Claude Sonnet 5 für den Ton, DeepSeek V4 Flash für große Mengen zu ca. $0.10 pro 1.000 Aufgaben, GPT-5.6 Terra als schnellster Allrounder. Das ist unser Fazit nach dem Test von sechs Modellen am 17. Juli 2026.
Wir haben dieselben drei Übersetzungs-Prompts an die API jedes Modells gesendet und die Roh-Ausgaben verglichen. Die Überraschung war nicht die Qualität. Alle sechs Modelle übersetzten technisches Deutsch korrekt, und fünf von sechs bewältigten einen japanischen Dialog mit ausgelassenen Subjekten ohne einen einzigen Fehler. Die Überraschung war der Preis: Zwei „günstige“ Modelle verbrannten pro Anfrage so viele Reasoning-Tokens, dass sie am Ende 8–10-mal teurer pro Übersetzung waren als Claude, wodurch sie sich in Reichweite der tariflichen Kosten pro Zeichen von DeepL befanden.
Wenn Sie das beste LLM für Übersetzungen im Jahr 2026 auswählen, geht es bei der Entscheidung weniger darum, welches Modell übersetzen kann (das können sie alle), sondern vielmehr darum, welches zu Ihrem Inhaltstyp und Ihrem Volumen passt, ohne Sie heimlich zu viel zu berechnen.
Welches Modell für welche Übersetzungsaufgabe
| Ihr Arbeitsauftrag | Auswahl | Warum | Gemessene Kosten pro 1.000 Aufgaben |
|---|---|---|---|
| Marketingtexte, Markenstimme | Claude Sonnet 5 | Klingt, als wäre es in der Zielsprache geschrieben worden, nicht als wäre es in sie übersetzt worden | ~$1.06 |
| Hohe Stückzahlen: Produkt-Feeds, Dokumente, Untertitel | DeepSeek V4 Flash | Bei allen drei Tests korrekt, mit Abstand am günstigsten | ~$0.10 |
| Gemischte Workloads, niedrigste Latenz | GPT-5.6 Terra | Antworten in 3.0–4.3s, sauberste Formatierung | ~$0.88 |
| Durchsetzung von Glossaren, CAT-Tool-Workflows | DeepL | Termbanken und Integrationen liefern LLM APIs nicht mit | $27.50 per 1M characters |
Kosten sind Durchschnittswerte über unsere drei Testaufgaben (Ausgabetokens × offizielle Tarife vom Juli 2026), hochgerechnet auf 1.000 kurze Übersetzungen; die vollständige Messtabelle ist unten. Eine Kategorie liegt außerhalb des Tests: Für Live-Sprachkonversation verkauft Google eine speziell dafür entwickelte Gemini 3.5 Live Translate-Variante für $3.50/$21 pro Million Tokens, auf die wir verweisen, die wir jedoch nicht getestet haben.
Wie wir getestet haben
Drei Prompts, sechs Modelle, derselbe Wortlaut, je ein Lauf am 17. Juli 2026: Englisch→Japanisch-Marketingtext (testet den Ton), Englisch→Deutsch-API-Dokumentation (testet die Terminologie) und Japanisch→Englisch-Alltagsdialog (testet ausgelassene Subjekte und Kontext, der klassische Fehlermodus bei CJK-Sprachpaaren). CJK ist die Kurzform für Chinesisch, Japanisch und Koreanisch, die drei Sprachen, bei denen sich Beschwerden über die Qualität der maschinellen Übersetzung häufen.
Die Modelle: GPT-5.6 Terra, Claude Sonnet 5, DeepSeek V4 Flash, DeepSeek V4 Pro, GLM-5.2 und Kimi K2.6. Alle Aufrufe liefen über dasselbe Gateway-Konto mit Standardeinstellungen, sodass die Latenzwerte untereinander vergleichbar sind, jedoch je nach Ihrer Region und der Auslastung des Anbieters variieren werden.
