Modelle und Fallbacks

Wähle Modelle für Sprachpaare und erfahre, welcher Kandidat zum Einsatz kommt, wenn ein anderer die Anfrage nicht abschließen kann.

Die Modellkonfiguration einer Lokalisierungs-Engine beantwortet zwei Fragen: Welches Modell soll ein Sprachpaar übersetzen, und welcher Kandidat soll zum Einsatz kommen, wenn dieses Modell die Anfrage nicht abschließen kann? Fallbacks greifen bei Ausführungsfehlern. Sie erzeugen nicht mehrere Übersetzungen, um anschließend die mit dem höchsten Qualitätswert auszuwählen.

Im Erstellungsformular der Web-App sind ein empfohlenes primäres Modell und ein Fallback für alle Sprachpaare voreingestellt. Du kannst diese breite Abdeckung beibehalten oder eine gezieltere Konfiguration wählen – direkt bei der Erstellung oder später.

Modell und Abdeckung auswählen #

Aktuelle Modellkennungen und Kontextlimits findest du im Katalog der unterstützten Modelle in der Konfigurationsoberfläche oder über das Konto-MCP. Die Verfügbarkeit ändert sich; eine kopierte Liste kann schnell veralten. Mit einem Schlüssel von Mistral AI bietet dir die Konfigurationsoberfläche außerdem Chatmodelle außerhalb des Katalogs an, auf die du mit deinem Schlüssel zugreifen kannst; siehe Modelle außerhalb des Katalogs.

Eine exakte Modellkennung legt ein bestimmtes Modell fest. Ein dynamischer Alias kann später auf ein anderes Modell verweisen. Wenn du eine feste Modellkennung verwendest, lässt sich die Auswahl leichter nachvollziehen. Das macht die Ausgabe jedoch weder deterministisch noch belegt es die Eignung des Modells für deine Inhalte.

Konfiguriere das Paar aus Quell- und Zielsprache. Nutze Platzhalter als allgemeinen Standard und konkrete Sprachen, wenn für ein Paar ein anderer Kandidat erforderlich ist. Stelle sicher, dass für wichtige Sprachpaare eine passende Konfiguration vorhanden ist; Wiederholungsversuche können eine fehlende Modellkonfiguration nicht ausgleichen.

Reihenfolge der Versuche verstehen #

Die Lokalisierungs-Engine ordnet die Kandidaten nach diesen Kriterien:

  1. Übereinstimmungsstufe der Zielsprache.
  2. Übereinstimmungsstufe der Quellsprache.
  3. Spezifität der Zielsprache.
  4. Spezifität der Quellsprache.
  5. Konfigurierter Rang.

Rang eins hat keinen Vorrang vor einer besseren Sprachübereinstimmung. So kann eine spezifische Konfiguration für Englisch nach de-CH vor einer allgemeinen Platzhalterkonfiguration zum Einsatz kommen, selbst wenn Letztere zuerst eingetragen wurde. Unter Sprachauflösung erfährst du, welche Sprachen für eine Anfrage gelten, wie eine Sprache ohne Regionsangabe für ihre Standardregion steht und wie die Übereinstimmungsstufen ihre Rangfolge bestimmen.

Für jeden Versuch gilt ein Zeitlimit. Schlägt ein Kandidat fehl oder überschreitet er das Zeitlimit, kann der nächste übernehmen. Ist die gesamte Kette ausgeschöpft, schlägt die Anfrage fehl. Ein Fallback verringert die Abhängigkeit von einem einzelnen Modell. Er kann aber weder fehlende Abdeckung ersetzen noch Erfolg garantieren, wenn alle Kandidaten fehlschlagen.

Qualität getrennt von Zuverlässigkeit vergleichen #

Anhand der Anfragenachweise kannst du feststellen, welches Modell tatsächlich verwendet wurde und ob ein Fallback zum Einsatz kam. Eine Ablehnung durch den Anbieter, ein Konfigurationsfehler und eine abgeschlossene, aber ungeeignete Übersetzung erfordern jeweils andere Maßnahmen.

Wie du die Modelle eines Anbieters mit dem eigenen Schlüssel deiner Organisation nutzt, erfährst du unter BYOK. Ein API-Schlüssel von Lingo.dev und die Zugangsdaten eines externen Anbieters berechtigen zum Zugriff auf unterschiedliche Dienste. Die Auswahl eines Modells richtet keine Verbindung über Zugangsdaten ein.

Die Referenz der Übersetzungs-API beschreibt JSON-Inhalte und Kontextfelder. Jeder Auftrag benötigt ein engineId. Stelle sicher, dass die ausgewählte Engine aktiviert ist und für jedes angeforderte Sprachpaar eine Modellabdeckung bietet. Sieh dir die Modellversuche des Auftrags an, um festzustellen, welches Modell die einzelnen Stapel tatsächlich verarbeitet hat.