Künstliche Intelligenz, aktuell.
Direkt aus den Originalmeldungen.

OpenRouter startet Beta-Lokalisierung in acht Sprachen

12. November 2026Von der KI Nachrichten RedaktionQuelle: OpenRouter
OpenRouter startet Beta-Lokalisierung in acht Sprachen
Bild: OpenRouter

OpenRouter hat neben Englisch eine Beta-Lokalisierung in sieben Sprachen gestartet: Chinesisch, Spanisch, brasilianisches Portugiesisch, Deutsch, Französisch, Japanisch und Koreanisch. Nach Angaben des Unternehmens aktualisiert die automatisierte Pipeline die Übersetzungen täglich und leitet fehlgeschlagene oder umstrittene Ergebnisse zur erneuten Verarbeitung und menschlichen Prüfung weiter.

Das Wichtigste in Kürze
  • Die OpenRouter-Lokalisierung befindet sich neben Englisch in sieben weiteren Sprachen in der Beta.
  • Die tägliche Pipeline erkennt geänderte Zeichenketten und speichert Übersetzungen in Git.
  • GPT-6.1 Sol bestand 99.2% von 254 Modellvergleichsfällen beim ersten Versuch.
  • Fehlgeschlagene Übersetzungen können mehrere Wiederholungen, Prüfungen und eine menschliche Kontrolle durchlaufen.
  • Im schlimmsten Fall kann das System etwa 20 Modellaufrufe pro Zeichenkette und Sprache erfordern.

Sieben Sprachen kommen zu Englisch hinzu

Die lokalisierten Versionen sind auf 简体中文, Español, Português (Brasil), Deutsch, Français, 日本語 und 한국어 verfügbar. Nutzer können die Sprache im Kontomenü wechseln oder sprachspezifische Adressen wie openrouter.ai/ja und openrouter.ai/ko/models aufrufen.

OpenRouter zufolge startet die Lokalisierung als Beta. Die Website des Unternehmens enthält 16,918 englische Zeichenketten, von denen sich einige täglich ändern. Eine einmalige Übersetzung wäre deshalb schnell veraltet. Daher hat das Unternehmen ein System entwickelt, das geänderte Zeichenketten erkennt, übersetzt und die Ergebnisse als Teil des täglichen Entwicklungsprozesses überprüft.

So funktioniert die Übersetzungspipeline

Die Übersetzungen werden als JSON-Kataloge zusammen mit dem Code in Git gespeichert. OpenRouter nutzt die quelloffene General Translation-Laufzeit, um Zeichenketten im React-Code zu kapseln. Die übersetzten Dateien werden zur Laufzeit lokal geladen. Solange eine geänderte Zeichenkette noch nicht übersetzt ist, zeigt die Website weiterhin den englischen Ausgangstext an.

Jeder Eintrag enthält einen Fingerabdruck des englischen Ausgangstexts. Wenn sich dieser Text ändert, stimmt der Fingerabdruck nicht mehr überein und die Übersetzung landet erneut in der Warteschlange. So kann das System veraltete Einträge erkennen, ohne den gesamten Katalog neu zu übersetzen.

Die Pipeline umfasst fünf Stufen: Extraktion, Übersetzung, Code-Prüfungen, Verifizierung und Review. Neue oder geänderte Zeichenketten werden in Paketen von bis zu 40 an GPT-6.1 Sol übermittelt. Die Anfrage enthält dabei UI-Rollen, Glossarregeln und Stilhinweise. Code-Prüfungen weisen Probleme mit ICU-Platzhaltern, Pluralzweigen, Rich-Text-Tags, Leerzeichen und unzulässigen Schreibweisen von Produktbegriffen zurück.

Ein zweiter Aufruf desselben Modells überprüft jede Übersetzung anhand des englischen Texts. Bei kritischen oder schwerwiegenden Problemen wird die Zeichenkette mit den Einwänden des Prüfers an den Übersetzer zurückgesendet. Fehlgeschlagene Pakete können in kleineren Teilen erneut verarbeitet werden, standardmäßig mit bis zu 4 Prüfungsdurchläufen und einer Einstellung, die auf 20 steigen kann. Nach dem ersten Versuch erhält der Übersetzer bis zu 3 weitere Versuche.