Die drei Quelltexte, wortwörtlich, damit Sie sie erneut ausführen können:
> EN→JA (Marketing): "Bring your ideas to market faster. Our platform takes care of the busywork so your team can focus on what matters." > > EN→DE (technical): "Wenn eine Anfrage das Rate Limit überschreitet, gibt die API einen 429-Statuscode zurück. Wiederhole den Versuch mit exponentiellem Backoff und beachte den Retry-After-Header. Idempotency Keys verhindern doppelte Belastungen, wenn ein Wiederholungsversuch erfolgreich ist." > > JA→EN (Dialog): 「Did you already talk to the manager about yesterday?」「No, not yet. I’m planning to bring it up when the timing feels right, but I’ll probably get scolded.」「You should do some groundwork first. Our manager really hates hearing things after the fact.」
Jede Messung, pro Modell und Aufgabe (Latenz in Echtzeitsekunden / Ausgabe-Tokens aus dem usage-Objekt):
| Modell | EN→JA | EN→DE | JA→EN | Durchschnittliche Kosten pro Aufgabe |
|---|---|---|---|---|
| GPT-5.6 Terra | 3.0s / 46 | 4.3s / 67 | 3.2s / 63 | $0.00088 |
| Claude Sonnet 5 | 3.5s / 60 | 4.0s / 146 | 3.5s / 111 | $0.00106 |
| DeepSeek V4 Flash | 5.2s / 421 | 4.3s / 371 | 4.7s / 323 | $0.00010 |
| DeepSeek V4 Pro | 16.5s / 769 | 18.0s / 989 | 19.6s / 946 | $0.00078 |
| GLM-5.2 | 30.8s / 1,906 | 29.0s / 1,590 | 35.2s / 1,985 | $0.00804 |
| Kimi K2.6 | 19.6s / 2,849 | 48.5s / 2,235 | 23.6s / 2,413 | $0.01000 |
Kosten pro Aufgabe = Ausgabe-Token × den offiziellen Ausgabepreis des Anbieters. Die Eingabe liegt bei 60–110 Token pro Aufgabe und fügt selbst bei GPT-5.6 Terra-Preisen weniger als 0,0003 $ hinzu; dies ist im Diagramm pro Million Zeichen weiter unten bereits enthalten. Alle Preise sind offizielle Listenpreise vom 17. Juli 2026, nicht die rabattierten Preise, die unserem Konto berechnet wurden.
Ein Spot-Check mit drei Aufgaben kann Modelle nicht über 100 Sprachpaare hinweg ranken, und wir behaupten das auch nicht. Er kann die Unterschiede aufzeigen, die selbst bei einer kleinen Stichprobe bestehen bleiben. Diese erwiesen sich als groß.
Test 1: Englische→japanische Marketing-Kopie
Die Eingabe forderte eine natürliche, höfliche japanische Wiedergabe einer SaaS-Landingpage-Zeile: „Setzen Sie Ihre Ideen schneller um. Unsere Plattform übernimmt die lästigen Routineaufgaben, damit sich Ihr Team auf das Wesentliche konzentrieren kann.“
Claude Sonnet 5 schrieb den Text:
> Ideen schneller in die Tat umsetzen. Überlassen Sie lästige Aufgaben der Plattform.
Das ist der Registerton, den ein japanischer Werbetexter verwenden würde: die stilisierte カタチ (Katakana für „Form“) und der durch Kommas getrennte Rhythmus sind Landingpage-Konventionen, nicht Schulgrammatik. GPT-5.6 Terra und DeepSeek V4 Pro landeten dicht dahinter mit sauberen, geschäftsmäßigen Formulierungen (「アイデアを、より迅速に形に。」).
DeepSeek V4 Flash war die wortgetreuesten von den sechs: 「アイデアをより速く実現しましょう。当社のプラットフォームが雑務を代行するため…」ist grammatikalisch in Ordnung, klingt aber wie eine Übersetzung. Für eine Produktseite würde man sich zusätzlich eine menschliche Überarbeitung wünschen. Für Support-Artikel oder interne Dokumente ist es völlig brauchbar.
