Qwen বনাম DeepSeek: কোন AI মডেলটি আরও ভাল অনুবাদ করে?

একই 12,000 অনুবাদের অংশ Qwen এবং DeepSeek-এর মাধ্যমে রান করান, এবং DeepSeek অধিকাংশ ভাষার জোড়ায় জয়ী হয়। এটিই পুরো গল্প নয়। ফলাফলগুলোকে অনুবাদের দিক অনুযায়ী ভাগ করলে একটি নির্দিষ্ট প্যাটার্ন দেখা যায়: Qwen বেশিরভাগ ব্যবধান কমিয়ে আনে এবং কখনো কখনো নেতৃত্ব নেয়, বিশেষ করে যখন টার্গেট ভাষা ইংরেজি হয়। ইংরেজি থেকে অন্য যেকোনো ভাষায় অনুবাদের ক্ষেত্রে, DeepSeek প্রায় প্রতিবারই জয়ী হয়।

আপনি যদি একটিমাত্র ভাষার জোড়ার পরিবর্তে ডজন খানেক ভাষায় কন্টেন্ট অনুবাদ করতে চান, তবে একক সামগ্রিক বিজয়ীর চেয়ে এই বিভাজনটি বেশি গুরুত্বপূর্ণ। 

Qwen এবং DeepSeek কী?

Qwen হলো Alibaba-এর লার্জ ল্যাঙ্গুয়েজ মডেলের পরিবার। বর্তমান প্রজন্মটি হলো Qwen3.8, যা August 2026-এ প্রকাশ করা হয়েছে: Qwen3.8-Max হলো 2.4 trillion প্যারামিটার বিশিষ্ট ক্লোজড, শুধুমাত্র API-ভিত্তিক ফ্ল্যাগশিপ মডেল, অপরদিকে Qwen3.8-27B হলো একটি ছোট, ওপেন-ওয়েট মডেল যা Apache 2.0 -এর অধীনে কয়েক দিন পরে প্রকাশ করা হয়েছে, যার লক্ষ্য হলো নিজস্ব হোস্টিং করতে চাওয়া টিমগুলো।

DeepSeek হলো একটি চীনা AI ল্যাব যা তাদের mixture-of-experts মডেলগুলোর জন্য পরিচিত, যা অত্যন্ত কম ইনফারেন্স খরচে ফ্রন্টিয়ার পারফরম্যান্সের সমকক্ষ পারফর্ম করে। এর বর্তমান প্রজন্ম, DeepSeek V4, April 2026-এ দুটি ভেরিয়েন্টে চালু করা হয়েছে: মান-কেন্দ্রিক কাজের জন্য V4 Pro (মোট 1.6 trillion parameters, প্রতি token-এ প্রায় 49 billion active) এবং latency-সংবেদনশীল কাজের চাপের জন্য V4 Flash (মোট 284 billion, প্রায় 13 billion active)। উভয়ই MIT-লাইসেন্সপ্রাপ্ত ওপেন-ওয়েট হিসেবে সরবরাহ করা হয়.

শুধুমাত্র বেঞ্চমার্ক নয়, অনুবাদে Qwen এবং DeepSeek আসলে কেমন পারফর্ম করে?

অধিকাংশ Qwen বনাম DeepSeek তুলনাতেই সাধারণ-উদ্দেশ্যের বেঞ্চমার্কগুলোর উল্লেখ করা হয়: কোডিং, গণিত, রিজনিং। এগুলোর কোনটিই সরাসরি অনুবাদের মান পরিমাপ করে না, এবং প্রতিটি মডেলকে আলাদা সোর্স টেক্সটে রান করালে যেকোনো নির্ভুলতার ব্যবধানকে টেক্সটের নিজস্ব চাহিদা থেকে আলাদা করা অসম্ভব হয়ে পড়ে।

