Что лучше deepseek или qwen?

Для перевода техдокументации годятся обе, и выбирать лучше опытом: прогоните один и тот же абзац через каждую, приложив список ваших терминов, и сравните результат.

Проверь на своём же тексте:

• один и тот же абзац в обе модели
• глоссарий терминов прямо в запрос
• сверь, где меньше выдумок

Победитель определяется за пятнадцать минут, а не в спорах.

На переводе технических текстов обе ведут себя заметно лучше машинного переводчика, потому что переводят не фразу, а смысл абзаца целиком, и понимают контекст предметной области, если его задать. На станках с ЧПУ это особенно видно на многозначных словах: одно и то же английское слово в общем тексте и в описании привода означает разное, а обычный переводчик выбирает частотный вариант, а не отраслевой.

Разница между самими моделями в другом. DeepSeek подробно рассуждает и на сложном абзаце сам отмечает места, где формулировка допускает два прочтения, для документации это полезно. Qwen обычно выдаёт более гладкий русский и реже спотыкается на длинных предложениях, но и предупреждает о неоднозначности реже.

Есть общая для обеих ловушка: терминологию они выдумывают уверенно. Если в отрасли принят конкретный русский эквивалент, модель легко подставит синоним, формально верный, но в цеху непонятный. Лечится тем, что глоссарий даётся прямо в запросе с требованием держаться его строго.

Дальше выбор упирается в объём. Если тексты разовые, хватает бесплатного окна в браузере, и тогда берите ту, чей русский вам приятнее читать: у Qwen он обычно ровнее. Если это поток документации на десятки страниц, удобнее работа через API с постоянным глоссарием в системном запросе, и здесь DeepSeek чаще выигрывает по цене при сопоставимом качестве. Когда список принятых терминов уже собран, разница между моделями почти стирается, обе держат заданный словарь. Когда списка нет, начинать проще с DeepSeek: он сам помечает спорные места, и по этим пометкам глоссарий и набирается.