LLM-Modelle

Jede Lokalisierungs-Engine auf Lingo.dev nutzt LLM-Modelle für Übersetzungen. Sie legen fest, welches Modell jedes Sprachpaar übernimmt, konfigurieren Fallbacks für mehr Zuverlässigkeit und verwenden Wildcard-Sprachen für Standards – ganz ohne API-Schlüssel oder Provider-Konten verwalten zu müssen.

Verfügbare Modelle#

Lingo.dev bietet über eine einzige Plattform Zugriff auf mehr als 400 Modelle aller führenden Anbieter:

Den vollständigen Modellkatalog – inklusive Kontextfenstergrößen – finden Sie auf der Seite LLM Models.

Modellkonfigurationen#

Eine Modellkonfiguration weist innerhalb einer Lokalisierungs-Engine einem Quell-/Ziel-Sprachpaar ein bestimmtes Modell zu.

Wenn die Engine eine Übersetzungsanfrage erhält, wählt sie anhand von Quell- und Ziel-Sprache die spezifischste passende Konfiguration aus.

Standards und Anpassung#

Das Team von Lingo.dev untersucht seit 2023, welche Modelle für welche Sprachpaare die besten Übersetzungen liefern. Wenn eine neue Lokalisierungs-Engine erstellt wird, ist sie bereits mit sinnvollen Modellstandards vorkonfiguriert: primäre Modelle und Fallbacks werden auf Basis dieser Forschung ausgewählt und für hohe Qualität bei gängigen ebenso wie bei ressourcenarmen Sprachen optimiert. Die meisten Teams müssen daran nichts ändern.

Diese Standards sind darauf ausgelegt, sofort gute Ergebnisse zu liefern. Sie können jede Modellkonfiguration bearbeiten, Anbieter wechseln, Fallbacks hinzufügen oder bestimmte Sprachpaare mit bevorzugten Modellen überschreiben – doch die Standards spiegeln bereits wider, was sich über Hunderte von Sprachpaaren hinweg als am wirkungsvollsten erwiesen hat. Die Modellkonfiguration der Engine liegt vollständig in Ihrer Hand.

Fallback-Modelle#

LLMs entwickeln sich rasant weiter – neue Modelle erscheinen wöchentlich, ihre Fähigkeiten verbessern sich mit jeder Generation, und die Preise sinken mit zunehmendem Wettbewerb. Doch diese Dynamik hat ihren Preis: Provider-Ausfälle, Ratenbegrenzungen, Änderungen an Inhaltsfiltern und Modellabkündigungen gehören zum Alltag. Eine Lokalisierungs-Pipeline für den Produktiveinsatz, die von einem einzigen Modell abhängt, ist eine Pipeline, die früher oder später ausfällt.

Die Lokalisierungs-Engine von Lingo.dev ist speziell für produktionsreife Übersetzungs-Workflows gebaut. Jedes Sprachpaar unterstützt ein Fallback-Modell – fällt das primäre Modell aus, probiert die Engine automatisch und transparent das nächste Fallback-Modell aus, ohne dass Sie eingreifen müssen oder fehlgeschlagene Anfragen Ihre Nutzer erreichen.

So funktioniert die Fallback-Reihenfolge#

Die Engine sortiert verfügbare Konfigurationen zuerst nach Spezifität und dann nach Priorität:

1. Spezifität der Ziel-Sprache – exakte Ziel-Sprache hat Vorrang vor Wildcard *
2. Spezifität der Quell-Sprache – exakte Quell-Sprache hat Vorrang vor Wildcard *
3. Priorität – Standard, dann Fallback

Beispiel#

Angenommen, für eine Engine sind diese Konfigurationen hinterlegt:

Eine Anfrage zur Übersetzung von en → de probiert die Modelle in dieser Reihenfolge aus:

1. GPT-4o – exakte Übereinstimmung, Standard
2. Claude Sonnet – exakte Übereinstimmung, Fallback
3. Gemini Flash – Wildcard-Quelle, exaktes Ziel, Standard
4. GPT-4o-mini – Wildcard für beide, Standard

Eine Anfrage zur Übersetzung von fr → de überspringt die ersten beiden Einträge (Quelle passt nicht) und startet mit Gemini Flash.

Wildcard-Sprachen#

Setzen Sie die Quell- oder Ziel-Sprache auf *, um Standardkonfigurationen zu erstellen, die greifen, wenn keine sprachspezifische Konfiguration vorhanden ist.

Häufige Muster:

Spezifische Konfigurationen haben immer Vorrang vor Wildcard-Konfigurationen. Verwenden Sie Wildcards für sinnvolle Standards und überschreiben Sie sie dann für Sprachpaare, die besondere Behandlung benötigen.

Modellkonfigurationen über MCP verwalten#

Wenn Sie den Lingo.dev MCP server verwenden, kann Ihr KI-Coding-Assistent Modelle direkt konfigurieren:

"Set GPT-4o as the primary model for English to German,
with Claude Sonnet as fallback."

"Add a catch-all model config using GPT-4o-mini for
all locale pairs."

Nächste Schritte#