LLM 模型

Lingo.dev 上的每个本地化引擎都会使用 LLM 模型来生成翻译。你可以为每个语言区域组合选择对应模型、配置回退以提升可靠性，并通过通配符语言区域设置默认值——全程无需管理 API 密钥或提供商账户。

可用模型#

Lingo.dev 通过统一平台，提供来自各大主流提供商的 400+ 模型：

完整模型目录及上下文窗口大小，可在 LLM Models 页面查看。

模型配置#

模型配置用于在本地化引擎中，为某个源语言区域与目标语言区域组合指定特定模型。

当引擎收到翻译请求时，会根据源语言区域和目标语言区域，选择匹配度最高且最具体的配置。

默认配置与自定义#

自 2023 年起，Lingo.dev 团队一直在研究哪些模型最适合不同语言组合的翻译。创建新的本地化引擎时，系统会预先配好一套合理的模型默认配置——主模型与回退模型都基于这些研究结果选定，并兼顾常见语言和低资源语言的翻译质量。对大多数团队来说，无需额外调整。

这套默认配置开箱即用，效果可靠。你当然可以编辑任意模型配置、更换提供商、添加回退，或用你偏好的模型覆盖特定语言区域组合——但这些默认值已经凝结了我们在数百种语言组合上的实践经验。引擎的模型配置，始终由你完全掌控。

回退模型#

LLM 的演进速度极快——新模型几乎每周发布，能力代代提升，价格也随着竞争加剧而不断下降。但这种高速变化也伴随着代价：提供商宕机、速率限制、内容过滤规则调整，以及模型弃用，都是常态。依赖单一模型的生产级本地化流水线，迟早会出问题。

Lingo.dev 的本地化引擎专为生产级翻译工作流打造。每个语言区域组合都支持配置回退模型——如果主模型失败，引擎会自动、无感地继续尝试下一个回退模型，无需人工介入，也不会让失败请求暴露给你的用户。

回退顺序如何生效#

引擎会先按配置的具体程度排序，再按优先级排序：

1. 目标语言区域具体性 - 精确匹配的目标语言区域优先于通配符 *
2. 源语言区域具体性 - 精确匹配的源语言区域优先于通配符 *
3. 优先级 - 默认优先，其次是回退

示例#

假设某个引擎有如下配置：

当请求翻译 en → de 时，模型会按以下顺序依次尝试：

1. GPT-4o - 精确匹配，默认
2. Claude Sonnet - 精确匹配，回退
3. Gemini Flash - 源语言区域为通配符、目标语言区域精确匹配，默认
4. GPT-4o-mini - 源和目标语言区域均为通配符，默认

当请求翻译 fr → de 时，会跳过前两个配置（源语言不匹配），从 Gemini Flash 开始尝试。

通配符语言区域#

将源语言区域或目标语言区域设为 *，即可创建默认配置，在没有更具体语言区域配置时自动生效。

常见用法：

具体配置始终优先于通配符配置。你可以先用通配符设定合理的默认值，再针对需要特殊处理的语言区域组合单独覆盖。

通过 MCP 管理模型配置#

如果你使用 Lingo.dev MCP server，AI 编码助手就能直接帮你配置模型：

"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."

下一步#