Qwen vs DeepSeek: Mikä tekoälymalli kääntää paremmin?

Kun samat 12,000 käännössegmenttiä ajetaan Qwenin ja DeepSeekin läpi, DeepSeek voittaa suurimmassa osassa kielipareja. Se ei ole koko totuus. Kun tulokset jaetaan suunnan mukaan, esiin nousee selvä kaava: Qwen kuroo suurimman osan erosta umpeen ja ottaa joskus johdon, erityisesti silloin, kun kohdekieli on englanti. Käännettäessä englannista mihin tahansa muuhun kieleen DeepSeek voittaa lähes joka kerta.

Tällä jaolla on enemmän merkitystä kuin yhdellä kokonaisvoittajalla, jos käännät sisältöä kymmenille kielille yhden kieliparin sijaan. 

Mitä Qwen ja DeepSeek ovat?

Qwen on Alibaban suurten kielimallien perhe. Nykyinen sukupolvi on elokuussa 2026 julkaistu Qwen3.8: Qwen3.8-Max on suljettu, vain API-rajapinnan kautta käytettävä lippulaivamalli, jossa on 2.4 biljoonaa parametria, kun taas Qwen3.8-27B on pienempi, avoimien painoarvojen malli, joka julkaistiin  Apache 2.0  muutamaa päivää myöhemmin ja on suunnattu tiimeille, jotka haluavat isännöidä mallia itse.

DeepSeek on kiinalainen tekoälylaboratorio, joka tunnetaan mixture-of-experts-malleistaan, jotka yltävät alan huippusuorituskykyyn murto-osalla päättelykustannuksista. Sen nykyinen sukupolvi, DeepSeek V4, julkaistiin huhtikuussa 2026 kahtena eri versiona: V4 Pro (yhteensä 1.6 biljoonaa parametria, noin 49 miljardia aktiivista tokenia kohden) laatuun keskittyvään työhön ja V4 Flash (yhteensä 284 miljardia, noin 13 miljardia aktiivista) latenssiherkkiin työkuormiin. Molemmat toimitetaan  MIT-lisensoituina avoimina painoarvoina.

Miten Qwen ja DeepSeek todellisuudessa vertautuvat toisiinsa kääntämisessä, eivätkä vain vertailutesteissä?

Useimmat Qwen vs DeepSeek -vertailut viittaavat yleiskäyttöisiin vertailutesteihin: koodaukseen, matematiikkaan ja päättelyyn. Mikään niistä ei mittaa käännöslaatua suoraan, ja kunkin mallin suorittaminen eri alkutekstillä tekee mahdottomaksi erottaa tarkkuuserot siitä, mitä itse teksti vaati.

MachineTranslation.comin oma käännösliikenne viimeisen 28 päivän ajalta antaa selkeämmän vastauksen, koska molemmat mallit käänsivät saman alkutekstin. ‎98 kieliparin ja yli 12 000 täsmäävän segmentin osalta DeepSeek sai paremmat pisteet 83 parissa; Qwen sai paremmat pisteet 15 parissa. Kun tämä rajataan niihin 27 pariin, joissa kohdekielenä on englanti, ero kapenee huomattavasti: DeepSeek voittaa niistä 63 % (17 parissa 27:stä), Qwen voittaa 37 % (10 parissa 27:stä). Lopuissa 71 parissa, joissa englanti ei ole kohdekieli, DeepSeek voittaa 92 % (66 parissa 71:stä).

Voittoprosentti käännössuunnan mukaan (98 kieliparia, sama teksti)

Painotettu keskiarvo kaikista täsmäävistä segmenteistä asettaa DeepSeekin pisteisiin 9.13 kymmenestä ja Qwenin pisteisiin 8.98. Tämä on todellinen ero, mutta se ei jakaudu tasaisesti, mikä on hyödyllisempää tietää, jos sisältöä käännetään useampaan kuin yhteen suuntaan. Tämä on sama suora vertailumenetelmä, jota MachineTranslation.com käyttää kaikissa mallien vertailutesteissään, ei vain tämän yhden parin kohdalla.

Kokonaisluvut pätevät myös yksittäisissä testitapauksissa. Testattaessa ranskankielistä lausetta "Elle est directrice adjointe du département commercial," DeepSeek ja Qwen päätyivät samaan englanninkieliseen käännökseen "deputy director of commercial department". Voit tarkistaa kyseisen live-testituloksen suoraan. Testattaessa ilmaisua "as soon as possible" käännettynä espanjaksi, DeepSeek erosi neljän mallin konsensuksesta käyttämällä muotoa "esté hecho" muodon "se haga" sijaan, mikä on todellinen eroavaisuustapaus , joka heijastaa kieliopillista eroa prosessin ja lopputuloksen välillä, ei virhettä.

Miksi Qwen suoriutuu paremmin nimenomaan englanniksi kääntämisestä?

Data ei selitä miksi, vain missä. Joitakin Qwenin vahvimmista käännöspareista englantiin ovat tamili, kiina, puola, italia ja heprea, jotka ovat alkukieliä, joista on yleisesti mallien kehittäjien saatavilla suuria ja hyvin dokumentoituja englanninkielisiä koulutusaineistoja. Tämän yhden suunnan ulkopuolella DeepSeekin etu säilyy melkein kaikkialla: englannista käännettäessä sekä muiden kuin englanninkielisten kieliparien välillä.

