Wie schneidet die Proxylang-Übersetzung im Vergleich zu DeepL und Google Translate ab?

Die Menschen stellen uns eine Frage häufiger als jede andere: Ist die Übersetzung gut? Deshalb haben wir sie gegen die zwei Engines getestet, auf denen die meisten Website-Übersetzungstools basieren, und wir veröffentlichen alles – auch die Fälle, in denen wir verlieren.

Die Ergebnisse

	Proxylang	DeepL	Google Translate
Average, all 280 sentences	4.72	4.61	4.20
Scored a perfect 5 (Claude Opus 5.5)	74.3%	63.6%	42.1%
No errors found (GEMBA-MQM)	46.1%	40.4%	30.7%

Wenn Sie Website-Tools vergleichen: Im Help Center von Weglot heißt es, dass deren automatische Übersetzungen von DeepL stammen, sofern DeepL das Sprachpaar unterstützt. Für Koreanisch, Japanisch und Englisch ist die DeepL-Spalte also der Ausgangspunkt für Weglot.

Nach Sprachpaaren

Pair	Proxylang	DeepL	Google
Korean → Japanese	4.69	4.46	3.10
Japanese → Korean	4.84	4.71	3.79
Korean → English	4.76	4.38	4.21
Japanese → English	4.78	4.55	4.34
English → Japanese	4.66	4.65	4.61
English → Korean	4.72	4.85	4.54
English → German	4.61	4.64	4.79

Die größten Lücken klaffen zwischen Koreanisch und Japanisch. Google Translate interpretiert ein koreanisches Wort oft als die falschen chinesischen Schriftzeichen. 초인종 (Türklingel) wurde als 超人種 („supermenschliche Rasse“) ausgegeben. Das Japanische sieht echt aus, sodass es niemand bemerken würde, der kein Japanisch lesen kann. Weitere echte Beispiele haben wir hier gesammelt.

Wo wir unterlegen sind

KI-Richter vergeben nicht zweimal exakt denselben Score. Wir haben dieselben, unveränderten DeepL- und Google-Übersetzungen dreimal bewertet, und ihre Durchschnittswerte schwankten zwischen den Durchläufen um bis zu 0,09. Betrachten Sie kleine Abstände daher als Gleichstand:

• English → Japanese: 4.66 vs DeepL’s 4.65. A tie.
• English → German: 4.61 vs DeepL’s 4.64, a tie. Google is best here at 4.79.
• English → Korean: DeepL 4.85, us 4.72. The gap is 0.13, a bit more than the scores move on their own, so DeepL is slightly ahead. The points we lost were small rewordings, not wrong meanings.

So haben wir getestet

Die Sätze. 40 pro Sprachpaar aus FLORES-200, einem öffentlichen Testdatensatz mit Nachrichten- und Wissenschaftssätzen. Jeder Satz verfügt über eine Übersetzung durch einen professionellen Übersetzer.

Die Systeme. Proxylang mit seinem Standard-Übersetzungs-Setup, die DeepL API mit ihrem auf Qualität optimierten Modell und die Google Cloud Translation API. Wir haben alles deaktiviert, was eine echte Website Proxylang zur Verfügung stellt: kein Glossar, keine Markennamen, kein Seitenkontext. Das macht dies zu unserem reinen ersten Durchgang.

Die Richter. Claude Opus 5.5 (Anthropic) und GPT-5.6 Terra Pro (OpenAI) haben jede Übersetzung einzeln bewertet. Keines der Unternehmen stellt Proxylang, DeepL oder Google Translate her. Da Proxylang auf einem Google-Modell basiert, haben wir Googles Modelle von der Bewertung ausgeschlossen.

Zwei Bewertungsmethoden.

1. A 1 to 5 scale. The judge sees the source, the professional translation and all three candidates, with no names and in a new random order for every sentence. Both judges ranked the three systems in the same order: Claude gave 4.71, 4.58 and 4.13, and GPT-5.6 gave 4.74, 4.64 and 4.27.
2. GEMBA-MQM, a published method from WMT 2023. The judge sees one translation at a time, with no reference and nothing to compare against, and lists every error as critical, major or minor. Claude Opus 5.5 checked all 840 translations this way, before the Japanese update below. Proxylang had the fewest errors.

Was sich seit unserem ersten Durchlauf geändert hat. Zuerst haben wir diese Übersetzungen am 14. Oktober mit einem kleineren Open-Source-Modell, Qwen 3.6 35B, bewertet. Damals lagen wir gleichauf mit DeepL: 4,53 gegenüber 4,54. Da uns die Leute fragten, welches Modell die Bewertung vornahm, und ein kleines Modell eine unbefriedigende Antwort wäre, haben wir dieselben Übersetzungen mit zwei stärkeren Richtern neu bewertet. Alle drei Systeme erzielten höhere Werte, und die Reihenfolge hat sich zu unseren Gunsten verschoben. Am selben Tag haben wir unsere Anweisungen für Englisch zu Japanisch präzisiert und dieses Paar erneut getestet. Der Wert stieg von 4,60 auf 4,66.

Grenzen. 40 Sätze pro Paar sind wenig, und die Scores schwanken allein durch die Tests um bis zu 0,09. KI-Richter sind keine menschlichen Übersetzer. Und Nachrichtensätze sind kein Website-Copy.

Auf Ihrer Website wird es ständig besser

Dieser Test bewertet unseren ersten Versuch mit einem einfachen Satz. Auf Ihrer Website hat Proxylang noch mehr Spielraum:

• Your glossary and never-translate list. Product names come out the same in every language.
• The whole page. Each sentence is translated knowing what the page is about.
• Re-checks after launch. Proxylang keeps re-reading the translations live on your site, against the rest of your site and your glossary. When a line reads stiff, a name got translated, or the meaning slipped, it puts in a better version. Re-checks are free, don’t use your word allowance, and never overwrite your own edits. How it works.

Links und Fettdruck innerhalb eines Satzes bewegen sich im Japanischen und Koreanischen ebenfalls mit den Wörtern mit, sodass ein Link niemals mitten in einem Wort endet. Sehen Sie sich die Beispiele an.

Testen Sie es auf Ihrer eigenen Website

Die kostenlose Testversion erfordert keine Anmeldung und umfasst 2.000 Wörter in einer Sprache. Kopieren Sie dies in Claude Code, Cursor oder ein beliebiges KI-Coding-Tool:

Ihr Agent richtet die Testversion für Sie ein. Oder öffnen Sie proxylang.dev/start und geben Sie die Adresse Ihrer Website ein.

Möchten Sie den vollständigen Bericht mit jedem Beispielsatz lesen? Er ist auf Proxylang Answers verfügbar.