Qwen ከ DeepSeek: የትኛው የAI ሞዴል የተሻለ ይተረጉማል?

ተመሳሳይ የሆኑትን 12,000 የትርጉም ክፍሎች በ Qwen እና DeepSeek በኩል ያሂዱ፣ DeepSeek በአብዛኛዎቹ የቋንቋ ጥንዶች ያሸንፋል። ያ ሙሉው ታሪክ አይደለም። ውጤቶቹን በአቅጣጫ ሲከፋፍሉ፣ አንድ የተለየ ንድፍ ይታያል፦ Qwen አብዛኛውን ልዩነት ያጠባል፣ እና አንዳንዴም በተለይም የታለመው ቋንቋ እንግሊዝኛ በሚሆንበት ጊዜ ቀዳሚነቱን ይይዛል። ከእንግሊዝኛ ወደ ሌላ ማንኛውም ቋንቋ ሲተረጎም DeepSeek ሁልጊዜ በሚባል ደረጃ ያሸንፋል።

ይዘትን ከአንድ የቋንቋ ጥንድ ይልቅ በበርካታ አስርት በሚቆጠሩ ቋንቋዎች የሚተረጉሙ ከሆነ፣ ያ ክፍፍል ከአንድ ነጠላ አጠቃላይ አሸናፊ የበለጠ ትልቅ ትርጉም አለው። 

Qwen እና DeepSeek ምንድን ናቸው?

Qwen የAlibaba የትላልቅ የቋንቋ ሞዴሎች ቤተሰብ ነው። የአሁኑ ትውልድ በኦገስት 2026 የተለቀቀው Qwen3.8 ነው፦ Qwen3.8-Max በ2.4 trillion parameters ዝግ የሆነ እና API-only flagship ሞዴል ሲሆን፣ Qwen3.8-27B ደግሞ ከጥቂት ቀናት በኋላ በ Apache 2.0  ስር የተለቀቀ፣ self-host ማድረግ ለሚፈልጉ ቡድኖች የታለመ አነስተኛ open-weight ሞዴል ነው።

DeepSeek በትንሽ inference cost የ frontier performance የሚያስመዘግቡ mixture-of-experts ሞዴሎችን በማዘጋጀት የሚታወቅ የቻይና AI ላብራቶሪ ነው። የአሁኑ ትውልዱ፣ DeepSeek V4፣ በ April 2026 በሁለት ስሪቶች ተለቋል፦ V4 Pro (1.6 ትሪሊዮን ጠቅላላ ፓራሜትሮች፣ በአንድ ቶከን ወደ 49 ቢሊዮን ያህል ንቁ) በጥራት ላይ ላተኮሩ ሥራዎች፣ እና V4 Flash (284 ቢሊዮን ጠቅላላ፣ ወደ 13 ቢሊዮን ያህል ንቁ) ለመዘግየት ስሱ ለሆኑ የሥራ ጫናዎች። ሁለቱም  በMIT ፈቃድ የተለቀቁ open weights ሆነው ይቀርባሉ።

ለመሆኑ Qwen እና DeepSeek በምዘናዎች (benchmarks) ላይ ብቻ ሳይሆን በትርጉም ረገድ በተግባር እንዴት ይወዳደራሉ?

አብዛኛዎቹ የ Qwen እና DeepSeek ንፅፅሮች አጠቃላይ ዓላማ ያላቸው መመዘኛዎችን (benchmarks) ይጠቅሳሉ፦ ኮዲንግ፣ ሂሳብ እና አመክንዮ። ከእነዚህ ውስጥ አንዳቸውም የትርጉም ጥራትን በቀጥታ አይለኩም፣ እና እያንዳንዱን ሞዴል በተለያዩ የምንጭ ጽሑፎች ላይ ማሄድ ማንኛውንም የትክክለኛነት ልዩነት ጽሑፉ ራሱ ከሚፈልገው ነገር ለይቶ ለማወቅ የማይቻል ያደርገዋል።

