DeepSeek для перевода: где он работает, а где ломается

DeepSeek — это недорогой и мощный переводчик для длинных текстов, особенно через свой API. Его слабые места не те, которые проверяет большинство обзоров. По нашему опыту проблема редко заключается в неуклюжей фразе. Это вывод, который выглядит завершённым, но таковым не является: пропущенное выделенное жирным слово, переведённый фрагмент кода, символ из неправильной письменности или предложение, повторённое для удовлетворения исправления. Ничего из этого не проявляется, когда вы вставляете один абзац в чат. Всё это проявляется, когда вы переводите целый документ.

Мы знаем это, потому что DeepSeek переводит этот сайт. В октябре 2026 года мы переключили конвейер, создающий наши локализованные статьи (27 языков) и текст интерфейса, с другой модели на API DeepSeek, и каждый новый или исправленный перевод с тех пор исходит от него. Ниже — что сломалось в первых запусках, какие проверки мы добавили, сколько будет стоить задача объёмом с книгу по текущим ценам API и где DeepSeek перестаёт быть подходящим инструментом.

Факты о моделях, ценах и политиках DeepSeek взяты из собственной документации DeepSeek, проверенной 2026-10-13. DeepSeek часто меняет модели и цены, поэтому проверяйте ссылки, прежде чем полагаться на цифру.

Что DeepSeek предлагает для перевода

Есть два способа его использования, и они подходят для разных задач.

Ни один из интерфейсов не возвращает переведённый EPUB, DOCX или PDF. Вы получаете текст, и восстановление файла — ваша задача.

Пять сбоев, с которыми мы столкнулись в первых запусках DeepSeek

Наш конвейер отправляет каждый абзац, заголовок или ячейку таблицы как одну единицу, пакетами, и запрашивает ответ в формате JSON. Каждый ответ проверяется, и локализованный файл записывается только в том случае, если все проверки пройдены. В первом полном запуске DeepSeek на нашем блоге большинство задач прошло успешно, и большинство отказов были механическими, а не плохим переводом. Вот те, которые нас чему-то научили.

1. Форматирование исчезло, а слова остались правильными

В арабской статье перевод был хорош, но жирное выделение на not пропало, и предложение потеряло акцент. В нидерландской статье одна жирная фраза вернулась разбитой на две. Ничто из этого не читается как ошибка, если не сравнивать разметку с исходником.

Исправление: после перевода каждый абзац снова разбирается и должен содержать те же ссылки, жирные фразы, встроенный код и изображения, что и английский, в любом порядке, поскольку другие языки меняют порядок слов.

Что это значит для вас: если форматирование несёт смысл в вашем документе, например жирные предупреждения, ссылки или маркеры сносок, подсчитайте их в исходнике и в переводе.

2. То, что никогда не должно переводиться, было переведено

В малайской статье был встроенный пример кода, [door slams], из примера субтитров. DeepSeek перевёл его. В бирманской статье цитируемая японская точка 。 в код-спане стала бирманской точкой ။. Оба варианта разумны для прозы и неверны для буквального примера.

Исправление: встроенный код должен возвращаться точно таким, каким был отправлен.

Что это значит для вас: укажите модели, какие строки являются буквальными, например код, имена файлов, названия продуктов и цитируемые примеры, и проверьте их после.

3. Слова вернулись не в той письменности

DeepSeek вставил бенгальское слово в предложение на хинди, а символы сингальского — в бирманское. Хинди и бенгальский — близкие соседи. Сингальский и бирманский — нет, и это напоминание о том, что нельзя предсказать, где это произойдёт. Выборочная проверка не заметит этого, если вы не читаете на целевом языке.

Исправление: каждый запрос называет целевой язык и его письменность, а не только код (наш выглядит как «Twi (locale code tw, written in the Latin alphabet)»). Затем проверка письменности отклоняет любой вывод, содержащий символы из письменности, которую этот язык не использует.

Что это значит для вас: пишите «Переведи на бразильский португальский», а не «переведи на pt». Если вы не читаете на целевом языке, хотя бы проверьте, что письменность правильная.

4. Повторные попытки повторяли ошибку или «исправляли» её плохо

Когда проверка отклоняла ответ, повторная попытка при temperature 0 возвращала тот же неправильный ответ слово в слово, включая бенгальское слово в хинди. Низкая temperature делает вывод повторяемым, и это включает ошибку. Расплывчатое сообщение об отклонении не помогло. А однажды, когда попросили восстановить пропущенную жирную фразу, DeepSeek добавил жирную копию всего предложения после оригинала. Жирное выделение вернулось, и предложение теперь появилось дважды.

Исправление: запрос на повторную попытку точно называет, что отсутствует или неожиданно, например «отсутствует встроенный код 。», последующие попытки используют temperature 0.4, а финальная проверка отклоняет предложения, которые английский не повторяет.

Связанная ловушка: режим мышления DeepSeek включён по умолчанию, и в режиме мышления temperature не имеет эффекта (режим мышления). Мы отключаем мышление для перевода с помощью "thinking": {"type": "disabled"}, что также снижает задержку.

5. JSON был валидным, но ключи — нет

Мы отправляем пронумерованные единицы, такие как body:0059, и просим вернуть те же ключи. Иногда DeepSeek возвращал все переведённые значения в правильном порядке, но переименовывал ключ в простой body или добавлял ключ, который мы никогда не отправляли. JSON парсился. Наивный скрипт потерял бы или перепутал абзац.

