A equipe do Index LLM da Bilibili apresentou o Index-Translate — uma família de modelos de tradução multilíngue desenvolvidos com base no Qwen3.5 da Alibaba. Esses modelos de texto suportam 150 idiomas, incluindo chinês e inglês, e estão disponíveis sob a licença Apache-2.0 nas plataformas Hugging Face e ModelScope. Eles são lançados nos tamanhos 2B, 9B e 35B-A3B (versão preliminar), e são acompanhados por um relatório técnico, código no GitHub e demonstração online.
A funcionalidade dos modelos vai além da simples tradução; eles são capazes de seguir instruções relativas à terminologia, formatação e manutenção de conteúdo inalterado. Por exemplo, em um caso, o modelo 9B traduziu uma notificação de serviço de jogo em formato JSON para coreano, mantendo sua estrutura, asteriscos e hashtag, conforme solicitado pelo usuário.
A família de modelos se expande em três ramificações especializadas. O Index-Echo gera legendas ou dublagens traduzidas, preservando as características da voz do locutor original. Seu pacote de conversão de fala para fala em lote abrange traduções de chinês para inglês, espanhol e japonês, bem como de inglês para chinês, espanhol e japonês. O modelo Index-Homura ajusta a tradução de acordo com o número alvo de sílabas, o que é crítico para dublagem e legendagem. E o Index-NativeLong, disponível sob os identificadores Index-Nailong, lida com a tradução de documentos inteiros, garantindo a consistência das referências entre eles.
Os exemplos apresentados pela Bilibili são baseados no conteúdo da própria comunidade. Quando o modelo 9B processou uma expressão gíria de gamer sobre querer jogar Final Fantasy XIV, ele a traduziu como «When the FFXIV itch hits, just go play.». Em um texto de ficção de cerca de 32.000 tokens, onde o nome do personagem poderia ter sido interpretado como um título real, o modelo para documentos longos manteve esse nome consistentemente, enquanto o mesmo modelo 9B, trabalhando em partes, permitia outras opções de tradução.
De acordo com benchmarks internos da equipe, a versão preliminar 35B-A3B obteve um resultado de 0.8794 no FLORES (COMET-22) e 76.76 na avaliação do juiz WMT26. O modelo 9B alcançou os índices de 0.8789 e 75.35. Vale notar que alguns grandes modelos gerais demonstram resultados mais altos no WMT26, incluindo o DeepSeek-V4.1-Flash com um resultado de 83.55. Ao lidar com tarefas de baixa disponibilidade de recursos de seguimento de instruções, o modelo 9B mostrou a melhor pontuação em instruções — 0.7725 — e a menor taxa de desvio do objetivo — 3.47% entre todos os modelos comparados. O modelo Index-Homura-9B atinge o número de sílabas especificado em 81.92% dos casos dentro de 10%, de acordo com o teste SandGlass da equipe.
A equipe também desenvolveu seus próprios benchmarks para monitorar o seguimento de instruções, gírias de jogos e controle de sílabas. O repositório inclui uma extensão de navegador que permite traduzir páginas da web usando um modelo implantado localmente, bem como um pipeline para dublagem de vídeo. A Bilibili planeja lançar o modelo oficial 35B-A3B, tornar seus benchmarks públicos, adicionar idiomas ao Index-Echo e publicar modelos maiores.