Die Lücke hier ist real, aber gering: Alle sechs Modelle lieferten brauchbares Japanisch. Bei der Arbeit an der Markenstimme macht sich der Aufpreis von etwa 1 $ pro 1.000 Aufgaben für Claude bezahlt; in unseren Tests war er sonst nirgendwo so entscheidend.
Test 2: Englisch→Deutsch technische Dokumentation
Wir haben zwei Sätze API-Dokumentation übersetzt: Rate Limits, HTTP 429, exponentielles Backoff, Idempotenzschlüssel. Alle sechs Modelle haben die technischen Begriffe korrekt wiedergegeben, und alle sechs haben idiomatische deutsche Dokumentationskonventionen verwendet (Ratenlimit, Statuscode 429, exponentielles Backoff, Idempotenzschlüssel).
Der einzige sichtbare Unterschied: GPT-5.6 Terra hat Retry-After in Code-Formatierung gesetzt und damit die Darstellung von Header-Namen in echten deutschen API-Dokumentationen nachgeahmt. Das ist eine nette Kleinigkeit, kein Qualitätsunterschied.
Bei Standard-Dokumentationstexten zwischen gut ausgestatteten europäischen Sprachen hat kein Modell in unserer Stichprobe einen Fehler erzeugt; bei dieser Generation waren die Qualitätsunterschiede zu klein, um sie zu erkennen. Wenn dies Ihre gesamte Arbeitslast ist, wählen Sie nach Preis und Geschwindigkeit, nicht nach Qualität. Damit ist DeepSeek V4 Flash die Standardempfehlung bei 0,14 $ Input / 0,28 $ Output pro Million Tokens.
Test 3: Japanisch→Englisch-Dialog mit ausgelassenen Subjekten
Japanisch lässt regelmäßig das Subjekt eines Satzes weg; Übersetzer müssen erschließen, wer was tut. Unser Testdialog enthielt auch 根回し (nemawashi: still und leise Konsens aufbauen, bevor eine formelle Entscheidung getroffen wird), einen kulturgebundenen Begriff ohne direktes englisches Äquivalent.
Fünf von sechs Modellen bewältigten alles. Die Subjekte wurden korrekt zugeordnet, und „nemawashi“ wurde mit „die Grundlagen legen“, „ihn vorher abklopfen“ oder „ihm im Vorfeld Bescheid geben“ wiedergegeben, alles vertretbare Entscheidungen. Claude klang in seiner Version am meisten wie natürliche Dialogsprache („er wird mir wahrscheinlich den Kopf waschen“).
Der einzige echte Fehler in allen 18 Ausgaben stammte von DeepSeek V4 Pro. Es übersetzte 「先に根回ししといたほうがいい」, also einen Rat dazu, was als Nächstes zu tun ist, als "You should've laid the groundwork first," vergangenes Bedauern über etwas, das bereits versäumt wurde. Kleine Worte, entgegengesetzte Bedeutung. Wenn ein Kollege das eine sagte und du das andere hörtest, würdest du anders handeln.
Ein einziger Tempusfehler in einem Lauf ist ein Datenpunkt, kein Urteil über das Modell (wir vergleichen die beiden DeepSeek-Tiers ausführlicher in unserem DeepSeek V4 Flash vs Pro Vergleich). Aber es ist eine nützliche Erinnerung daran, dass flüssig und treu unterschiedliche Eigenschaften sind: Der Satz liest sich perfekt und bedeutet das Falsche. Für Verträge, medizinische Inhalte oder alles, bei dem ein falsch verstandenes Tempus Geld kostet, sollten Sie unabhängig vom gewählten Modell Budget für menschliche Überprüfung einplanen.
