KI-Übersetzungsmodelle im Oktober 2026: Live-Sprache und Text

Stand Oktober 2026 haben sich KI-Übersetzungsmodelle in zwei Richtungen aufgeteilt. Live-Sprachmodelle von Google, OpenAI und Alibaba hören inzwischen in 60 bis 70+ Sprachen zu und antworten nur wenige Sekunden nach dem Sprecher. Offene Textmodelle wie Index-Translate von Bilibili decken dagegen 150 Sprachen ab und lassen sich kostenlos herunterladen. Für den Umsatz ist das relevant: In einer Umfrage von CSA Research aus dem Jahr 2020 unter 8,709 Verbrauchern in 29 Ländern kauften 76% lieber Produkte, deren Informationen in ihrer eigenen Sprache vorliegen, und 40% gaben an, nie auf Websites in anderen Sprachen zu kaufen.

Der Haken steckt im Kleingedruckten. "70+ Sprachen" heißt meist 70+ Sprachen, die das Modell verstehen kann, nicht 70+, in denen es sprechen kann. Unten finden Sie die globale Übersicht, die Lücken und das, was wir prüfen würden, bevor wir einem dieser Modelle einen Kunden anvertrauen.

Was hat sich bei der KI-Übersetzung zwischen Februar und Oktober 2026 verändert?

Die Tabelle zeigt neun Veröffentlichungen von Laboren aus vier Ländern: USA, China, Frankreich und Deutschland. Die Daten stammen aus den Ankündigungen der jeweiligen Anbieter.

Datum (2026)	Labor (Land)	Veröffentlichung	Offen oder geschlossen
12. Feb.	Kyutai (Frankreich)	Hibiki-Zero, simultane Sprachübersetzung aus Französisch, Spanisch, Portugiesisch und Deutsch ins Englische	Offen
16. Apr.	DeepL (Deutschland)	DeepL Voice-to-Voice, 40+ Sprachen, API im Early Access	Geschlossen
7. Mai	OpenAI (USA)	GPT-Realtime-Translate, 70+ Eingabesprachen, 13 Ausgabesprachen	Geschlossen
21. Mai	Tencent (China)	Hy-MT2, Textmodelle mit 1.8B, 7B und 30B, 33 Sprachen	Offen
9. Juni	Google (USA)	Gemini 3.5 Live Translate, Sprache zu Sprache, 70+ Sprachen	Geschlossen
18. Sept.	Alibaba (China)	Qwen3.8-LiveTranslate, 60 Eingabesprachen, übersetzte Sprachausgabe in 29	API
1. Okt.	Microsoft (USA)	MAI-Transcribe-2-Streaming und MAI-Voice-2.1, Streaming-Transkription in 60 Sprachen und eine Stimme für 23	Geschlossen
2. Okt.	Bilibili (China)	Index-Translate-35B-A3B preview, Text- und Bildübersetzung in 150 Sprachen, Apache 2.0, dazu die Schwestermodelle Index-Echo für Sprache zu Sprache	Offen
6. Okt.	Mistral (Frankreich)	Mistral Large 4 preview, ein Allzweckmodell (kein reines Übersetzungsmodell), trainiert mit Daten aus 160+ Sprachen, Gewichte bis Monatsende angekündigt	Offen (ausstehend)

Auch Indien geht einen eigenen Weg. Sarvam-Translate, im Juni 2025 veröffentlicht und weiterhin Sarvams offenes Übersetzungsmodell, entstand gemeinsam mit AI4Bharat. Es deckt alle 22 anerkannten indischen Sprachen plus Englisch ab, für 15 davon auch strukturierte, lange Dokumente.

Welche Modelle übersetzen Live-Sprache, und in wie vielen Sprachen sprechen sie wirklich?

Hier kommt die Zahl, die in den meisten Schlagzeilen fehlt. Die Eingabeabdeckung ist breit, die Ausgabeabdeckung schmal.

