Qwen vs DeepSeek: Какая модель ИИ переводит лучше?

Прогоните те же 12 000 сегментов перевода через Qwen и DeepSeek, и DeepSeek победит в большинстве языковых пар. Но это еще не вся история. Разделите результаты по направлениям, и обнаружится определенная закономерность: Qwen сокращает большую часть отставания, а иногда и выходит вперед, особенно когда целевым языком является английский. При переводе с английского на любой другой язык DeepSeek побеждает почти всегда.

Такое разделение важнее, чем определение одного абсолютного победителя, если вы переводите контент на десятки языков, а не на одну языковую пару. 

Что представляют собой Qwen и DeepSeek?

Qwen — это семейство больших языковых моделей от Alibaba. Текущее поколение — Qwen3.8, выпущенное в августе 2026 года: Qwen3.8-Max — это закрытая флагманская модель с 2,4 триллионами параметров, доступная только через API, в то время как Qwen3.8-27B — это модель меньшего размера с открытыми весами, выпущенная под Apache 2.0 несколько дней спустя и ориентированная на команды, желающие размещать модель на собственных серверах.

DeepSeek — китайская лаборатория ИИ, известная своими моделями типа «смесь экспертов» (mixture-of-experts), которые обеспечивают передовую производительность при многократно меньшей стоимости инференса. Ее текущее поколение, DeepSeek V4, вышло в апреле 2026 года в двух вариантах: V4 Pro (в общей сложности 1,6 триллиона параметров, около 49 миллиардов активных на токен) для задач, ориентированных на качество, и V4 Flash (всего 284 миллиарда параметров, около 13 миллиардов активных) для задач, чувствительных к задержкам. Обе модели поставляются как открытые веса под лицензией MIT.

Как Qwen и DeepSeek на самом деле показывают себя в переводе, а не только в бенчмарках?

Большинство сравнений Qwen и DeepSeek ссылаются на универсальные бенчмарки: программирование, математику, логику. Ни один из них не измеряет качество перевода напрямую, а запуск каждой модели на разном исходном тексте делает невозможным отделение разницы в точности от особенностей самого текста.

Собственный трафик переводов MachineTranslation.com за последние 28 дней дает более четкий ответ, поскольку обе модели переводили идентичный исходный текст. В 98 языковых парах и более чем в 12 000 сопоставленных сегментов DeepSeek получил более высокий балл в 83 парах, а Qwen — в 15. Если сузить выборку до 27 пар, в которых целевым языком является английский, то разрыв резко сократится: DeepSeek побеждает в 63% из них (17 из 27), Qwen побеждает в 37% (10 из 27). В оставшихся 71 парах, где английский не является целевым языком, DeepSeek побеждает в 92% случаев (66 из 71).

Доля побед по направлениям перевода (98 языковых пар, идентичный текст)

Средневзвешенная оценка по каждому сопоставленному сегменту составляет 9.13 из 10 для DeepSeek и 8.98 для Qwen. Это реальный разрыв, но он распределен неравномерно, что более полезно знать, если ваш контент переводится более чем в одном направлении. Это тот же подход прямого сравнения, который MachineTranslation.com использует в своих  полных сравнительных тестированиях моделей, а не только для этой конкретной пары.

Сводные показатели подтверждаются и в отдельных тестовых случаях. При тестировании французской фразы «Elle est directrice adjointe du département commercial» DeepSeek и Qwen сошлись на одном и том же варианте перевода на английский язык: «deputy director of commercial department». Вы можете проверить этот  результат теста в реальном времени  напрямую. При тестировании перевода фразы «as soon as possible» на испанский язык DeepSeek отклонился от консенсуса четырех моделей, выдав вариант «esté hecho» вместо «se haga», что является  реальным случаем расхождения , отражающим грамматическое различие между процессом и результатом, а не ошибку.

Почему Qwen лучше справляется с переводом именно на английский язык?

Данные не объясняют «почему», а только «где». В число наиболее сильных направлений перевода Qwen на английский язык входят тамильский, китайский, польский, итальянский и иврит — исходные языки с крупными, хорошо документированными англоязычными обучающими корпусами, которые в целом доступны создателям моделей. Вне этого одного направления преимущество DeepSeek сохраняется почти повсеместно: как при переводе с английского, так и между неанглийскими языковыми парами.

