Qwen vs DeepSeek: Koji AI model bolje prevodi?

Pokrenite istih 12.000 prevoditeljskih segmenata kroz Qwen i DeepSeek i DeepSeek pobjeđuje u većini jezičnih parova. To nije cijela priča. Podijelite rezultate po smjeru i pojavljuje se specifičan obrazac: Qwen smanjuje veći dio jaza, a ponekad i preuzima vodstvo, osobito kada je ciljni jezik engleski. Pri prevođenju s engleskog na bilo koji drugi jezik, DeepSeek pobjeđuje gotovo svaki put.

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

Što su Qwen i DeepSeek?

Qwen je Alibabina obitelj velikih jezičnih modela. Trenutačna generacija je Qwen3.8, objavljena u kolovozu 2026.: Qwen3.8-Max je zatvoreni vodeći model dostupan samo putem API-ja s 2,4 bilijuna parametara, dok je Qwen3.8-27B manji model otvorenih težina objavljen pod Apache 2.0 nekoliko dana kasnije, namijenjen timovima koji žele sami ugostiti model.

DeepSeek je kineski AI laboratorij poznat po modelima mješavine stručnjaka koji dostižu vrhunske performanse uz tek djelić troška inferencije. Njegova trenutačna generacija, DeepSeek V4, lansirana je u travnju 2026. u dvije varijante: V4 Pro (ukupno 1,6 bilijuna parametara, oko 49 milijardi aktivnih po tokenu) za rad usmjeren na kvalitetu i V4 Flash (ukupno 284 milijarde, oko 13 milijardi aktivnih) za radna opterećenja osjetljiva na latenciju. Oba se isporučuju kao otvorene težine pod MIT licencom.

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

Većina usporedbi između modela Qwen i DeepSeek navodi mjerila opće namjene: kodiranje, matematiku, zaključivanje. Nijedna od njih ne mjeri kvalitetu prijevoda izravno, a pokretanje svakog modela na različitom izvornom tekstu onemogućuje izoliranje bilo kakve razlike u točnosti od onoga što je sam tekst zahtijevao.

Vlastiti promet prijevoda na MachineTranslation.com u posljednjih 28 dana daje jasniji odgovor, jer su oba modela prevela identičan izvorni tekst. U 98 jezičnih parova i više od 12.000 podudarnih segmenata, DeepSeek je postigao bolji rezultat u 83 para; Qwen je postigao bolji rezultat u 15. Suzi li se to na 27 parova u kojima je ciljni jezik engleski, razlika se naglo smanjuje: DeepSeek pobjeđuje u 63% njih (17 od 27), Qwen pobjeđuje u 37% (10 od 27). U preostala 71 para, gdje engleski nije ciljni jezik, DeepSeek pobjeđuje u 92% (66 od 71).

Stopa pobjeda prema smjeru prevođenja (98 jezičnih parova, identičan tekst)

Ponderirani 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. Riječ je o istom pristupu izravne usporedbe koji MachineTranslation.com koristi u svom cjelokupnom testiranju usporedbe modela, a ne samo za ovaj par.

Zbirni podaci potvrđuju se i u pojedinačnim testnim slučajevima. Testiranjem francuske fraze "Elle est directrice adjointe du département commercial," DeepSeek i Qwen usuglasili su se oko istog prijevoda na engleski, "deputy director of commercial department". Taj rezultat testa uživo možete provjeriti izravno. Testiranjem izraza "as soon as possible" prevedenog na španjolski, DeepSeek se odmaknuo od konsenzusa četiriju modela s "esté hecho" umjesto "se haga", što je stvarni slučaj odstupanja koji odražava gramatičku razliku između procesa i ishoda, a ne pogrešku.

Zašto Qwen konkretno bolje prevodi na engleski?

Podaci ne objašnjavaju zašto, nego samo gdje. Neki od Qwenovih najjačih parova za prevođenje na engleski su tamilski, kineski, poljski, talijanski i hebrejski, što su izvorni jezici s velikim, dobro dokumentiranim korpusima za treniranje na engleskom jeziku koji su općenito dostupni kreatorima modela. Izvan tog jednog smjera, DeepSeekova prednost vrijedi gotovo svugdje: u prijevodu s engleskog, kao i između neengleskih jezičnih parova.