Modell	Versteht	Spricht übersetztes Audio in	Verzögerung laut Anbieter
Google Gemini 3.5 Live Translate	70+ Sprachen, automatisch erkannt	70+ Sprachen (Liste der unterstützten Sprachen)	"a few seconds" (Slator)
OpenAI GPT-Realtime-Translate	70+ Sprachen	13 Sprachen (OpenAI Cookbook)	hält mit dem Sprecher Schritt
Alibaba Qwen3.8-LiveTranslate	60 Sprachen	29 Sprachen	im Schnitt 2.3 Sekunden, vorher 2.8
DeepL Voice-to-Voice	40+ Sprachen	40+ Sprachen (API im Early Access)	nicht veröffentlicht
Kyutai Hibiki-Zero (offen)	4 Sprachen	Englisch	simultan

Die 13 Ausgabesprachen von OpenAI sind Englisch, Spanisch, Portugiesisch, Französisch, Deutsch, Italienisch, Russisch, Chinesisch, Japanisch, Koreanisch, Hindi, Indonesisch und Vietnamesisch. Arabisch- und Türkischsprachige werden von diesem Modell also verstanden, bekommen aber keine Antwort in ihrer eigenen Sprache. Wenn Ihre Anrufer Arabisch sprechen, ist die Frage mit dieser einen Zeile schon beantwortet.

Die neueren Systeme versuchen außerdem, die eigene Stimme des Anrufers zu erhalten. Google sagt, sein Modell bewahre "intonation, pacing and pitch". Alibaba hat im September die Sprechertrennung ergänzt, sodass bei einem Gespräch zu dritt nicht mehr alle zu einer einzigen übersetzten Stimme verschmelzen. DeepL hat im September neue Voice-Modelle veröffentlicht, die Stimme, Tonfall und Rhythmus jedes Sprechers über Sprachgrenzen hinweg beibehalten. Wie diese Sprachmodelle mit Unterbrechungen umgehen, haben wir in unserem Beitrag zu Full-Duplex-Voice-KI beschrieben.

Schlagen spezialisierte Übersetzungsmodelle allgemeine Chatbots inzwischen bei Text?

Manchmal. Es hängt davon ab, welchen Test man liest.

Die Model Card von Bilibili ist hier ungewöhnlich offen. Auf FLORES (COMET-22) erreicht die 35B-Preview 0.8794 und liegt damit vor GPT-5.6 Sol von OpenAI mit 0.8650 und Gemini 3.5 Flash Lite von Google mit 0.8750 (ein Google-Modell der Mittelklasse; Googles Spitzenmodell ist inzwischen Gemini 4 Argon). Beim WMT26-Judge-Score in derselben Tabelle liegt dagegen GPT-5.6 Sol mit 89.10 vorn, Index-Translate kommt auf 76.76. Ein Vorbehalt: GPT-5.6 Sol ist in diesem Test auch das Modell, das bewertet, und OpenAI hat ChatGPT inzwischen auf GPT-6 umgestellt. Keine der beiden Zahlen ist eine neutrale Rangliste.

Tencent erhebt für Hy-MT2 einen ähnlichen Anspruch: Laut Paper schlagen die Modelle mit 7B und 30B DeepSeek-V4-Pro und Kimi K2.6 im Fast-Thinking-Modus, und die Version mit 1.8B passt nach der Komprimierung in 440 MB. Das ist klein genug für ein Smartphone.

Stand Oktober 2026 gibt es also nicht das eine "beste Übersetzungsmodell". So lesen wir die Faktenlage:

• Spezialisierte offene Modelle (Index-Translate, Hy-MT2, Sarvam-Translate) halten bei Standard-Textbenchmarks inzwischen mit Frontier-Chatbots mit, bei einem Bruchteil der Größe. Warum sich dieses Muster immer wiederholt, haben wir in Small Language Models 2026 beschrieben.
• Allgemeine Frontier-Modelle gewinnen bei bewerteter, alltagsnaher Sprachgewandtheit meist noch, und sie kommen mit ganzen Gesprächen besser zurecht als mit einzelnen Sätzen.
• Seltene Sprachen sind der Punkt, an dem die Lücke aufgeht. In Bilibilis Tabelle zu ressourcenarmen Sprachen antwortete Hy-MT2-1.8B in 54.2% der Fälle in der falschen Sprache, Index-Translate-35B in 2.4%. Hier bewertet ein Anbieter einen Konkurrenten. Verstehen Sie das als Hinweis, den Sie selbst testen sollten, nicht als Urteil.

