Claude vs GPT-6 vs Gemini vs DeepL para traducir Django (2026)

Claude, GPT-6, Gemini y DeepL pueden traducir bien tus archivos .po de Django. Las diferencias que importan en septiembre de 2026 son el precio, el nivel de modelo que elijas y si puedes pasarle contexto del proyecto. Esta comparación cubre los modelos actuales de cada proveedor, lo que realmente encontraron los benchmarks de traducción de WMT y lo que cuesta traducir un proyecto Django típico con cada uno.

Todos los modelos de este artículo funcionan con TranslateBot, ya sea a través de LiteLLM o del proveedor de DeepL integrado. Si estás configurando las traducciones de Django por primera vez, la guía completa de localización en Django cubre la configuración antes de que elijas un proveedor.

Una nota sobre las fuentes: no hemos hecho nuestro propio benchmark con estas versiones de los modelos. Las afirmaciones sobre calidad que aparecen a continuación provienen de las tareas compartidas de WMT y de un gran conjunto de datos de la industria, todos enlazados. Los precios provienen de la página de precios de cada proveedor a fecha de 26 de septiembre de 2026.

Respuesta rápida

El modelo predeterminado de TranslateBot es gpt-6-luna, así que un proyecto que no configura ningún modelo ya usa la opción buena más barata.

Lo que dicen los benchmarks

La evaluación de traducción automática más rigurosa es la tarea compartida anual de WMT. Anotadores profesionales califican la salida de cada sistema presentado, y los resultados se publican como grupos de calidad en lugar de una única clasificación.

WMT24: ganó Claude 3.5 Sonnet

En la tarea General MT de WMT24, Claude 3.5 Sonnet fue el mejor sistema en general y ganó 9 de los 11 pares de idiomas. Fue la primera vez que un LLM de propósito general superó a todos los sistemas de traducción dedicados de la competición.

WMT25: ganó Gemini 2.5 Pro

En WMT25, Gemini 2.5 Pro quedó en el grupo superior en 14 de 16 pares de idiomas. Las traducciones humanas de referencia entraron en el grupo superior solo en 6 de los 15 pares que las tenían. Los organizadores señalan que esto podría reflejar "the stylistic or lexical preferences of the annotators" (las preferencias estilísticas o léxicas de los anotadores), pero la tendencia es clara: los LLM de frontera ya igualan o superan a las referencias humanas profesionales en estas pruebas.

WMT26: aún no publicado

WMT26 se celebra del 28 al 29 de octubre de 2026 en Budapest. El artículo con los resultados aún no ha salido, y los organizadores no publican clasificaciones preliminares. Actualizaremos este artículo cuando se publique.

Lo que dicen los datos de producción

Alconost publicó 5,632 evaluaciones de calidad de proyectos reales de clientes en 85 pares de idiomas en mayo de 2026. Su índice de calidad situó a Gemini en 77.7, Claude en 75.6, GPT en 73.1 y DeepL en 70.8. Solo informan por proveedor, no por versión de modelo, y lo describen como un reflejo de su muestra y no como un benchmark de la industria. Considera que las diferencias son pequeñas.

Donde los LLM todavía se quedan cortos

Los idiomas con pocos recursos son el punto débil. En un estudio, la traducción de inglés a jemer con un LLM obtuvo 39.10 en XCOMET frente a 65.88 de Google Translate. Si tus idiomas destino incluyen jemer, lao o birmano, prueba con cuidado y haz que un hablante nativo lo revise.

Las puntuaciones automáticas también pueden engañar. Un segmento con una puntuación COMET de 0.86 resultó contener un error crítico de comprensión cuando lo revisaron profesionales. Los benchmarks son un punto de partida, no un sustituto de un lector nativo.

Los modelos actuales

Anthropic Claude

Fuente: Claude models overview.

El punto fuerte de Claude siempre han sido las traducciones que se leen como si se hubieran escrito en el idioma destino, y sigue de cerca las reglas de tono y terminología de un archivo TRANSLATING.md. Sonnet 5 cuesta menos por token que Sonnet 4.5, al que reemplazó, lo que lo convierte en el modelo con el que empezar.

OpenAI

Fuente: OpenAI API pricing.

No está previsto retirar gpt-4o-mini ni gpt-4o, pero OpenAI está retirando algunos snapshots fechados de GPT-4o (gpt-4o-2024-05-13 se retira el 23 de octubre de 2026, según la página de deprecaciones). Si fijaste un snapshot fechado, revisa esa lista.

Google Gemini

Fuentes: Gemini models, Gemini pricing.

Gemini ganó WMT25 y encabeza los datos de Alconost, así que merece un lugar en tu lista de candidatos. También es el único proveedor de esta lista con un nivel gratuito permanente: ambos modelos Flash de arriba se pueden usar sin costo, con límites de uso, y Google puede usar los datos del nivel gratuito para mejorar sus productos. Los modelos Gemini 2.5 ahora solo están disponibles para proyectos que ya los usaban, así que los proyectos nuevos deberían empezar con 3.5 Flash-Lite o 3.8 Flash.

DeepL

DeepL ahora usa un modelo LLM de nueva generación para todos sus idiomas (model_type=quality_optimized en la API), y soporta más de 100 idiomas.

Los planes cambiaron en 2026. Los registros nuevos reciben el plan Developer: un crédito único de 1 millón de caracteres, no los antiguos 500,000 caracteres cada mes. Después de eso, Growth cuesta €23.80 al mes con facturación anual, incluye 12 millones de caracteres al año y cobra €22 por cada millón de caracteres adicional (precios de la UE con IVA incluido; consulta DeepL API plans).

