル | プレースホルダーを守った行 （該当84行中） |
決めた訳語を使った用語 （14か所中） |
かぎかっこの決まりを守った行 （150行中） |
項目名を書き出した行 |
|---|---|---|---|---|
| Claude Opus 5.5 | 84・84 | 14・14 | 150・150 | 0・0 |
| Claude Sonnet 5.5 | 81・80 | 14・14 | 150・150 | 0・0 |
| Claude Haiku 5.5 | 83・83 | 14・14 | 150・150 | 0・0 |
| Gemma 4 26B | 84・84 | 14・14 | 145・146 | 16・18 |
| Qwen3.5 27B | 82・82 | 14・14 | 150・150 | 0・0 |
| gpt-oss 20B | 81・79 | 13・13 | 139・140 | 1・2 |
| TranslateGemma 27B | 12・11 | 7・7 | 149・149 | 0・0 |
| Hunyuan-MT 7B | 18・18 | 5・5 | 150・150 | 0・0 |
| Seed-X-PPO 7B | 20・20 | 4・4 | 149・149 | 0・0 |
| Gemini 3.8 Flash | 84・84 | 14・14 | 148・148 | 0・0 |
| 既存の日本語版 | 84・84 | 14・14 | 150・150 | 0・0 |
2026年11月9日に測定しました。既存の日本語版は1種類のため、1回目と2回目の欄に同じ値を入れています。「項目名を書き出した行」は、プロンプトの項目名（「表:」「英語:」など）を訳文に書いた行の数です。
Gemma 4 26B はプレースホルダーと用語をすべて守りましたが、項目名を書き出した行がありました。「翻訳方針」のプロンプトで訳させて採点すると、忠実さは4つの結果すべてで、同じプロンプトの Gemini 3.8 Flash より0.18〜0.46点低く出ました。読み物としての点は、Mistral Small 3.2 では2回とも Gemini 3.8 Flash より低く、gpt-oss 120B では誤差の範囲でした。翻訳専用の3モデル（TranslateGemma 27B、Hunyuan-MT 7B、Seed-X-PPO 7B）は、配布元の説明（リンクは「測定の条件」）では入力が訳す文だけの形式なので、用語集は渡さず英語の文だけを入力しています。プレースホルダーの多くは、訳文から消えるか、{誰} のように日本語に置き換わっていました。
プロンプト：訳例を3行見せると、Gemini 3.8 Flash も Claude Opus 5.5 も読み物としての点が上がった
元のプロンプトから「訳例つき」に変えると、Gemini 3.8 Flash も Claude Opus 5.5 も読み物としての点が上がった
- Gemini 3.8 Flash
- Claude Opus 5.5
- 既存の日本語版
比べたプロンプトは3つです。どれも、人物の呼び方・表記・用語の決まりは残しています。訳例つきと翻訳方針では、用語集から、乾いた文を求める冒頭の段落と「避けること」の節を外しました。
| プロンプト | 中身 |
|---|---|
| 元のプロンプト | 開発元の用語集をそのまま添える。用語集は「英語版の文は短く、乾いていて、感情を名指しせずに物で語る。日本語版もそれに合わせる。」と定めていた |
| 訳例つき | 英語の雰囲気と含みが伝わる読み物にするよう頼み、訳例を3行見せる。訳例は、開発元が Gemini 3.8 Flash を使って書き直し、目指す語り口として選んだ日本語訳 |