Wo stoßen diese Modelle noch an Grenzen?

Am hilfreichsten ist hier Googles eigene Dokumentation, weil sie die Schwachstellen offen benennt. Laut Googles Einschränkungen für Live Translate und Slators Zusammenfassung der Model Card kann die Stimmnachbildung "may become inconsistent during long conversations or multi-speaker sessions", und die Spracherkennung "can struggle with strong accents, similar languages, or rapid language switching."

Google ergänzt, dass diese Erkennungsfehler vor allem das Eingabetranskript betreffen und die finale Übersetzung trotzdem korrekt sein sollte. Das ist fair. Anrufer wechseln aber ständig mitten im Satz die Sprache, und ein Transkript, dem Ihr Team nicht trauen kann, ist ein eigenes Problem. Getippter Chat ist noch einmal etwas anderes: Dort mischen Kunden Schriften und Dialekte, schreiben Arabisch in lateinischen Buchstaben oder streuen englische Markennamen in einen türkischen Satz (die Zahlen zu den Dialekten stehen in unserem Beitrag zu arabischem KI-Kundenservice am Golf). Live Translate verarbeitet nur Audio und löst dieses Problem deshalb nicht.

Zwei weitere Grenzen, die Sie kennen sollten:

1. Namen und Produktbegriffe. Die Anbieter bessern hier nach, ein klares Zeichen für ein bekanntes Problem: DeepL hat "customization with spoken terms" ergänzt, Qwen unterstützt weiterhin Hotwords für Marken und Produktnamen, und Index-Translate akzeptiert ein Glossar.
2. 2 bis 3 Sekunden Verzögerung sind bei einem Vortrag kein Problem, bei einem Verkaufsgespräch schon. Alibabas durchschnittliche Verzögerung von 2.3 Sekunden ist gute Ingenieursarbeit. Fragt der Kunde am Telefon aber "Kann ich also Donnerstag buchen?", fühlt es sich trotzdem an wie eine Satellitenverbindung.

Was sollte ein Unternehmen prüfen, bevor es sich auf KI-Übersetzung verlässt?

Wenn Sie an Kunden verkaufen, die in anderen Sprachen schreiben oder anrufen, sind diese Fragen wichtiger als jeder Benchmark:

• In welchen Sprachen kann es antworten? Lassen Sie sich die Ausgabesprachen namentlich nennen. Die Liste der Eingabesprachen ist immer länger.
• Übersetzt es, oder antwortet es direkt in der Sprache? Ein Modell, das direkt auf Spanisch schreibt, klingt meist natürlicher als englischer Text, der durch einen Übersetzer gelaufen ist.
• Kann Ihr Team jedes Gespräch lesen? Jemand muss prüfen, was die KI gesagt hat, und zwar in einer Sprache, die er versteht.
• Können Sie Markennamen und Preise festlegen? Ein übersetzter Preis oder ein falsch übersetzter Produktname wird zum Support-Ticket.
• Was passiert bei einer Sprache, die es nicht unterstützt? Es sollte auf eine von Ihnen gewählte Sprache zurückfallen, statt zu raten.

Wie geht Entagl mit Gesprächen in anderen Sprachen um?

Der AI Receptionist von Entagl schraubt keinen Übersetzer an einen englischen Bot. Er erkennt bei jeder Nachricht die Sprache des Kunden und schreibt die Antwort direkt in dieser Sprache, in über 100 Sprachen. Wechselt der Kunde mitten im Gespräch die Sprache, zieht er mit. Ein einzelnes "ok" oder ein Markenname schaltet die Sprache nicht wieder zurück.