DeepL también ha añadido reglas de estilo, instrucciones personalizadas y hasta 5 glosarios por solicitud. Ayudan, pero siguen siendo más limitados que un archivo TRANSLATING.md, que puede describir tu producto, tu audiencia y tu terminología preferida en lenguaje natural.

Comparación directa

Lo que cuesta un proyecto Django

Toma un proyecto Django mediano: 500 cadenas, unas 10,000 palabras, traducidas a 5 idiomas. Suponemos unos 15,000 tokens de entrada (las cadenas más el prompt de TranslateBot) y 20,000 tokens de salida por idioma, porque la mayoría de los idiomas necesitan más tokens que el inglés.

Estas cifras son estimaciones. Los modelos que razonan antes de responder, como Claude Opus 5.5, facturan ese razonamiento como tokens de salida, así que pueden costar más de lo que muestra la tabla. Después de la primera ejecución, TranslateBot solo traduce cadenas nuevas o modificadas, así que las ejecuciones posteriores suelen costar unos pocos centavos como mucho.

Cuál elegir

Empieza con claude-sonnet-5 o gpt-6-sol si la calidad importa y no te importa pagar alrededor de un dólar por cada ejecución completa del proyecto. Claude tiene mejor historial en benchmarks (Claude 3.5 Sonnet ganó WMT24), aunque todavía no hay resultados de WMT para estas versiones concretas. Los dos cuestan lo mismo.

Usa gpt-6-luna para proyectos personales, herramientas internas o una primera pasada que vas a revisar de todos modos. Con unos seis centavos para el proyecto de ejemplo, el costo es prácticamente cero.

Prueba Gemini si traduces a muchos idiomas o no tienes presupuesto. Ganó WMT25, obtuvo la mejor puntuación en los datos de Alconost, y 3.5 Flash-Lite es barato en el nivel de pago y gratis en el nivel gratuito.

Usa DeepL si tu empresa ya tiene un contrato con DeepL, o si quieres MT dedicada con glosarios nativos. Sin el antiguo nivel gratuito mensual, ya no es la elección automática para proyectos sin presupuesto.

Combina proveedores por idioma. Puedes usar un modelo para los idiomas europeos y otro para japonés o coreano. Ejecuta el comando de traducción una vez por proveedor, cada vez con idiomas destino diferentes, y cambia TRANSLATEBOT_MODEL y TRANSLATEBOT_API_KEY entre ejecuciones.

Cómo cambiar de proveedor en TranslateBot

Cambiar de proveedor significa modificar dos ajustes en tu settings.py:

import os

# Claude Sonnet 5
TRANSLATEBOT_MODEL = "claude-sonnet-5"
TRANSLATEBOT_API_KEY = os.getenv("ANTHROPIC_API_KEY")

# GPT-6 Luna
TRANSLATEBOT_MODEL = "gpt-6-luna"
TRANSLATEBOT_API_KEY = os.getenv("OPENAI_API_KEY")

# Gemini 3.5 Flash-Lite
TRANSLATEBOT_MODEL = "gemini/gemini-3.5-flash-lite"
TRANSLATEBOT_API_KEY = os.getenv("GEMINI_API_KEY")

# DeepL
TRANSLATEBOT_PROVIDER = "deepl"
TRANSLATEBOT_API_KEY = os.getenv("DEEPL_API_KEY")

Para DeepL, también necesitas el extra de DeepL:

uv add --dev translatebot-django[deepl]

Para probar otro modelo del mismo proveedor en una sola ejecución sin cambiar tus ajustes, usa --llm-model. Se sigue usando TRANSLATEBOT_API_KEY, así que el modelo tiene que coincidir con el proveedor de tu clave:

python manage.py translate --target-lang ja --llm-model gpt-6-sol

Consejos prácticos

Compara en una rama. --dry-run no llama al modelo, así que para comparar resultados reales, vuelve a traducir en una rama desechable y lee el diff:

git switch -c try-gpt-6-sol
python manage.py translate --target-lang nl --overwrite --llm-model gpt-6-sol
git diff -- '*.po'

Escribe un TRANSLATING.md antes de pagar por un modelo más grande. Las instrucciones de terminología y tono ("traduce 'cart' como 'Warenkorb'", "usa el 'du' informal en alemán") a menudo resuelven lo que parecía un problema de calidad del modelo.

Haz que un hablante nativo revise una muestra. Los benchmarks miden promedios. Tu página de pago es un conjunto concreto de cadenas.

Ten en cuenta el cambio de precio de Gemini. Gemini 3.8 Flash duplica su precio el 1 de enero de 2027. Seguirá siendo barato para traducción, pero actualiza tus estimaciones.

Conclusión

Claude ganó WMT24, Gemini ganó WMT25, y en 2026 la diferencia entre los principales proveedores es pequeña. Para la mayoría de los proyectos Django, la elección práctica está entre claude-sonnet-5 o gpt-6-sol para calidad y gpt-6-luna para costo, con Gemini como una alternativa sólida y la mejor opción gratuita. DeepL sigue siendo bueno, pero las cuentas nuevas ya no reciben un nivel gratuito mensual. Con TranslateBot, cambiar entre ellos es solo cuestión de cambiar un ajuste.

Una vez elegido el proveedor, automatiza tu flujo de trabajo de traducción en Django para que las cadenas nuevas no vuelvan a acumularse.