使用DeepSeek进行翻译：工作流程、提示和成本

如果你翻译营销文案、法律合同、软件字符串或200页的PDF文件，你可能都遇到了同样的难题：谷歌翻译速度快但缺乏语感，专业的CAT工具价格昂贵，而大多数大型语言模型在处理几千个标记后就会失去方向。使用DeepSeek进行翻译在地图上的位置不同——它是一个通用模型，具有一百万个标记的上下文窗口，透明按标记计费，并且可以自行托管的开源权重。我在过去六个月里，每天都在使用V3.2和现在的V4，对英语到法语、英语到西班牙语、英语到德语和英语到简体中文进行翻译。本指南涵盖了它的优点、不足之处、实际生产中使用的提示以及真实本地化项目的成本。

DeepSeek擅长的翻译问题

对于大意来说，通用机器翻译是一个已解决的问题。困难的部分是其他所有事情：在40个产品页面上保持品牌声音，保留软件字符串中的占位符，正确处理法律上的规避，处理商标词汇表，以及翻译足够长的文档，以至于句子级系统会失去对“他们”指代谁的追踪。这就是具有长上下文窗口的大型语言模型能够发挥其价值的地方。 {{user_name}} DeepSeek-V4-Pro拥有1.6T参数（49B激活）和DeepSeek-V4-Flash拥有284B参数（13B激活）——两者都支持一百万个标记的上下文长度。对于翻译来说，这个一百万个标记的窗口意味着你可以粘贴整个800页的小说、完整的本地化YAML文件或多个法律文件的捆绑包到一个提示中，并要求模型在整个内容中保持术语的一致性。这两个级别对于成本很重要：V4-Flash处理95%的常规翻译工作；当源文件是技术性的、模糊的，或者目标语言资源较少时，我会选择V4-Pro。

DeepSeek展示了V4系列的预览版本，包含两个强大的混合专家语言模型，两者都支持一百万个标记的上下文。对于翻译人员有两个实际的影响：首先，你可以更少地分割内容，这有助于保持交叉引用的准确性；其次，缓存命中定价层奖励重复的词汇表和风格指南，所以一次性将5,000个标记的品牌圣经加载到前缀中，在数千个字符串中变得经济实惠。

为什么V4代改变了我的工作流程

DeepSeek presents a preview version of the V4 series with two strong Mixture-of-Experts language models, both supporting one-million-token contexts. Two practical consequences for translators: first, you can chunk less aggressively, which preserves cross-reference accuracy; second, the cache-hit pricing tier rewards repeated glossaries and style guides, so paying once to load a 5,000-token brand bible into the prefix becomes economical across thousands of strings.

语言和品质——我实际测试的内容

DeepSeek没有像谷歌那样发布针对每种语言的品质矩阵。根据对真实客户工作的实际测试，以下是我在翻译任务（包括和排除英语）上给出的粗略层级排名：

对于强大层级，V4-Flash绰绰有余。对于低于这个层级的所有内容，在做出决定之前，在500字样本上对Flash和Pro进行并行测试——Pro的提升在罕见语言和技术文体（法律、医学、正式信函）上最为明显。关于模型家族在翻译之外的背景，请参阅我们关于 DeepSeek V4.

工作流程1——通过聊天界面进行单文档翻译

最简单的路径。打开chat.deepseek.com，粘贴您的源文本，提示模型。当您有一个文件，想自己阅读结果，且不想编写代码时使用此方法。网页聊天会保留会话历史；API不会。

我使用的提示模板：

You are translating from [SOURCE LANG] to [TARGET LANG].

Style: [formal / conversational / technical].
Audience: [e.g. UK consumers, Canadian legal counsel].
Glossary (do not translate, keep verbatim): [list].
Placeholders: keep {{...}} and %s tokens unchanged.

Translate the text below. Return only the translation — no commentary,
no source text, no explanations.