Für Ihr Team kann der Posteingang ein ganzes Gespräch auf Wunsch in jede der 10 Teamsprachen übersetzen (Englisch, Türkisch, Arabisch, Russisch, Spanisch, Französisch, Deutsch, Italienisch, Portugiesisch und Griechisch), einschließlich der Transkriptionen von Sprachnachrichten. Wenn Sie übernehmen und selbst antworten, formuliert eine KI Ihre Nachricht vor dem Senden in die Sprache des Kunden um. Und wenn die KI nur in den Sprachen antworten soll, die Sie bedienen, sorgt die optionale Einstellung "Only reply in these languages" dafür, dass jede Antwort innerhalb Ihrer Liste bleibt. Alles andere fällt auf Ihre Hauptsprache zurück. Wie diese Bausteine zusammenspielen, zeigen wir in mehrsprachiger Kundenservice mit KI und Ihrem Team.

Die Oberfläche von Entagl selbst gibt es in 10 Sprachen. Die Zahl 100+ bezieht sich auf die Sprachen, in denen der KI-Agent Kunden antwortet.

FAQ

Was ist das beste KI-Übersetzungsmodell 2026?

Einen klaren Sieger gibt es nicht. Stand Oktober 2026 führen offene, spezialisierte Modelle wie Index-Translate von Bilibili einige Textbenchmarks an (0.8794 auf FLORES COMET-22 im eigenen Bericht), während allgemeine Frontier-Modelle bei bewerteter Sprachgewandtheit weiterhin besser abschneiden. Bei Live-Sprache hat unter den hier verglichenen Modellen Gemini 3.5 Live Translate von Google mit 70+ Sprachen die breiteste Sprachausgabe (Liste der unterstützten Sprachen).

Kann KI ein Telefonat in Echtzeit übersetzen?

Ja, mit Verzögerung. Alibaba meldet für Qwen3.8-LiveTranslate eine durchschnittliche Verzögerung von 2.3 Sekunden, und Google beschreibt seine Ausgabe als "a few seconds behind". Für Meetings und Supportanrufe funktioniert das. In schnellen Verkaufsgesprächen mit viel Hin und Her fällt es auf.

Gibt es kostenlose Open-Source-Modelle für KI-Übersetzung?

Ja. Index-Translate von Bilibili (150 Sprachen, Apache 2.0), Hy-MT2 von Tencent (33 Sprachen), Sarvam-Translate (22 indische Sprachen) und Hibiki-Zero von Kyutai (Sprache, vier Sprachen ins Englische) veröffentlichen alle ihre Gewichte. Mistral kündigt die Gewichte von Large 4 bis Ende Oktober 2026 an.

Ist es Kunden wirklich wichtig, ob ein Unternehmen in ihrer Sprache antwortet?

Die bekanntesten Daten sagen ja. Die Umfrage von CSA Research unter 8,709 Verbrauchern in 29 Ländern ergab, dass 76% lieber mit Informationen in ihrer eigenen Sprache kaufen und 40% nicht auf Websites in anderen Sprachen kaufen.

Sollte ein kleines Unternehmen ein Übersetzungsmodell oder einen mehrsprachigen KI-Agenten nutzen?

Wenn Kunden Ihnen über WhatsApp, Instagram oder den Webchat schreiben, ist ein mehrsprachiger Agent, der direkt in ihrer Sprache antwortet und Ihrem Team eine übersetzte Ansicht bietet, einfacher, als einen Übersetzer in Ihren Posteingang einzubauen. Übersetzungsmodelle sind eher für Dokumente, Untertitel und Live-Events sinnvoll.

Kunden schreiben in Sprachen, die Ihr Team nicht spricht? Sehen Sie, wie Entagl in der Sprache des Kunden antwortet, bucht und übergibt. Buchen Sie eine 30-minütige Demo.

Quellen (geprüft am 21. Oktober 2026): Ankündigungen und Model Cards der Anbieter Google, OpenAI, Alibaba (über Slator), DeepL, Microsoft, Tencent (arXiv 2605.22064), Bilibili (Hugging Face), Mistral, Sarvam und Kyutai; Verbraucherdaten von CSA Research (2020). Die Benchmark-Werte stammen aus den Angaben der jeweiligen Anbieter und wurden von Entagl nicht unabhängig nachgeprüft.