ባለፉት 28 ቀናት ውስጥ የ MachineTranslation.com የራሱ የትርጉም ትራፊክ የበለጠ ግልጽ የሆነ መልስ ይሰጣል፣ ምክንያቱም ሁለቱም ሞዴሎች ተመሳሳይ የምንጭ ጽሑፍ ተርጉመዋል። በ98 የቋንቋ ጥንዶች እና ከ12,000 በላይ በሆኑ ተዛማጅ ክፍሎች ውስጥ DeepSeek በ83 ጥንዶች ከፍ ያለ ውጤት ያስመዘገበ ሲሆን፤ Qwen ደግሞ በ15ቱ የላቀ ውጤት አግኝቷል። ይህንን የግብ ቋንቋቸው እንግሊዝኛ ወደሆኑት 27 ጥንዶች ስናጠብበው፣ ልዩነቱ በከፍተኛ ሁኔታ ይጣበባል፦ DeepSeek ከእነዚህ ውስጥ 63% (ከ27ቱ 17) ሲያሸንፍ፣ Qwen 37% (ከ27ቱ 10) ያሸንፋል። እንግሊዝኛ የግብ ቋንቋ ባልሆነባቸው በቀሩት 71 ጥንዶች ውስጥ DeepSeek 92% (ከ71ዱ 66) ያሸንፋል።

የማሸነፍ መጠን በትረጉም አቅጣጫ (98 የቋንቋ ጥንዶች፣ ተመሳሳይ ጽሑፍ)

በእያንዳንዱ ተዛማጅ ክፍል ላይ ያለው ሚዛናዊ አማካኝ DeepSeekን ከ10 ውስጥ 9.13 ላይ ሲያስቀምጠው Qwenን ደግሞ 8.98 ላይ ያስቀምጠዋል። ይህ እውነተኛ ልዩነት ነው፣ ነገር ግን እኩል የተከፋፈለ አይደለም፤ ይዘትዎ ከአንድ በላይ በሆኑ አቅጣጫዎች የሚንቀሳቀስ ከሆነ ይህንን ማወቅ የበለጠ ጠቃሚ ነው። ይህ MachineTranslation.com ለዚህ አንድ ጥንድ ብቻ ሳይሆን በ ሙሉ የሞዴል ንጽጽር ሙከራው ላይ የሚጠቀምበት ተመሳሳይ የእርስ በእርስ ግጥሚያ አቀራረብ ነው።

ጥቅል ቁጥሮቹ በነጠላ የሙከራ ሁኔታዎች ላይም ይሰራሉ። ‎"Elle est directrice adjointe du département commercial" የሚለውን የፈረንሳይኛ ሐረግ በምንሞክርበት ጊዜ፣ DeepSeek እና Qwen "deputy director of commercial department" በሚለው ተመሳሳይ የእንግሊዝኛ ትርጉም ላይ ተስማምተዋል። ያንን የቀጥታ ሙከራ ውጤት  በቀጥታ መመልከት ይችላሉ። ‎"as soon as possible" የሚለውን ወደ ስፓኒሽ ሲተረጎም በምንሞክርበት ጊዜ፣ DeepSeek ከአራቱ ሞዴሎች ስምምነት በመውጣት በ"se haga" ፋንታ "esté hecho" ብሏል፤ ይህም ስህተት ሳይሆን የሂደት እና የውጤት ሰዋሰዋዊ ልዩነትን የሚያንጸባርቅ  እውነተኛ የልዩነት ሁኔታ  ነው።

Qwen በተለይ ወደ እንግሊዝኛ በሚተረጉምበት ጊዜ ለምን የተሻለ ይሠራል?

ዳታው ለምን እንደሆነ አያስረዳም፣ የት እንደሆነ ብቻ እንጂ። አንዳንድ የQwen ጠንካራ የሆኑ ወደ እንግሊዝኛ የትርጉም ጥንዶች ታሚል፣ ቻይንኛ፣ ፖሊሽ፣ ጣሊያንኛ እና ዕብራይስጥ ሲሆኑ፤ እነዚህም በአጠቃላይ ለሞዴል ገንቢዎች የሚገኙ ሰፊ እና በደንብ የተመዘገቡ የእንግሊዝኛ ቋንቋ ማሰልጠኛ ኮርፖራዎች ያላቸው የምንጭ ቋንቋዎች ናቸው። ከዚያ ከአንድ አቅጣጫ ውጭ፣ የ DeepSeek ብልጫ በሁሉም ቦታ ማለት ይቻላል ይሠራል፡ ከእንግሊዝኛ ወደ ሌላ ቋንቋ፣ እንዲሁም በእንግሊዝኛ ባልሆኑ የቋንቋ ጥንዶች መካከል።

