chore: update i18n (#15712)

chore: update i18n files

locales/ar/chat.json

@@ -15,6 +15,8 @@
   "agentBuilder.installPlugin.retry": "إعادة المحاولة",
   "agentBuilder.title": "منشئ الوكلاء",
   "agentBuilder.welcome": "أخبرني بحالتك.\n\nكتابة، برمجة، أو تحليل بيانات — أي شيء يناسبك. أنت تملك الهدف والمعايير؛ سأقوم بتقسيمها إلى وكلاء تعاونيين قابلين للتنفيذ.",
+  "agentConfigError.retry": "إعادة المحاولة",
+  "agentConfigError.title": "فشل في تحميل إعدادات الوكيل",
   "agentDefaultMessage": "مرحبًا، أنا **{{name}}**. جملة واحدة تكفي.\n\nهل ترغب في أن أتناسب مع سير عملك بشكل أفضل؟ انتقل إلى [إعدادات الوكيل]({{url}}) واملأ ملف تعريف الوكيل (يمكنك تعديله في أي وقت).",
   "agentDefaultMessageWithSystemRole": "مرحبًا، أنا **{{name}}**. جملة واحدة تكفي — أنت المتحكم.",
   "agentDefaultMessageWithoutEdit": "مرحبًا، أنا **{{name}}**. جملة واحدة تكفي — أنت المتحكم.",
@@ -252,6 +254,10 @@
   "input.costEstimate.tooltip": "تم التقدير بناءً على السياق الحالي، الأدوات، وتسعير النموذج. قد تختلف التكلفة الفعلية.",
   "input.disclaimer": "قد يخطئ الوكلاء. استخدم حكمك الخاص للمعلومات الحساسة.",
   "input.errorMsg": "فشل الإرسال: {{errorMsg}}. أعد المحاولة أو أرسل لاحقًا.",
+  "input.inputCompletionError.desc": "توقفت اقتراحات الإدخال بعد حدوث خطأ. حاول مرة أخرى، أو قم بتعديل نموذج الاقتراح في الإعدادات.",
+  "input.inputCompletionError.retry": "إعادة المحاولة",
+  "input.inputCompletionError.settings": "الإعدادات",
+  "input.inputCompletionError.title": "توقفت اقتراحات الإدخال",
   "input.more": "المزيد",
   "input.send": "إرسال",
   "input.sendWithCmdEnter": "اضغط <key/> للإرسال",
@@ -1006,7 +1012,9 @@
   "workingPanel.localFile.closeRight": "إغلاق إلى اليمين",
   "workingPanel.localFile.error": "تعذر تحميل هذا الملف",
   "workingPanel.localFile.preview.raw": "خام",
+  "workingPanel.localFile.preview.reload": "إعادة تحميل المعاينة",
   "workingPanel.localFile.preview.render": "معاينة",
+  "workingPanel.localFile.preview.source": "المصدر",
   "workingPanel.localFile.truncated": "تم تقليص معاينة الملف إلى {{limit}} حرفًا",
   "workingPanel.progress": "Progress",
   "workingPanel.progress.allCompleted": "All tasks completed",

locales/ar/modelProvider.json

@@ -239,6 +239,7 @@
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken32k.hint": "لـ GLM-5 و GLM-4.7؛ يتحكم في ميزانية الرموز للتفكير (الحد الأقصى 32k).",
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken80k.hint": "لسلسلة Qwen3؛ يتحكم في ميزانية الرموز للتفكير (الحد الأقصى 80k).",
   "providerModels.item.modelConfig.extendParams.options.reasoningEffort.hint": "لنماذج OpenAI وغيرها من النماذج القادرة على الاستدلال؛ يتحكم في جهد الاستدلال.",
+  "providerModels.item.modelConfig.extendParams.options.ring2_6ReasoningEffort.hint": "لسلسلة Ring 2.6؛ يتحكم في شدة التفكير.",
   "providerModels.item.modelConfig.extendParams.options.step3_5ReasoningEffort.hint": "بالنسبة لسلسلة Step 3.5؛ يتحكم في شدة التفكير.",
   "providerModels.item.modelConfig.extendParams.options.textVerbosity.hint": "لسلسلة GPT-5+؛ يتحكم في تفصيل النص الناتج.",
   "providerModels.item.modelConfig.extendParams.options.thinking.hint": "لبعض نماذج Doubao؛ يسمح للنموذج بتحديد ما إذا كان يجب التفكير بعمق.",

