Представляем Lingo.dev v1.0

Каждая команда локализации знает этот сценарий. Переводчики, не до конца знакомые с продуктом, ошибаются в терминах бренда. У обёрток над LLM нет памяти между запросами. Через несколько релизов терминология начинает плыть — и никто этого не замечает, потому что итоговая оценка качества показывает 0,95, и все идут дальше.

Мы измерили этот разрыв. Подстановка контекста из глоссария во время инференса снижает количество терминологических ошибок на 17–45% у пяти провайдеров LLM и в пяти европейских языках. Мы называем это retrieval augmented localization (RAL). LLM достигли порога качества, достаточного для промышленного перевода, — но только при правильно выстроенном конвейере контекста. Без него каждый изолированный запрос становится новой точкой риска для дрейфа терминологии. В Lingo.dev, создав инфраструктуру локализации для перевода более 200 млн слов для клиентов вроде Mistral, Solana, SoSafe и Cal.com, мы построили v1.0 именно вокруг этого.

Движок локализации#

Движок локализации — это stateful API перевода в Lingo.dev: реализация RAL, которая сохраняет контекст предметной области между всеми запросами. Настройте один раз — и используйте где угодно:

• Модели — выбирайте любую модель из каталога OpenRouter. Расставляйте модели по приоритету для каждой локали и задавайте fallback-цепочки: если основная модель недоступна, движок направит запрос к следующей без потери запроса.
• Глоссарий — сопоставляйте исходные термины с переводами для каждой пары локалей. Движок подставляет подходящие термины в каждый запрос. Когда движок Cal.com встречает "Workspace", глоссарий разрешает этот термин ещё до того, как LLM сгенерирует хотя бы один токен — без какого-либо онбординга переводчиков.
• Тональность бренда — задавайте тон и регистр для каждой локали. Формальный — для юридических текстов на немецком, разговорный — для японского маркетинга, технический — для англоязычной документации.
• Инструкции — задавайте правила для конкретных паттернов по локалям: французские правила элизии, португальские орфографические нормы, немецкие кавычки, предпочтения по англицизмам в итальянском.

Этот движок сохраняет состояние. Каждый термин глоссария, каждое правило тональности бренда, каждая инструкция остаются доступными между запросами. Первый перевод через новый движок выполняется без контекста. Тысячный — уже опирается на всё, что команда настроила с первого дня. В рабочих процессах CI/CD на основе diff каждая сборка заново переводит только то, что изменилось. Именно statefulness движка и предотвращает дрейф терминологии — тот самый, от которого страдают и переводчики-люди, и stateless-обёртки над LLM.

Тестируйте конфигурации в playground до выхода в продакшен. Проверьте строку, сравните результаты по локалям и отправляйте в продакшен, когда всё выглядит как нужно.

Как его вызывать#

Три пути интеграции. Один и тот же движок, один и тот же контекст, одно и то же качество:

CLI — укажите свой репозиторий и переведите все настроенные локали одной командой:

npx lingo.dev@latest run

CI/CD — интеграция с GitHub открывает pull request с переведёнными строками при каждом push. Проверяйте переводы прямо в diff и мержите, когда всё готово. Без передач между командами. Без ожидания внешних подрядчиков.

API — вызывайте движок напрямую из backend-кода:

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"
    }
  }'

Логируется каждый запрос: какая модель использовалась, сколько токенов потрачено, сработал ли fallback, какие термины из глоссария были применены, какие инструкции совпали. Панель отчётов показывает объём слов, расход токенов, основные локали, покрытие глоссария и темпы изменений — чтобы вы точно видели, какие термины реально соблюдаются и где покрытие ещё недостаточно.

Свобода выбора модели#

Согласованность терминологии не должна зависеть от того, каким провайдером LLM вы пользуетесь. RAL отделяет слой согласованности — глоссарий, тональность бренда, инструкции — от модели, которая выполняет перевод. Обогащённый контекст направляет любую модель к результату, корректному с точки зрения предметной области. Меняйте GPT-5.4 на Claude Opus между релизами без перенастройки ни одного термина в глоссарии.

