Apresentamos o Lingo.dev v1.0

Todas as equipas de localização conhecem este padrão. Tradutores sem familiaridade com o produto falham os termos da marca. Os wrappers de LLM não têm memória entre pedidos. Ao fim de alguns lançamentos, a terminologia começa a derivar — e ninguém repara, porque as pontuações globais de qualidade mostram 0,95 e seguem em frente.

Medimos essa lacuna. Injetar contexto de glossário no momento da inferência reduz os erros de terminologia em 17-45% em cinco fornecedores de LLM e cinco línguas europeias. Chamamos-lhe localização aumentada por recuperação (RAL). Os LLM ultrapassaram o limiar de qualidade para tradução em produção — mas só com o pipeline de contexto certo. Sem isso, cada pedido isolado é uma nova oportunidade para a deriva terminológica. Na Lingo.dev, depois de fornecermos infraestrutura de localização para traduzir mais de 200 milhões de palavras para clientes como a Mistral, Solana, SoSafe e Cal.com, construímos o v1.0 em torno disso.

motor de localização#

Um motor de localização é uma API de tradução com estado na Lingo.dev — uma implementação de RAL que preserva o contexto do domínio em todos os pedidos. Configure uma vez, use em todo o lado:

• Modelos — escolha qualquer modelo do catálogo da OpenRouter. Ordene modelos por idioma com cadeias de fallback — quando o modelo principal não está disponível, o motor encaminha o pedido para o seguinte sem o perder.
• Glossário — mapeie termos de origem para traduções de destino por par de idiomas. O motor injeta os termos correspondentes em todos os pedidos. Quando o motor da Cal.com encontra "Workspace", o glossário resolve-o antes de o LLM gerar um único token — sem necessidade de onboarding de tradutores.
• voz da marca — defina o tom e o registo por idioma. Formal para conteúdo jurídico em alemão, conversacional para marketing em japonês, técnico para documentação em inglês.
• Instruções — defina regras por idioma para padrões específicos: regras de elisão em francês, convenções ortográficas em português, aspas em alemão, preferências por anglicismos em italiano.

O motor tem estado. Cada termo do glossário, cada regra de voz da marca, cada instrução persiste entre pedidos. A primeira tradução num novo motor beneficia de zero contexto. A milésima beneficia de tudo o que a equipa configurou desde o primeiro dia. Em workflows de CI/CD baseados em diff, cada build retraduz apenas o que mudou. É este caráter stateful do motor que evita a deriva terminológica — a mesma deriva que afeta tanto tradutores humanos como wrappers de LLM sem estado.

Teste configurações no playground antes de entrarem em produção. Experimente uma string, compare entre idiomas, publique em produção quando estiver certo.

Como o chamar#

Três vias de integração. O mesmo motor, o mesmo contexto, a mesma qualidade:

CLI — aponte para o seu repositório e traduza todos os idiomas configurados com um único comando:

npx lingo.dev@latest run

CI/CD — a integração GitHub abre um pull request com strings traduzidas a cada push. Faça a revisão das traduções no diff e faça merge quando estiver tudo pronto. Sem handoffs. Sem esperar por uma equipa externa.

API — chame o motor diretamente a partir do código backend:

curl -X POST https://api.lingo.dev/process/localize \
  -H "X-API-Key: $LINGO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "engineId": "eng_abc123",
    "sourceLocale": "en",
    "targetLocale": "es",
    "data": {
      "welcome": "Welcome to the future of payments",
      "cta": "Get started"
    }
  }'

Todos os pedidos ficam registados: modelo usado, tokens consumidos, estado do fallback, termos do glossário aplicados, instruções correspondidas. O dashboard de relatórios mostra volume de palavras, consumo de tokens, principais idiomas, cobertura do glossário e taxas de alteração — para que possa ver exatamente que termos estão a ser aplicados e onde continuam a existir lacunas de cobertura.

