Qwen vs DeepSeek: Que modelo de IA traduce mellor?

Executa os mesmos 12,000 segmentos de tradución en Qwen e DeepSeek, e DeepSeek gaña na maioría dos pares de linguas. Esa non é toda a historia. Divide os resultados por dirección e aparece un patrón específico: Qwen reduce a maior parte da diferenza e, ás veces, toma a dianteira, concretamente cando a lingua de destino é o inglés. Ao traducir desde o inglés a calquera outra lingua, DeepSeek gaña case sempre.

Esa división importa máis que un único gañador global se estás a traducir contido en ducias de linguas en lugar de nun só par de linguas. 

Que son Qwen e DeepSeek?

Qwen é a familia de grandes modelos de linguaxe de Alibaba. A xeración actual é Qwen3.8, lanzada en agosto de 2026: Qwen3.8-Max é o modelo de referencia pechado e dispoñible só mediante API con 2.4 billóns de parámetros, mentres que Qwen3.8-27B é un modelo de pesos abertos máis pequeno, lanzado baixo Apache 2.0 uns días despois, dirixido a equipos que queren autoaloxalo.

DeepSeek é un laboratorio de IA chinés coñecido por modelos de mestura de expertos que igualan o rendemento de vangarda a unha fracción do custo de inferencia. A súa xeración actual, DeepSeek V4, lanzouse en abril de 2026 en dúas variantes: V4 Pro (1.6 billóns de parámetros totais, uns 49 mil millóns activos por token) para traballos enfocados na calidade, e V4 Flash (284 mil millóns en total, uns 13 mil millóns activos) para cargas de traballo sensibles á latencia. Ambos distribúense como pesos abertos con licenza MIT.

Como se comparan realmente Qwen e DeepSeek en tradución, e non só en benchmarks?

A maioría das comparacións entre Qwen e DeepSeek citan benchmarks de propósito xeral: programación, matemáticas, razoamento. Ningún deles mide a calidade da tradución directamente, e executar cada modelo nun texto de orixe diferente fai que calquera diferenza de precisión sexa imposible de illar do que o propio texto esixía.

O propio tráfico de tradución de MachineTranslation.com nos últimos 28 días ofrece unha resposta máis clara, xa que ambos os dous modelos traduciron o mesmo texto de orixe. En 98 pares de linguas e máis de 12.000 segmentos coincidentes, DeepSeek obtivo unha puntuación máis alta en 83 pares; Qwen obtivo unha puntuación máis alta en 15. Se reducimos isto aos 27 pares onde a lingua de destino é o inglés, a diferenza redúcese de xeito drástico: DeepSeek gaña o 63% deles (17 de 27), Qwen gaña o 37% (10 de 27). Nos 71 pares restantes, onde o inglés non é o destino, DeepSeek gaña o 92% (66 de 71).

Taxa de vitorias por dirección de tradución (98 pares de linguas, texto idéntico)

A media ponderada de todos os segmentos coincidentes sitúa a DeepSeek en 9.13 sobre 10 e a Qwen en 8.98. Esa é unha diferenza real, pero non está distribuída uniformemente, o que é máis útil saber se o teu contido se move en máis dunha dirección. Este é o mesmo enfoque comparativo directo que MachineTranslation.com utiliza en todas as súas probas completas de comparación de modelos, non só para este par.

Os números globais tamén se manteñen nos casos de proba individuais. Ao probar a frase en francés "Elle est directrice adjointe du département commercial", DeepSeek e Qwen coincidiron na mesma tradución ao inglés, "deputy director of commercial department". Podes comprobar ese resultado da proba en vivo directamente. Ao probar "as soon as possible" traducido ao español, DeepSeek rompeu o consenso de catro modelos con "esté hecho" en lugar de "se haga", o cal é un caso de diverxencia real que reflicte unha distinción gramatical entre proceso e resultado, non un erro.

Por que Qwen traduce mellor especificamente ao inglés?

Os datos non explican o porqué, só o onde. Algúns dos pares máis fortes de Qwen cara ao inglés son o tamil, o chinés, o polaco, o italiano e o hebreo, que son linguas de orixe con corpus de adestramento en inglés amplos e ben documentados dispoñibles para os creadores de modelos en xeral. Fóra desa dirección única, a vantaxe de DeepSeek mantense en case todas partes: fóra do inglés, e do mesmo xeito entre pares de linguas que non inclúen o inglés.

