La rápida expansión global de ChatGPT, que desempeña un papel crucial en el intercambio de conocimientos interactivo y la traducción, subraya la importancia de las evaluaciones de rendimiento comparativas en la tecnología de inteligencia artificial (IA). Este estudio se centró en este tema crucial al explorar y contrastar los rendimientos de traducción de los modelos de lenguaje grandes (LLMs) y los sistemas de traducción automática neuronal (NMT). Para este fin, se utilizaron las API de Google Translate, Microsoft Translator y ChatGPT de OpenAI, aprovechando los corpus paralelos de los benchmarks del Taller de Traducción Automática (WMT) de 2018 y 2020. Al aplicar métricas de evaluación reconocidas como BLEU, chrF y TER, se llevó a cabo un análisis de rendimiento integral a través de una variedad de pares de idiomas, direcciones de traducción y tamaños de tokens de referencia. Los hallazgos revelan que, si bien Google Translate y Microsoft Translator generalmente superan a ChatGPT en términos de sus puntuaciones de BLEU, chrF y TER, ChatGPT exhibe un rendimiento superior en pares de idiomas específicos. Las traducciones de no inglés a inglés consistentemente arrojaron mejores resultados en los tres sistemas en comparación con las traducciones de inglés a no inglés. Significativamente, se observó una mejora en el rendimiento del sistema de traducción a medida que aumentaba el tamaño del token, lo que sugiere los posibles beneficios de entrenar modelos con tamaños de token más grandes.