Ono što ovo isključuje jest tretiranje bilo kojeg modela kao univerzalno zadane opcije. Tim koji prevodi popise proizvoda sa španjolskog na šest jezika i očekuje isti rang izvedbe koji je vidio pri prevođenju tiketa podrške s kineskog na engleski primijenio bi pogrešnu lekciju iz pogrešnog smjera, što je ista asimetrija koja se pojavljuje u raščlambi modela za španjolski-engleski na stranici 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-om, što je jedna od najslobodnijih dostupnih licenci otvorenog koda, pa su oba modela besplatna za samostalno hostiranje bez ograničenja. Qwen je podijeljen: Qwen3.8-27B isporučuje se pod licencom Apache 2.0 i besplatan je za samostalno hostiranje, ali vodeći model Qwen3.8-Max ostaje zatvoren, dostupan samo putem API-ja i pod Alibabinom vlastitom prilagođenom licencom.

U praksi to znači da na strani modela DeepSeek postoji potpuno open-weight opcija s MIT licencom na obje razine kvalitete. Na strani modela Qwen, prelazak na open-weight znači odustajanje od vodećeg modela.

Koliko košta izvođenje modela Qwen i DeepSeek u velikom opsegu?

Nakon DeepSeekova trajnog sniženja cijena u svibnju 2026., njegove trenutačne objavljene cijene API-ja iznose $0.435 per million input tokens (cache miss) and $0.87 po milijunu izlaznih tokena za V4 Pro, dok V4 Flash ima nižu cijenu za svoju razinu optimiziranu za latenciju.

Za timove koji samostalno hostiraju bilo koji model umjesto korištenja hostiranog API-ja, usporedba troškova u potpunosti se seli na GPU infrastrukturu i postaje funkcija broja parametara i učinkovitosti aktivnih parametara, a ne stope po tokenu.

Je li ijedan od ova dva modela dovoljno siguran za pravni, medicinski ili regulirani sadržaj?

Nijedan model ne objavljuje sigurnosne certifikate specifične za prevođenje, a sigurnosni testovi opće namjene ne ispituju načine pogrešaka koji su važni u reguliranom sadržaju: pogrešno prevedenu dozu, promijenjenu klauzulu o odgovornosti, nedosljedan pravni izraz. Vlastito testiranje stranice MachineTranslation.com otkrilo je upravo takvu vrstu odstupanja među modelima u pravnom i medicinskom jeziku, uključujući slučajeve u kojima su modeli koristili različite pravne izraze s različitim opsezima unatoč tome što su oba postigla dobre rezultate na općim metrikama kvalitete.

Za ugovore, imigracijske dokumente ili klinički sadržaj, to je razlog za povezivanje izlaza bilo kojeg modela s korakom ljudske provjere , radije nego da se slijepo vjeruje jednom izlazu umjetne inteligencije, bez obzira na to koji ga je model proizveo.

Što to znači ako radite lokalizaciju na mnogo jezika odjednom?

Usporedba temeljena na jednom jezičnom paru ne govori vam gotovo ništa o jezičnom paru broj četrdeset. Ovdje dokumentirana podjela na prijevode na engleski i s engleskog vrijedila je na uzorku od 98 parova upravo zato što je testirana u tom opsegu: pojedinačni test s engleskog na španjolski, što je ono što većina usporedbi Qwen vs DeepSeek koristi, pokazao bi da je DeepSeek uvjerljivo ispred i ne bi rekao ništa o tome što se događa kada tamilski, poljski ili hebrejski uđu u proces.

To je praktičan argument za to da se veliki program lokalizacije po zadanim postavkama ne ograničava na izlaz samo jednog modela. Stranica MachineTranslation.com pokreće i Qwen i DeepSeek, uz više od 20 drugih modela, za svaki prijevod te prikazuje verziju oko koje se ti modeli najviše slažu, tako da uvođenje na 68 jezika ne ovisi o tome koji je model slučajno pobijedio u onom jednom paru koji je netko prvi testirao. Možete točno vidjeti koji su se modeli složili ili razišli pri bilo kojem prijevodu u raščlambi modela po prijevodu koju platforma prikazuje za svaki rezultat.

Svaki se prijevod provjerava u odnosu na širi raspon modela nego što to mogu ponuditi samostalni Qwen ili DeepSeek, što je izravan odgovor na ono što se događa kada se vaš sadržaj prestane kretati u samo jednom smjeru.

Često postavljana pitanja