Im schlimmsten Fall sind laut OpenRouter etwa 20 Modellaufrufe pro Zeichenkette und Sprache erforderlich. Wenn der Prüfer nicht verfügbar ist, schreibt die Pipeline nichts und belässt die Zeichenkette auf Englisch. Jedes tägliche Paket wird zu einem Pull Request, in dem ein KI-Reviewer seine Ergebnisse veröffentlicht und ein Mensch über das Zusammenführen entscheidet.

Warum OpenRouter das leistungsfähigere Modell gewählt hat

Der Modellvergleich von OpenRouter umfasste 254 Fälle. GPT-6.1 Sol bestand 99.2% der Fälle beim ersten Versuch, verglichen mit 91.7% beim kleineren GPT-6 Luna. Das Unternehmen erklärt, GPT-6 Luna sei auf Koreanisch und Japanisch am schwächsten gewesen. Einige der schwierigsten Fehler seien bei jedem erneuten Versuch bestehen geblieben, weil General Translation die Antworten nicht kompilieren konnte.

Für diese 254 Fälle kostete GPT-6.1 Sol $1.94 gegenüber $0.57 für GPT-6 Luna, also etwa 3.4-mal so viel. OpenRouter zufolge nimmt das Unternehmen die höheren Kosten in Kauf, weil eine nicht konvergierende Übersetzung mehr Zeit und Aufwand bei der Behebung erfordern kann.

Nach Tests entfernte das Unternehmen außerdem ein separates Bewertungsmodell, da es zu viele korrekte Ergebnisse zur erneuten Übersetzung zurückschickte. Mit dem Prüfer sank die Genauigkeit beim ersten Durchlauf durch die Deaktivierung des Bewertungsmodells von 99.2% auf 98.8%, während das Endergebnis unverändert blieb.

Was das System für Nutzer bedeutet

Das System soll lokalisierte Seiten an die sich verändernde englische Oberfläche von OpenRouter anpassen, statt Übersetzung als einmaliges Projekt zu behandeln. Prüfer können gemeldete Fehler in Glossarregeln, Stilhinweise, Überschreibungen oder künftige Testfälle umwandeln.

OpenRouter räumt ein, dass einige Fehler die automatisierten Prüfungen weiterhin passieren. In diesen Fällen weist die Markierung im Pull Request die für das Zusammenführen verantwortliche Person auf das Problem hin. Für Nutzer besteht die Rückfallebene aus einer englischen Zeichenkette, wenn eine Übersetzung nicht sicher erstellt werden kann. Die Beta bietet ihnen gleichzeitig Zugriff auf sieben zusätzliche Sprachen, während das Unternehmen den Prozess weiter verfeinert.

Ähnliche Meldungen

OpenRouter stellt praxisnahe Methode zum Benchmarking von LLMs vor
Forschung12. November 2026

OpenRouter stellt praxisnahe Methode zum Benchmarking von LLMs vor

OpenRouter hat einen Leitfaden zum Benchmarking großer Sprachmodelle mit anwendungsspezifischen Aufgaben, codebasierter Bewertung und wiederholbaren Durchläufen…

OpenRouter berechnet, wann sich das Selbst-Hosting eines LLM lohnt
Für Entwickler12. November 2026

OpenRouter berechnet, wann sich das Selbst-Hosting eines LLM lohnt

Das Selbst-Hosting eines Open-Weight-LLM ist laut einer Analyse von OpenRouter nur dann günstiger als die Nutzung einer API, wenn der Datenverkehr die GPU ausreichend…

SambaNova bringt Z.ais GLM-5.3 mit über 200 Tokens/s auf SambaCloud
Modelle11. November 2026, 19:16

SambaNova bringt Z.ais GLM-5.3 mit über 200 Tokens/s auf SambaCloud

SambaNova zufolge ist Z.ais GLM-5.3 jetzt mit über 200 Tokens pro Sekunde auf SambaCloud verfügbar. Entwickler erhalten damit Zugriff auf ein Modell mit offenen…