资料修改2026-09尚无逐条事实核验记录；修改日期不代表已验证
本文仍包含未全面复核的历史资料；安装、许可、费用与当前权限请回到官方确认。查看已核信息范围
DeepL（德国）
专业翻译的事实标准：翻译与写作方向质量长期领先，尤其是欧洲语言互译与术语一致性。它是闭源 API 型厂商——能接入，但不能本地部署。
这家厂商在做什么
| 产品线 | 用途 | 形态 |
|---|---|---|
| DeepL 翻译 | 文本/文档翻译（整篇文档保留排版） | 网页、桌面端、API |
| DeepL Write | 写作润色 | 网页、桌面端 |
| Glossary（术语表） | 锁定专有名词译法，保证一致性 | API 与客户端均支持 |
| DeepL Voice | 实时语音翻译方向的产品线 | 以官网当前说明为准 |
DeepL 翻译：文本/文档翻译（整篇文档保留排版）·网页、桌面端、API
DeepL Write：写作润色·网页、桌面端
Glossary（术语表）：锁定专有名词译法，保证一致性·API 与客户端均支持
DeepL Voice：实时语音翻译方向的产品线·以官网当前说明为准
翻译任务怎么分类
先分清你要的是哪一类任务，再决定用哪个入口（都对应上文已有的产品线）：
| 任务 | 典型场景 | 对应入口 |
|---|---|---|
| 逐句快译 | 读资料、看邮件，只要意思对 | 网页版 / 桌面端划词 |
| 整篇文档 | 合同、产品文档，要求保留排版 | 文档翻译 |
| 术语一致批量 | 本地化流水线，专有名词必须统一 | API + Glossary |
| 写作润色 | 不是翻译，是改自己的外文 | DeepL Write |
| 实时语音 | 会议 / 对话的即时互译 | DeepL Voice（以其官网当前说明为准） |
逐句快译：读资料、看邮件，只要意思对·网页版 / 桌面端划词
整篇文档：合同、产品文档，要求保留排版·文档翻译
术语一致批量：本地化流水线，专有名词必须统一·API + Glossary
写作润色：不是翻译，是改自己的外文·DeepL Write
实时语音：会议 / 对话的即时互译·DeepL Voice（以其官网当前说明为准）
产品与公司年表
| 时间 | 动作 | 关键信息 |
|---|---|---|
| 2025-05-17 | API 升级（自研模型） | API 开放自研语言模型与写作助手 DeepL Write；支持 33 种语言；官方承诺不用用户内容训练模型 |
| 2025-09-04 | 企业自主 Agent（预览） | 面向企业的自主代理：像人一样操作电脑，自动完成建名单、发布网站内容等日常任务（限量测试） |
| 2026-05-08 | 裁员 250 人 + 转向 | 宣布转型为"AI 原生"企业；收购音频流媒体技术公司 MixHello 团队，重心转向实时语音翻译 |
2025-05-17：API 升级（自研模型）·API 开放自研语言模型与写作助手 DeepL Write；支持 33 种语言；官方承诺不用用户内容训练模型
2025-09-04：企业自主 Agent（预览）·面向企业的自主代理：像人一样操作电脑，自动完成建名单、发布网站内容等日常任务（限量测试）
2026-05-08：裁员 250 人 + 转向·宣布转型为"AI 原生"企业；收购音频流媒体技术公司 MixHello 团队，重心转向实时语音翻译
口径：时间与动作取自官方公告与公开报道；翻译质量仍是它的护城河，战略重心在向语音与 Agent 偏移。
年表怎么读
把上表连起来看，这家近两年从"翻译专线"向"语音 + Agent"偏移：
- 主线仍是翻译质量——这是它的护城河，也是它与其他通用模型的区别所在。
- 新增的两条线（企业 Agent、实时语音）属于产品面扩张，成熟度与翻译线不在同一档。
- 对使用者的含义：如果把它当基础设施用，要跟踪的是产品线稳定性，而不只是翻译质量本身。
口径：上表只记录公开可核实的动作；战略重心变化不等于翻译线被削弱。
民间梗与争议
把裁员归因于 AI：翻译专线的"结构性转变"：一家靠翻译 AI 起家的公司，用"AI 带来的巨大结构性转变"解释裁掉约四分之一的员工。
展开背景