Liberdade de modelo#

A consistência terminológica não deve depender do fornecedor de LLM que, por acaso, utiliza. A RAL separa a camada de consistência — glossário, voz da marca, instruções — do modelo que executa a tradução. O contexto enriquecido orienta qualquer modelo para um resultado preciso no domínio. Troque o GPT-5.4 pelo Claude Opus entre lançamentos sem reconfigurar um único termo do glossário.

Esta separação também elimina o lock-in do fornecedor. As APIs de tradução de modelos fechados prendem o glossário, as regras de estilo e a terminologia a um único fornecedor. Uma regressão do modelo significa abrir um pedido ao suporte. Um modelo melhor de outro fornecedor fica fora de alcance. Na Lingo.dev, o modelo é um parâmetro de configuração — a camada de consistência mantém-se, independentemente do modelo que corre por baixo.

Quando testámos cinco fornecedores com o Regulamento Europeu da IA, o Mistral com um glossário de 72 termos (MQM 0,940, em que 1,0 significa ausência de erros) aproximou-se da qualidade bruta da Google (0,938). A diferença de custo é de uma ordem de grandeza. Um glossário bem construído reduz o nível de inteligência de que o modelo precisa. À medida que os glossários amadurecem, a plataforma assinala quando um modelo mais barato consegue atingir o mesmo limiar de qualidade.

Pontuação de qualidade#

Corrigir a deriva terminológica é apenas metade do problema. A outra metade: as métricas de qualidade padrão nem sequer a conseguem ver. A nossa investigação concluiu que as pontuações globais de qualidade da tradução — do tipo usado por benchmarks e leaderboards — davam resultados idênticos para traduções brutas e traduções enriquecidas com glossário, enquanto a pontuação por dimensão contabilizava menos 17-45% de erros de terminologia. A lacuna que a RAL fecha é invisível para a métrica que a indústria usa para medir a qualidade da tradução.

Um problema que não se consegue medir é um problema que não se consegue corrigir. O Lingo.dev v1.0 inclui avaliadores de IA — verificações automáticas de qualidade que avaliam cada tradução por dimensão, e não por um único número global. Defina critérios em linguagem natural: "Todos os tags HTML são preservados?" ou "Avalie a naturalidade para um falante nativo." Um LLM independente avalia o resultado — se o GPT-5.4 traduz, o Claude Sonnet faz a pontuação, eliminando o viés de autoavaliação.

A avaliação entre modelos, específica por dimensão, deteta aquilo que as pontuações globais não veem: termos alucinados, mudanças de registo, placeholders danificados e a deriva terminológica que se acumula silenciosamente entre lançamentos.

O que isto significa#

Se já usa o Lingo.dev — as ferramentas CLI, CI/CD e MCP continuam a funcionar como antes. v1.0 acrescenta a configuração do motor: seleção de modelo, cadeias de fallback, voz da marca, glossários, pontuação de qualidade. Tudo por idioma. Tudo a partir do dashboard. Zero migração.

Se é novo na Lingo.dev — crie uma conta gratuita de programador e obtenha um motor de localização pré-configurado. Primeiro build traduzido em 4 minutos com a CLI, ou integre através da API.

A sua próxima versão chega a todos os idiomas com terminologia consistente. O glossário que criar na primeira semana aplica todos os termos da marca em todas as línguas, em todos os builds — o custo de configuração é assumido à partida, não multiplicado por tradução. Quando um programador altera um parágrafo, o pipeline de CI retraduz apenas esse parágrafo — mesmo motor, mesmo glossário, mesmo limiar de qualidade. A tradução deixa de ser um handoff. Passa a ser uma etapa do build.

O Lingo.dev v1.0 foi criado de raiz para equipas de engenharia, gestores de localização e responsáveis de produto que precisam que a localização funcione como infraestrutura. Equipas que prefiram coordenar tradutores humanos através de rondas manuais de revisão poderão achar que as plataformas de localização tradicionais são uma opção mais adequada.

Crie uma conta gratuita de programador para começar, ou marque uma demonstração.

A RAL está para a localização como a RAG está para a geração. O Lingo.dev v1.0 é onde a põe a correr.

Próximos passos#