MachineTranslation.com-এর নিজস্ব অনুবাদ ট্রাফিক গত 28 দিনে একটি আরও স্পষ্ট উত্তর দেয়, কারণ উভয় মডেলই একই সোর্স টেক্সট অনুবাদ করেছে। টি ভাষা জোড়া এবং 12,000-এরও বেশি মিলে যাওয়া সেগমেন্ট জুড়ে, DeepSeek 83টি জোড়ায় উচ্চতর স্কোর করেছে; Qwen উচ্চতর স্কোর করেছে 15টি জোড়ায়। এটিকে সংকুচিত করে সেই 27টি জোড়ায় নিয়ে আসুন যেখানে লক্ষ্য ভাষা হলো ইংরেজি, এবং ব্যবধানটি তীব্রভাবে কমে যায়: DeepSeek এগুলোর মধ্যে 63% জিতেছে (27টির মধ্যে 17টি), Qwen জিতেছে 37% (27টির মধ্যে 10টি)। বাকি 71টি জোড়ার মধ্যে, যেখানে ইংরেজি লক্ষ্য ভাষা নয়, DeepSeek জিতেছে 92% (71টির মধ্যে 66টি)।

অনুবাদ নির্দেশানুযায়ী জয়ের হার (98টি ভাষা জোড়া, অভিন্ন টেক্সট)

প্রতিটি মিলে যাওয়া সেগমেন্ট জুড়ে ভারযুক্ত গড় DeepSeek-কে 10-এর মধ্যে 9.13 এবং Qwen-কে 8.98-এ রেখেছে। এটি একটি বাস্তব ব্যবধান, তবে এটি সমানভাবে বিন্যস্ত নয়, যা জানা আরও বেশি দরকারী যদি আপনার কন্টেন্ট একাধিক অভিমুখে স্থানান্তরিত হয়। এটি সেই একই মুখোমুখি পদ্ধতি যা MachineTranslation.com তার সম্পূর্ণ মডেল তুলনা পরীক্ষায় ব্যবহার করে, শুধুমাত্র এই একটি জোড়ার জন্য নয়।

একত্রিত সংখ্যাগুলো একক টেস্ট কেসের ক্ষেত্রেও সত্য প্রমাণিত হয়। ফরাসি বাক্যাংশ "Elle est directrice adjointe du département commercial" পরীক্ষা করে দেখা গেছে, DeepSeek এবং Qwen একই ইংরেজি অনুবাদ "deputy director of commercial department"-এ উপনীত হয়েছে। আপনি সরাসরি সেই লাইভ টেস্টের ফলাফল যাচাই করতে পারেন। স্প্যানিশ ভাষায় অনুদিত "as soon as possible" পরীক্ষা করার সময়, DeepSeek "se haga"-এর পরিবর্তে "esté hecho" ব্যবহার করে চার-মডেলের ঐক্যমত্য থেকে সরে এসেছে, যা একটি বাস্তব বিচ্যুতির ঘটনা এবং এটি একটি প্রক্রিয়া-বনাম-ফলাফল ব্যাকরণগত পার্থক্য প্রতিফলিত করে, কোনো ভুল নয়।

কেন Qwen বিশেষভাবে ইংরেজিতে অনুবাদ করার ক্ষেত্রে আরও ভালো করে?

ডেটা ব্যাখ্যা করে না কেন, কেবল কোথায় তা দেখায়। ইংরেজিতে অনুবাদের ক্ষেত্রে Qwen-এর সবচেয়ে শক্তিশালী কিছু জোড়া হলো তামিল, চীনা, পোলিশ, ইতালীয় এবং হিব্রু, যেগুলো হলো এমন সোর্স ভাষা যার বৃহৎ ও সু-নথিভুক্ত ইংরেজি ভাষার প্রশিক্ষণ কর্পাস সাধারণত মডেল নির্মাতাদের জন্য সহজলভ্য। সেই একটি দিকের বাইরে, DeepSeek-এর সুবিধা প্রায় সর্বত্রই বজায় থাকে: ইংরেজি থেকে অনুবাদে এবং অ-ইংরেজি ভাষা জোড়ার মধ্যেও সমানভাবে।