---
[PASTE SOURCE]
---

两个持续改进输出的细节：告诉模型受众的国家（英国英语与美国英语会产生可测量的差异），并明确禁止评论——否则V4-Flash有时会附加一个“注意：我已经保留了正式文体……”段落，您随后需要删除。

工作流程 2 — 通过API进行批量字符串翻译

对于软件本地化、CMS导出、电子商务目录以及您有数百个短字符串的任何地方，API是正确的工具。保持相同的base_url，并将模型更新为deepseek-v4-pro或deepseek-v4-flash；支持OpenAI ChatCompletions和Anthropic API。聊天请求击中 POST /chat/completions，与OpenAI兼容的端点。API是无状态的，这意味着每个请求都必须携带完整的系统提示和任何术语表——这正是设计上下文缓存的模式。

使用 OpenAI SDK 对 V4-Flash 的一个最小 Python 示例：

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_DEEPSEEK_KEY",
    base_url="https://api.deepseek.com",
)

SYSTEM = """You are a professional EN to FR translator for a UK fintech.
Register: formal, second person plural ('vous').
Glossary (keep verbatim): Stripe, Plaid, OAuth, GBP.
Output: JSON array of {id, fr} objects only. Include the word 'json'."""

batch = [
    {"id": "btn.save", "en": "Save changes"},
    {"id": "err.401", "en": "Your session has expired. Please sign in."},
]

resp = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[
        {"role": "system", "content": SYSTEM},
        {"role": "user", "content": str(batch)},
    ],
    response_format={"type": "json_object"},
    temperature=1.3,
    max_tokens=4096,
)
print(resp.choices[0].message.content)

在该片段中需要注意的三件事。 温度 1.3 符合DeepSeek官方对翻译任务的指导。 JSON mode 设计用于返回有效的JSON，但不保证——提示必须包含单词“json”以及一个小型模式示例，并且你应该设置 max_tokens 足够高，以至于响应不会在数组中间截断。 批量批处理 事项：在一次调用中发送50个字符串大约比50个单独的调用便宜30倍，因为系统提示费用分摊。对于需要更深入覆盖结构化输出路径的情况，请参阅 DeepSeek API JSON mode.

工作流程 3 — 思维模式下的长文档翻译

对于合同、学术论文或任何翻译一个条款可能产生实际成本的情况，切换到启用思考功能的V4-Pro。deepseek-chat和deepseek-reasoner将在2026年7月24日15:59 UTC之后完全退役且不可访问，目前路由到deepseek-v4-flash的非思考模式和思考模式。如果你有指向这些ID的遗留代码，现在仍然可以使用，但请计划将其切换到 deepseek-v4-pro or deepseek-v4-flash before that deadline; base_url does not change.

思考模式是V4-Pro和V4-Flash支持的三种推理努力模式之一。响应包括 reasoning_content alongside the final content，在翻译任务中，它让你看到模型的词义消歧逻辑——对于有争议短语的QA很有用。可以通过这种方式启用它：

resp = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[...],
    reasoning_effort="high",
    extra_body={"thinking": {"type": "enabled"}},
)
final = resp.choices[0].message.content
trace = resp.choices[0].message.reasoning_content

预留 reasoning_effort="max" 对于最困难的段落——DeepSeek建议在运行最大努力思考时使用384,000个token的输出窗口，因此请设置 max_tokens 相应地。

工作流程 4 — 带有上下文缓存的翻译记忆

如果您正在翻译一个品牌声音、术语表和语气稳定的持续产品，请将每个请求的结构安排得使不变的部件在消息数组中排在前面。提供商检测到重复的前缀并自动应用缓存命中定价。在V4-Flash上，这将从每百万个令牌的0.14美元降至0.0028美元——每个调用前缀部分的节省高达98%。我们的 DeepSeek context caching 指南介绍了最大化命中率的消息排序方式。

工作流程 5 — 使用工具调用的术语库锁定术语

对于受监管的行业，不要依赖模型在提示中记住200个术语。相反，声明一个工具，用于查找任何候选术语的规范翻译，并在翻译过程中让模型调用它。这与任何其他代理的函数调用模式相同，只是缩小到术语查找。与仅提示的方法相比，对法律和医学术语表的可靠性显著提高。