Die Token-Burn-Falle: Warum die Preistabelle lügt
Hier ist die Erkenntnis, die die Kaufentscheidung verändert. Pro Million Ausgabetokens kostet GLM-5.2 4,40 $ und Kimi K2.6 4,00 $, also weniger als die Hälfte von Claude Sonnet 5 mit 10 $. Pro tatsächlich durchgeführter Übersetzung waren sie 8–10-mal teurer.
Der Mechanismus: Beide Modelle führen vor der Antwort eine sichtbare Denkkette aus, und Reasoning-Tokens werden als Output abgerechnet. Bei der Übersetzung eines einzigen Marketing-Satzes erzeugte Kimi K2.6 2.849 Output-Tokens und GLM-5.2 1.906 für Übersetzungen von 40–60 Tokens. Claude Sonnet 5 verbrauchte für dieselbe Aufgabe 60 Tokens; GPT-5.6 Terra 46.
Die Latenz folgte demselben Muster. GPT-5.6 Terra und Claude Sonnet 5 antworteten bei allen drei Aufgaben in 3–4 Sekunden. DeepSeek V4 Flash benötigte 4–5 s, DeepSeek V4 Pro 16–20 s, und GLM-5.2 sowie Kimi K2.6 lagen zwischen 20 und 48 Sekunden pro Anfrage.
Daraus ergeben sich zwei praktische Regeln. Erstens: Vergleichen Sie bei kurzen, volumenstarken Aufgaben wie Übersetzungen Modelle anhand der gemessenen Kosten pro Aufgabe, nicht anhand des Listenpreises: Führen Sie 20 Anfragen aus und lesen Sie das Feld usage aus. Zweitens: Schalten Sie das Reasoning für Übersetzungen aus (oder reduzieren Sie es): DeepSeek trennt Thinking- und Non-Thinking-Endpunkte, und GLM sowie Kimi stellen Thinking-Parameter im Request-Body bereit. Über unsere drei Aufgaben hinweg brachte die Reasoning-Kette keinerlei nachweisbaren Zusatznutzen für die Ausgabequalität.
Was Übersetzungen bei hohem Volumen kosten
Skalieren Sie den gemessenen Tokenverbrauch auf eine Million Zeichen englischen Quelltexts (ungefähr 250.000 Tokens), und die Spanne wird dramatisch:
DeepSeek V4 Flash übersetzt die Textmenge eines ganzen Romans für etwa 0,28 $. Dasselbe Volumen über die API von DeepL kostet bei den Überziehungsraten des Growth-Tarifs 27,50 $, ein 98-facher Unterschied. Das entspricht der Richtung einer weit verbreiteten r/LocalLLaMA-Analyse mit dem Titel "LLMs are 800x cheaper for translation than DeepL", deren größerer Multiplikator von kleineren selbst gehosteten Modellen stammte.
Beachten Sie den oberen Teil der Grafik: Bei gemessenem Token-Verbrauch schließen die reasoning-intensiven Open-Weight-Modelle die Lücke zu DeepL fast. Der Stückpreis ohne Token-Messung ist keine Kostenschätzung.
Drei Preisfakten, die Sie kennen sollten, bevor Sie sich festlegen, alle am 17. Juli 2026 verifiziert:
- DeepLs kostenloses Tarifmodell hat sich geändert. Der API Developer-Tarif gewährt jetzt ein einmaliges Guthaben von 1.000.000 Zeichen, nicht mehr das monatliche Kontingent von 500.000 Zeichen, das Sie in älteren Dokumentationen und Forenantworten noch zitiert sehen werden. Growth kostet 26 $/Monat (jährliche Abrechnung) und umfasst 12 Mio. Zeichen/Jahr; danach 27,50 $ pro zusätzlicher Million.
- DeepSeek berechnet nur einen Bruchteil dessen, was alle anderen verlangen. $0.14 Eingabe / $0.28 Ausgabe pro Million Tokens für V4 Flash, wobei die Eingabe bei Cache-Treffern auf $0.0028 sinkt. Der alte Modellname deepseek-chat wird am 24. Juli 2026 eingestellt.