এটি যা বাতিল করে দেয় তা হলো যেকোনো একটি মডেলকে সর্বজনীন ডিফল্ট হিসেবে বিবেচনা করা। একটি দল যারা স্প্যানিশ থেকে ছয়টি ভাষায় পণ্যের তালিকা অনুবাদ করছে এবং তারা একটি চীনা সাপোর্ট টিকিট ইংরেজিতে অনুবাদ করার সময় যে পারফরম্যান্স র্যাংকিং দেখেছিল ঠিক তেমনই আশা করছে, তারা আসলে ভুল দিক থেকে ভুল শিক্ষা প্রয়োগ করবে, যা ঠিক একই ধরনের অসামঞ্জস্যতা যা MachineTranslation.com-এর স্প্যানিশ-থেকে-ইংরেজি মডেল বিশ্লেষণে দেখা যায়, যেখানে শীর্ষস্থানীয় মডেলগুলো বিপরীত দিকের শীর্ষস্থানীয় মডেলগুলোর সাথে মেলে না।

Qwen এবং Deepseek কি বিনামূল্যে এবং ওপেন-সোর্স?

লাইসেন্সিংয়ের বিষয়টি উভয়ের জন্য আলাদাভাবে বিভক্ত। Deepseek তাদের V4 Pro এবং V4 Flash উভয়কেই MIT লাইসেন্সের অধীনে লাইসেন্স দেয়, যা অন্যতম সর্বাধিক অনুমতিমূলক ওপেন-সোর্স শর্তাবলীর একটি, তাই উভয়ই কোনো বাধা ছাড়াই বিনামূল্যে নিজে হোস্ট করার জন্য উন্মুক্ত। Qwen-এর ক্ষেত্রে এটি বিভক্ত: Qwen3.8-27B মডেলটি Apache 2.0-এর অধীনে আসে এবং বিনামূল্যে নিজে হোস্ট করা যায়, কিন্তু ফ্ল্যাগশিপ Qwen3.8-Max ক্লোজড, শুধুমাত্র API-ভিত্তিক এবং Alibaba-র নিজস্ব কাস্টম লাইসেন্সের অধীনে থাকে।

কার্যত, এর অর্থ হলো DeepSeek-এর দিকে উভয় মানের স্তরেই একটি সম্পূর্ণ ওপেন-ওয়েট, MIT-লাইসেন্সপ্রাপ্ত বিকল্প বিদ্যমান। Qwen-এর ক্ষেত্রে, ওপেন-ওয়েট বেছে নেওয়ার অর্থ হলো ফ্ল্যাগশিপ মডেলটি হাতছাড়া করা।

বড় পরিসরে চালানোর জন্য Qwen এবং Deepseek-এর খরচ কেমন পড়ে?

2026 সালের মে মাসে Deepseek-এর স্থায়ী মূল্য হ্রাসের পর, V4 Pro-এর জন্য এর বর্তমান প্রকাশিত API রেট হলো প্রতি মিলিয়ন আউটপুট টোকেনে $0.435 per million input tokens (cache miss) and $0.87, যেখানে এর ল্যাটেন্সি-অপ্টিমাইজড টিয়ারের জন্য V4 Flash-এর মূল্য আরও কম নির্ধারণ করা হয়েছে।

হোস্টেড API ব্যবহারের পরিবর্তে যে সমস্ত দল নিজে এই মডেল দুটি হোস্ট করতে চায়, তাদের খরচের তুলনাটি সম্পূর্ণভাবে GPU পরিকাঠামোর ওপর চলে যায় এবং তখন তা প্রতি-টোকেন হারের চেয়ে প্যারামিটার সংখ্যা এবং সক্রিয়-প্যারামিটার দক্ষতার ওপর নির্ভর করে।

আইনি, চিকিৎসা সংক্রান্ত বা নিয়ন্ত্রিত কনটেন্টের জন্য কি এই মডেল দুটি যথেষ্ট নিরাপদ?