Это исключает возможность использовать любую из моделей в качестве универсального варианта по умолчанию. Команда, переводящая описания товаров с испанского на шесть языков и ожидающая того же распределения эффективности, которое они наблюдали при переводе тикета службы поддержки с китайского на английский, применила бы неверный вывод из неверного направления — это та же асимметрия, которая проявляется в анализе моделей Spanish-to-English на MachineTranslation.com , где лидирующие модели отличаются от тех, что лидируют в обратном направлении.

Являются ли Qwen и DeepSeek бесплатными и с открытым исходным кодом?

Условия лицензирования у них различаются. DeepSeek лицензирует как V4 Pro, так и V4 Flash под лицензией MIT — одной из самых свободных лицензий с открытым исходным кодом, поэтому обе модели можно бесплатно развертывать на собственных серверах без ограничений. У Qwen ситуация разделена: Qwen3.8-27B поставляется под лицензией Apache 2.0 и бесплатна для самостоятельного размещения, но флагманская Qwen3.8-Max остается закрытой, доступной только через API и регулируется собственной кастомной лицензией Alibaba.

На практике это означает, что у DeepSeek на обоих уровнях качества есть варианты с полностью открытыми весами под лицензией MIT. Со стороны Qwen переход на открытые веса означает отказ от флагманской модели.

Сколько стоит использование Qwen и DeepSeek в больших масштабах?

После постоянного снижения цен DeepSeek в мае 2026 года ее текущие опубликованные тарифы на API составляют $0.435 per million input tokens (cache miss) and $0.87 за миллион выходных токенов для V4 Pro, при этом цена на V4 Flash ниже для ее уровня, оптимизированного по задержке.

Для команд, самостоятельно размещающих любую из моделей вместо использования облачного API, сравнение стоимости полностью смещается в сторону инфраструктуры GPU и становится функцией количества параметров и эффективности активных параметров, а не тарифа за токен.

Является ли какая-либо из моделей достаточно безопасной для юридического, медицинского или регулируемого контента?

Ни одна из моделей не публикует сертификаты безопасности, специфичные для перевода, а тесты безопасности общего назначения не проверяют критические для регулируемого контента сценарии сбоев: неверно переведенную дозировку, измененный пункт об ответственности или несогласованный юридический термин. Собственное тестирование MachineTranslation.com выявило именно такие расхождения между модели в юридических и медицинских текстах, включая случаи, когда модели использовали разные юридические термины с разной областью применения , несмотря на то, что обе получили высокие оценки по общим метрикам качества.

Для контрактов, иммиграционных документов или клинических материалов это весомый аргумент в пользу сочетания результатов работы любой из моделей с этапом проверки человеком , вместо того чтобы безоговорочно доверять одному результату ИИ, независимо от того, какая модель его сгенерировала.

Что это значит, если вы локализуете контент сразу на множество языков?

Сравнение, построенное на одной языковой паре, почти ничего не говорит вам о сороковой по счету паре. Описанное здесь разделение на перевод «на английский» и «с английского» подтвердилось на выборке из 98 пар именно потому, что тестирование проводилось в таком масштабе: один тест English-to-Spanish, на котором строится большинство сравнений Qwen и DeepSeek, показал бы уверенное лидерство DeepSeek и ничего не сказал бы о том, что произойдет, когда в рабочий процесс добавятся тамильский, польский или иврит.

Это практический аргумент против того, чтобы по умолчанию привявать крупную программу локализации к результатам работы какой-то одной модели. MachineTranslation.com запускает как Qwen, так и DeepSeek, а также более 20 других моделей для каждого перевода и выводит версию, с которой эти модели наиболее согласны, поэтому развертывание на 68 языках не зависит от того, какая модель случайно выиграла в той единственной паре, которую кто-то протестировал первой. Вы можете увидеть, какие именно модели согласились или разошлись во мнениях при конкретном переводе, в детализации моделей по переводам , которую платформа показывает для каждого результата.

Каждый перевод проверяется на более широком спектре моделей, чем могут предложить Qwen или DeepSeek в отдельности, что является прямым ответом на вопрос о том, что происходит, когда ваш контент перестает двигаться только в одном направлении.

Часто задаваемые вопросы