| 翻訳方針 | 開発元の要望（「英語の元のテイストを維持した日本語訳をする小説やドラマティックな形の読み物として成立する形で翻訳する事を制約としてください」）を、プロンプトの制約として書く。訳例は見せない（全文は「測定の条件」） |
元のプロンプトから訳例つきに変えると、Gemini 3.8 Flash は1回目で0.44点（gpt-oss 120B の採点）と0.38点（Mistral Small 3.2）、Claude Opus 5.5 は0.28点と0.44点上がりました（1〜5点の平均）。2回目の訳では、Gemini 3.8 Flash が0.38点と0.46点、Claude Opus 5.5 が0.41点と0.46点で、4つの結果すべてで上がり幅は誤差より大きく出ました。訳例を見せない翻訳方針だけでも、Gemini 3.8 Flash は0.28〜0.35点上がりました。
元のプロンプトの訳は、どちらのモデルも、既存の日本語版との点の差が、判定役や訳の回によって誤差を超えたり誤差の範囲だったりして、差があるとは言えませんでした（gpt-oss 120B は Claude Opus 5.5 を2回とも0.22点高く付け、Mistral Small 3.2 では誤差の範囲）。乾いた文を求める用語集の決まりが、両モデルの訳を平板にした可能性があります（推定）。
Gemini 3.8 Flash の点から Claude Opus 5.5 の点を引いた差は、訳例つきでは1回目が+0.05点（gpt-oss 120B）と−0.10点（Mistral Small 3.2）、2回目が−0.03点と−0.04点でした。「翻訳方針」のプロンプトでは+0.09〜+0.12点です。どれも誤差の範囲で、同じプロンプトで比べた2モデルの読み物としての点に、差は認められませんでした。
判定役に Claude Opus 5.5 も加えて1回目の訳を採点させると、Claude Opus 5.5 は、自分が3つのプロンプトで出した訳に、読み物としての点で、ほかの2つの判定役の平均より0.60点高い点を付けました。Gemini 3.8 Flash の3つの訳では0.14点です。差し引き約0.46点を、Claude Opus 5.5 が自分の訳を高く付ける偏りと見て、Claude Opus 5.5 の採点は結論に使っていません。Claude の訳をもとにした既存の日本語版にも、0.56点高く付けています。偏りは1回目の訳だけで測った値です。
忠実さ：同じ訳例を見せると、Claude Opus 5.5 は原文に無い一文を足すことがあった
同じ訳例を見せると、Gemini 3.8 Flash のほうが原文に忠実だった
- Gemini 3.8 Flash
- Claude Opus 5.5
- 既存の日本語版
原文に無い出来事を足していないか、意味の取り違えが無いか、プレースホルダーを残したかを「忠実さ」として採点しました。言外の意味を訳文で補った箇所は減点していません。訳例つきで比べると、Gemini 3.8 Flash は Claude Opus 5.5 より、1回目で0.63点（gpt-oss 120B）と0.16点（Mistral Small 3.2）、2回目で0.52点と0.19点高く出ました。
1回目の訳では、訳例つきの Claude Opus 5.5 に、英語に無い説明の一文が入る行がありました。次の行の英語は、墓石の名前の下に彫る語として {beast} を示すだけですが、Claude Opus 5.5 は「その命を奪ったものの名だ」と書き足しています（2回目の訳では足していません。この行は、その後のゲームの版で削られています）。
- 英語の原文
- They are burying {who}, of {hall}, this week, and the mason has been told what to cut under the name: {beast}.
