Работа посвящена сравнению качества перевода технического текста с английского языка на русский, полученного с помощью различных систем машинного перевода (СМП), на примере научной статьи металлургической тематики “Fluid Dynamics Studies of Bottom-blown and Side-blown Copper Smelting Furnaces”. В первой части работы рассматриваются общие вопросы машинного и технического перевода: приводятся понятия машинного перевода и технического перевода, определяются основные способы и алгоритмы работы СМП, выделяются основные особенности и проблемы технического перевода. Особое внимание уделяется выявлению функциональных возможностей наиболее популярных сервисов машинного перевода, к которым относятся такие СМП как Google Translate, Яндекс Переводчик, Bing Microsoft Translator, SYSTRAN Translate, PROMT.One. Во второй части работы раскрываются особенности металлургической терминологии и специфика ее заимствования, разрабатывается методика оценки качества перевода технического текста металлургической направленности, проводится апробационное исследование переводов, выполненных с помощью различных систем машинного перевода и определяются перспективы использования СМП в металлургической отрасли. Большое внимание уделяется оценке качества переводов по представленным методикам, при этом все результаты приводятся в виде таблиц с указанием количества ошибок и итоговых баллов. Результаты исследования могут быть использованы на различных предприятиях металлургического сектора при работе с документацией на иностранных языках. / This paper is devoted to comparison of translation quality obtained as a result of using machine translation (MT) systems to translate technical documents from English into Russian in the case of a metallurgical article “Fluid Dynamics Studies of Bottom-blown and Side-blown Copper Smelting Furnaces”. The first part of the paper covers general issues of machine and technical translation, including concepts of machine and technical translation, the main operation methods and algorithms, and the main features of technical translation. Particular attention is paid to identification of core functionality of the most popular machine translation systems, which include Google Translate, Yandex Translate, Bing Microsoft Translator, SYSTRAN Translate, PROMT.One. The second part of the paper reveals the main features of metallurgical terminology and the specifics of its naturalization. It also contains several translation quality assessment methodologies and includes an analysis of machine translation quality. Moreover, it features the main prospects for using MT systems in metallurgy. Much attention is paid to translation quality assessment on methodologies presented in the paper. All the results are presented in the form of tables with the number of errors and final scores for each MT system. The results of the study may be used at various metallurgical enterprises working with documentation in foreign languages.