定价 — 真实本地化项目的实际成本

根据截至2026年4月的官方定价页面，每百万个token的费率为：

工作示例：将约75,000个源令牌的50,000字产品目录（大约75,000源令牌）翻译成五种语言，在 deepseek-v4-flash上，使用2,000个令牌的缓存系统提示在调用之间重复使用。假设每种语言一个调用，每种语言一个完整输出，源语言被视为缓存未命中：

• 缓存输入：2,000 × 5 = 10,000个token × $0.0028/M = $0.0003
• 非缓存输入：75,000 × 5 = 375,000个token × $0.14/M = $0.0525
• 输出：~80,000 × 5 = 400,000个token × $0.28/M = $0.112
• 总计：约$0.16 用于整个5语言运行。

同样的工作在 deepseek-v4-pro:

• 缓存输入：10,000个token × $0.0145/M（列表；促销价$0.003625至2026-05-31）= $0.0015
• 非缓存输入：375,000个token × $1.74/M（列表）= $0.6525
• 输出：400,000个token × $3.48/M（列表）= $1.392
• 总计：约$2.05 ——大约是相同工作Flash成本的13倍。

峰值折扣于2025-09-05结束，V4版本尚未恢复。在承诺大量使用前，请自行计算 DeepSeek pricing calculator 的数据。

Limitations to plan around

• 没有原生的音频或图像输入。 DeepSeek表示当前版本专注于文本，但它正在准备一个多模态AI路线图。如果您需要翻译扫描的PDF或音频，请先运行OCR或转录。
• 长文本检索表现良好，但不是同类最佳。 对于V4的独立报道将其置于Claude Opus 4.6之后，在MRCR等百万令牌检索基准测试中；实际效果是在真正篇幅较长的翻译中，可能出现术语漂移。通过分块和一个名为术语表的工具来缓解。
• Data residency. 基于中国基础设施的托管API处理流量。拥有欧盟、英国或HIPAA数据的受监管行业应自行托管开放权重模型——V4-Pro和V4-Flash均在MIT许可证下授权——或通过西方推理提供商进行路由。
• Preview status. V4被标记为预览版。在交换生产流量之前，请在您的特定语言对上运行评估套件。

DeepSeek与Google Translate、DeepL和GPT类模型相比如何

对于产品（浏览器扩展、即时字幕）中嵌入的单次单句翻译，Google翻译和DeepL仍然是正确答案。它们在单个字符串上更快，并且拥有成熟的SDK。DeepSeek在您需要以下功能时胜出：

• 整个文档中的长文本连贯性良好。
• 风格迁移（“用我们面向客户的品牌指南的语气翻译这份技术手册”）。
• 无需单独的术语服务即可自定义术语处理。
• 每个标记的经济效益（V4-Flash在大量使用的情况下比DeepL的企业级收费便宜得多）。
• 在MIT许可下自行托管，适用于数据敏感的工作负载。

想要与最常见替代品进行直接比较，请参阅 DeepSeek vs ChatGPT；浏览 real-world applications 内容、代码和分析的更广泛格局，请访问用例中心。

入门清单

1. 创建一个账户并 get a DeepSeek API key.
2. 安装OpenAI Python SDK： pip install openai.
3. Set base_url="https://api.deepseek.com" 然后从 deepseek-v4-flash.
4. 在您的语言对中构建一个100个字符串的评估集，并在其上评估Flash输出。
5. 仅在Flash表现不足的语言对和内容类型中升级到V4-Pro。
6. 一旦您的系统提示稳定，立即进行上下文缓存。

如果您是新手，本教程将从头至尾讲解认证和首次请求流程。 DeepSeek API getting started 该指南列出了我们已进行基准测试的语言对。

DeepSeek AI Guide is an independent resource and is not affiliated with DeepSeek or its parent company. Model IDs, pricing and API behaviour change; check the official DeepSeek documentation and pricing page before committing to a production decision.