ይህ የሚያስቀረው ነገር ቢኖር የትኛውንም ሞዴል እንደ ሁለንተናዊ ነባሪ አድርጎ መውሰድን ነው። የምርት ዝርዝሮችን ከስፓኒሽ ወደ ስድስት ቋንቋዎች የሚተረጉም እና የቻይንኛ የድጋፍ ጥያቄን ወደ እንግሊዝኛ ሲተረጉም ካየው ተመሳሳይ የአፈጻጸም ደረጃን የሚጠብቅ ቡድን፣ ከተሳሳተ አቅጣጫ የተሳሳተ ትምህርት እየወሰደ ነው፤ ይህም በ MachineTranslation.com  Spanish-to-English የሞዴል ትንተና ላይ ከሚታየው ተመሳሳይ አለመመጣጠን ጋር ተመሳሳይ ነው፣ በዚህም መሪዎቹ ሞዴሎች በተቃራኒው አቅጣጫ ከሚመሩት ጋር ተመሳሳይ አይደሉም።

Qwen እና DeepSeek ነፃ እና open-source ናቸው?

የፈቃድ አሰጣጡ ለእያንዳንዱ በተለየ መንገድ ይከፈላል። DeepSeek ሁለቱንም V4 Pro እና V4 Flash በ MIT ስር ፈቃድ ይሰጣል፣ ይህም ካሉት በጣም ፈቃጅ የ open-source ውሎች አንዱ ነው፣ ስለዚህ ሁለቱም ያለ ምንም ገደብ በራስ ለማስተናገድ (self-host) ነፃ ናቸው። Qwen የተከፈለ ነው፡ Qwen3.8-27B በ Apache 2.0 ስር የሚለቀቅ ሲሆን በራስ ለማስተናገድ (self-host) ነፃ ነው፣ ነገር ግን ዋናው Qwen3.8-Max ዝግ ሆኖ ይቆያል፣ በ API-only ብቻ የሚገኝ እና በ Alibaba የራሱ ብጁ ፈቃድ ስር ነው።

በተግባር ይህ ማለት በሁለቱም የጥራት ደረጃዎች ሙሉ በሙሉ open-weight የሆነ፣ በ MIT ፈቃድ የተሰጠው አማራጭ በ DeepSeek በኩል አለ ማለት ነው። በ Qwen በኩል፣ ወደ open-weight መሄድ ማለት ዋናውን ሞዴል መተው ማለት ነው።

Qwen እና DeepSeek በከፍተኛ ደረጃ ለማስኬድ (at scale) ምን ያህል ያስከፍላሉ?

እ.እ.አ. በ May 2026 የ DeepSeek ቋሚ የዋጋ ቅነሳን ተከትሎ፣ በአሁኑ ጊዜ የታተሙት የ API ክፍያዎች ለ V4 Pro በ ሚሊዮን የውጤት ቶከኖች $0.435 per million input tokens (cache miss) and $0.87 ሲሆን፣ V4 Flash ደግሞ ለ latency-optimized ደረጃው ዝቅተኛ ዋጋ አለው።

በአስተናጋጅነት ከሚቀርብ (hosted) API ይልቅ የትኛውንም ሞዴል በራሳቸው ለሚያስተናግዱ (self-hosting) ቡድኖች፣ የዋጋ ንፅፅሩ ሙሉ በሙሉ ወደ GPU መሠረተ ልማት የሚቀየር ሲሆን ከእያንዳንዱ ቶከን ክፍያ ይልቅ የ parameter ብዛት እና የ active-parameter ብቃት ተግባር ይሆናል።

የትኛውም ሞዴል ለህጋዊ፣ ለህክምና ወይም ቁጥጥር ለሚደረግበት (regulated) ይዘት በቂ ደህንነት አለው?