- Claude Sonnet 5 wird zum Einführungspreis angeboten. 2 $/10 $ pro Million Tokens bis zum 31. August 2026, danach 3 $/15 $. Sein neuerer Tokenizer erzeugt außerdem für denselben Text etwa 30 % mehr Tokens, was in unserer Kostenrechnung berücksichtigt ist. Plane für beides ein Budget ein, wenn du über September hinaus planst.
- Batch-APIs halbieren die Rechnung. OpenAI, Anthropic und Google bieten alle ~50 % Rabatt für asynchrone Batch-Verarbeitung. Übersetzungsworkloads sind in der Regel nicht latenzkritisch, also ist das kostenloses Geld: Mit Batch-Preisen sinkt GPT-5.6 Terra auf ~2,19 $ und Claude Sonnet 5 auf ~1,95 $ pro Million Zeichen.
Wann DeepL oder Google Translate immer noch gewinnt
Die Wirtschaftlichkeit pro Zeichen spricht für LLMs, aber drei Anforderungen weisen weiterhin in die andere Richtung:
- Erzwungene Terminologie. DeepL liefert Glossare und Termbanken, die garantieren, dass ein Begriff jedes Mal auf dieselbe Weise übersetzt wird. Mit einem LLM müssten Sie dafür prompten und es verifizieren; das ist probabilistisch, nicht erzwungen.
- CAT-Tool- und Pipeline-Integrationen. Wenn Ihr Translation Memory in einem CAT-(computer-assisted translation)-Tool liegt, lassen sich die Connectoren von DeepL direkt einbinden.
- Sub-Sekunden-Latenz in großem Maßstab. Traditionelle neuronale MT-Engines reagieren in der Regel schneller als allgemeine LLMs; für die Inline-UI-Übersetzung ist das wichtig.
Für Live-Sprachübertragung ist weder klassisches NMT noch ein Chat-LLM die richtige Form. Google bepreist eine dedizierte Variante Gemini 3.5 Live Translate mit 3,50 $/21 $ pro Million Tokens sowie Audio-Tarifen pro Minute, die wir in unserer Aufschlüsselung zu Gemini 3.5 Live Translate behandelt haben.
Für seltene und ressourcenarme Sprachen ist Abdeckung wichtiger als Qualitätsrankings: Prüfen Sie zuerst, ob Ihr Sprachpaar überhaupt unterstützt wird, bevor Sie irgendetwas anderes vergleichen. DeepL unterstützt rund 30 Sprachen; große LLMs decken über hundert ab, wobei die Qualität am unteren Ende abnimmt.
Open-Source- und lokale Optionen
Sowohl GLM-5.2 als auch Kimi's K-Serie veröffentlichen offene Gewichte, daher ist das oben beschriebene Token-Verbrauchsproblem lösbar, wenn Sie selbst hosten: Sie kontrollieren die Sampling-Einstellungen und können Reasoning-Ketten vollständig unterdrücken.
Für lokale Übersetzungen mit einer einzelnen GPU ist Qwen3-30B-A3B die Empfehlung, die in r/LocalLLaMA-Threads zu lokalen Übersetzungsmodellen für europäische Sprachen ins Englische immer wieder auftaucht, wobei für exotischere Sprachpaare größere Modelle empfohlen werden. Die Motivation ist in der Regel Datenschutz (Verträge, unveröffentlichte Produkte) oder Null-Grenzkosten statt Qualität; in denselben Threads werden gehostete Frontier-Modelle weiterhin als besser beim Übersetzen beschrieben.
Beobachtenswert: Kimi K3 wurde diese Woche mit offenen Gewichten für $3/$15 pro eine Million gehosteter Tokens veröffentlicht. Wir haben K2.6 getestet, weil der K3-API-Zugang noch ausgerollt wurde; wenn K3 den Token-Hunger der K-Serie übernimmt, gilt dieselbe Einschränkung hinsichtlich der gemessenen Kosten.
