Két különböző dolog romlik
Amikor egy modell „gyengébb magyarul", az valójában két, egymástól független problémát jelent, és a kettőt érdemes szétválasztani, mert a megoldásuk sem ugyanaz.
Az egyik mennyiségi: ugyanaz a mondat több tokenrebomlik, tehát többe kerül és több helyet foglal. Ez pontosan mérhető, és minden modellnél tudható előre. A másik minőségi: a modell kevesebb magyar szöveget látott, tehát bizonytalanabb a ragozásban, a szakszavakban és a hangnemben. Ez modellenként nagyon eltér, és csak méréssel derül ki.
A token-adó, számokban
Egy 2026-os, 24 EU-nyelvre kiterjedő vizsgálat hat különböző tokenizálót mért össze. Az eredmény meglepően rendezett — nyelvcsaládok szerint áll össze:
| Nyelvcsalád | Szorzó az angolhoz képest |
|---|---|
| Angol | 1,00 |
| Újlatin | 1,5–1,7 |
| Germán | 1,7–1,9 |
| Szláv | 2,2–2,5 |
| Uráli és balti | 2,7–3,0 |
A magyar 2,71, a spanyol 1,46, a finn 2,99. A legdrágább nyelvek nagyjából háromszor annyiba kerülnek, mint az angol — ugyanazért a szövegért.
Mit jelent ez a gyakorlatban?
Három dolgot, és mindhárom azonnal érezhető.
A számla. Ha egy feladat angolul havi száz dollár, magyarul ugyanaz kétszáz-háromszáz. Nem azért, mert a magyar modell drágább — ugyanaz a modell, ugyanaz az ár tokenenként —, hanem mert több token van benne.
A hely. A context window ugyanennyivel fogy gyorsabban. Ami angolul egy 300 oldalas dokumentum, az magyarul 110 oldalnyi helyet enged. Hosszú anyagnál ez a korlát hamarabb ér el, mint gondolnád.
A sebesség. A kimenet tokenenként készül, tehát a magyar válasz lassabban is jön. Felhasználó előtti alkalmazásnál ez látszik.
A minőség: van már hivatalos mérce
Sokáig nem volt mihez nyúlni: a nagy összehasonlítások angolul mérnek, és a magyar teljesítményről legfeljebb anekdoták voltak.
2026 júliusában megjelent az EU MMLU, amit az Európai Bizottság fordítási főigazgatósága készített: több mint ezer kérdés, 16 uniós nyelvre — köztük magyarra — kézzel lefordítva, mintegy 250 fordítóhallgató bevonásával, 21 egyetemről. Ez az első olyan mérce, ami nem gépi fordítással készült, tehát a magyar teljesítményt tényleg magyarul méri. Fontos tudni róla — de az alábbi ok miatt nem elég.
Az ötperces saját teszt
Egy nyilvános mérce azt méri, amit ő mér. A te szövegeidet nem. Öt feladat, mindegyik más hibafajtát hoz elő:
- Ragozás. Adj oda egy mondatot, és kérd tegezőből magázóba, egyes számból többesbe. A ragozási hibák itt azonnal kiugranak.
- Szakszó. Adj oda egy szakmai bekezdést a saját területedről. Azt nézd, a bevett magyar szakszót használja-e, vagy tükörfordít.
- Hangnem. Kérj egy ügyfélválaszt tegező, közvetlen hangnemben. Sok modell magyarul automatikusan hivatalos-modorosra vált.
- Formátumok. Kérj dátumot, összeget, címet, telefonszámot magyar formában. Az angol minta itt gyakran átüt.
- Helyi tények. Kérdezz rá egy magyar jogszabályra vagy intézményre. Nem azt nézed, tudja-e — azt nézed, kitalál-e valamit, ahelyett hogy jelezné, hogy nem tudja.
Hogyan pontozd?
Ne benyomásra. Mind az öt feladatnál írd le előre, mi a jó válasz, és utána számold, hány sikerült. Két-három modellen végigfuttatva ez összesen fél óra, és többet mond, mint bármelyik ranglista.
Egy fontos részlet: ugyanazt a tesztet futtasd le a modell olcsó és drága szintjén is. A magyar teljesítmény jellemzően sokkal jobban szór a szinteken belül, mint a gyártók között — ezért lehet, hogy nem gyártót kell váltanod, csak szintet .
Mit tegyél, ha gyenge?
Négy dolog, a legolcsóbbtól a legdrágábbig:
- Írd a promptot angolul, a választ kérd magyarul. Az utasítást a modell angolul érti a legpontosabban; a kimenet nyelvét külön meg lehet mondani. Ez sokszor önmagában megoldja a problémát.
- Adj szószedetet. Négy-öt kifejezés a te szakterületedről, magyarul: „ezeket így írjuk". Ez a legjobb megtérülésű mondat az egész promptban.
- Adj két példát. Egy jó magyar minta többet ér tíz utasításnál — erről szól a Few-shot cikk.
- Tedd a fontos utasítást a végére. Hosszú magyar anyagnál ez ugyanúgy számít, mint angolul, csak a szöveg hamarabb lesz „hosszú".
Amit ne csinálj
Ne fine-tuningolj emiatt. A nyelvi gyengeség ritkán oldható meg tanítással, és az ára nagyságrendekkel nagyobb, mint a fenti négy lépésé. A Fine-tuning, RAG vagy jobb prompt? cikk megmondja, hol van a határ.
Ne fordíttasd oda-vissza. A „megírom angolul, aztán lefordíttatom" kétszeres veszteség: a fordítás a gépiesség mellé még a jelentéscsúszást is hozzáadja. Kérd egyből magyarul, a fenti fogásokkal.
Amit érdemes elvinni
Két külön baj van: a token-adó és a nyelvi minőség. Az elsőt tudod előre — magyarul 2,71-szeres, és a számlán, a context window ban és a sebességen látszik. A másodikat mérni kell: öt feladat, két modell, fél óra. És ha gyenge az eredmény, előbb a promptot állítsd át angolra és adj szószedetet — a modellváltás csak ezután jön.