የትኛውም ሞዴል ለትርጉም የተለየ የደህንነት ማረጋገጫዎችን አያትምም፣ እና አጠቃላይ የደህንነት መስፈርቶች (safety benchmarks) ቁጥጥር በሚደረግበት ይዘት ውስጥ ወሳኝ የሆኑትን የስህተት ሁኔታዎች አይፈትሹም፡ የተሳሳተ የመድኃኒት መጠን ትርጉም፣ የተዛባ የተጠያቂነት አንቀጽ፣ ወይም ወጥ ያልሆነ የህግ ቃል። የ MachineTranslation.com የራሱ ሙከራ በህግ እና በህክምና ቋንቋዎች ላይ በሞዴሎች መካከል በትክክል የዚህ አይነቱን ልዩነት አግኝቷል፣ ይህም ሁለቱም በአጠቃላይ የጥራት መለኪያዎች ላይ ጥሩ ውጤት ቢያስመዘግቡም ሞዴሎች  የተለያዩ የህግ ወሰን ያላቸው የተለያዩ የህግ ቃላትን  የተጠቀሙባቸውን አጋጣሚዎች ይጨምራል።

ለውሎች፣ ለስደት ሰነዶች ወይም ለክሊኒካዊ ይዘቶች፣ የትኛው ሞዴል ቢያመርተውም፣ የአንድን AI ውጤት እንዲሁ በግምት ከማመን ይልቅ፣ የትኛውንም የሞዴል ውጤት  ከሰው ማረጋገጫ ደረጃ  ጋር ማጣመር ተገቢ የሚሆነው ለዚህ ነው።

ይህ በአንድ ጊዜ ወደ ብዙ ቋንቋዎች እየተረጎሙ (localizing) ከሆነ ምን ማለት ነው?

በአንድ የቋንቋ ጥንድ ላይ የተመሰረተ ንጽጽር ስለ አርባኛው ጥንድ ምንም የሚነግርዎት ነገር የለም ማለት ይቻላል። እዚህ ላይ የተመዘገበው ወደ እንግሊዝኛ/ከእንግሊዝኛ ውጭ ያለው ክፍፍል በ 98-ጥንድ ናሙና ላይ የጸናው በተለይ በዚያ መጠን ስለተሞከረ ነው፡ አብዛኛዎቹ የ Qwen እና DeepSeek ንጽጽሮች የሚያካሂዱት አንድ ነጠላ English-to-Spanish ሙከራ፣ DeepSeek በምቾት ቀድሞ እንዲታይ ያደርግ ነበር እንጂ Tamil, Polish, ወይም Hebrew ወደ ሂደቱ ከገቡ በኋላ ምን እንደሚፈጠር ምንም አይናገርም ነበር።

ይህ አንድን ትልቅ የ localization ፕሮግራም በነባሪነት ከአንድ ሞዴል ውጤት ጋር ላለማሰር ተግባራዊው መከራከሪያ ነው። MachineTranslation.com በእያንዳንዱ ትርጉም ላይ ከ 20 በላይ ከሚሆኑ ሌሎች ሞዴሎች ጋር ሁለቱንም Qwen እና DeepSeek ያሄዳል፣ እና እነዚያ ሞዴሎች በብዛት የተስማሙበትን እትም ያሳያል፣ ስለዚህ የ 68-ቋንቋ ዝርጋታ (rollout) አንድ ሰው መጀመሪያ በሞከረው በአንዱ ጥንድ ላይ ያሸነፈው ሞዴል የትኛውም ቢሆን በእሱ ላይ ብቻ የተመሰረተ አይሆንም። ለእያንዳንዱ ውጤት መድረኩ በሚያሳየው  በየትርጉሙ የሞዴል ትንተና  ውስጥ የትኞቹ ሞዴሎች በማንኛውም የተሰጠ ትርጉም ላይ እንደተስማሙ ወይም እንደተለያዩ በትክክል ማየት ይችላሉ።

እያንዳንዱ ትርጉም Qwen ወይም DeepSeek ብቻቸውን ሊያቀርቡ ከሚችሉት በላይ በብዙ ሰፊ የሞዴሎች ክልል ላይ ይረጋገጣል፣ ይህም ይዘትዎ በአንድ አቅጣጫ ብቻ መጓዙን ካቆመ በኋላ ምን እንደሚከሰት ቀጥተኛ መልስ ነው።

ተደጋግመው የሚነሱ ጥያቄዎች