Qwen vs DeepSeek: Model AI manakah yang menterjemah dengan lebih baik?

Jalankan 12,000 segmen terjemahan yang sama melalui Qwen dan DeepSeek, dan DeepSeek memenangi majoriti pasangan bahasa. Itu bukan keseluruhan ceritanya. Pisahkan keputusan mengikut arah, dan corak khusus akan kelihatan: Qwen merapatkan sebahagian besar jurang, dan kadangkala mendahului, khususnya apabila bahasa sasaran ialah bahasa Inggeris. Menterjemah daripada bahasa Inggeris kepada bahasa lain, DeepSeek menang hampir setiap kali.

Perbezaan tersebut lebih penting daripada pemenang keseluruhan tunggal jika anda menterjemah kandungan merangkumi berpuluh-puluh bahasa berbanding satu pasangan bahasa sahaja. 

Apakah Qwen dan DeepSeek?

Qwen ialah keluarga model bahasa besar Alibaba. Generasi semasa ialah Qwen3.8, yang dilancarkan pada Ogos 2026: Qwen3.8-Max ialah flagship tertutup, khusus API dengan 2.4 trilion parameter, manakala Qwen3.8-27B ialah model open-weight yang lebih kecil yang dikeluarkan di bawah Apache 2.0 beberapa hari kemudian, disasarkan kepada pasukan yang ingin mengehos sendiri.

DeepSeek ialah makmal AI China yang terkenal dengan model mixture-of-experts yang menandingi prestasi frontier pada sebahagian kecil daripada kos inferens. Generasi semasanya, DeepSeek V4, dilancarkan pada April 2026 dalam dua varian: V4 Pro (1.6 trilion jumlah parameter, kira-kira 49 bilion aktif bagi setiap token) untuk kerja berfokuskan kualiti, dan V4 Flash (284 bilion keseluruhan, kira-kira 13 bilion aktif) untuk beban kerja yang sensitif terhadap kependaman. Kedua-duanya diedarkan sebagai pemberat terbuka berlesen MIT.

Bagaimanakah perbandingan sebenar antara Qwen dan DeepSeek dalam penterjemahan, bukan sekadar penanda aras?

Kebanyakan perbandingan antara Qwen dan DeepSeek memetik penanda aras kegunaan am: pengaturcaraan, matematik, penaakulan. Tiada satu pun daripadanya mengukur kualiti terjemahan secara langsung, dan menjalankan setiap model pada teks sumber yang berbeza menjadikannya mustahil untuk mengasingkan sebarang jurang ketepatan daripada apa yang dituntut oleh teks itu sendiri.

Trafik terjemahan MachineTranslation.com sendiri dalam tempoh 28 hari yang lalu memberikan jawapan yang lebih jelas, kerana kedua-dua model menterjemah teks sumber yang sama. Merentasi 98 pasangan bahasa dan lebih daripada 12,000 segmen sepadan, DeepSeek mendapat skor lebih tinggi dalam 83 pasangan; Qwen mendapat skor lebih tinggi dalam 15. Perkecilkan perkara itu kepada 27 pasangan di mana bahasa sasarannya ialah bahasa Inggeris, dan jurang tersebut mengecil dengan mendadak: DeepSeek memenangi 63% daripadanya (17 daripada 27), Qwen memenangi 37% (10 daripada 27). Merentasi baki 71 pasangan, di mana bahasa Inggeris bukan sasaran, DeepSeek memenangi 92% (66 daripada 71).

Kadar kemenangan mengikut arah terjemahan (98 pasangan bahasa, teks yang sama)

Purata wajaran merentasi setiap segmen sepadan meletakkan DeepSeek pada 9.13 daripada 10 dan Qwen pada 8.98. Itu adalah jurang yang nyata, tetapi ia tidak diagihkan secara samarata, yang merupakan perkara yang lebih berguna untuk diketahui jika kandungan anda bergerak dalam lebih daripada satu arah. Ini adalah pendekatan bersemuka yang sama yang digunakan oleh MachineTranslation.com merentasi ujian perbandingan model penuhnya, bukan hanya untuk pasangan ini sahaja.

Angka agregat juga kekal konsisten dalam kes ujian individu. Menguji frasa bahasa Perancis "Elle est directrice adjointe du département commercial," DeepSeek dan Qwen bertumpu pada terjemahan bahasa Inggeris yang sama, iaitu "deputy director of commercial department". Anda boleh menyemak keputusan ujian langsung tersebut secara terus. Menguji "as soon as possible" yang diterjemah ke dalam bahasa Sepanyol, DeepSeek berbeza daripada konsensus empat model dengan "esté hecho" dan bukannya "se haga", yang merupakan kes pencapahan sebenar yang mencerminkan perbezaan tatabahasa proses-berbanding-hasil, bukannya kesilapan.

Mengapakah Qwen menunjukkan prestasi yang lebih baik terutamanya apabila menterjemah ke dalam bahasa Inggeris?

Data tidak menerangkan sebabnya, sebaliknya hanya menunjukkan di mana. Beberapa pasangan terjemahan ke dalam bahasa Inggeris yang paling kukuh bagi Qwen ialah Tamil, Cina, Poland, Itali dan Ibrani yang merupakan bahasa sumber dengan korpora latihan bahasa Inggeris yang besar dan didokumentasikan dengan baik, yang tersedia untuk pembangun model secara umum. Di luar satu arah itu, kelebihan DeepSeek kekal hampir di semua tempat: keluar dari bahasa Inggeris, dan juga antara pasangan bahasa bukan Inggeris.

