Команда Index LLM китайского видеохостинга Bilibili (IndexTeam) выпустила открытое семейство моделей машинного перевода Index-Translate на базе Qwen3.5 под лицензией Apache-2.0. Модели работают со 150 языками, включая русский, и подчиняются инструкциям перевода: заданному глоссарию, сохранению разметки, кода и плейсхолдеров. Версии 2B и 9B уже можно скачать на Hugging Face и запускать локально, а более крупный MoE-флагман обещан позже.

image

Что произошло

Команда Index LLM китайского видеохостинга Bilibili, известная как IndexTeam, выложила в открытый доступ семейство моделей машинного перевода Index-Translate, дообученное на базе Qwen3.5. Линейка состоит из версий 2B и 9B, а также MoE-флагмана 35B-A3B, у которого 30 млрд параметров, из которых около 3 млрд активны на токен; всё семейство распространяется по лицензии Apache-2.0. Модели переводят между 150 языками, включая русский, принимают инструкции перевода — глоссарий, сохранение разметки, кода и плейсхолдеров, стиль и контекст — и дополнительно понимают мемы и сленг китайских интернет-сообществ. Вместе с основными моделями представлены четыре производные: Index-Echo S2TT переводит речь сразу в субтитры, Index-Echo S2ST делает речь в речь с сохранением голоса говорящего для направлений ZH и EN на шесть языков, Index-Homura-9B подгоняет перевод под заданное число слогов и стала лучшей среди 20 моделей на бенче Sandglass с композитом 0,8660, а Index-Nailong-9B переводит целую книгу за один проход. К релизу опубликован технический отчёт arXiv:2609.40181 и собрана коллекция на Hugging Face, где версии 2B и 9B уже доступны для скачивания, тогда как веса флагмана 35B-A3B пока не опубликованы и модель помечена как preview.

Контекст

Выпуск вписывается в быстрый рост отдельной ниши открытого машинного перевода, где соперничают Bilibili, Alibaba с семейством Hy-MT2 и Google с TranslateGemma, появились собственные лидерборды и специализация под речь, дубляж и длинные тексты. Ставка IndexTeam раскрыта в техническом отчёте: на FLORES-200 в метрике COMET-22 флагман 35B-A3B набирает 0,8794, версия 9B — 0,8789, DeepSeek-V4.1-Flash — 0,8762, GPT-5.6-Sol — 0,8650, а открытые универсальные Hy-MT2-7B, Hy-MT2-30B-A3B и TranslateGemma-12B остаются позади. Определяющим при этом является не чистое качество перевода, а выполнение требований перевода: по метрике instTrans IFscore версия 35B-A3B достигает 0,8336 против 0,7624 у GPT-5.6-Sol, то есть точное следование глоссарию, структуре таблиц и плейсхолдерам даёт заметный отрыв от универсальных фронтирных моделей. Такой профиль указывает на целенаправленную специализацию семейства поверх базовой Qwen3.5, а открытая лицензия с опубликованным отчётом делают рецепт воспроизводимым для любой другой команды.

Почему это важно для индустрии

Для разработчиков и компаний ключевым становится не рейтинг качества, а управляемость конвейера, поскольку сохранение терминов, структуры таблиц и плейсхолдеров критично для пайплайнов субтитров, локализации и подготовки данных, где универсальные LLM ломают формат. Продакшн-задачи класса «разметка, код, плейсхолдеры, глоссарий» уже можно разворачивать на одной видеокарте с 24 ГБ VRAM под Apache-2.0 вместо платного API с непредсказуемым поведением на форматированных данных. Инструктируемый перевод превращается в commodity: открытые веса на 8–24 ГБ VRAM снимают ценовой люкс операции «просто перевести» и переносят маржу в воркфлоу-слои — память глоссариев, контроль качества, интеграцию и дистрибуцию, а не в веса модели. Вероятная ответная волна со стороны Hy-MT2 и TranslateGemma и независимые перезапуски метрик сообществом усилят давление на цены API-перевода, а практический выигрыш лежит в устойчивости к форматам, а не в чистом бенчмарке.

Почему это важно для пользователей

Практический интерес начинается со скачивания: коллекция IndexTeam/index-translate на Hugging Face содержит версии 2B и 9B под Apache-2.0, где 2B запускается локально примерно на 8 ГБ видеопамяти в bf16, а 9B — на 24 ГБ. Русский поддерживается в обе стороны, а инструкции позволяют задать глоссарий и сохранить разметку, код и плейсхолдеры, что сразу применимо к субтитрам и технической документации. Речевые модели семейства дают готовые сценарии: Index-Echo S2TT собирает субтитры прямо из речи, Index-Echo S2ST озвучивает дубляж с сохранением голоса говорящего из китайского и английского на шесть языков, Index-Homura-9B подбирает длину фраз под синхронизацию губ, а Index-Nailong-9B переводит книгу целиком за один проход. За вечер можно поднять локальный инференс и собрать MVP — пайплайн субтитров или локализацию документации с глоссарием, не пропуская данные через внешние сервисы.

Что пока неизвестно / ограничения

К приводимым метрикам есть серьёзные оговорки. Разрыв флагмана с DeepSeek-V4.1-Flash на FLORES-200 порядка 0,003 лежит на уровне возможного статистического шума, а превосходство над GPT-5.6-Sol на 0,014 не подкреплено данными о статистической значимости. Единственный нешорный ориентир в наборе, бенч WMT26, рисует обратную картину: версия 9B набирает 75,35 против 89,10 у GPT-5.6-Sol и 83,55 у DeepSeek-V4.1-Flash, причём судьёй выступает GPT-5.6-Sol, что создаёт конфликт интересов в оценках. Вдобавок флагман 35B-A3B до сих пор в статусе preview: его веса обещаны позже, поэтому главный результат MoE нельзя проверить независимо, а вывод об обгоне фронтира опирается на интерпретацию выбранной метрики, а не на подтверждённые сторонние тесты.

Источники

Автор

Look at AI, редакция