- Claude Opus 5.5・訳例つき
- 今週、{hall}の{who}が葬られる。墓石の名の下に何を彫るか、石工はもう聞かされている。{beast}——その命を奪ったものの名だ。
- Gemini 3.8 Flash・訳例つき
- 今週、{hall}の{who}が埋葬される。石工は、その名の下に何を彫るべきかを言い渡された。{beast}、と。
訳例は、英語が明示していない含みを言葉にする書き方でした。Claude Opus 5.5 はその書き方を、原文に無い説明まで広げて真似た可能性があります（推定）。訳例つきにした時の Claude Opus 5.5 の忠実さは、gpt-oss 120B では2回とも元のプロンプトより下がり（0.76点と0.57点）、Mistral Small 3.2 では誤差の範囲でした。Gemini 3.8 Flash は、訳例つきと元のプロンプトの忠実さの差が、4つの結果のどれでも誤差の範囲でした。
訳し直し：ゲームの物語の文2,215行を、英語から訳し直した
訳し直しのプロンプトの訳は、既存の日本語版より読み物としての点が高かった
- Gemini 3.8 Flash
- Claude Opus 5.5
- 既存の日本語版
開発元はこの結果を受けて、ゲームの物語の文を Gemini 3.8 Flash で英語から訳し直すことにしました。プロンプトには、翻訳方針の制約の文と訳例の3行に加えて、一人を指す they を複数にしない決まりなどを足して書き換えた用語集、主人公の呼び方や段落の決まりなどの物語の前提、テキストの表（ゲームの文を種類ごとにまとめたデータ）ごとに「その文が誰の話か」を書いた説明、同じ場面を書いた別の文を入れています（詳細は「測定の条件」）。訳し直したのは、場面の描写、祖父の日記、幕間の場面、結末の本文の2,215行です。ほかの文に差し込んで使う語句（名前など）は組み立てた文が壊れないよう、ボタンの文字や見出しなどは対象の外として、訳し直す前の訳のままにしました。
訳し直しのプロンプトで訳した文は、既存の日本語版より読み物としての点が、1回目で0.55点（gpt-oss 120B）と0.59点（Mistral Small 3.2）、2回目で0.79点と0.41点高く出ました。採点したのは、ゲームの次のバージョン（v2.0）でも英語が変わらず、訳し直しの対象（40字以上で文末のある文など）に入った81行から、訳例の3行を除いた78行です。訳例つきや「翻訳方針」の Gemini 3.8 Flash、訳例つきの Claude Opus 5.5 との読み物としての点の差は、4つの結果のどれでも誤差の範囲でした。忠実さは、既存の日本語版より高く出たのが4つの結果のうち3つで、1回目の Mistral Small 3.2 では誤差の範囲だったため、差があるとは書きません。開発元の担当者が、訳し直した16か所を訳し直す前の訳と読み比べたところ、16か所すべてで新しい訳を選びました。
一人を指す they の決まりとテキストの表の説明を足したのは、英語の they が一人の人物を指す文があるためです。他のギルドから来た応募者の話し方を描く表では、”They speak of the dead as “them”, never “us”. They were off on their own when it happened.” の they は応募者一人です。測定の訳には、Claude Sonnet 5.5（元のプロンプト）の「起きた時、彼らは別行動だった。」のように、複数の人と読める訳がありました。訳し直しでは「それが起きた時、本人は離れて一人でいたのだ。」と訳しています。
この表で分からないこと
- 人の読み手の評価。判定は言語モデルの判定役と、開発元の担当者1人の読み比べだけで、プレイヤーがどう読むかは確認していません。
- 発売中の版との比較。評価に使った英語と日本語は、発売前の2026年10月1日の版です。発売中の版（v1.10.3）では、150行のうち英語は39行が書き換わり、2行（図の墓石の行を含む）は削られています。日本語は、その後の手直し（英語の書き換えに合わせた訳の更新や、読みやすさの手直しなど）で83行が異なります。発売中の版は測っていません。
