En los últimos años, la traducción automática ha logrado logros asombrosos. La traducción automática se ha vuelto más evidente con la necesidad de comprender la información disponible en internet en diferentes idiomas y debido al aumento del intercambio en el comercio internacional. La velocidad de cálculo mejorada debido a los avances en los componentes de hardware y la fácil accesibilidad de los datos monolingües y bilingües son factores significativos que han contribuido a impulsar el éxito de la traducción automática. Este documento investiga los modelos de traducción automática desarrollados hasta ahora hasta el estado actual de la técnica proporcionando una comprensión sólida de las diferentes arquitecturas con la evaluación comparativa y las direcciones futuras para la tarea de traducción. Dado que los modelos híbridos, la traducción automática neuronal y la traducción automática estadística son los tipos de traducción automática que se utilizan con más frecuencia, es esencial comprender cómo funciona cada uno. Una comprensión integral de los diversos enfoques de la traducción automática sería posible como resultado de esto. Para comprender las ventajas y desventajas de los diferentes enfoques, es necesario realizar una comparación exhaustiva de varios modelos en una variedad de conjuntos de datos de referencia. La precisión de las traducciones de varios modelos se compara utilizando métricas como la puntuación BLEU, la puntuación TER y la puntuación METEOR.