Исправление: переименованные ключи сопоставляются обратно по позиции только тогда, когда все остальные ключи находятся на своих ожидаемых местах, а лишние ключи игнорируются.

Что это значит для вас: если вы пишете скрипты для переводов, проверьте, что каждая отправленная единица вернулась под своим ID, прежде чем собирать документ.

Один урок предшествует DeepSeek. Наш конвейер раньше разбивал предложения на каждой ссылке и жирной фразе, и модель, которую мы использовали до DeepSeek, продолжала возвращать пустые фрагменты, такие как « for reading», потому что в целевом языке их значение переместилось в соседний кусок. Любая модель будет так делать. Никогда не отправляйте половину предложения. Если вы разбиваете книгу на части, режьте по границам абзацев.

Чек-лист для перевода длинного документа с помощью DeepSeek

Используйте это независимо от того, работаете ли вы в чат-приложении или пишете скрипт для API:

1. Разбивайте на фрагменты по границам абзацев или разделов. Никогда не разрывайте предложение. Каждый запрос должен быть достаточно малым, чтобы переведённый результат помещался с запасом в лимит вывода.
2. Включайте глоссарий в каждый запрос. Имена, придуманные термины и фиксированные переводы должны быть в начале каждого фрагмента. Модель видит только тот запрос, который перед ней.
3. Называйте язык и письменность словами, а также нужный регистр (формальный, неформальный, литературный).
4. Запрашивайте структурированный вывод, если пишете скрипт. В API установите response_format в {"type": "json_object"}, включите слово "json" в промпт и покажите точную ожидаемую структуру (вывод JSON).
5. Считайте пустые, усечённые или неразбираемые ответы ошибками. Ответ, достигший max_tokens, просто останавливается, поэтому проверяйте finish_reason, а DeepSeek отмечает, что режим JSON "может иногда возвращать пустое содержимое" (вывод JSON). Повторяйте запрос вместо сохранения любого из них.
6. Если повторная попытка снова не удалась, измените что-нибудь: скажите, что было не так, и повысьте temperature в режиме без рассуждений.
7. Проверяйте каждый фрагмент механически, прежде чем читать его: ничего пустого, никаких символов неверной письменности, столько же ссылок, чисел и заголовков, сколько в исходнике.
8. Затем проверьте смысл. Механические проверки ловят сломанный вывод, а не ошибки перевода. Для всего, что будет опубликовано, беглый читатель всё ещё должен проверить имена, числа и тон. Наше руководство по согласованности терминологии рассказывает, как сохранять термины стабильными по главам.

Сколько стоит книга на API DeepSeek

API достаточно дешёв, чтобы стоимость редко решала вопрос. Вот грубая оценка для английской книги на 100 000 слов, переведённой с помощью deepseek-flash по пиковым ценам: $0,30 за миллион входных токенов (промах кэша) и $1,20 за миллион выходных токенов (цены).

Внепиковые тарифы вдвое ниже. Соотношения токенов сильно различаются по языкам, так что воспринимайте это как порядок величины, а не как точную смету. Реальная стоимость перевода через API — это ваше время: написание разбиения на фрагменты, проверок и кода, который собирает пригодный для использования файл.

Проверьте конфиденциальность перед загрузкой

Политика конфиденциальности DeepSeek (последнее обновление 10 февраля 2026 года) гласит, что компания собирает, обрабатывает и хранит персональные данные "в Китайской Народной Республике", и указывает обучение и улучшение своих моделей как использование того, что вы отправляете. Она также перечисляет право отказаться от обучения, которое вы реализуете, написав в DeepSeek по электронной почте, а не через настройку в приложении (политика конфиденциальности DeepSeek).

Для договоров, неопубликованных рукописей или клиентских файлов решите этот вопрос до того, как что-либо загружать. Веса модели DeepSeek могут также запускаться другими провайдерами или на вашем собственном оборудовании, где эти условия не применяются, но тогда вам нужно проверить условия того провайдера. Контрольный список конфиденциальности при переводе документов перечисляет вопросы, которые стоит задать любому инструменту, включая наш.

Когда DeepSeek — подходящий инструмент, а когда нет

Какая модель лучше переводит вашу языковую пару — отдельный вопрос. Наше руководство по выбору лучшей LLM для перевода объясняет, как проверить это самостоятельно. Если вы выбираете между чат-инструментами, руководства по ChatGPT, Claude и Gemini освещают те же вопросы для каждого из них.

DeepSeek — правильный инструмент, когда вы можете видеть и исправлять каждую ошибку: фрагмент, который вы будете внимательно читать, или конвейер, где вы контролируете проверки. Это неподходящий основной инструмент, когда вы хотите получить готовый переведённый файл, не строя такой конвейер. Именно эту работу выполняет BookTranslator. Вы загружаете PDF, EPUB, DOCX или другой поддерживаемый файл, он переводит весь документ с учётом контекста и единым глоссарием, и вы получаете обратно переведённый файл, а также двуязычную версию там, где формат это поддерживает. Для отсканированных PDF режим OCR собирает чистый переведённый PDF из распознанного содержимого, а не копирует исходную вёрстку страницы в точности. Вы видите цену до оплаты, так что можете загрузить файл и решить, исходя из этого. Какой бы инструмент вы ни использовали, оставляйте проверку человеком для всего важного.