locales/ar/models.json

@@ -27,15 +27,15 @@
   "DeepSeek-OCR.description": "يعد DeepSeek-OCR نموذج رؤية-لغة من DeepSeek AI يركز على التعرف البصري على الحروف و\"الضغط السياقي البصري\". يستكشف ضغط السياق المستخرج من الصور، ويعالج المستندات بكفاءة، ويحوّلها إلى نص منظم (مثل Markdown). يقدّم دقة عالية في التعرف على النص داخل الصور، مما يجعله مناسباً لرقمنة المستندات واستخراج النصوص والمعالجة الهيكلية.",
   "DeepSeek-R1-Distill-Llama-70B.description": "تم تقطير DeepSeek R1، النموذج الأكبر والأذكى في مجموعة DeepSeek، إلى بنية Llama 70B. تُظهر المعايير والتقييمات البشرية أنه أذكى من Llama 70B الأساسي، خاصة في مهام الرياضيات ودقة الحقائق.",
   "DeepSeek-R1-Distill-Qwen-1.5B.description": "نموذج مقطر من DeepSeek-R1 يعتمد على Qwen2.5-Math-1.5B. يعمل التعلم المعزز وبيانات البداية الباردة على تحسين أداء الاستدلال، مما يضع معايير جديدة للمهام المتعددة في النماذج المفتوحة.",
-  "DeepSeek-R1-Distill-Qwen-14B.description": "نماذج DeepSeek-R1-Distill مدربة بدقة من نماذج مفتوحة المصدر باستخدام بيانات عينة تم إنشاؤها بواسطة DeepSeek-R1.",
-  "DeepSeek-R1-Distill-Qwen-32B.description": "نماذج DeepSeek-R1-Distill مدربة بدقة من نماذج مفتوحة المصدر باستخدام بيانات عينة تم إنشاؤها بواسطة DeepSeek-R1.",
+  "DeepSeek-R1-Distill-Qwen-14B.description": "نموذج DeepSeek-R1 المقطر يعتمد على Qwen2.5-14B. يعزز التعلم المعزز وبيانات البداية الباردة أداء الاستدلال، مما يضع معايير جديدة للمهام المتعددة للنماذج المفتوحة.",
+  "DeepSeek-R1-Distill-Qwen-32B.description": "سلسلة DeepSeek-R1 تحسن أداء الاستدلال باستخدام التعلم المعزز وبيانات البداية الباردة، مما يضع معايير جديدة للمهام المتعددة للنماذج المفتوحة ويتفوق على OpenAI o1-mini.",
   "DeepSeek-R1-Distill-Qwen-7B.description": "نموذج مقطر من DeepSeek-R1 يعتمد على Qwen2.5-Math-7B. يعمل التعلم المعزز وبيانات البداية الباردة على تحسين أداء الاستدلال، مما يضع معايير جديدة للمهام المتعددة في النماذج المفتوحة.",
-  "DeepSeek-R1.description": "يطبق DeepSeek-R1 التعلم المعزز واسع النطاق في مرحلة ما بعد التدريب، مما يعزز قدرات الاستدلال بشكل كبير باستخدام القليل من البيانات الموسومة. يضاهي نموذج OpenAI o1 في مهام الرياضيات، البرمجة، والاستدلال اللغوي.",
+  "DeepSeek-R1.description": "نموذج لغة كبير عالي الكفاءة وحديث، يتميز بالقوة في الاستدلال والرياضيات والبرمجة.",
   "DeepSeek-V3-1.description": "DeepSeek V3.1 هو نموذج استدلال من الجيل التالي يتميز بتحسينات في الاستدلال المعقد وسلسلة التفكير، مناسب لمهام التحليل العميق.",
   "DeepSeek-V3-Fast.description": "المزود: sophnet. DeepSeek V3 Fast هو الإصدار عالي السرعة من DeepSeek V3 0324، بدقة كاملة (غير مضغوطة) مع أداء أقوى في البرمجة والرياضيات واستجابات أسرع.",
   "DeepSeek-V3.1-Think.description": "وضع التفكير في DeepSeek-V3.1: نموذج استدلال هجين جديد يدعم أوضاع التفكير وغير التفكير، أكثر كفاءة من DeepSeek-R1-0528. التحسينات بعد التدريب تعزز بشكل كبير استخدام الأدوات وأداء المهام التي تتطلب وكلاء.",
   "DeepSeek-V3.2.description": "يقدم deepseek-v3.2 آلية انتباه متفرّق تهدف إلى تحسين كفاءة التدريب والاستدلال عند معالجة النصوص الطويلة، مع كلفة أقل مقارنة بـ deepseek-v3.1.",
-  "DeepSeek-V3.description": "DeepSeek-V3 هو نموذج MoE تم تطويره بواسطة DeepSeek. يتفوق على نماذج مفتوحة أخرى مثل Qwen2.5-72B وLlama-3.1-405B في العديد من المعايير، ويتنافس مع النماذج المغلقة الرائدة مثل GPT-4o وClaude 3.5 Sonnet.",
+  "DeepSeek-V3.description": "النشر المفتوح من ByteDance Volcengine هو الأكثر استقرارًا حاليًا؛ موصى به. تم ترقيته تلقائيًا إلى الإصدار الأحدث (250324).",
   "Doubao-lite-128k.description": "يوفر Doubao-lite استجابات فائقة السرعة وقيمة أفضل، مع خيارات مرنة عبر السيناريوهات. يدعم سياق 128K للاستدلال والتدريب الدقيق.",
   "Doubao-lite-32k.description": "يوفر Doubao-lite استجابات فائقة السرعة وقيمة أفضل، مع خيارات مرنة عبر السيناريوهات. يدعم سياق 32K للاستدلال والتدريب الدقيق.",
   "Doubao-lite-4k.description": "يوفر Doubao-lite استجابات فائقة السرعة وقيمة أفضل، مع خيارات مرنة عبر السيناريوهات. يدعم سياق 4K للاستدلال والتدريب الدقيق.",
@@ -83,13 +83,12 @@
   "Kimi-K2.5.description": "Kimi K2.5 هو أقوى نموذج من سلسلة Kimi، ويقدم أداءً متقدماً مفتوح المصدر في مهام الوكلاء والبرمجة وفهم الرؤية. يدعم الإدخال متعدد الوسائط ووضعَي التفكير وغير التفكير.",
   "Kolors.description": "Kolors هو نموذج تحويل نص إلى صورة طوره فريق Kolors في Kuaishou. مدرب على مليارات المعاملات، يتميز بجودة بصرية عالية، فهم دلالي قوي للغة الصينية، وقدرات متميزة في عرض النصوص.",
   "Kwai-Kolors/Kolors.description": "Kolors هو نموذج تحويل نص إلى صورة واسع النطاق من فريق Kolors في Kuaishou. مدرب على مليارات أزواج النصوص والصور، يتفوق في الجودة البصرية، الدقة الدلالية المعقدة، وعرض النصوص الصينية/الإنجليزية، مع فهم وتوليد قويين للمحتوى الصيني.",
+  "Ling-2.5-1T.description": "كنموذج رئيسي جديد في سلسلة Ling، يقدم Ling-2.5-1T ترقيات شاملة في بنية النموذج وكفاءة الرموز ومواءمة التفضيلات، بهدف رفع جودة الذكاء الاصطناعي المتاح إلى مستوى جديد.",
+  "Ling-2.6-1T.description": "أحدث نموذج لغة كبير رئيسي، يدعم نافذة سياق تصل إلى 1 مليون رمز، مما يتيح سير عمل متكامل من الاستدلال المنطقي إلى تنفيذ المهام.",
+  "Ling-2.6-flash.description": "Ling-2.6-flash هو الجيل الأحدث من النماذج عالية الأداء في سلسلة Ling. يعتمد على بنية Mixture-of-Experts (MoE)، مع إجمالي عدد معلمات يبلغ 100 مليار و6.1 مليار معلمة مفعلة لكل رمز، مما يحقق توازنًا مثاليًا بين أداء الاستدلال وتكلفة الحوسبة.",
   "Llama-3.2-11B-Vision-Instruct.description": "استدلال بصري قوي على الصور عالية الدقة، مناسب لتطبيقات الفهم البصري.",
-  "Llama-3.2-90B-Vision-Instruct\t.description": "استدلال بصري متقدم لتطبيقات الفهم البصري المعتمدة على الوكلاء.",
+  "Llama-3.2-90B-Vision-Instruct.description": "استدلال متقدم للصور لتطبيقات الوكلاء ذات الفهم البصري.",
   "LongCat-2.0-Preview.description": "الميزات الأساسية لـ LongCat-2.0-Preview هي كما يلي: مصمم لسيناريوهات تطوير الوكلاء، مع دعم أصلي لاستخدام الأدوات، التفكير متعدد الخطوات، ومهام السياق الطويل؛ يتفوق في توليد الأكواد، سير العمل الآلي، وتنفيذ التعليمات المعقدة؛ متكامل بعمق مع أدوات الإنتاجية مثل Claude Code، OpenClaw، OpenCode، وKilo Code.",
-  "LongCat-Flash-Chat.description": "تم ترقية نموذج LongCat-Flash-Chat إلى إصدار جديد. يتضمن هذا التحديث تحسينات في قدرات النموذج فقط؛ يظل اسم النموذج وطريقة استدعاء API دون تغيير. بناءً على ميزاته المميزة مثل \"الكفاءة القصوى\" و\"الاستجابة السريعة للغاية\"، يعزز الإصدار الجديد فهم السياق وأداء البرمجة الواقعية: قدرات البرمجة المحسنة بشكل كبير: تم تحسين النموذج بشكل عميق لسيناريوهات المطورين، مما يوفر تحسينات كبيرة في مهام إنشاء الأكواد وتصحيح الأخطاء وشرحها. يُشجع المطورون بشدة على تقييم هذه التحسينات ومقارنتها. دعم سياق طويل للغاية 256K: تضاعف نافذة السياق من الجيل السابق (128K) إلى 256K، مما يتيح معالجة فعالة للوثائق الضخمة والمهام ذات التسلسل الطويل. تحسين شامل للأداء متعدد اللغات: يوفر دعمًا قويًا لتسع لغات، بما في ذلك الإسبانية والفرنسية والعربية والبرتغالية والروسية والإندونيسية. قدرات وكيل أكثر قوة: يظهر النموذج كفاءة أكبر في استدعاء الأدوات المعقدة وتنفيذ المهام متعددة الخطوات.",
-  "LongCat-Flash-Lite.description": "تم إصدار نموذج LongCat-Flash-Lite رسميًا. يعتمد على بنية فعالة من نوع Mixture-of-Experts (MoE)، مع إجمالي 68.5 مليار معلمة وحوالي 3 مليارات معلمة مفعلة. من خلال استخدام جدول تضمين N-gram، يحقق استخدامًا فعالًا للغاية للمعلمات، وتم تحسينه بشكل عميق لكفاءة الاستنتاج وسيناريوهات التطبيقات المحددة. مقارنةً بالنماذج ذات الحجم المماثل، فإن ميزاته الأساسية هي كما يلي: كفاءة استنتاج ممتازة: من خلال الاستفادة من جدول تضمين N-gram لتخفيف عنق الزجاجة في الإدخال والإخراج في بنية MoE، جنبًا إلى جنب مع آليات التخزين المؤقت المخصصة وتحسينات على مستوى النواة، يقلل بشكل كبير من زمن الاستنتاج ويحسن الكفاءة العامة. أداء قوي في الوكيل والبرمجة: يظهر قدرات تنافسية عالية في استدعاء الأدوات ومهام تطوير البرمجيات، مما يوفر أداءً استثنائيًا بالنسبة لحجم النموذج.",
-  "LongCat-Flash-Thinking-2601.description": "تم إصدار نموذج LongCat-Flash-Thinking-2601 رسميًا. كنموذج استنتاج مطور يعتمد على بنية Mixture-of-Experts (MoE)، يتميز بإجمالي 560 مليار معلمة. مع الحفاظ على تنافسية قوية عبر معايير الاستنتاج التقليدية، يعزز بشكل منهجي قدرات الاستنتاج على مستوى الوكيل من خلال التعلم المعزز متعدد البيئات واسع النطاق. مقارنةً بنموذج LongCat-Flash-Thinking، فإن الترقيات الرئيسية هي كما يلي: قوة استثنائية في البيئات المليئة بالضوضاء: من خلال تدريب منهجي بأسلوب المناهج يستهدف الضوضاء وعدم اليقين في البيئات الواقعية، يظهر النموذج أداءً ممتازًا في استدعاء أدوات الوكيل، البحث القائم على الوكيل، والاستنتاج المدمج بالأدوات، مع تحسين كبير في التعميم. قدرات وكيل قوية: من خلال إنشاء رسم بياني يعتمد على أكثر من 60 أداة، وتوسيع التدريب عبر بيئات متعددة واستكشاف واسع النطاق، يحسن النموذج بشكل ملحوظ قدرته على التعميم إلى سيناريوهات واقعية معقدة وخارج التوزيع. وضع التفكير العميق المتقدم: يوسع نطاق الاستنتاج عبر الاستنتاج المتوازي ويعمق القدرة التحليلية من خلال آليات التلخيص والتجريد المدفوعة بالتغذية الراجعة، مما يعالج المشكلات الصعبة للغاية بشكل فعال.",
-  "LongCat-Flash-Thinking.description": "لضمان حصولك على أداء تفكير من الدرجة الأولى، قامت منصة LongCat API بتوحيد وترقية الطلبات إلى نموذج LongCat-Flash-Thinking. سيتم توجيه جميع الطلبات الحالية باستخدام `model=LongCat-Flash-Thinking` تلقائيًا إلى الإصدار الأحدث، LongCat-Flash-Thinking-2601، دون الحاجة إلى تغييرات في الكود.",