- 訳例の影響。判定役には、訳例の3行を「読み物として5点」の例として見せています。訳例つきのプロンプトの訳は同じ3行を見て訳しているため、訳例に似た訳が高く付いた恐れがあります。訳例の3行は Gemini 3.8 Flash を使って書き直した訳なので、判定が Gemini 3.8 Flash の書き方に寄った恐れもあります（推定）。訳例を見ていない「翻訳方針」の Gemini 3.8 Flash も訳例つきとの差は誤差の範囲で、「翻訳方針」のプロンプトどうしでも Claude Opus 5.5 との差は誤差の範囲でした。
- 採点の感度。読み物としての採点が、わざと質を落とした訳に低い点を付けるかは試していません。
- 用語集の書き方の影響。元のプロンプトで添えた用語集は、乾いた文を求める決まりでした。別の書き方の用語集なら、元のプロンプトでも結果が変わる可能性があります（推定）。
- 訳し直した日本語の、ゲームの画面での見え方。訳し直しは、2026年11月9日の時点で、発売中の版にはまだ入れていません。
- ほかのゲーム、ほかの言語、英語→日本語以外の翻訳方向、費用と処理速度。測ったのは1本のゲームの150行です。
- ほかのモデルの、訳例つきや翻訳方針のプロンプトでの点。Claude Sonnet 5.5 と Gemma 4 26B の翻訳方針の訳も、同じ回の採点でほかの訳と並べて採点しましたが、Claude Sonnet 5.5 の結果はこの記事では比べていません。訳例つきの Claude Sonnet 5.5 と Gemma 4 26B は採点していません。
測定の条件
測定の条件の詳細を開く
評価データ：グリムギルドの英語の文（ゲームの物語のテキストの表62個から150行。プレースホルダーのある行は84行で記号は128個、台詞は40行）と、既存の日本語版（2026年10月1日の版）です。用語集も同じ日の版です。行はテキストデータの1件で、複数の文を含むことがあります。開発元の許可を得て使っています。評価に使った150行と用語集は公開していません。引用した訳は各モデルの1回目の出力のままです。
モデル：Claude Opus 5.5・Claude Sonnet 5.5・Claude Haiku 5.5（Claude Code 2.1.319 の claude -p。CLAUDE.md・自動メモリ・hooks・MCP・ツール連携は無効）、Gemini 3.8 Flash（Google Cloud の Vertex AI、global のエンドポイント。温度と推論（thinking）の設定は既定のまま、出力の上限は16,384トークン）、Gemma 4 26B・Qwen3.5 27B・gpt-oss 20B・TranslateGemma 27B（Ollama 0.40.15、タグは gemma4:26b・qwen3.5:27b・gpt-oss:20b・translategemma:27b、温度0・シード値42。推論の機能は切れるモデルでは切り、gpt-oss 20B は推論を最小の low にしました）、Hunyuan-MT 7B・Seed-X-PPO 7B（vLLM 0.32.0）です。ローカル実行のモデルは NVIDIA H200 1基で実行しました。どれも1行ずつ訳させ、用語集を渡したモデルにはテキストの表の名前とキー（各文の識別名）も添えました。訳は2回ずつ出させています。訳例つきと翻訳方針のプロンプトは Gemini 3.8 Flash・Claude Opus 5.5・Claude Sonnet 5.5・Gemma 4 26B で訳させ、採点したのは、この4モデルの翻訳方針の訳と、Gemini 3.8 Flash と Claude Opus 5.5 の訳例つきの訳です。
翻訳方針のプロンプトの制約の文：プロンプトには、次の制約を書きました。
制約: 英語の元のテイスト（雰囲気、緊張感、人物の感情、言わずに置いた含み）を維持した日本語訳にし、小説やドラマティックな形の読み物として成立する形で翻訳してください。意味だけを写した平板な訳や直訳にはしないでください。含みは読み手が汲めるように言葉を補ってよいが、原文に無い出来事は足さないでください。
訳例つきのプロンプトは、この制約の代わりに「場面の空気、人物の感情、英語が言わずに置いた含みが伝わる日本語にしてください」と頼み、訳例の3行を英語と日本語の組で添えました。