Такое разделение также устраняет vendor lock-in. API перевода на закрытых моделях привязывают глоссарий, стилевые правила и терминологию к одному провайдеру. Регрессия модели превращается в тикет в поддержку. Лучшая модель от другого провайдера остаётся вне доступа. В Lingo.dev модель — это параметр конфигурации, а слой согласованности сохраняется независимо от того, какая модель работает в основе.

Когда мы тестировали пять провайдеров на EU AI Act, Mistral с глоссарием из 72 терминов (MQM 0.940, где 1.0 означает отсутствие ошибок) приблизился к базовому качеству Google (0.938). Разница в стоимости — на порядок. Хорошо выстроенный глоссарий снижает требования к тому, сколько «интеллекта» нужно от модели. По мере развития глоссариев платформа подсказывает, когда более дешёвая модель сможет обеспечить тот же порог качества.

Оценка качества#

Исправить дрейф терминологии — лишь половина задачи. Вторая половина в том, что стандартные метрики качества его даже не замечают. Наше исследование показало: итоговые оценки качества перевода — те самые, что используются в бенчмарках и лидербордах, — давали одинаковые баллы для сырого перевода и перевода с глоссарием, тогда как многомерная оценка фиксировала на 17–45% меньше терминологических ошибок. Разрыв, который закрывает RAL, просто невидим для метрики, которой индустрия измеряет качество перевода.

Проблему, которую нельзя измерить, нельзя и исправить. Lingo.dev v1.0 поставляется с AI-оценщиками — автоматизированными проверками качества, которые оценивают каждый перевод по отдельным измерениям, а не по одному итоговому числу. Задавайте критерии на естественном языке: "Сохранены ли все HTML-теги?" или "Оцените естественность для носителя языка." Независимая LLM оценивает результат — если перевод делает GPT-5.4, то Claude Sonnet выставляет оценку, устраняя предвзятость самооценки.

Межмодельная оценка по отдельным измерениям выявляет то, что упускают итоговые оценки: галлюцинированные термины, смещённый регистр, сломанные плейсхолдеры и дрейф терминологии, который незаметно накапливается от релиза к релизу.

Что это значит#

Если вы уже используете Lingo.dev — инструменты CLI, CI/CD и MCP продолжают работать как прежде. v1.0 добавляет настройку движка: выбор модели, fallback-цепочки, тональность бренда, глоссарии, оценку качества. Всё по локалям. Всё из панели управления. Без миграции.

Если вы только знакомитесь с Lingo.dev — создайте бесплатный аккаунт разработчика и получите готовый к работе движок локализации. Первая переведённая сборка — за 4 минуты с CLI, либо интеграция через API.

Ваш следующий релиз выйдет на все локали с согласованной терминологией. Глоссарий, который вы соберёте в первую неделю, будет обеспечивать соблюдение всех терминов бренда на всех языках и в каждой сборке — затраты на настройку возникают один раз, а не повторяются для каждого перевода. Когда разработчик меняет абзац, конвейер CI заново переводит только его — тот же движок, тот же глоссарий, тот же порог качества. Перевод перестаёт быть передачей задачи. Он становится этапом сборки.

Lingo.dev v1.0 специально создан для инженерных команд, менеджеров по локализации и product lead'ов, которым нужно, чтобы локализация работала как инфраструктура. Командам, которые предпочитают координировать работу переводчиков через циклы ручной проверки, традиционные платформы локализации могут подойти лучше.

Создайте бесплатный аккаунт разработчика, чтобы начать, или запишитесь на демо.

RAL для локализации — то же, что RAG для генерации. Lingo.dev v1.0 — платформа, где это работает.

Следующие шаги#