   "M2-her.description": "نموذج حوار نصي مصمم لتقمص الأدوار والمحادثات متعددة الأدوار، مع تخصيص الشخصيات والتعبير العاطفي.",
   "Meta-Llama-3-3-70B-Instruct.description": "Llama 3.3 70B هو نموذج Transformer متعدد الاستخدامات لمهام المحادثة والتوليد.",
   "Meta-Llama-3.1-405B-Instruct.description": "نموذج Llama 3.1 مضبوط على التعليمات، محسن للمحادثة متعددة اللغات، ويؤدي بقوة في معايير الصناعة الشائعة بين النماذج المفتوحة والمغلقة.",
@@ -187,27 +186,10 @@
   "Qwen2.5-Coder-14B-Instruct.description": "Qwen2.5-Coder-14B-Instruct هو نموذج تعليمات برمجة مدرب مسبقًا على نطاق واسع يتمتع بفهم وتوليد قوي للشيفرة. يتعامل بكفاءة مع مجموعة واسعة من مهام البرمجة، ومثالي للبرمجة الذكية، وتوليد السكربتات التلقائي، والأسئلة والأجوبة البرمجية.",
   "Qwen2.5-Coder-32B-Instruct.description": "نموذج لغوي متقدم لتوليد الشيفرة، والاستدلال، وإصلاح الأخطاء عبر لغات البرمجة الرئيسية.",
   "Qwen3-235B-A22B-Instruct-2507-FP8.description": "Qwen3 235B A22B Instruct 2507 مُحسَّن للاستدلال المتقدم واتباع التعليمات، ويستخدم بنية MoE للحفاظ على كفاءة الاستدلال على نطاق واسع.",
-  "Qwen3-235B.description": "Qwen3-235B-A22B هو نموذج MoE يُقدِّم وضع استدلال هجين، يتيح للمستخدمين التبديل بسلاسة بين التفكير وعدم التفكير. يدعم الفهم والاستدلال عبر 119 لغة ولهجة، ويتمتع بقدرات قوية على استدعاء الأدوات، ويتنافس مع نماذج رائدة مثل DeepSeek R1 وOpenAI o1 وo3-mini وGrok 3 وGoogle Gemini 2.5 Pro في اختبارات القدرات العامة، والبرمجة والرياضيات، والقدرات متعددة اللغات، واستدلال المعرفة.",
-  "Qwen3-32B.description": "Qwen3-32B هو نموذج كثيف يُقدِّم وضع استدلال هجين، يتيح للمستخدمين التبديل بين التفكير وعدم التفكير. بفضل تحسينات في البنية، وبيانات أكثر، وتدريب أفضل، يقدم أداءً مماثلًا لـ Qwen2.5-72B.",
   "Qwen3.5-Plus.description": "يدعم Qwen3.5 Plus إدخال النصوص والصور والفيديو. أداؤه في المهام النصية البحتة مماثل لـ Qwen3 Max، مع أداء أفضل وتكلفة أقل. وقد تحسّنت قدراته متعددة الوسائط بشكل ملحوظ مقارنة بسلسلة Qwen3 VL.",
+  "Ring-2.5-1T.description": "بالمقارنة مع Ring-1T الذي تم إصداره سابقًا، يحقق Ring-2.5-1T تحسينات كبيرة عبر ثلاثة أبعاد رئيسية: كفاءة التوليد، عمق الاستدلال، وقدرة تنفيذ المهام طويلة الأمد: **كفاءة التوليد**: من خلال الاستفادة من نسبة عالية من آليات الانتباه الخطي، يقلل Ring-2.5-1T من عبء الوصول إلى الذاكرة بأكثر من 10×. عند معالجة تسلسلات تتجاوز 32 ألف رمز، يوفر إنتاجية توليد أعلى بأكثر من 3×، مما يجعله مناسبًا بشكل خاص للاستدلال العميق وتنفيذ المهام طويلة الأمد. **الاستدلال العميق**: بناءً على RLVR، يتم تقديم آلية مكافأة كثيفة لتوفير تغذية راجعة حول دقة عملية الاستدلال. يتيح ذلك لـ Ring-2.5-1T تحقيق أداء بمستوى الميدالية الذهبية في كل من IMO 2025 وCMO 2025 (تقييم ذاتي). **تنفيذ المهام طويلة الأمد**: من خلال تدريب واسع النطاق قائم على التعلم المعزز غير المتزامن بالكامل، يعزز النموذج بشكل كبير قدرته على تنفيذ المهام المعقدة بشكل مستقل على مدى فترات طويلة. يتيح ذلك لـ Ring-2.5-1T التكامل بسلاسة مع أطر برمجة الوكلاء مثل Claude Code ومساعدي الذكاء الاصطناعي الشخصيين OpenClaw.",
+  "Ring-2.6-1T.description": "Ring-2.6-1T هو نموذج استدلال بمقياس تريليون معلمة يقوم بتفعيل حوالي 63 مليار معلمة لكل استدلال. مصمم لسير عمل الوكلاء، يركز على قدرات الوكلاء، واستخدام الأدوات، وتنفيذ المهام طويلة الأمد، محققًا أداءً رائدًا في معايير مثل PinchBench وClawEval وTAU2-Bench وGAIA2-search. تم تحسين النموذج عبر جودة التنفيذ، والكمون، والتكلفة، مما يجعله مناسبًا لوكلاء البرمجة المتقدمة، وخطوط الاستدلال المعقدة، والأنظمة المستقلة واسعة النطاق.",
   "S2V-01.description": "النموذج الأساسي لتحويل المرجع إلى فيديو من سلسلة 01.",
-  "SenseChat-128K.description": "الإصدار الرابع الأساسي مع سياق 128 ألف رمز، قوي في فهم وتوليد النصوص الطويلة.",
-  "SenseChat-32K.description": "الإصدار الرابع الأساسي مع سياق 32 ألف رمز، مرن لمجموعة متنوعة من السيناريوهات.",
-  "SenseChat-5-1202.description": "أحدث إصدار مبني على V5.5، مع تحسينات كبيرة في الأساسيات الصينية/الإنجليزية، والدردشة، ومعرفة العلوم والتكنولوجيا، والمعرفة الإنسانية، والكتابة، والرياضيات/المنطق، والتحكم في الطول.",
-  "SenseChat-5-Cantonese.description": "مصمم ليتماشى مع عادات الحوار في هونغ كونغ، واللغة العامية، والمعرفة المحلية؛ يتفوق على GPT-4 في فهم الكانتونية ويضاهي GPT-4 Turbo في المعرفة، والاستدلال، والرياضيات، والبرمجة.",
-  "SenseChat-5-beta.description": "يتفوق في بعض الجوانب على SenseChat-5-1202.",
-  "SenseChat-5.description": "أحدث إصدار V5.5 مع سياق 128 ألف رمز؛ تحسينات كبيرة في الاستدلال الرياضي، والدردشة باللغة الإنجليزية، واتباع التعليمات، وفهم النصوص الطويلة، ويقارن بـ GPT-4o.",
-  "SenseChat-Character-Pro.description": "نموذج دردشة متقدم للشخصيات مع سياق 32 ألف رمز، وقدرات محسنة، ودعم للغتين الصينية والإنجليزية.",
-  "SenseChat-Character.description": "نموذج دردشة قياسي للشخصيات مع سياق 8 آلاف رمز وسرعة استجابة عالية.",
-  "SenseChat-Turbo-1202.description": "أحدث نموذج خفيف الوزن يصل إلى أكثر من 90% من قدرات النموذج الكامل بتكلفة تنفيذ أقل بكثير.",
-  "SenseChat-Turbo.description": "مناسب لأسئلة وأجوبة سريعة وسيناريوهات تحسين النماذج.",
-  "SenseChat-Vision.description": "أحدث إصدار V5.5 مع إدخال متعدد الصور وتحسينات شاملة في التعرف على السمات، والعلاقات المكانية، واكتشاف الأحداث/الحركات، وفهم المشاهد، والتعرف على المشاعر، والاستدلال المنطقي، وفهم/توليد النصوص.",
-  "SenseChat.description": "الإصدار الرابع الأساسي مع سياق 4 آلاف رمز وقدرات عامة قوية.",
-  "SenseNova-V6-5-Pro.description": "مع تحديثات شاملة في البيانات متعددة الوسائط واللغوية والاستدلالية، إلى جانب تحسين استراتيجية التدريب، يُظهر النموذج الجديد تحسنًا كبيرًا في الاستدلال متعدد الوسائط واتباع التعليمات العامة، ويدعم نافذة سياق تصل إلى 128 ألف رمز، ويتفوق في مهام التعرف على النصوص (OCR) والتعرف على الملكية الفكرية في السياحة الثقافية.",
-  "SenseNova-V6-5-Turbo.description": "مع تحديثات شاملة في البيانات متعددة الوسائط واللغوية والاستدلالية، إلى جانب تحسين استراتيجية التدريب، يُظهر النموذج الجديد تحسنًا كبيرًا في الاستدلال متعدد الوسائط واتباع التعليمات العامة، ويدعم نافذة سياق تصل إلى 128 ألف رمز، ويتفوق في مهام التعرف على النصوص (OCR) والتعرف على الملكية الفكرية في السياحة الثقافية.",
-  "SenseNova-V6-Pro.description": "يوحد بشكل أصيل بين الصورة والنص والفيديو، متجاوزًا الحواجز التقليدية بين الوسائط المتعددة؛ ويحتل المراتب الأولى في OpenCompass وSuperCLUE.",
-  "SenseNova-V6-Reasoner.description": "يجمع بين الرؤية واللغة في استدلال عميق، ويدعم التفكير البطيء وسلسلة التفكير الكاملة.",
-  "SenseNova-V6-Turbo.description": "يوحد بشكل أصيل بين الصورة والنص والفيديو، متجاوزًا الحواجز التقليدية بين الوسائط المتعددة. يتفوق في القدرات الأساسية للوسائط المتعددة واللغة، ويحتل مرتبة متقدمة في العديد من التقييمات.",
   "Skylark2-lite-8k.description": "الجيل الثاني من نموذج Skylark. يتميز Skylark2-lite بسرعة استجابة عالية في السيناريوهات الحساسة للتكلفة والتي لا تتطلب دقة عالية، مع نافذة سياق تصل إلى 8 آلاف رمز.",
   "Skylark2-pro-32k.description": "الجيل الثاني من نموذج Skylark. يوفر Skylark2-pro دقة أعلى في توليد النصوص المعقدة مثل كتابة المحتوى الاحترافي، وتأليف الروايات، والترجمة عالية الجودة، مع نافذة سياق تصل إلى 32 ألف رمز.",
   "Skylark2-pro-4k.description": "الجيل الثاني من نموذج Skylark. يوفر Skylark2-pro دقة أعلى في توليد النصوص المعقدة مثل كتابة المحتوى الاحترافي، وتأليف الروايات، والترجمة عالية الجودة، مع نافذة سياق تصل إلى 4 آلاف رمز.",
@@ -1197,6 +1179,8 @@
   "r1-1776.description": "R1-1776 هو إصدار ما بعد التدريب من DeepSeek R1 مصمم لتقديم معلومات واقعية غير خاضعة للرقابة أو التحيز.",
   "seedance-1-5-pro-251215.description": "Seedance 1.5 Pro من ByteDance يدعم تحويل النص إلى فيديو، تحويل الصورة إلى فيديو (الإطار الأول، الإطار الأول + الأخير)، وتوليد الصوت المتزامن مع المرئيات.",
   "seedream-5-0-260128.description": "ByteDance-Seedream-5.0-lite من BytePlus يتميز بتوليد معزز بالاسترجاع من الويب للحصول على معلومات في الوقت الفعلي، تفسير محسّن للمطالبات المعقدة، وتحسين اتساق المراجع لإنشاء مرئي احترافي.",
+  "sensenova-6.7-flash-lite.description": "نموذج وكيل متعدد الوسائط خفيف الوزن مصمم لسير العمل الواقعي، يدعم المحادثات النصية وفهم الصور. خفيف الوزن وفعال، يوازن بين الأداء والتكلفة وقابلية النشر. بنية متعددة الوسائط أصلية مع دعم لفهم الصور، بما في ذلك التعرف الضوئي على الحروف (OCR) وتفسير الرسوم البيانية. معزز لسيناريوهات المكتب والإنتاجية، مع دعم مستقر للمهام المعقدة طويلة السلسلة. تحسين كفاءة الرموز، مما يتيح تحكمًا أفضل في التكلفة لأعباء العمل المعقدة. طول السياق يصل إلى 256 ألف رمز (المدخلات القصوى: 252 ألف، المخرجات القصوى: 64 ألف).",
+  "sensenova-u1-fast.description": "نسخة مسرعة تعتمد على SenseNova U1، تم تحسينها خصيصًا لإنشاء الرسوم المعلوماتية.",
   "solar-mini-ja.description": "Solar Mini (Ja) يوسع Solar Mini مع تركيز على اللغة اليابانية مع الحفاظ على الأداء القوي والكفاءة في الإنجليزية والكورية.",
   "solar-mini.description": "Solar Mini هو نموذج لغة مدمج يتفوق على GPT-3.5، يتميز بقدرات متعددة اللغات قوية تدعم الإنجليزية والكورية، ويقدم حلاً فعالاً بصمة صغيرة.",
   "solar-pro.description": "Solar Pro هو نموذج لغة عالي الذكاء من Upstage، يركز على اتباع التعليمات باستخدام وحدة معالجة رسومات واحدة، مع درجات IFEval تتجاوز 80. حالياً يدعم اللغة الإنجليزية؛ وكان من المقرر إصدار النسخة الكاملة في نوفمبر 2024 مع دعم لغات موسع وسياق أطول.",