判定役：gpt-oss 120B（推論の設定は medium）と Mistral Small 3.2 24B を Ollama で実行し（タグは gpt-oss:120b・mistral-small3.2:24b、温度0・シード値42。Mistral Small 3.2 は出力を JSON 形式に指定）、Claude Opus 5.5 は偏りを測るためだけに使いました。1行ごとに、英語の原文と候補の訳をすべて並べ（候補の順は行ごとに入れ替え、シード値20261109）、「読み物として」と「忠実さ」を1〜5点で付けさせています。図2・図3の採点で判定役に並べて見せた訳は、Gemini 3.8 Flash と Claude Opus 5.5 の3つのプロンプトの訳、Claude Sonnet 5.5 と Gemma 4 26B の翻訳方針の訳、既存の日本語版の9つです。図4では、訳し直しの訳、Gemini 3.8 Flash の訳例つきと翻訳方針の訳、Claude Opus 5.5 の訳例つきの訳、既存の日本語版の5つを並べました。訳例の3行は「読み物として5点」の例として見せ、採点からは外しました。95%信頼区間は、採点した行（図2・図3は147行、図4は78行）から重複を許して選び直す計算を1,000回繰り返して求めています（ブートストラップ法）。2つの候補の差は、同じ行どうしで比べました。
規則の検査：プレースホルダーは、記号のある行ごとに、英語と同じ記号が訳文にそろっているか。用語は、英語に用語集の語（party、petition、silver など）がある時に、決めた訳語が訳文にあるか（か所ごと）。かぎかっこは、英語の台詞が「」で訳され、どの行にも半角の引用符が残っていないか（行ごと）。
訳し直し：Gemini 3.8 Flash に、1行ずつ、翻訳方針の制約の文・物語の前提・書き換えた用語集のうち文体と表記と訳語の項目・訳例の3行・テキストの表の説明・同じ場面を書いた別の文（同じキーのほかの候補の文）を渡しました。人名・地名・数・物の名前以外の語句（別の表の文の一部など）が差し込まれる229行には、訳し直す前の訳も文のつながりの参考として渡しています。決まりを破った訳（空の訳、プレースホルダーの食い違い、項目名の書き出し、半角の引用符など）は、修正点を添えて1回だけ訳し直させる規則でした（該当は0件）。訳し直した後に用語集と照らし、訳し直す前は守れていた訳語が外れた20行のうち、「テーブル」と書いた6行（このゲームでは「卓」）と、領主の家令を「町の世話役」とした1行を、修正点を添えて訳し直しました。残る13行は、言い換えとして通るため残しています。図4の採点に使った訳し直しの訳は、2回ともこの用語集で訳しています。
よくある質問
ゲームの翻訳は、Gemini と Claude のどちらが上手いですか。
編集部の測定（2026年11月）では、訳例を3行見せたプロンプトでも、開発元の翻訳方針だけを書いたプロンプトでも、Gemini 3.8 Flash と Claude Opus 5.5 の読み物としての点の差は誤差の範囲でした。訳例を見せたプロンプトでは、原文への忠実さは Gemini 3.8 Flash のほうが高く出ました。訳例つきの Claude Opus 5.5 は、英語に無い説明の一文を足すことがありました。採点は、採点した訳のモデルとは提供元が異なる2つの言語モデルが行い、差として書いたのは、判定役2つと訳2回の4つの結果すべてでそろった差だけです。ただし、判定役に見せた訳例3行は、開発元が Gemini 3.8 Flash を使って書き直した訳です。
AI に翻訳させると、訳が平板になるのはなぜですか。
プロンプトの影響が大きいと考えられます（推定）。編集部の測定では、用語集の「英語版の文は短く、乾いていて、感情を名指しせずに物で語る。日本語版もそれに合わせる。」という決まりを添えた元のプロンプトでは、Gemini 3.8 Flash も Claude Opus 5.5 も、既存の日本語版との読み物としての点の差が、判定役や訳の回によって誤差を超えたり誤差の範囲だったりして、差があるとは言えませんでした。訳例を3行見せると、どちらも点が0.28〜0.46上がりました（1〜5点の平均、判定役2つと訳2回）。
無料で使えるモデルでもゲームの翻訳はできますか。
ゲームの文には、名前や数を後から入れるプレースホルダー（{who} など）が入ります。翻訳専用の TranslateGemma 27B・Hunyuan-MT 7B・Seed-X-PPO 7B は、プレースホルダーのある84行のうち、すべて残せたのが11〜20行でした。汎用の Gemma 4 26B はプレースホルダーと用語をすべて守りましたが、プロンプトの項目名（「英語:」など）を訳文に書き出した行が150行中16〜18行ありました。「翻訳方針」のプロンプトで訳させた Gemma 4 26B は、忠実さが同じプロンプトの Gemini 3.8 Flash より0.18〜0.46点低く出ました。