DeepSeek voor vertaling: waar het werkt en waar het stukloopt

DeepSeek is een goedkope, capabele vertaler voor lange teksten, vooral via de API. De zwakke punten zijn niet de punten die de meeste reviews testen. In onze ervaring is het probleem zelden een onhandige zin. Het is output die af lijkt maar het niet is: een vetgedrukt woord dat is weggevallen, een codevoorbeeld dat vertaald is, een teken uit het verkeerde schrift, of een zin die herhaald wordt om een correctie tevreden te stellen. Geen van deze komt naar voren als je één alinea in een chat plakt. Allemaal komen ze naar voren als je een heel document vertaalt.

We weten dit omdat DeepSeek deze site vertaalt. In oktober 2026 hebben we de pipeline die onze gelokaliseerde artikelen (27 talen) en interfacetekst produceert, overgezet van een ander model naar de DeepSeek API, en elke nieuwe of herstelde vertaling sindsdien is ervan afkomstig. Hieronder staat wat er in de eerste runs misging, de controles die we hebben toegevoegd, wat een klus van boeklengte zou kosten bij de huidige API-prijzen, en waar DeepSeek ophoudt het juiste gereedschap te zijn.

Feiten over DeepSeeks modellen, prijzen en beleid komen uit DeepSeeks eigen documentatie, gecontroleerd op 2026-10-13. DeepSeek verandert modellen en prijzen vaak, dus controleer de links voordat je op een getal vertrouwt.

Wat DeepSeek biedt voor vertaling

Er zijn twee manieren om het te gebruiken, en ze passen bij verschillende klussen.

Geen van beide oppervlakken levert een vertaalde EPUB, DOCX of PDF op. Je krijgt tekst, en het herbouwen van het bestand is jouw taak.

Vijf fouten die we tegenkwamen bij DeepSeek's eerste runs

Onze pipeline stuurt elke paragraaf, kop of tabelcel als één eenheid, in batches, en vraagt om JSON terug. Elk antwoord wordt gecontroleerd, en een gelokaliseerd bestand wordt alleen geschreven als alle controles slagen. Bij DeepSeek's eerste volledige run op onze blog slaagden de meeste taken, en de meeste afwijzingen waren mechanisch in plaats van slechte vertaling. Dit zijn degenen die ons iets leerden.

1. Opmaak verdween terwijl de woorden goed bleven

In een Arabisch artikel was de vertaling prima, maar het vetgedrukte niet was verdwenen, waardoor de zin zijn nadruk verloor. In een Nederlands artikel kwam één vetgedrukte zin terug in tweeën gesplitst. Niets hiervan leest verkeerd, tenzij je de opmaak met de bron vergelijkt.

De oplossing: na de vertaling wordt elke paragraaf opnieuw geparseerd en moet deze dezelfde links, vetgedrukte zinnen, inline code en afbeeldingen bevatten als het Engels, in willekeurige volgorde, aangezien andere talen woorden herschikken.

Wat dit voor jou betekent: als opmaak betekenis draagt in je document, zoals vetgedrukte waarschuwingen, links of voetnootmarkeringen, tel ze dan in de bron en in de vertaling.

2. Dingen die nooit vertaald mogen worden, werden vertaald

Een Maleisisch artikel had een inline codevoorbeeld, [door slams], uit een ondertitelvoorbeeld. DeepSeek vertaalde het. In een Birmees artikel werd een geciteerde Japanse punt 。 in een code-span de Birmese punt ။. Beide zijn redelijk voor proza en fout voor een letterlijk voorbeeld.

De oplossing: inline code moet exact terugkomen zoals verzonden.

Wat dit voor jou betekent: vertel het model welke strings letterlijk zijn, zoals code, bestandsnamen, productnamen en geciteerde voorbeelden, en controleer ze daarna.

3. Woorden kwamen terug in het verkeerde schrift

DeepSeek plaatste een Bengaals woord in een Hindi zin, en Singalese tekens in een Birmese zin. Hindi en Bengaals zijn nauwe buren. Singalees en Birmees niet, wat een herinnering is dat je niet kunt voorspellen waar dit gebeurt. Een steekproef mist het als je de doeltaal niet leest.