locales/ar/plugin.json

@@ -1,11 +1,21 @@
 {
   "arguments.moreParams": "إجمالي {{count}} من المعاملات",
   "arguments.title": "المعلمات",
+  "builtins.codex.apiName.collab_tool_call": "تنسيق الوكلاء الفرعيين",
   "builtins.codex.apiName.command_execution": "تشغيل الأمر",
   "builtins.codex.apiName.file_change": "تعديل الملفات",
   "builtins.codex.apiName.mcp_tool_call": "استدعاء أداة MCP",
   "builtins.codex.apiName.todo_list": "تحديث المهام",
   "builtins.codex.apiName.web_search": "البحث على الويب",
+  "builtins.codex.collabTool.agentCount_one": "{{count}} وكيل فرعي",
+  "builtins.codex.collabTool.agentCount_other": "{{count}} وكلاء فرعيون",
+  "builtins.codex.collabTool.agentLabel": "وكيل فرعي {{index}}",
+  "builtins.codex.collabTool.agents": "الوكلاء الفرعيون",
+  "builtins.codex.collabTool.closeAgent": "إغلاق الوكيل الفرعي",
+  "builtins.codex.collabTool.instruction": "تعليمات",
+  "builtins.codex.collabTool.sendInput": "إرسال رسالة إلى الوكيل الفرعي",
+  "builtins.codex.collabTool.spawnAgent": "إنشاء وكيل فرعي",
+  "builtins.codex.collabTool.wait": "انتظر الوكلاء الفرعيين",
   "builtins.codex.commandExecution.grep": "بحث",
   "builtins.codex.commandExecution.noResults": "لا توجد نتائج",
   "builtins.codex.commandExecution.readFile": "قراءة الملف",
@@ -447,6 +457,15 @@
   "dev.mcp.auth.desc": "اختر طريقة المصادقة لخادم MCP",
   "dev.mcp.auth.label": "نوع المصادقة",
   "dev.mcp.auth.none": "بدون مصادقة",
+  "dev.mcp.auth.oauth": "أووث",
+  "dev.mcp.auth.oauth.authorize": "التفويض والاتصال",
+  "dev.mcp.auth.oauth.clientId.desc": "اتركه فارغًا لتسجيل عميل تلقائيًا (تسجيل عميل ديناميكي)",
+  "dev.mcp.auth.oauth.clientId.label": "معرف عميل أووث",
+  "dev.mcp.auth.oauth.clientId.placeholder": "اختياري",
+  "dev.mcp.auth.oauth.clientSecret.desc": "مطلوب فقط لعملاء أووث السريين",
+  "dev.mcp.auth.oauth.clientSecret.label": "سر عميل أووث",
+  "dev.mcp.auth.oauth.clientSecret.placeholder": "اختياري",
+  "dev.mcp.auth.oauth.redirectHint": "عنوان URI لإعادة التوجيه لتسجيله مع تطبيق أووث الخاص بك:",
   "dev.mcp.auth.placeholder": "اختر نوع المصادقة",
   "dev.mcp.auth.token.desc": "أدخل مفتاح API أو رمز Bearer",
   "dev.mcp.auth.token.label": "مفتاح API",

locales/ar/providers.json

@@ -4,6 +4,7 @@
   "ai360.description": "360 AI هي منصة نماذج وخدمات من شركة 360، تقدم نماذج معالجة اللغة الطبيعية مثل 360GPT2 Pro و360GPT Pro و360GPT Turbo. تجمع هذه النماذج بين المعلمات واسعة النطاق والقدرات متعددة الوسائط لتوليد النصوص، وفهم المعاني، والدردشة، والبرمجة، مع تسعير مرن لتلبية احتياجات متنوعة.",
   "aihubmix.description": "يوفر AiHubMix الوصول إلى نماذج ذكاء اصطناعي متعددة من خلال واجهة برمجة تطبيقات موحدة.",
   "akashchat.description": "أكاش هو سوق موارد سحابية غير مركزي يتميز بأسعار تنافسية مقارنة بمزودي الخدمات السحابية التقليديين.",
+  "antgroup.description": "Ant Ling هو سلسلة النماذج الأساسية لمبادرة الذكاء العام الاصطناعي (AGI) التابعة لمجموعة Ant Group، مكرسة لبناء وفتح قدرات النماذج الأساسية المتقدمة. نحن نؤمن بأن تطوير الذكاء يجب أن يتجه نحو الانفتاح والمشاركة والقابلية للتوسع—بدءًا من خطوات صغيرة وعملية لدفع التطور المستمر ونشر الذكاء العام الاصطناعي في العالم الحقيقي.",
   "anthropic.description": "تقوم Anthropic بتطوير نماذج لغوية متقدمة مثل Claude 3.5 Sonnet وClaude 3 Sonnet وClaude 3 Opus وClaude 3 Haiku، وتوازن بين الذكاء والسرعة والتكلفة لتناسب مختلف حالات الاستخدام من المؤسسات إلى الاستجابات السريعة.",
   "azure.description": "تقدم Azure نماذج ذكاء اصطناعي متقدمة، بما في ذلك سلسلة GPT-3.5 وGPT-4، لمعالجة أنواع بيانات متنوعة ومهام معقدة مع التركيز على الأمان والموثوقية والاستدامة.",
   "azureai.description": "توفر Azure نماذج ذكاء اصطناعي متقدمة، بما في ذلك سلسلة GPT-3.5 وGPT-4، لمعالجة أنواع بيانات متنوعة ومهام معقدة مع التركيز على الأمان والموثوقية والاستدامة.",

