Qwen protiv DeepSeek: Koji AI model bolje prevodi?

Pokrenite istih 12.000 prevodilačkih segmenata kroz Qwen i DeepSeek, i DeepSeek pobjeđuje u većini jezičkih parova. To nije cijela priča. Podijelite rezultate po smjeru i pojavljuje se specifičan šablon: Qwen smanjuje većinu razlike, a ponekad i preuzima vodstvo, posebno kada je ciljni jezik engleski. Pri prevođenju s engleskog na bilo koji drugi jezik, DeepSeek pobjeđuje skoro svaki put.

Ta podjela je važnija od jednog ukupnog pobjednika ako prevodite sadržaj na desetine jezika, a ne samo na jedan jezički par. 

Šta su Qwen i DeepSeek?

Qwen je Alibabina porodica velikih jezičkih modela. Trenutna generacija je Qwen3.8, objavljena u augustu 2026: Qwen3.8-Max je zatvoreni vodeći model dostupan samo putem API-ja sa 2,4 biliona parametara, dok je Qwen3.8-27B manji model s otvorenim težinama objavljen pod Apache 2.0 nekoliko dana kasnije, namijenjen timovima koji žele samostalno hostovati model.

DeepSeek je kineska AI laboratorija poznata po modelima s mješavinom stručnjaka (mixture-of-experts) koji dostižu vrhunske performanse uz djelić troškova inferencije. Njegova trenutna generacija, DeepSeek V4, lansirana je u aprilu 2026. u dvije varijante: V4 Pro (ukupno 1,6 biliona parametara, oko 49 milijardi aktivnih po tokenu) za rad fokusiran na kvalitet, i V4 Flash (ukupno 284 milijarde, oko 13 milijardi aktivnih) za zadatke osjetljive na latenciju. Oba se isporučuju kao otvorene težine pod MIT licencom.

Kako se Qwen i DeepSeek zapravo porede u prevođenju, a ne samo na testovima performansi?

Većina poređenja između Qwen i DeepSeek modela navodi testove performansi opće namjene: kodiranje, matematiku, logičko zaključivanje. Nijedan od njih ne mjeri kvalitet prevoda direktno, a pokretanje svakog modela na različitom izvornom tekstu onemogućava izolaciju bilo kakve razlike u tačnosti od onoga što je sam tekst zahtijevao.

Sopstveni prevodilački saobraćaj platforme MachineTranslation.com u posljednjih 28 dana daje jasniji odgovor, jer su oba modela prevodila identičan izvorni tekst. U 98 jezičkih parova i više od 12.000 podudarnih segmenata, DeepSeek je postigao bolji rezultat u 83 para; Qwen je postigao bolji rezultat u 15. Svedite to na 27 parova u kojima je ciljni jezik engleski, i ta razlika se naglo smanjuje: DeepSeek pobjeđuje u 63% njih (17 od 27), Qwen pobjeđuje u 37% (10 od 27). U preostalom 71 paru, gdje engleski nije ciljni jezik, DeepSeek pobjeđuje u 92% (66 od 71).

Stopa pobjede prema smjeru prevođenja (98 jezičkih parova, identičan tekst)

Ponderisani prosjek za svaki podudarni segment stavlja DeepSeek na 9.13 od 10, a Qwen na 8.98. To je stvarna razlika, ali nije ravnomjerno raspoređena, što je korisnije znati ako se vaš sadržaj kreće u više od jednog smjera. Ovo je isti direktni pristup koji MachineTranslation.com koristi u svom potpunom testiranju poređenja modela, a ne samo za ovaj jedan par.

Zbirni brojevi se potvrđuju i u pojedinačnim testnim slučajevima. Testirajući francusku frazu "Elle est directrice adjointe du département commercial", DeepSeek i Qwen su se usaglasili oko istog prevoda na engleski, "deputy director of commercial department". Možete direktno provjeriti taj rezultat testa uživo ‎. Testirajući "as soon as possible" prevedeno na španski, DeepSeek je odstupio od konsenzusa četiri modela sa "esté hecho" umjesto "se haga", što je stvarni slučaj razilaženja koji odražava gramatičku razliku između procesa i ishoda, a ne grešku.

Zašto Qwen konkretno bolje prevodi na engleski?

Podaci ne objašnjavaju zašto, već samo gdje. Neki od Qwen-ovih najjačih parova za prevođenje na engleski su tamilski, kineski, poljski, italijanski i hebrejski, koji predstavljaju izvorne jezike sa velikim, dobro dokumentovanim korpusima za obuku na engleskom jeziku koji su općenito dostupni kreatorima modela. Izvan tog jednog smjera, prednost modela DeepSeek važi gotovo svugdje: kako s engleskog, tako i između jezičkih parova koji ne uključuju engleski.