De oplossing: elk verzoek noemt de doeltaal en het schriftsysteem, niet alleen een code (de onze leest als "Twi (locale code tw, written in the Latin alphabet)"). Een schriftcontrole verwerpt vervolgens elke uitvoer die tekens bevat uit een schrift dat die taal niet gebruikt.

Wat dit voor jou betekent: schrijf "Vertaal naar Braziliaans Portugees", niet "vertaal naar pt". Als je de doeltaal niet kunt lezen, controleer dan op zijn minst of het schrift klopt.

4. Herhalingen herhaalden de fout, of "repareerden" het slecht

Toen een controle een antwoord afwees, gaf een nieuwe poging bij temperatuur 0 hetzelfde foute antwoord woord voor woord terug, inclusief het Bengaalse woord in Hindi. Een lage temperatuur maakt uitvoer herhaalbaar, en dat geldt ook voor de fout. Een vage afwijzingsboodschap deed het niet beter. En toen DeepSeek werd gevraagd een ontbrekende vetgedrukte zin te herstellen, voegde het een vetgedrukte kopie van de hele zin toe na het origineel. Het vet was terug, en de zin verscheen nu twee keer.

De oplossing: de herhaalprompt benoemt precies wat ontbreekt of onverwacht is, zoals "ontbrekende inline code 。", latere pogingen gebruiken temperatuur 0,4, en een laatste controle verwerpt zinnen die het Engels niet herhaalt.

Een gerelateerde valkuil: DeepSeek's denkmodus staat standaard aan, en in denkmodus heeft temperature geen effect (denkmodus). We schakelen denken uit voor vertaling met "thinking": {"type": "disabled"}, wat ook de latentie vermindert.

5. De JSON was geldig, maar de sleutels niet

We sturen genummerde eenheden zoals body:0059 en vragen om dezelfde sleutels terug. Soms gaf DeepSeek elke vertaalde waarde in de juiste volgorde terug, maar hernoemde een sleutel naar gewoon body, of voegde een sleutel toe die we nooit hadden gestuurd. De JSON werd geparseerd. Een naïef script zou een paragraaf hebben laten vallen of verkeerd hebben geplaatst.

De oplossing: hernoemde sleutels worden alleen op positie teruggekoppeld als elke andere sleutel op zijn verwachte plaats staat, en extra sleutels worden genegeerd.

Wat dit voor jou betekent: als je vertalingen script, controleer dan of elke eenheid die je stuurde terugkwam onder zijn eigen ID voordat je het document samenstelt.

Eén les dateert van vóór DeepSeek. Onze pipeline splitste zinnen bij elke link en vetgedrukte zin, en het model dat we vóór DeepSeek gebruikten, bleef lege fragmenten terugsturen zoals " for reading", omdat in de doeltaal hun betekenis was verschoven naar het naburige stuk. Elk model zal dit doen. Stuur nooit een halve zin. Als je een boek opdeelt, knip dan op paragraafgrenzen.

Een checklist voor het vertalen van een lang document met DeepSeek

Gebruik dit of je nu in de chat-app werkt of een script tegen de API schrijft:

1. Splits op alinea- of sectiegrenzen. Splits nooit een zin. Houd elk verzoek klein genoeg zodat de vertaalde uitvoer ruim onder de uitvoerlimiet blijft.
2. Zet de woordenlijst in elk verzoek. Namen, bedachte termen en vaste vertalingen staan bovenaan elk chunk. Een model ziet alleen het verzoek dat voor het ligt.
3. Noem de taal en het schrift in woorden, plus het register dat je wilt (formeel, informeel, literair).
4. Vraag om gestructureerde uitvoer als je het script. Stel met de API response_format in op {"type": "json_object"}, zet het woord "json" in de prompt en laat de exacte vorm zien die je verwacht (JSON-uitvoer).
5. Behandel lege, afgekapte of onparseerbare antwoorden als fouten. Een antwoord dat max_tokens bereikt, stopt gewoon, dus controleer finish_reason, en DeepSeek merkt op dat de JSON-modus "af en toe lege inhoud kan retourneren" (JSON-uitvoer). Probeer het opnieuw in plaats van een van beide op te slaan.
6. Als een nieuwe poging op dezelfde manier mislukt, verander dan iets: zeg wat er mis was, en verhoog de temperatuur in de niet-denken-modus.
7. Controleer elk chunk mechanisch voordat je het leest: niets leeg, geen tekens uit het verkeerde schrift, hetzelfde aantal links, getallen en koppen als in de bron.
8. Beoordeel daarna de betekenis. Mechanische controles vangen kapotte uitvoer op, geen vertaalfouten. Voor alles wat gepubliceerd wordt, moet een vloeiende lezer nog steeds namen, getallen en toon controleren. Onze gids voor terminologieconsistentie behandelt hoe je termen stabiel houdt across hoofdstukken.

Wat een boek kost op de DeepSeek API

De API is goedkoop genoeg dat de kosten zelden de vraag bepalen. Hier is een ruwe schatting voor een Engelstalig boek van 100.000 woorden, vertaald met deepseek-flash tegen piektarieven: $0,30 per miljoen invoertokens (cachemiss) en $1,20 per miljoen uitvoertokens (prijzen).

Off-peaktarieven zijn de helft daarvan. Tokenverhoudingen verschillen sterk per taal, dus zie dit als een orde van grootte, niet als een prijsopgave. De echte kosten van een API-vertaling zijn je tijd: het schrijven van de chunking, de controles en de code die een bruikbaar bestand opnieuw opbouwt.

Controleer privacy voordat je uploadt

Het privacybeleid van DeepSeek (laatst bijgewerkt op 10 februari 2026) zegt dat het bedrijf persoonlijke gegevens verzamelt, verwerkt en opslaat "in de Volksrepubliek China", en noemt het trainen en verbeteren van zijn modellen als een gebruik van wat je indient. Het vermeldt ook een recht om je af te melden voor training, dat je uitoefent door DeepSeek een e-mail te sturen in plaats van via een instelling in de app (privacybeleid van DeepSeek).

Voor contracten, ongepubliceerde manuscripten of klantbestanden moet je dit beslissen voordat je iets uploadt. De modelgewichten van DeepSeek kunnen ook door andere aanbieders of op je eigen hardware worden uitgevoerd, waar deze voorwaarden niet gelden, maar dan moet je in plaats daarvan de voorwaarden van die aanbieder controleren. De privacychecklist voor documentvertaling somt de vragen op die je aan elke tool moet stellen, inclusief de onze.

Wanneer DeepSeek het juiste hulpmiddel is, en wanneer niet

Welk model jouw talenpaar het beste vertaalt, is een aparte vraag. Onze gids voor de beste LLM voor vertaling legt uit hoe je dat zelf kunt testen. Als je tussen chattools kiest, behandelen de gidsen over ChatGPT, Claude en Gemini dezelfde vragen voor elk daarvan.

DeepSeek is het juiste hulpmiddel wanneer je elke fout kunt zien en verhelpen: een passage die je aandachtig zult lezen, of een pipeline waarin je de controles beheert. Het is het verkeerde hoofdhulpmiddel wanneer je een volledig vertaald bestand wilt zonder die pipeline te bouwen. Dat is het werk dat BookTranslator doet. Je uploadt de PDF, EPUB, DOCX of een ander ondersteund bestand, het vertaalt het hele document met context en een consistente woordenlijst, en je krijgt een vertaald bestand terug, plus een tweetalige versie waar het formaat dat ondersteunt. Voor gescande PDF's bouwt de OCR-modus een schone vertaalde PDF op basis van de herkende inhoud, in plaats van de oorspronkelijke paginalay-out exact te kopiëren. Je ziet de prijs vóór het afrekenen, dus je kunt het bestand uploaden en van daaruit beslissen. Welk hulpmiddel je ook gebruikt, houd een menselijke controle voor alles wat belangrijk is.