locales/ar/setting.json

@@ -280,7 +280,33 @@
   "defaultAgent.title": "إعدادات الوكيل الافتراضي",
   "devices.actions.edit": "تعديل",
   "devices.actions.remove": "إزالة",
+  "devices.capabilities.commands.desc": "قم بتنفيذ أوامر الطرفية بأمان في بيئتك.",
+  "devices.capabilities.commands.title": "تشغيل الأوامر",
+  "devices.capabilities.files.desc": "اسمح للوكلاء بالوصول المباشر إلى الملفات على جهاز الكمبيوتر الخاص بك وتنظيمها.",
+  "devices.capabilities.files.title": "قراءة وكتابة الملفات المحلية",
+  "devices.capabilities.title": "ما يمكنك فعله بمجرد الاتصال",
+  "devices.capabilities.tools.desc": "قم بتوصيل الأدوات المحلية لتوسيع ما يمكن للوكلاء القيام به.",
+  "devices.capabilities.tools.title": "استدعاء أدوات النظام",
   "devices.channel.connected": "متصل {{time}}",
+  "devices.connectWizard.button": "اتصال الجهاز",
+  "devices.connectWizard.cli.connectDesc": "ابدأ تشغيل الخلفية للحفاظ على الجهاز متصلاً ومستعدًا للعمليات عن بُعد.",
+  "devices.connectWizard.cli.connectTitle": "ابدأ تشغيل الخلفية",
+  "devices.connectWizard.cli.installDesc": "قم بتثبيت LobeHub CLI عالميًا باستخدام مدير الحزم المفضل لديك لتمكين الاتصال وإدارة الجهاز.",
+  "devices.connectWizard.cli.installTitle": "تثبيت CLI",
+  "devices.connectWizard.cli.loginDesc": "أكمل تفويض OAuth في متصفحك لربط CLI بحسابك.",
+  "devices.connectWizard.cli.loginTitle": "تسجيل الدخول",
+  "devices.connectWizard.desktop.downloadLink": "تحميل تطبيق LobeHub Desktop",
+  "devices.connectWizard.desktop.step1": "قم بتنزيل تطبيق سطح المكتب",
+  "devices.connectWizard.desktop.step1Desc": "قم بزيارة صفحة تنزيلات LobeHub واحصل على التطبيق لنظام التشغيل الخاص بك.",
+  "devices.connectWizard.desktop.step2": "سجل الدخول وافتح بوابة الجهاز",
+  "devices.connectWizard.desktop.step2Desc": "بعد تسجيل الدخول، انقر على أيقونة بوابة الجهاز في الزاوية العلوية اليمنى وتأكد من تشغيلها.",
+  "devices.connectWizard.desktop.step3": "يظهر جهازك تلقائيًا",
+  "devices.connectWizard.desktop.step3Desc": "يسجل تطبيق سطح المكتب نفسه كجهاز عند التشغيل — ستراه في القائمة بمجرد الاتصال.",
+  "devices.connectWizard.footer": "يتم تسجيل بيانات تعريف الجهاز فقط — لا يتم الوصول إلى بياناتك أبدًا.",
+  "devices.connectWizard.method.cli": "عبر CLI",
+  "devices.connectWizard.method.desktop": "عبر سطح المكتب",
+  "devices.connectWizard.subtitle": "اختر كيفية توصيل جهاز الكمبيوتر الخاص بك بـ LobeHub.",
+  "devices.connectWizard.title": "اتصال الجهاز",
   "devices.currentBadge": "هذا الجهاز",
   "devices.detail.addDir": "إضافة دليل",
   "devices.detail.connections": "الاتصالات",
@@ -294,7 +320,13 @@
   "devices.edit.friendlyNamePlaceholder": "اسم للتعرف على هذا الجهاز",
   "devices.edit.save": "حفظ",
   "devices.edit.title": "تعديل الجهاز",
-  "devices.empty": "لا توجد أجهزة حتى الآن. قم بتوصيل جهاز باستخدام `lh connect` أو عن طريق تسجيل الدخول إلى تطبيق سطح المكتب.",
+  "devices.empty.desc": "بمجرد الاتصال، يمكن لوكلاء LobeHub قراءة/كتابة الملفات، تشغيل الأوامر، واستدعاء أدوات النظام مباشرة على جهاز الكمبيوتر الخاص بك.",
+  "devices.empty.methodCli.desc": "قم بتثبيت CLI في الطرفية الخاصة بك — مثالي للخوادم أو الأجهزة بدون واجهة.",
+  "devices.empty.methodCli.title": "الاتصال عبر CLI",
+  "devices.empty.methodDesktop.badge": "موصى به",
+  "devices.empty.methodDesktop.desc": "قم بتنزيل تطبيق سطح المكتب، سجل الدخول، وسيتم توصيل جهازك تلقائيًا.",
+  "devices.empty.methodDesktop.title": "الاتصال عبر سطح المكتب",
+  "devices.empty.title": "قم بتوصيل جهازك الأول",
   "devices.fallbackBadge": "هوية غير مستقرة",
   "devices.fallbackTooltip": "لم يتمكن هذا الجهاز من التعرف عليه بواسطة معرف الجهاز، لذا قد يؤدي إعادة تثبيت التطبيق إلى إنشاء إدخال مكرر.",
   "devices.lastSeen": "آخر نشاط {{time}}",

locales/bg-BG/chat.json

@@ -15,6 +15,8 @@
   "agentBuilder.installPlugin.retry": "Опитай отново",
   "agentBuilder.title": "Създател на Агенти",
   "agentBuilder.welcome": "Разкажете ми за вашия случай на употреба.\n\nПисане, програмиране или анализ на данни — всичко е възможно. Вие определяте целта и стандартите; аз ще ги разделя на съвместими, изпълними Агенти.",
+  "agentConfigError.retry": "Опитай отново",
+  "agentConfigError.title": "Неуспешно зареждане на настройките на агента",
   "agentDefaultMessage": "Здравей, аз съм **{{name}}**. Едно изречение е достатъчно.\n\nИскате да се адаптирам по-добре към вашия работен процес? Отидете в [Настройки на Агента]({{url}}) и попълнете Профила на Агента (можете да го редактирате по всяко време).",
   "agentDefaultMessageWithSystemRole": "Здравей, аз съм **{{name}}**. Едно изречение е достатъчно — вие контролирате.",
   "agentDefaultMessageWithoutEdit": "Здравей, аз съм **{{name}}**. Едно изречение е достатъчно — вие контролирате.",
@@ -252,6 +254,10 @@
   "input.costEstimate.tooltip": "Оценено въз основа на текущия контекст, инструменти и ценообразуване на модела. Реалната цена може да варира.",
   "input.disclaimer": "Агентите могат да допускат грешки. Използвайте собствена преценка за важна информация.",
   "input.errorMsg": "Изпращането не бе успешно: {{errorMsg}}. Опитайте отново или по-късно.",
+  "input.inputCompletionError.desc": "Предложенията за въвеждане спряха след грешка. Опитайте отново или коригирайте модела за предложения в Настройки.",
+  "input.inputCompletionError.retry": "Опитай отново",
+  "input.inputCompletionError.settings": "Настройки",
+  "input.inputCompletionError.title": "Предложенията за въвеждане са паузирани",
   "input.more": "Още",
   "input.send": "Изпрати",
   "input.sendWithCmdEnter": "Натиснете <key/>, за да изпратите",
@@ -1006,7 +1012,9 @@
   "workingPanel.localFile.closeRight": "Затвори надясно",
   "workingPanel.localFile.error": "Не може да се зареди този файл",
   "workingPanel.localFile.preview.raw": "Суров",
+  "workingPanel.localFile.preview.reload": "Презареди визуализацията",
   "workingPanel.localFile.preview.render": "Преглед",
+  "workingPanel.localFile.preview.source": "Източник",
   "workingPanel.localFile.truncated": "Прегледът на файла е съкратен до {{limit}} символа",
   "workingPanel.progress": "Progress",
   "workingPanel.progress.allCompleted": "All tasks completed",