O que isto descarta é tratar calquera dos dous modelos como unha opción predeterminada universal. Un equipo que traduza listaxes de produtos do español a seis idiomas e espere a mesma clasificación de rendemento que viu ao traducir un ticket de soporte chinés ao inglés estaría aplicando a lección incorrecta da dirección incorrecta, que é a mesma asimetría que aparece na desagregación de modelos de español a inglés de MachineTranslation.com , onde os modelos líderes non son os mesmos que lideran na dirección oposta.

Son Qwen e DeepSeek gratuítos e de código aberto?

As licenzas divídense de forma diferente para cada un. DeepSeek ofrece licenzas tanto para V4 Pro como para V4 Flash baixo MIT, un dos termos de código aberto máis permisivos dispoñibles, polo que ambos son gratuítos para autoaloxar sen restricións. Qwen está dividido: Qwen3.8-27B distribúese baixo Apache 2.0 e é gratuíto para autoaloxar, pero o modelo insignia Qwen3.8-Max segue sendo pechado, dispoñible só mediante API, e baixo a licenza personalizada de Alibaba.

Na práctica, isto significa que existe unha opción de pesos totalmente abertos e con licenza MIT do lado de DeepSeek en ambos os niveis de calidade. Do lado de Qwen, optar por pesos abertos significa renunciar ao modelo insignia.

Canto custa executar Qwen e DeepSeek a escala?

Tras a rebaixa de prezos permanente de DeepSeek en maio de 2026, as súas tarifas de API publicadas actualmente son de $0.435 per million input tokens (cache miss) and $0.87 por millón de tokens de saída para V4 Pro, con V4 Flash a un prezo inferior para o seu nivel optimizado para latencia.

Para os equipos que autoaloxan calquera dos dous modelos en lugar de utilizar unha API aloxada, a comparación de custos desprázase por completo á infraestrutura de GPU e convértese nunha función do número de parámetros e da eficiencia dos parámetros activos, en lugar dunha tarifa por token.

É algún dos dous modelos o suficientemente seguro para contido legal, médico ou regulado?

Ningún dos dous modelos publica certificacións de seguridade específicas para tradución, e as probas de rendemento de seguridade de uso xeral non analizan os modos de erro que importan no contido regulado: unha dose mal traducida, unha cláusula de responsabilidade alterada, un termo xurídico inconsistente. As propias probas de MachineTranslation.com atoparon exactamente este tipo de diverxencia entre modelos na linguaxe xurídica e médica, incluíndo casos nos que os modelos utilizaron diferentes termos legais con diferentes alcances a pesar de que ambos obtiveron boas puntuacións nas métricas de calidade xerais.

Para contratos, documentos de inmigración ou contido clínico, este é o motivo para emparellar a saída de calquera dos modelos con un paso de verificación humana en lugar de confiar cegamente no resultado dunha única IA, independentemente de que modelo o producise.

Que significa isto se está a realizar a localización a moitos idiomas á vez?

Unha comparación baseada nun único par de linguas non di case nada sobre o par número corenta. A división cara ao inglés/desde o inglés documentada aquí mantívose nunha mostra de 98 pares especificamente porque se probou a esa escala: unha única proba de inglés a español, que é o que executan a maioría das comparacións de Qwen vs DeepSeek, mostraría a DeepSeek comodamente á fronte e non diría nada sobre o que ocorre unha vez que o tamil, o polaco ou o hebreo entran no proceso.

Ese é o argumento práctico para non vincular por defecto un gran programa de localización á saída dun único modelo. MachineTranslation.com executa tanto Qwen como DeepSeek, xunto con máis de outros 20 modelos, en cada tradución e mostra a versión na que coinciden máis eses modelos, de xeito que un despregamento en 68 idiomas non dependa de que modelo resultou gañador no único par que alguén probou primeiro. Pode comprobar exactamente que modelos coincidiron ou diferiron en calquera tradución concreta na desagregación de modelos por tradución  que a plataforma mostra para cada resultado.

Cada tradución verifícase cunha gama de modelos máis ampla da que poden ofrecer Qwen ou DeepSeek por si sós, o que é a resposta directa a que ocorre unha vez que o seu contido deixa de moverse nunha única dirección.

Preguntas frecuentes