কোনো মডেলই অনুবাদ-নির্দিষ্ট নিরাপত্তা শংসাপত্র প্রকাশ করে না এবং সাধারণ-উদ্দেশ্যের নিরাপত্তা বেঞ্চমার্কগুলো এমন সব ত্রুটির ধরণ পরীক্ষা করে না যা নিয়ন্ত্রিত কনটেন্টের ক্ষেত্রে অত্যন্ত গুরুত্বপূর্ণ: যেমন একটি ভুল অনূদিত ওষুধের মাত্রা, একটি পরিবর্তিত দায়বদ্ধতার ধারা কিংবা একটি অসঙ্গতিপূর্ণ আইনি পরিভাষা। MachineTranslation.com-এর নিজস্ব পরীক্ষায় আইনি এবং চিকিৎসা সংক্রান্ত ভাষার ক্ষেত্রে মডেলগুলোর মধ্যে ঠিক এই ধরনের অমিল পাওয়া গেছে, যার মধ্যে এমন কেসও রয়েছে যেখানে সাধারণ মানের মেট্রিক্সে উভয় মডেলই ভালো স্কোর করা সত্ত্বেও তারা ভিন্ন ভিন্ন পরিধির বিভিন্ন আইনি পরিভাষা ব্যবহার করেছে।

চুক্তিপত্র, অভিবাসন সংক্রান্ত নথি বা ক্লিনিক্যাল কনটেন্টের জন্য, যেকোনো মডেলের আউটপুটকে কেবল অন্ধভাবে বিশ্বাস করার চেয়ে সেটির সাথে একজন মানুষের দ্বারা যাচাইকরণের ধাপ যুক্ত করাই যুক্তিযুক্ত, তা সেটি যে মডেল দ্বারাই তৈরি হোক না কেন।

আপনি যদি একসাথে অনেকগুলো ভাষায় লোকালাইজ করেন তবে এর অর্থ কী দাঁড়ায়?

একটি মাত্র ভাষা জোড়ার ওপর ভিত্তি করে করা তুলনা আপনাকে চল্লিশ নম্বর ভাষা জোড়াটি সম্পর্কে প্রায় কিছুই জানাতে পারে না। এখানে নথিবদ্ধ করা ইংরেজি-তে/ইংরেজি-থেকে বিভক্তিকরণটি 98টি ভাষা জোড়ার নমুনার ক্ষেত্রে বিশেষভাবে প্রযোজ্য হয়েছিল কারণ এটি এই বড় পরিসরে পরীক্ষা করা হয়েছিল: একটি মাত্র ইংরেজি-থেকে-স্প্যানিশ পরীক্ষা, যা বেশিরভাগ Qwen বনাম Deepseek তুলনায় চালানো হয়, সেটি হয়তো Deepseek-কে অনায়াসেই এগিয়ে রাখত এবং তামিল, পোলিশ বা হিব্রু ভাষা যুক্ত হওয়ার পর কী ঘটবে সে সম্পর্কে কিছুই বলত না।

একটি বড় লোকালাইজেশন প্রোগ্রামকে ডিফল্ট হিসেবে কোনো একটি মডেলের আউটপুটের মধ্যে সীমাবদ্ধ না রাখার পেছনে এটিই বাস্তবসম্মত যুক্তি। MachineTranslation.com প্রতিটি অনুবাদের ক্ষেত্রে Qwen এবং Deepseek-এর পাশাপাশি 20টিরও বেশি অন্যান্য মডেল চালায় এবং যে সংস্করণটিতে এই মডেলগুলো সবচেয়ে বেশি একমত হয় সেটিকেই সামনে আনে, ফলে 68টি ভাষার রোলআউট কেবল সেই মডেলটির ওপর নির্ভর করে না যেটি কেউ প্রথমে পরীক্ষা করা একটি মাত্র ভাষা জোড়ায় জয়ী হয়েছিল। প্ল্যাটফর্মটি প্রতিটি ফলাফলের জন্য যে প্রতি-অনুবাদ মডেল বিশ্লেষণ দেখায়, তার মাধ্যমে যেকোনো নির্দিষ্ট অনুবাদে ঠিক কোন কোন মডেল একমত বা দ্বিমত পোষণ করেছে তা আপনি দেখে নিতে পারেন।

প্রতিটি অনুবাদকে কেবল Qwen বা Deepseek-এর চেয়ে আরও বিস্তৃত পরিসরের মডেলের সাথে মিলিয়ে পরীক্ষা করা হয়, যা আপনার কনটেন্ট যখন কেবল একটি মাত্র দিকে পরিচালিত হওয়া বন্ধ করে দেয় তখন কী ঘটে তার সরাসরি উত্তর দেয়।

সচরাচর জিজ্ঞাসিত প্রশ্নসমূহ