Diesen Vergleich selbst ausführen
Alles oben reproduziert sich mit etwa 20 API-Aufrufen: Wählen Sie zwei Sätze aus Ihren eigenen Inhalten aus, senden Sie sie an jedes Kandidatenmodell und lesen Sie das usage-Objekt in jeder Antwort für die echten Token-Zahlen. Gesamtkosten unseres 18-Anfrage-Testlaufs: unter 0,15 $.
Der lästige Teil ist, sechs API-Keys von fünf Anbietern zu verwalten. Wir haben alle sechs Modelle über ein einziges AIReiter-Konto ausgeführt, das den API-Zugang zu großen Modellen weiterverkauft (Claude-Familien-Keys zu ungefähr einem Fünftel des Listenpreises) hinter einem einzigen Anthropic-kompatiblen Endpoint — ein Key, dasselbe Wire-Format für jedes der oben genannten Modelle.
Wenn Ihr Übersetzungsvolumen wirklich hoch ist, schlägt eine Stunde Stichprobenprüfung anhand Ihrer eigenen Inhalte jedes Ranking, einschließlich dieses hier. Die Modelle sind in der Qualität nah genug beieinander, dass Ihr Sprachpaar, Ihre Tonanforderungen und Ihre Token-Messungen die Entscheidung treffen sollten.
FAQ
Ist ChatGPT oder Gemini besser für Übersetzungen?
In unseren Tests war GPT-5.6 Terra schnell, genau und formatrein bei allen drei Aufgaben. Wir haben Gemini nicht direkt im Vergleich getestet (es war nicht auf unserem Gateway), aber die veröffentlichten Preise sind wettbewerbsfähig ($1.50/$9 pro Million Tokens für 3.5 Flash), und es ist der einzige Anbieter mit einem dedizierten Live-Voice-Übersetzungsmodell.
Was ist derzeit der genaueste KI-Übersetzer?
Bei Sprachpaaren mit vielen Ressourcen sind die Genauigkeitsunterschiede zwischen Frontier-Modellen gering; alle sechs von uns getesteten Modelle übersetzten technisches Deutsch fehlerfrei. Die Unterschiede konzentrieren sich auf den Tonfall (Claude lag bei japanischem Marketing-Text vorn) und auf Randfälle wie weggelassene Subjekte und Tempus, bei denen DeepSeek V4 Pro den einzigen wirklichen Fehler in unserer Stichprobe machte.
Was ist das beste Open-Source-LLM für Übersetzungen?
GLM-5.2 und Kimi K2.6 veröffentlichen beide Gewichte und wurden in unseren Tests korrekt übersetzt; beim Self-Hosting können Sie die Reasoning-Chains deaktivieren, die ihre gehosteten APIs pro Aufgabe teuer machen. Für Consumer-Hardware ist Qwen3-30B-A3B die gängige Empfehlung der Community.
Kann ein LLM einen menschlichen Übersetzer ersetzen?
Für interne Dokumente, Support-Inhalte und umfangreiche Produkttexte: größtenteils ja, zu 1–16 % der pro Zeichen berechneten Kosten von DeepL, je nach Modell (DeepSeek V4 Flash ~1 %, Claude Sonnet 5 ~14 %, GPT-5.6 Terra ~16 %). Für Verträge, medizinische Texte und Markenkampagnen ist der Tempusfehler aus Test 3 die mahnende Warnung. Fließende Ausgaben können die Bedeutung dennoch umkehren, daher sollten Sie menschliche Prüfung dort beibehalten, wo eine Fehlinterpretation teuer ist.
Lohnt sich die Nutzung von DeepL im Jahr 2026 noch?
Ja, in drei Fällen: durchgesetzte Glossare, CAT-Tool-Integration und Latenz im Subsekundenbereich. Außerhalb davon ist die pro-Zeichen-Rechnung schwer zu rechtfertigen, und beachten Sie, dass die kostenlose Stufe jetzt ein einmaliges Guthaben von 1 Mio. Zeichen ist, nicht monatlich.