Tämä sulkee pois mahdollisuuden kohdella kumpaakaan mallia yleisenä oletusarvona. Tiimi, joka kääntää tuotetietoja espanjasta kuudelle kielelle ja odottaa samanlaista suorituskykyjärjestystä kuin kiinalaisen tukipyynnön kääntämisessä englanniksi, soveltaisi väärää oppia väärästä suunnasta. Tämä on samaa epäsymmetriaa, joka näkyy MachineTranslation.comin espanja–englanti-mallierittelyssä, jossa johtavat mallit eivät ole samoja kuin vastakkaiseen suuntaan käännettäessä.

Ovatko Qwen ja DeepSeek ilmaisia ja avointa lähdekoodia?

Lisensiointi jakautuu kummallakin eri tavalla. DeepSeek lisensoi sekä V4 Pron että V4 Flashin MIT-lisenssillä, joka on yksi sallivimmista saatavilla olevista avoimen lähdekoodin ehdoista, joten molempia voi isännöidä itse ilman rajoituksia. Qwen on jakautunut: Qwen3.8-27B toimitetaan Apache 2.0 -lisenssillä ja se on vapaasti itse isännöitävissä, mutta lippulaivamalli Qwen3.8-Max pysyy suljettuna, vain API-rajapinnan kautta käytettävänä ja Alibaban oman mukautetun lisenssin alaisena.

Käytännössä tämä tarkoittaa, että DeepSeekin puolella on tarjolla täysin avoimilla painoarvoilla varustettu, MIT-lisensoitu vaihtoehto molemmilla laatutasoilla. Qwenin puolella siirtyminen avoimiin painoarvoihin tarkoittaa luopumista lippulaivamallista.

Mitä Qwenin ja DeepSeekin ajaminen suuressa mittakaavassa maksaa?

DeepSeekin toukokuussa 2026 tekemän pysyvän hinnanalennuksen jälkeen sen nykyiset julkaistut API-hinnat ovat $0.435 per million input tokens (cache miss) and $0.87 per miljoona tulostokenia V4 Pro -mallille, ja viiveoptimoitu V4 Flash on hinnoiteltu sitä edullisemmaksi.

Tiimeillä, jotka isännöivät kumpaa tahansa mallia itse pilvipalvelun API:n käytön sijaan, kustannusvertailu siirtyy täysin GPU-infrastruktuuriin ja muuttuu parametrien määrän ja aktiivisten parametrien tehokkuuden funktioksi token-kohtaisen hinnan sijaan.

Onko kumpikaan malli tarpeeksi turvallinen oikeudelliseen, lääketieteelliseen tai säänneltyyn sisältöön?

Kumpikaan malli ei julkaise käännöskohtaisia turvallisuussertifikaatteja, eivätkä yleiskäyttöiset turvallisuusvertailut testaa niitä vikatiloja, joilla on merkitystä säännellyssä sisällössä: väärin käännettyä annostusta, muuttunutta vastuuvapauslauseketta tai epäjohdonmukaista oikeudellista termiä. MachineTranslation.comin oma testaus on havainnut juuri tällaista mallien välistä eroavaisuutta oikeudellisessa ja lääketieteellisessä kielessä, mukaan lukien tapaukset, joissa mallit käyttivät erilaisia oikeudellisia termejä, joiden soveltamisalat olivat erilaiset, vaikka molemmat saivat hyvät pisteet yleisissä laatumittareissa.

Sopimusten, maahanmuuttoasiakirjojen tai kliinisen sisällön kohdalla tämä puoltaa kummankin mallin tuotoksen yhdistämistä ihmisen tekemään tarkistusvaiheeseen sen sijaan, että luotettaisiin sokeasti yhteen tekoälytuotokseen siitä riippumatta, kumpi malli sen on tuottanut.

Mitä tämä tarkoittaa, jos lokalisointia tehdään useille kielille samanaikaisesti?

Yhteen kielipariin perustuva vertailu ei kerro juuri mitään kieliparista numero neljäkymmentä. Tässä dokumentoitu jako englanniksi kääntämisen ja englannista kääntämisen välillä päti 98 parin otoksessa nimenomaan siksi, että sitä testattiin tässä mittakaavassa: yksittäinen englanti–espanja-testi, jollaisia useimmat Qwen vs DeepSeek -vertailut ovat, olisi osoittanut DeepSeekin olevan selvästi edellä eikä olisi kertonut mitään siitä, mitä tapahtuu, kun tamili, puola tai heprea tulevat mukaan prosessiin.

Tämä on käytännön peruste sille, miksi laajaa lokalisointiohjelmaa ei pitäisi oletusarvoisesti sitoa vain yhden mallin tuotoksiin. MachineTranslation.com ajaa sekä Qwenin että DeepSeekin yhdessä yli 20 muun mallin kanssa jokaiselle käännökselle ja tuo esiin version, josta nämä mallit ovat eniten samaa mieltä, joten 68 kielen käyttöönotto ei ole riippuvainen siitä, mikä malli sattui voittamaan sen yhden parin, jonka joku testasi ensin. Näet tarkalleen, mitkä mallit olivat samaa tai eri mieltä mistä tahansa käännöksestä käännöskohtaisessa mallierittelyssä , jonka alusta näyttää jokaiselle tulokselle.

Jokainen käännös tarkistetaan laajempaa mallivalikoimaa vasten kuin Qwen tai DeepSeek yksinään voi tarjota, mikä on suora vastaus siihen, mitä tapahtuu, kun sisältösi ei enää liiku vain yhteen suuntaan.

Usein kysytyt kysymykset