Ono što ovo isključuje jeste tretiranje bilo kojeg modela kao univerzalno podrazumijevanog. Tim koji prevodi opise proizvoda sa španskog na šest jezika i očekuje isti rang performansi koji su vidjeli pri prevođenju tiketa podrške s kineskog na engleski primijenio bi pogrešnu lekciju iz pogrešnog smjera, što je ista asimetrija koja se pojavljuje u analizi modela za španski-na-engleski na MachineTranslation.com , gdje vodeći modeli nisu isti oni koji vode u obrnutom smjeru.

Jesu li Qwen i DeepSeek besplatni i otvorenog koda?

Licenciranje se razlikuje za svaki od njih. DeepSeek licencira i V4 Pro i V4 Flash pod MIT licencom, jednom od najfleksibilnijih dostupnih licenci otvorenog koda, tako da su oba besplatna za samostalno hostovanje bez ograničenja. Qwen je podijeljen: Qwen3.8-27B se isporučuje pod licencom Apache 2.0 i besplatan je za samostalno hostovanje, ali vodeći Qwen3.8-Max ostaje zatvoren, dostupan samo putem API-ja i pod Alibabinim vlastitim prilagođenim licencnim uslovima.

Praktično, to znači da na strani modela DeepSeek u oba nivoa kvaliteta postoji opcija potpuno otvorenih težina (open-weight) s MIT licencom. Na strani modela Qwen, prelazak na otvorene težine znači odricanje od vodećeg modela.

Koliko košta pokretanje modela Qwen i DeepSeek u velikom obimu?

Nakon trajnog sniženja cijena modela DeepSeek u maju 2026. godine, njegove trenutne objavljene cijene API-ja iznose $0.435 per million input tokens (cache miss) and $0.87 po milionu izlaznih tokena za V4 Pro, dok je V4 Flash jeftiniji za svoj nivo optimizovan za nisku latenciju.

Za timove koji sami hostuju bilo koji model umjesto korištenja hostovanog API-ja, poređenje troškova se u potpunosti pomjera na GPU infrastrukturu i postaje funkcija broja parametara i efikasnosti aktivnih parametara, a ne stope po tokenu.

Da li je ijedan od modela dovoljno siguran za pravni, medicinski ili regulisani sadržaj?

Nijedan model ne objavljuje sigurnosne certifikate specifične za prevođenje, a opći sigurnosni testovi ne provjeravaju načine otkazivanja koji su važni u regulisanom sadržaju: pogrešno prevedenu dozu, izmijenjenu klauzulu o odgovornosti, nedosljedan pravni termin. Vlastito testiranje platforme MachineTranslation.com utvrdilo je upravo ovakvu vrstu razilaženja između modela na pravnom i medicinskom jeziku, uključujući slučajeve u kojima su modeli koristili  različite pravne termine s različitim opsegom  uprkos tome što su oba postigla dobre rezultate na općim metrikama kvaliteta.

Za ugovore, imigracione dokumente ili klinički sadržaj, to opravdava uparivanje rezultata bilo kojeg modela s  korakom ljudske provjere  umjesto pukog vjerovanja jednom AI rezultatu, bez obzira na to koji ga je model generisao.

Šta ovo znači ako radite lokalizaciju na mnogo jezika istovremeno?

Poređenje zasnovano na jednom jezičkom paru ne govori vam gotovo ništa o paru broj četrdeset. Podjela na prevođenje na engleski i s engleskog, koja je ovdje dokumentovana, održala se na uzorku od 98 parova upravo zato što je testirana u tom obimu: pojedinačni test s engleskog na španski, što je ono što većina poređenja Qwen vs DeepSeek koristi, pokazao bi da je DeepSeek komotno u prednosti i ne bi rekao ništa o tome šta se dešava kada tamilski, poljski ili hebrejski uđu u proces.

To je praktičan argument protiv podrazumijevanog vezivanja velikog programa lokalizacije za rezultate samo jednog modela. MachineTranslation.com pokreće i Qwen i DeepSeek, zajedno s više od 20 drugih modela, za svaki prijevod i prikazuje verziju oko koje se ti modeli najviše slažu, tako da uvođenje na 68 jezika ne zavisi od toga koji je model slučajno pobijedio u onom jednom paru koji je neko prvi testirao. Možete tačno vidjeti koji su se modeli složili ili razišli za bilo koji prijevod u  analizi modela po prijevodu  koju platforma prikazuje za svaki rezultat.

Svaki prijevod se provjerava u odnosu na širi spektar modela nego što to mogu ponuditi samostalno Qwen ili DeepSeek, što je direktan odgovor na to šta se dešava kada se vaš sadržaj prestane kretati u samo jednom smjeru.

Često postavljana pitanja