2026-05-07，DeepL 宣布裁减约 250 名员工，约占其 1,000 余名员工的 25%。CEO 雅罗斯瓦夫·库蒂洛夫斯基在 LinkedIn 发文，把原因归结为 AI 带来的"巨大结构性转变"：公司要与 AI 更高效协同，意味着"更少的层级、更快的决策"，并转向"AI 原生"企业。德国媒体把这条消息当成自家的事来报：ZDF 的报道称 DeepL 是"德国 AI 的希望"、"为数不多能与美国科技巨头竞争的对手"，并注明最早披露裁员的是《法兰克福汇报》。官方口径之外，媒体把这条消息放进 2025—2026 的科技裁员潮里对照：Meta 宣布裁员 10%，微软向约 7% 的美国员工提供买断方案，而 DeepL 本身就是靠翻译 AI 起家——"做 AI 的公司被 AI 卷到裁员"因此成了社区的一句总结。公司背景被反复引用：2017 年成立于科隆，最初被视为谷歌翻译的挑战者；2024 年完成 3 亿美元融资、估值 20 亿美元，并曾考虑赴美上市。转型方向落地得倒很快：2026-06-17 官方宣布并入 Mixhalo 的实时音频团队与技术，在旧金山开出第一个办公室，官方稿称相关音频技术已被 MLB、NASCAR、T-Mobile、Verizon 采用，全球已有超过 20 万个企业团队在用它的平台。来源：DeepL 官方博客（语言 AI 与翻译质量主题） · IT之家：DeepL 计划裁员 25%，CEO 归因 AI 结构性转变（2026-05-07） · tech.eu：German AI translation startup DeepL to axe 250 staff（2026-05-07） · HN 讨论：DeepL lays off 25% of its workforce（2026-05-08） · DeepL 官方新闻稿：DeepL expands into Silicon Valley, adds Mixhalo team（2026-06-17） · ZDF heute：KI-Firma DeepL baut ein Viertel der Jobs ab（2026-05-07）
"最准确的翻译器"还成立吗：官方把"准确"当卖点，中文社区用实测给出另一个版本——网页端免费档"和百度的差不多"。
展开背景
DeepL 长期把"准确"当核心卖点，官方博客至今仍在写"还需要在意翻译质量吗""如何评估翻译质量"。2026-08-28 的官方文章承认了一个变化：各家领先系统的标准化质量分差距正在收窄，于是它把重点转向自建的翻译质量评估（TQE）模型——换句话说，"准确"这件事正在从可比的分数变成需要自证的叙事。官方还请行业机构 Slator 对实时字幕做第三方评测（对手为 Teams、Zoom、Google Meet），专题页引用数据：质量分 96.4/100（对手 87~89）、失败率 4%（市场均值 17%）；Slator 案例页称，DeepL 此前无第三方数据支撑"领先"主张，评测由 DeepL 委托。中文社区对这句自我定位一直有反例：2025-01 知乎一则提问"为何 deepl 翻译敢称自己是最准确的翻译器"下，有回答直接写"真没有吧"，并给出体感对比——网页端免费档的译文与百度、腾讯的大模型翻译"差不多"，"各种 AI 到达后，D 显得慢了半拍。它还经常宕机"。另一篇 2023 年被广泛转发的专栏文章（作者自述在做翻译产品）用实测例子批评其中文能力，如把"新冠"译成"New Crown"，并称"在中文翻译领域，DeepL 并不见得比谷歌好多少"。争议的内核不是某次译错，而是路线对照：专用翻译工具与通用大模型摆在同一张桌上——质量可以被评测，但用户会在同一个对话框里顺手完成翻译、改写与问答，"锦上添花的准确度"因此很难单独定价。来源：DeepL 官方博客（翻译质量评估与"是否还在意质量"主题） · IT之家：DeepL 面对 ChatGPT 等 AI 翻译工具竞争（2026-05-07） · 知乎问题：为何 deepl 翻译敢称自己是最准确的翻译器（2025-01-19） · 知乎专栏：破除迷信——为什么我敢说谷歌翻译、DeepL都是垃圾（2023-04-24） · DeepL 官方专题页：Slator ranks DeepL as Leader in AI translated captions · Slator 案例页：Real-time caption quality and stability evaluation for DeepL