locales/bg-BG/modelProvider.json

@@ -239,6 +239,7 @@
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken32k.hint": "За GLM-5 и GLM-4.7; контролира бюджета за токени за разсъждение (максимум 32k).",
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken80k.hint": "За серията Qwen3; контролира бюджета за токени за разсъждение (максимум 80k).",
   "providerModels.item.modelConfig.extendParams.options.reasoningEffort.hint": "За OpenAI и други модели с логическо мислене; контролира усилието за разсъждение.",
+  "providerModels.item.modelConfig.extendParams.options.ring2_6ReasoningEffort.hint": "За серия Ring 2.6; контролира интензивността на разсъжденията.",
   "providerModels.item.modelConfig.extendParams.options.step3_5ReasoningEffort.hint": "За серията Step 3.5; контролира интензивността на разсъжденията.",
   "providerModels.item.modelConfig.extendParams.options.textVerbosity.hint": "За серията GPT-5+; контролира обемността на изходния текст.",
   "providerModels.item.modelConfig.extendParams.options.thinking.hint": "За някои модели Doubao; позволява на модела да реши дали да мисли задълбочено.",

locales/bg-BG/models.json

@@ -27,15 +27,15 @@
   "DeepSeek-OCR.description": "DeepSeek-OCR е мултимоделен модел на DeepSeek AI, фокусиран върху OCR и „контекстуална оптична компресия“. Той изследва техники за компресиране на контекст от изображения, обработва документи ефективно и ги преобразува в структуриран текст (например Markdown). Точно разпознава текст в изображения и е подходящ за дигитализация на документи, извличане на текст и структурирана обработка.",
   "DeepSeek-R1-Distill-Llama-70B.description": "DeepSeek R1, по-големият и по-интелигентен модел от серията DeepSeek, е дистилиран в архитектурата Llama 70B. Бенчмаркове и човешки оценки показват, че е по-умен от базовия Llama 70B, особено при задачи по математика и точност на фактите.",
   "DeepSeek-R1-Distill-Qwen-1.5B.description": "Дистилиран модел DeepSeek-R1, базиран на Qwen2.5-Math-1.5B. Подсилващо обучение и cold-start данни оптимизират логическата производителност, поставяйки нови мултизадачни бенчмаркове за отворени модели.",
-  "DeepSeek-R1-Distill-Qwen-14B.description": "Моделите DeepSeek-R1-Distill са фино настроени от отворени модели с помощта на примерни данни, генерирани от DeepSeek-R1.",
-  "DeepSeek-R1-Distill-Qwen-32B.description": "Моделите DeepSeek-R1-Distill са фино настроени от отворени модели с помощта на примерни данни, генерирани от DeepSeek-R1.",
+  "DeepSeek-R1-Distill-Qwen-14B.description": "Дистилиран модел DeepSeek-R1, базиран на Qwen2.5-14B. Усъвършенстването на производителността при разсъждения се постига чрез обучение с подсилване и данни за студен старт, поставяйки нови стандарти за многозадачност за отворени модели.",
+  "DeepSeek-R1-Distill-Qwen-32B.description": "Серията DeepSeek-R1 подобрява производителността при разсъждения чрез обучение с подсилване и данни за студен старт, поставяйки нови стандарти за многозадачност за отворени модели и надминавайки OpenAI o1-mini.",
   "DeepSeek-R1-Distill-Qwen-7B.description": "Дистилиран модел DeepSeek-R1, базиран на Qwen2.5-Math-7B. Подсилващо обучение и cold-start данни оптимизират логическата производителност, поставяйки нови мултизадачни бенчмаркове за отворени модели.",
-  "DeepSeek-R1.description": "DeepSeek-R1 прилага мащабно подсилващо обучение в етапа след предварителното обучение, значително подобрявайки логическото мислене с много малко етикетирани данни. Сравнява се с продукционния модел OpenAI o1 при задачи по математика, програмиране и езиково разсъждение.",
+  "DeepSeek-R1.description": "Ефективен LLM от най-висок клас, силен в разсъждения, математика и програмиране.",
   "DeepSeek-V3-1.description": "DeepSeek V3.1 е следващо поколение модел за логическо мислене с подобрено сложно разсъждение и верига на мисълта, подходящ за задачи с дълбок анализ.",
   "DeepSeek-V3-Fast.description": "Доставчик: sophnet. DeepSeek V3 Fast е високоскоростната версия на DeepSeek V3 0324, с пълна прецизност (без квантизация), по-силен при програмиране и математика и по-бързи отговори.",
   "DeepSeek-V3.1-Think.description": "Режим на мислене на DeepSeek-V3.1: нов хибриден модел за разсъждение с мислещ и немислещ режим, по-ефективен от DeepSeek-R1-0528. Оптимизациите след обучение значително подобряват използването на инструменти от агенти и производителността при агентни задачи.",
   "DeepSeek-V3.2.description": "deepseek-v3.2 въвежда механизъм за разредено внимание, който подобрява ефективността при обучение и инференция при обработка на дълги текстове, като е по-евтин от deepseek-v3.1.",
-  "DeepSeek-V3.description": "DeepSeek-V3 е MoE модел, разработен от DeepSeek. Надминава други отворени модели като Qwen2.5-72B и Llama-3.1-405B в много бенчмаркове и е конкурентен с водещи затворени модели като GPT-4o и Claude 3.5 Sonnet.",
+  "DeepSeek-V3.description": "Отвореното внедряване на ByteDance Volcengine в момента е най-стабилното; препоръчва се. Автоматично е обновено до последната версия (250324).",
   "Doubao-lite-128k.description": "Doubao-lite предлага изключително бързи отговори и по-добра стойност, с гъвкави опции за различни сценарии. Поддържа 128K контекст за извеждане и фина настройка.",
   "Doubao-lite-32k.description": "Doubao-lite предлага изключително бързи отговори и по-добра стойност, с гъвкави опции за различни сценарии. Поддържа 32K контекст за извеждане и фина настройка.",
   "Doubao-lite-4k.description": "Doubao-lite предлага изключително бързи отговори и по-добра стойност, с гъвкави опции за различни сценарии. Поддържа 4K контекст за извеждане и фина настройка.",
@@ -83,13 +83,12 @@
   "Kimi-K2.5.description": "Kimi K2.5 е най-способният модел от серията Kimi, постигащ водещи резултати при агентни задачи, програмиране и визуално разбиране. Поддържа мултимодални входове и режими с мислене и без мислене.",
   "Kolors.description": "Kolors е модел за преобразуване на текст в изображение, разработен от екипа на Kuaishou Kolors. Обучен с милиарди параметри, той има значителни предимства във визуалното качество, разбиране на китайски семантики и визуализиране на текст.",
   "Kwai-Kolors/Kolors.description": "Kolors е мащабен латентен дифузионен модел за преобразуване на текст в изображение от екипа на Kuaishou Kolors. Обучен върху милиарди двойки текст-изображение, той се отличава с високо визуално качество, точност при сложни семантики и визуализиране на китайски/английски текст, с отлично разбиране и генериране на китайско съдържание.",
+  "Ling-2.5-1T.description": "Като най-новия флагмански модел в реално време от серията Ling, Ling-2.5-1T въвежда цялостни подобрения в архитектурата на модела, ефективността на токените и съгласуването на предпочитанията, с цел да издигне качеството на достъпния AI на ново ниво.",
+  "Ling-2.6-1T.description": "Най-новият флагмански голям езиков модел, който поддържа контекстен прозорец от 1M токена и позволява цялостен работен процес от логическо разсъждение до изпълнение на задачи.",
+  "Ling-2.6-flash.description": "Ling-2.6-flash е най-новото поколение модел с висока ефективност от серията Ling. Той използва архитектура Mixture-of-Experts (MoE) с общ брой параметри от 100B и 6.1B активирани параметри на токен, постигайки оптимален баланс между производителност при изводи и изчислителни разходи.",
   "Llama-3.2-11B-Vision-Instruct.description": "Силен визуален анализ на изображения с висока резолюция, подходящ за приложения за визуално разбиране.",
-  "Llama-3.2-90B-Vision-Instruct\t.description": "Разширено визуално разсъждение за приложения с агенти за визуално разбиране.",
+  "Llama-3.2-90B-Vision-Instruct.description": "Напреднало разсъждение върху изображения за приложения за визуално разбиране на агенти.",
   "LongCat-2.0-Preview.description": "LongCat‑2.0‑Preview предлага основни функции: създаден за разработки с агенти; поддържа инструменти, многоетапно разсъждение и дълъг контекст; отличава се в генериране на код, автоматизирани работни потоци и сложни инструкции; интегриран с инструменти като Claude Code, OpenClaw, OpenCode и Kilo Code.",
-  "LongCat-Flash-Chat.description": "Моделът LongCat-Flash-Chat е обновен до нова версия. Това обновление включва подобрения само в способностите на модела; името на модела и методът за извикване на API остават непроменени. Въз основа на отличителните му характеристики „екстремна ефективност“ и „светкавично бърз отговор“, новата версия допълнително укрепва контекстуалното разбиране и производителността при програмиране в реалния свят: Значително подобрени способности за кодиране: Дълбоко оптимизиран за сценарии, ориентирани към разработчици, моделът предоставя значителни подобрения в генерирането на код, отстраняването на грешки и обяснителните задачи. Разработчиците са силно насърчени да оценят и сравнят тези подобрения. Поддръжка за 256K ултра-дълъг контекст: Контекстният прозорец е удвоен от предишното поколение (128K) до 256K, позволявайки ефективна обработка на масивни документи и задачи с дълги последователности. Комплексно подобрена многоезична производителност: Осигурява силна поддръжка за девет езика, включително испански, френски, арабски, португалски, руски и индонезийски. По-мощни способности на агентите: Демонстрира по-голяма устойчивост и ефективност при сложни извиквания на инструменти и изпълнение на многоетапни задачи.",
-  "LongCat-Flash-Lite.description": "Моделът LongCat-Flash-Lite е официално пуснат. Той използва ефективна архитектура Mixture-of-Experts (MoE) с общо 68.5 милиарда параметри и приблизително 3 милиарда активирани параметри. Чрез използването на таблица за вграждане на N-грам, той постига високо ефективно използване на параметрите и е дълбоко оптимизиран за ефективност на изводите и специфични приложения. В сравнение с модели от подобен мащаб, основните му характеристики са следните: Изключителна ефективност на изводите: Чрез използване на таблицата за вграждане на N-грам за фундаментално облекчаване на I/O ограниченията, присъщи на архитектурите MoE, комбинирано с специализирани механизми за кеширане и оптимизации на ниво ядро, значително намалява латентността на изводите и подобрява общата ефективност. Силна производителност на агентите и кода: Демонстрира високо конкурентни способности при извикване на инструменти и задачи за разработка на софтуер, предоставяйки изключителна производителност спрямо размера на модела.",
-  "LongCat-Flash-Thinking-2601.description": "Моделът LongCat-Flash-Thinking-2601 е официално пуснат. Като обновен модел за разсъждение, изграден върху архитектура Mixture-of-Experts (MoE), той разполага с общо 560 милиарда параметри. Докато поддържа силна конкурентоспособност в традиционните бенчмаркове за разсъждение, той систематично подобрява способностите за разсъждение на ниво агент чрез мащабно обучение с подсилване в много среди. В сравнение с модела LongCat-Flash-Thinking, ключовите подобрения са следните: Екстремна устойчивост в шумни среди: Чрез систематично обучение в стил учебна програма, насочено към шум и несигурност в реални условия, моделът демонстрира изключителна производителност при извикване на инструменти от агенти, търсене на база агенти и интегрирано разсъждение с инструменти, със значително подобрена генерализация. Мощни способности на агентите: Чрез изграждане на плътно свързан граф на зависимости, обхващащ повече от 60 инструмента, и мащабиране на обучението чрез разширение в много среди и мащабно изследователско обучение, моделът значително подобрява способността си да се генерализира към сложни и извън разпределението реални сценарии. Разширен режим на дълбоко мислене: Разширява обхвата на разсъжденията чрез паралелно извеждане и задълбочава аналитичната способност чрез механизми за обобщение и абстракция, управлявани от обратна връзка, ефективно адресирайки силно предизвикателни проблеми.",
