Lingo.dev의 모든 로컬라이제이션 엔진은 번역 생성에 LLM 모델을 사용합니다. 각 로캘 쌍을 어떤 모델이 처리할지 직접 선택하고, 안정성을 위해 폴백을 구성하고, 와일드카드 로캘로 기본값을 설정할 수 있습니다. API 키나 제공업체 계정을 따로 관리할 필요도 없습니다.
사용 가능한 모델#
Lingo.dev는 하나의 플랫폼에서 주요 모든 제공업체의 400개 이상의 모델에 액세스할 수 있도록 지원합니다:
| 제공업체 | 주요 모델 |
|---|---|
| OpenAI | GPT-4o, GPT-4 Turbo, o3, o4-mini |
| Anthropic | Claude Opus, Claude Sonnet, Claude Haiku |
| Gemini 2.0 Flash, Gemini Pro(최대 1M 토큰 컨텍스트) | |
| Meta | Llama 3.3 70B, Llama 3.1 405B |
| Mistral | Mistral Large, Mixtral |
| DeepSeek | DeepSeek V3 |
컨텍스트 윈도 크기를 포함한 전체 모델 카탈로그는 LLM 모델 페이지에서 확인할 수 있습니다.
제공업체 계정이 필요 없습니다
개별 제공업체의 API 키를 발급받을 필요가 없습니다. Lingo.dev가 통합 인프라를 통해 모든 모델의 인증, 과금, 라우팅을 처리합니다.
모델 구성#
모델 구성은 로컬라이제이션 엔진 내에서 특정 소스-타깃 로캘 쌍에 사용할 모델을 지정합니다.
| 필드 | 설명 |
|---|---|
| 제공업체 | 모델 제공업체(예: openai, anthropic, google) |
| 모델 | 사용할 특정 모델(예: gpt-4o, claude-sonnet-4-5-20250514) |
| 소스 로캘 | 소스 로캘 또는 모든 소스에 적용되는 * |
| 타깃 로캘 | 타깃 로캘 또는 모든 타깃에 적용되는 * |
엔진이 번역 요청을 받으면 소스 및 타깃 로캘을 기준으로 가장 구체적으로 일치하는 구성을 선택합니다.
기본값과 커스터마이징#
Lingo.dev 팀은 2023년부터 각 언어 쌍에서 가장 뛰어난 번역 품질을 내는 모델을 연구해 왔습니다. 새 로컬라이제이션 엔진이 생성되면 그 연구 결과를 바탕으로, 기본 모델과 폴백을 포함한 합리적인 기본 설정이 미리 적용됩니다. 일반적인 언어는 물론 저자원 언어까지 폭넓게 높은 품질을 낼 수 있도록 최적화되어 있어, 대부분의 팀은 별도로 변경할 필요가 없습니다.
이 기본 설정은 별도 조정 없이도 바로 잘 작동하도록 설계되었습니다. 물론 원하는 경우 어떤 모델 구성이든 수정하고, 제공업체를 바꾸고, 폴백을 추가하거나, 선호하는 모델로 특정 로캘 쌍을 재정의할 수 있습니다. 하지만 기본값만으로도 이미 수백 개의 언어 쌍 전반에서 가장 효과적이었던 구성이 반영되어 있습니다. 엔진의 모델 구성은 전적으로 사용자가 제어합니다.
폴백 모델#
LLM은 매우 빠르게 발전합니다. 새로운 모델이 매주 출시되고, 세대가 바뀔 때마다 성능은 좋아지며, 경쟁이 치열해질수록 가격은 내려갑니다. 하지만 이런 속도에는 대가도 따릅니다. 제공업체 장애, 속도 제한, 콘텐츠 필터 변경, 모델 지원 종료는 일상적으로 발생합니다. 단일 모델에만 의존하는 프로덕션 로컬라이제이션 파이프라인은 결국 언젠가 문제를 겪게 됩니다.
Lingo.dev의 로컬라이제이션 엔진은 프로덕션급 번역 워크플로를 위해 설계되었습니다. 각 로캘 쌍에는 폴백 모델을 설정할 수 있으며, 기본 모델이 실패하면 엔진이 자동으로 다음 폴백 모델을 투명하게 시도합니다. 별도의 개입 없이도 실패한 요청이 사용자에게 전달되지 않도록 해줍니다.
폴백 순서가 결정되는 방식#
엔진은 먼저 구성들을 구체성 기준으로 정렬한 뒤, 우선순위 기준으로 정렬합니다:
- 타깃 로캘 구체성 - 정확히 일치하는 타깃 로캘이 와일드카드
*보다 우선합니다 - 소스 로캘 구체성 - 정확히 일치하는 소스 로캘이 와일드카드
*보다 우선합니다 - 우선순위 - 기본값, 그다음 폴백
예시#
엔진에 아래와 같은 구성이 있다고 가정해 보겠습니다:
| 소스 | 타깃 | 모델 | 우선순위 |
|---|---|---|---|
en | de | GPT-4o | 기본값 |
en | de | Claude Sonnet | 폴백 |
* | de | Gemini Flash | 기본값 |
* | * | GPT-4o-mini | 기본값 |
en → de 번역 요청은 다음 순서로 모델을 시도합니다:
- GPT-4o - 정확히 일치, 기본값
- Claude Sonnet - 정확히 일치, 폴백
- Gemini Flash - 소스는 와일드카드, 타깃은 정확히 일치, 기본값
- GPT-4o-mini - 소스와 타깃 모두 와일드카드, 기본값
fr → de 번역 요청은 처음 두 항목을 건너뛰고(소스가 일치하지 않음) Gemini Flash부터 시작합니다.
폴백 추적
폴백 모델이 요청을 처리하면 엔진이 이를 요청 로그에 기록합니다. Reports에서 폴백 사용 현황을 모니터링해 신뢰하기 어려운 기본 모델을 식별할 수 있습니다.
와일드카드 로캘#
소스 또는 타깃 로캘을 *로 설정하면, 로캘별 구성이 없을 때 적용되는 기본 구성을 만들 수 있습니다.
자주 쓰는 패턴:
| 소스 | 타깃 | 모델 | 용도 |
|---|---|---|---|
* | * | GPT-4o | 모든 로캘 쌍에 적용되는 기본값 |
en | * | Claude Sonnet | 영어 소스 번역 전체에 적용되는 기본값 |
* | ja | GPT-4o | 일본어 타깃에 특정 모델 사용 |
en | de | Mistral Large | 이 특정 쌍의 기본값 재정의 |
구체적인 구성은 항상 와일드카드 구성보다 우선합니다. 와일드카드로 합리적인 기본값을 설정한 뒤, 특별한 처리가 필요한 로캘 쌍만 개별적으로 재정의하세요.
MCP로 모델 구성 관리하기#
Lingo.dev MCP server를 사용하면 AI 코딩 도우미가 모델을 직접 구성할 수 있습니다:
"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."