说明：以上为公开报道与社区讨论，非官方定论。
怎么用（按场景选入口）
- 偶尔翻译：网页版直接粘贴；文档翻译支持 Word/PDF/PPT 等格式，译文保留排版。
- 嵌进流程：走 API（
deepl.com/pro-api），做本地化流水线、文档批处理、双语对照生成。 - 桌面端：Windows / macOS 客户端（
deepl.com/app），系统级划词体验最好。 - 术语一致性：先用 Glossary 建术语表再批量翻译——这是专业场景的关键动作。
术语表为什么是专业场景的关键
机器翻译在专业场景翻车，多数不是语法问题，而是同一个词在不同段落里被译成了不同说法。Glossary 的价值就在这一步：
- 先用 Glossary 建表，锁定专有名词、产品名、内部用语的固定译法。
- 再走批量翻译（API 或文档翻译），让术语表在整批内容上生效。
- 最后做一致性核查：抽查术语是否全部命中，未命中的补进表里再跑一遍。
口径：这一步是"专业流程"和"随手翻一下"的分界线——批量本地化的质量差距，多半出在这里而不是模型。
能不能本地跑
不能。 权重不开放，也没有可自助部署的 on-prem 版本：
| 判断项 | 结论 |
|---|---|
| 权重是否公开 | 否 |
| 有无自助 API | 有（免费额度 + 付费档） |
| 数据去向 | 上传到 DeepL 云端（付费档有更明确的数据条款） |
| 离线可用 | 否 |
权重是否公开：否
有无自助 API：有（免费额度 + 付费档）
数据去向：上传到 DeepL 云端（付费档有更明确的数据条款）
离线可用：否
⚠️ 避坑：要离线翻译得换路线——用本地开源翻译模型（NLLB / Opus-MT 一类）+ 本地推理器自己搭，见 Ollama vs LM Studio。
什么时候值得用
- 质量优先的对外文档（合同、产品文档、营销材料），尤其是欧洲语言组合。
- 大批量、需要术语锁定的本地化流程。
- 已有 API 流水线，只想替换翻译环节。
常见误解
- "机翻可以完全替代人工终审"：对外文档仍需要人过一遍，尤其是术语、法律表述与语气。
- "通用 LLM 强就能替代翻译专线"：术语一致性与版式保留是另一回事，通用模型强不代表这两项自动满足。
- "离线也能用"：不能——DeepL 是云端服务，有离线要求就得换本地路线。
- "免费额度 = 可商用"：可用范围以官方条款为准，别按"能免费用"推断"能商用"。
选型决策线
| 你的约束 | 怎么走 |
|---|---|
| 质量优先，且可以上云 | 本家 + Glossary，走 API 或网页 / 桌面端 |
| 数据不能出本机 | 本地开源翻译模型（NLLB / Opus-MT 一类）+ 本地推理器，见 Ollama vs LM Studio、LLM 本地部署；显存与量化见 GGUF 量化与显存、显存与量化进阶 |
| 要多语言写作与改写，不只是翻译 | 通用模型档：Qwen、DeepSeek、Mistral AI |
| 不确定本地还是 API | 先看取舍三条线：本地跑 vs 走 API |
| 还要考虑交付形态与合规 | 闭源厂商地图 |
质量优先，且可以上云：本家 + Glossary，走 API 或网页 / 桌面端
数据不能出本机：本地开源翻译模型（NLLB / Opus-MT 一类）+ 本地推理器，见 Ollama vs LM Studio、LLM 本地部署；显存与量化见 GGUF 量化与显存、显存与量化进阶
要多语言写作与改写，不只是翻译：通用模型档：Qwen、DeepSeek、Mistral AI
不确定本地还是 API：先看取舍三条线：本地跑 vs 走 API
还要考虑交付形态与合规：闭源厂商地图
口径：翻译专线的优势在"专"，通用模型的优势在"广"——两条线不是替代关系，按任务混用最实际。
官方入口
- 官网：
deepl.com· API 文档：developers.deepl.com· 桌面端：deepl.com/app
串联
- 同类闭源厂商 → 闭源厂商地图
- 要离线替代 → 本地部署厂商地图 + LLM 本地部署
- 多语言写作 / 改写方向 → Qwen、DeepSeek、Mistral AI
- 本地还是 API → 本地跑 vs 走 API