Перевод и локализация: ИИ-переводчик через API
Книги, документация, маркетинговые материалы — на 100+ языках, контекстно-аккуратно.
Машинный перевод 2026 года — не Google Translate. Современные LLM понимают контекст, регистр, отраслевую терминологию. Claude Sonnet и GPT-5 часто на уровне профессионального переводчика. Огромный контекст (1M токенов) позволяет переводить целые книги одним запросом.
Рекомендуемые модели для этой задачи
Пример кода
python# Перевод с сохранением структуры и терминологии
doc = open("manual.md").read()
resp = client.chat.completions.create(
model="anthropic/claude-sonnet-4.6",
messages=[{
"role": "system",
"content": "Ты технический переводчик RU→EN. Сохраняй markdown-форматирование, термины оставляй как есть в скобках при первом упоминании."
}, {
"role": "user", "content": f"Переведи на английский:\n\n{doc}"
}],
)
open("manual.en.md", "w").write(resp.choices[0].message.content)
Замените ng-... на свой ключ из личного кабинета. Полная документация — /api/.
Запустите свой Перевод и локализация
Один OpenAI-совместимый эндпоинт, любая из 401+ моделей, биллинг ИП/ООО в рублях.
Получить API-ключ → Документация APIЧасто задаваемые вопросы
Какая модель лучший RU↔EN?
Claude Sonnet 4.6 — «де-факто». GPT-5 — формальный текст. Gemini Pro — высокая скорость + длинный контекст.
Что с китайским / корейским?
Qwen3, DeepSeek, Gemini — нативные сильные стороны на азиатских языках. У DeepSeek заметно лучше чем у GPT/Claude.
Можно ли перевести книгу 500 страниц за один запрос?
Gemini 2.5 Pro и Claude Sonnet поддерживают до 1M токенов. 500 страниц ~ 200K токенов — уместится. Лучше всё-таки бить на главы для consistency.
Какой контроль качества?
Двухпроходная схема: модель переводит, вторая модель проверяет (back-translation comparison или LLM-as-judge).