-  "LongCat-Flash-Thinking.description": "За да осигурим най-високо качество на разсъждение, LongCat API обединява и обновява заявките към модела LongCat‑Flash‑Thinking. Всички заявки с `model=LongCat-Flash-Thinking` автоматично се насочват към последната версия – LongCat‑Flash‑Thinking‑2601, без нужда от промени в кода.",
   "M2-her.description": "Модел за текстови диалози, създаден за ролеви игри и многократни разговори, с възможност за персонализиране на героите и изразяване на емоции.",
   "Meta-Llama-3-3-70B-Instruct.description": "Llama 3.3 70B е универсален трансформерен модел за чат и генериране на текст.",
   "Meta-Llama-3.1-405B-Instruct.description": "Llama 3.1 е текстов модел, обучен с инструкции, оптимизиран за многоезичен чат, с отлични резултати на водещи индустриални бенчмаркове сред отворени и затворени модели.",
@@ -187,27 +186,10 @@
   "Qwen2.5-Coder-14B-Instruct.description": "Qwen2.5-Coder-14B-Instruct е мащабен предварително обучен модел за програмиране с отлични способности за разбиране и генериране на код. Ефективно се справя с широк спектър от програмни задачи, идеален за интелигентно програмиране, автоматично генериране на скриптове и въпроси и отговори, свързани с програмиране.",
   "Qwen2.5-Coder-32B-Instruct.description": "Разширен LLM за генериране на код, логическо разсъждение и отстраняване на грешки на основните програмни езици.",
   "Qwen3-235B-A22B-Instruct-2507-FP8.description": "Qwen3 235B A22B Instruct 2507 е оптимизиран за напреднало разсъждение и следване на инструкции, използвайки MoE за ефективно мащабиране на разсъждението.",
-  "Qwen3-235B.description": "Qwen3-235B-A22B е MoE модел, който въвежда хибриден режим на разсъждение, позволяващ на потребителите да превключват безпроблемно между мислещ и немислещ режим. Поддържа разбиране и разсъждение на 119 езика и диалекта и има силни възможности за извикване на инструменти, конкурирайки се с водещи модели като DeepSeek R1, OpenAI o1, o3-mini, Grok 3 и Google Gemini 2.5 Pro в бенчмаркове за общи способности, програмиране и математика, многоезичност и логическо разсъждение.",
-  "Qwen3-32B.description": "Qwen3-32B е плътен модел, който въвежда хибриден режим на разсъждение, позволяващ на потребителите да превключват между мислещ и немислещ режим. С архитектурни подобрения, повече данни и по-добро обучение, той се представя наравно с Qwen2.5-72B.",
   "Qwen3.5-Plus.description": "Qwen3.5 Plus поддържа текст, изображения и видео. Представянето му при чисто текстови задачи е сравнимо с Qwen3 Max, но е по-ефективно и по-евтино. Мултимодалните му способности са значително подобрени спрямо серията Qwen3 VL.",
+  "Ring-2.5-1T.description": "В сравнение с предишно издадения Ring-1T, Ring-2.5-1T постига значителни подобрения в три ключови измерения: ефективност на генериране, дълбочина на разсъждения и способност за изпълнение на задачи с дълъг хоризонт: **Ефективност на генериране**: Чрез използване на голям дял линейни механизми за внимание, Ring-2.5-1T намалява разходите за достъп до паметта с повече от 10×. При обработка на последователности, надвишаващи 32K токена, той осигурява над 3× по-висока производителност на генериране, което го прави особено подходящ за дълбоки разсъждения и изпълнение на задачи с дълъг хоризонт. **Дълбоки разсъждения**: Въз основа на RLVR, се въвежда плътен механизъм за награди, който предоставя обратна връзка за строгостта на процеса на разсъждение. Това позволява на Ring-2.5-1T да постигне златен медал в IMO 2025 и CMO 2025 (самооценка). **Изпълнение на задачи с дълъг хоризонт**: Чрез мащабно напълно асинхронно обучение с подсилване, базирано на агенти, моделът значително подобрява способността си да изпълнява сложни задачи автономно за продължителни периоди. Това позволява на Ring-2.5-1T да се интегрира безпроблемно с рамки за програмиране на агенти като Claude Code и OpenClaw лични AI асистенти.",
+  "Ring-2.6-1T.description": "Ring-2.6-1T е модел за разсъждение с мащаб от трилион параметри, който активира приблизително 63B параметри на извод. Проектиран за работни процеси с агенти, той се фокусира върху способности на агенти, използване на инструменти и изпълнение на задачи с дълъг хоризонт, постигайки водещи резултати на бенчмаркове като PinchBench, ClawEval, TAU2-Bench и GAIA2-search. Моделът е оптимизиран по отношение на качество на изпълнение, латентност и разходи, което го прави подходящ за напреднали агенти за програмиране, сложни разсъждения и мащабни автономни системи.",
   "S2V-01.description": "Основният модел за преобразуване на референция във видео от серията 01.",
-  "SenseChat-128K.description": "Базов модел V4 с контекст от 128K, силен в разбиране и генериране на дълги текстове.",
-  "SenseChat-32K.description": "Базов модел V4 с контекст от 32K, гъвкав за различни сценарии.",
-  "SenseChat-5-1202.description": "Най-новата версия, базирана на V5.5, с значителни подобрения в основни знания по китайски/английски, чат, STEM, хуманитарни науки, писане, математика/логика и контрол на дължината.",
-  "SenseChat-5-Cantonese.description": "Проектиран за диалектни навици, жаргон и местни знания в Хонконг; надминава GPT-4 в разбирането на кантонски и съперничи на GPT-4 Turbo в знания, логика, математика и програмиране.",
-  "SenseChat-5-beta.description": "Някои показатели надвишават тези на SenseChat-5-1202.",
-  "SenseChat-5.description": "Най-новият V5.5 с контекст от 128K; значителни подобрения в математическо разсъждение, чат на английски, следване на инструкции и разбиране на дълги текстове, сравним с GPT-4o.",
-  "SenseChat-Character-Pro.description": "Разширен модел за чат с персонажи с контекст от 32K, подобрени възможности и поддръжка на китайски/английски.",
-  "SenseChat-Character.description": "Стандартен модел за чат с персонажи с контекст от 8K и висока скорост на отговор.",
-  "SenseChat-Turbo-1202.description": "Най-новият лек модел, достигащ над 90% от възможностите на пълния модел с значително по-ниска цена за инференция.",
-  "SenseChat-Turbo.description": "Подходящ за бързи въпроси и отговори и сценарии за фина настройка на модели.",
-  "SenseChat-Vision.description": "Най-новият V5.5 с вход от множество изображения и широки основни подобрения в разпознаване на атрибути, пространствени отношения, действия/събития, разбиране на сцени, разпознаване на емоции, логическо разсъждение и разбиране/генериране на текст.",
-  "SenseChat.description": "Базов модел V4 с контекст от 4K и силни общи възможности.",
-  "SenseNova-V6-5-Pro.description": "Със значителни подобрения в мултимодалните, езиковите и логическите данни, както и с оптимизация на стратегията за обучение, новият модел значително подобрява мултимодалното разсъждение и следването на обобщени инструкции, поддържа контекстен прозорец до 128k и се отличава в задачи по OCR и разпознаване на културен и туристически IP.",
-  "SenseNova-V6-5-Turbo.description": "Със значителни подобрения в мултимодалните, езиковите и логическите данни, както и с оптимизация на стратегията за обучение, новият модел значително подобрява мултимодалното разсъждение и следването на обобщени инструкции, поддържа контекстен прозорец до 128k и се отличава в задачи по OCR и разпознаване на културен и туристически IP.",
-  "SenseNova-V6-Pro.description": "Нативно обединява изображение, текст и видео, преодолявайки традиционните мултимодални ограничения; заема водещи позиции в OpenCompass и SuperCLUE.",
-  "SenseNova-V6-Reasoner.description": "Комбинира дълбоко разсъждение чрез зрение и език, поддържа бавно мислене и пълна верига на мисълта.",
-  "SenseNova-V6-Turbo.description": "Нативно обединява изображение, текст и видео, преодолявайки традиционните мултимодални ограничения. Води в основните мултимодални и езикови възможности и заема челни позиции в множество оценки.",
   "Skylark2-lite-8k.description": "Модел от второ поколение Skylark. Skylark2-lite осигурява бързи отговори за реалновремеви, чувствителни към разходите сценарии с по-ниски изисквания за точност, с контекстен прозорец от 8K.",
   "Skylark2-pro-32k.description": "Модел от второ поколение Skylark. Skylark2-pro предлага по-висока точност за сложни задачи по генериране на текст като професионално копирайтинг, писане на романи и висококачествен превод, с контекстен прозорец от 32K.",
   "Skylark2-pro-4k.description": "Модел от второ поколение Skylark. Skylark2-pro предлага по-висока точност за сложни задачи по генериране на текст като професионално копирайтинг, писане на романи и висококачествен превод, с контекстен прозорец от 4K.",
@@ -1197,6 +1179,8 @@
   "r1-1776.description": "R1-1776 е дообучен вариант на DeepSeek R1, създаден да предоставя неконфронтирана, обективна и фактическа информация.",
   "seedance-1-5-pro-251215.description": "Seedance 1.5 Pro от ByteDance поддържа текст-към-видео, изображение-към-видео (първи кадър, първи+последен кадър) и генериране на аудио, синхронизирано с визуализации.",
   "seedream-5-0-260128.description": "ByteDance-Seedream-5.0-lite от BytePlus предлага генериране, обогатено с уеб извличане за реална информация, подобрена интерпретация на сложни подканвания и подобрена консистентност на референциите за професионално визуално създаване.",
+  "sensenova-6.7-flash-lite.description": "Лек мултимодален модел за агенти, проектиран за реални работни процеси, поддържащ както текстови разговори, така и разбиране на изображения. Лек и ефективен, балансиращ производителност, разходи и възможност за внедряване. Нативна мултимодална архитектура с поддръжка за разбиране на изображения, включително OCR и интерпретация на графики. Подобрен за офис и продуктивни сценарии, със стабилна поддръжка за сложни задачи с дълга верига. Подобрена ефективност на токените, позволяваща по-добър контрол на разходите за сложни работни натоварвания. Контекстна дължина от 256K токена (максимален вход: 252K, максимален изход: 64K).",
+  "sensenova-u1-fast.description": "Ускорена версия, базирана на SenseNova U1, специално оптимизирана за генериране на инфографики.",
   "solar-mini-ja.description": "Solar Mini (Ja) разширява Solar Mini с фокус върху японски език, като запазва ефективността и силната производителност на английски и корейски.",
   "solar-mini.description": "Solar Mini е компактен LLM, който превъзхожда GPT-3.5, с мощни многоезични възможности, поддържащ английски и корейски, и предлага ефективно решение с малък отпечатък.",
   "solar-pro.description": "Solar Pro е интелигентен LLM от Upstage, фокусиран върху следване на инструкции на един GPU, с IFEval резултати над 80. Понастоящем поддържа английски; пълното издание е планирано за ноември 2024 с разширена езикова поддръжка и по-дълъг контекст.",