Apa yang diketepikan oleh perkara ini adalah menganggap mana-mana model sebagai lalai sejagat. Pasukan yang menterjemah senarai produk daripada bahasa Sepanyol ke dalam enam bahasa dan mengharapkan kedudukan prestasi yang sama yang mereka lihat semasa menterjemah tiket sokongan bahasa Cina ke dalam bahasa Inggeris akan menerapkan pengajaran yang salah daripada arah yang salah, iaitu asimetri yang sama yang ditunjukkan dalam pecahan model bahasa Sepanyol-ke-Inggeris  MachineTranslation.com, di mana model terkemuka bukanlah model yang sama yang mendahului dalam arah sebaliknya.

Adakah Qwen dan DeepSeek percuma dan sumber terbuka?

Pelesenan terbahagi secara berbeza bagi setiap satu. DeepSeek melesenkan kedua-dua V4 Pro dan V4 Flash di bawah MIT, salah satu terma sumber terbuka paling longgar yang tersedia, jadi kedua-duanya bebas untuk dihoskan sendiri tanpa had. Qwen berpecah: Qwen3.8-27B diedarkan di bawah Apache 2.0 dan bebas untuk dihoskan sendiri, tetapi model utama Qwen3.8-Max kekal tertutup, API sahaja, dan di bawah lesen tersuai Alibaba sendiri.

Secara praktikal, ini bermakna pilihan open-weight sepenuhnya yang berlesen MIT wujud di pihak DeepSeek pada kedua-dua tahap kualiti. Di pihak Qwen, memilih open-weight bermakna melepaskan model utama.

Berapakah kos untuk menjalankan Qwen dan DeepSeek pada skala besar?

Berikutan penurunan harga kekal DeepSeek pada Mei 2026, kadar API semasa yang diterbitkan adalah $0.435 per million input tokens (cache miss) and $0.87 bagi setiap juta token output untuk V4 Pro, dengan V4 Flash berharga lebih rendah untuk tahap yang dioptimumkan kependaman.

Bagi pasukan yang menghoskan sendiri mana-mana model berbanding menggunakan API yang dihoskan, perbandingan kos beralih sepenuhnya kepada infrastruktur GPU dan menjadi fungsi kepada bilangan parameter dan kecekapan parameter aktif berbanding kadar setiap token.

Adakah mana-mana model cukup selamat untuk kandungan undang-undang, perubatan, atau kawal selia?

Kedua-dua model tidak menerbitkan pensijilan keselamatan khusus terjemahan, dan tanda aras keselamatan tujuan am tidak menguji mod kegagalan yang penting dalam kandungan kawal selia: dos yang salah diterjemah, fasal liabiliti yang beralih, istilah undang-undang yang tidak konsisten. Ujian MachineTranslation.com sendiri telah mendapati jenis perbezaan yang tepat seperti ini antara model pada bahasa undang-undang dan perubatan, termasuk kes di mana model menggunakan istilah undang-undang yang berbeza dengan skop yang berbeza walaupun kedua-duanya mendapat markah yang baik pada metrik kualiti umum.

Untuk kontrak, dokumen imigresen, atau kandungan klinikal, itu adalah alasan untuk menggandingkan output mana-mana model dengan langkah pengesahan manusia berbanding mempercayai output AI tunggal secara bulat-bulat, tanpa mengira model mana yang menghasilkannya.

Apakah maksudnya jika anda melakukan penyetempatan ke dalam banyak bahasa sekaligus?

Perbandingan yang dibina pada satu pasangan bahasa hampir tidak mendedahkan apa-apa tentang pasangan nombor empat puluh. Pecahan ke-dalam-bahasa Inggeris/keluar-dari-bahasa Inggeris yang didokumenkan di sini kekal merentasi sampel 98 pasangan khusus kerana ia diuji pada skala tersebut: satu ujian bahasa Inggeris-ke-Sepanyol, iaitu perkara yang dijalankan oleh kebanyakan perbandingan Qwen vs DeepSeek, akan menunjukkan DeepSeek mendahului dengan selesa dan tidak mendedahkan apa-apa tentang apa yang berlaku sebaik sahaja bahasa Tamil, Poland, atau Ibrani memasuki pipeline.

Itulah hujah praktikal untuk tidak mengunci program penyetempatan yang besar kepada output satu model secara lalai. MachineTranslation.com menjalankan kedua-dua Qwen dan DeepSeek, bersama-sama dengan lebih daripada 20 model lain, pada setiap terjemahan dan memaparkan versi yang paling dipersetujui oleh model-model tersebut, jadi pelancaran 68 bahasa tidak bergantung pada mana-mana model yang kebetulan memenangi satu pasangan yang diuji terlebih dahulu oleh seseorang. Anda boleh melihat dengan tepat model mana yang dipersetujui atau berbeza pada mana-mana terjemahan yang diberikan dalam pecahan model bagi setiap terjemahan yang dipaparkan oleh platform untuk setiap hasil.

Setiap terjemahan disemak berbanding rangkaian model yang lebih luas daripada apa yang ditawarkan oleh Qwen atau DeepSeek sahaja, yang merupakan jawapan langsung kepada apa yang berlaku sebaik sahaja kandungan anda berhenti bergerak dalam satu arah sahaja.

Soalan lazim