locales/bg-BG/plugin.json

@@ -1,11 +1,21 @@
 {
   "arguments.moreParams": "{{count}} параметъра общо",
   "arguments.title": "Аргументи",
+  "builtins.codex.apiName.collab_tool_call": "Координиране на подагенти",
   "builtins.codex.apiName.command_execution": "Изпълни команда",
   "builtins.codex.apiName.file_change": "Редактиране на файлове",
   "builtins.codex.apiName.mcp_tool_call": "Извикване на MCP инструмент",
   "builtins.codex.apiName.todo_list": "Актуализиране на задачи",
   "builtins.codex.apiName.web_search": "Търсене в интернет",
+  "builtins.codex.collabTool.agentCount_one": "{{count}} подагент",
+  "builtins.codex.collabTool.agentCount_other": "{{count}} подагенти",
+  "builtins.codex.collabTool.agentLabel": "Подагент {{index}}",
+  "builtins.codex.collabTool.agents": "Подагенти",
+  "builtins.codex.collabTool.closeAgent": "Затвори подагент",
+  "builtins.codex.collabTool.instruction": "Инструкция",
+  "builtins.codex.collabTool.sendInput": "Съобщение към подагент",
+  "builtins.codex.collabTool.spawnAgent": "Създай подагент",
+  "builtins.codex.collabTool.wait": "Изчакай подагентите",
   "builtins.codex.commandExecution.grep": "Търсене",
   "builtins.codex.commandExecution.noResults": "Няма резултати",
   "builtins.codex.commandExecution.readFile": "Прочети файл",
@@ -447,6 +457,15 @@
   "dev.mcp.auth.desc": "Избери метод за удостоверяване за MCP сървъра",
   "dev.mcp.auth.label": "Тип удостоверяване",
   "dev.mcp.auth.none": "Без удостоверяване",
+  "dev.mcp.auth.oauth": "OAuth",
+  "dev.mcp.auth.oauth.authorize": "Упълномощи и свържи",
+  "dev.mcp.auth.oauth.clientId.desc": "Оставете празно, за да регистрирате клиент автоматично (динамична регистрация на клиент)",
+  "dev.mcp.auth.oauth.clientId.label": "OAuth клиентски ID",
+  "dev.mcp.auth.oauth.clientId.placeholder": "По избор",
+  "dev.mcp.auth.oauth.clientSecret.desc": "Необходимо само за конфиденциални OAuth клиенти",
+  "dev.mcp.auth.oauth.clientSecret.label": "OAuth клиентска тайна",
+  "dev.mcp.auth.oauth.clientSecret.placeholder": "По избор",
+  "dev.mcp.auth.oauth.redirectHint": "URI за пренасочване, който да регистрирате с вашето OAuth приложение:",
   "dev.mcp.auth.placeholder": "Избери тип удостоверяване",
   "dev.mcp.auth.token.desc": "Въведи своя API ключ или Bearer токен",
   "dev.mcp.auth.token.label": "API ключ",

locales/bg-BG/providers.json

@@ -4,6 +4,7 @@
   "ai360.description": "360 AI е платформа за модели и услуги от 360, предлагаща NLP модели като 360GPT2 Pro, 360GPT Pro и 360GPT Turbo. Моделите съчетават мащабни параметри и мултимодални възможности за генериране на текст, семантично разбиране, чат и код, с гъвкаво ценообразуване за различни нужди.",
   "aihubmix.description": "AiHubMix предоставя достъп до множество AI модели чрез единен API.",
   "akashchat.description": "Akash е децентрализиран пазар за облачни ресурси с конкурентни цени спрямо традиционните облачни доставчици.",
+  "antgroup.description": "Ant Ling е основната серия от модели на Ant Group за Инициативата за Изкуствен Общ Интелект (AGI), посветена на изграждането и предоставянето на авангардни възможности на основните модели. Вярваме, че развитието на интелигентността трябва да се движи към откритост, споделяне и мащабируемост—започвайки с малки, практични стъпки за насърчаване на устойчивата еволюция и реалното внедряване на AGI.",
   "anthropic.description": "Anthropic разработва усъвършенствани езикови модели като Claude 3.5 Sonnet, Claude 3 Sonnet, Claude 3 Opus и Claude 3 Haiku, балансирайки интелигентност, скорост и разходи за различни бизнес и бързи приложения.",
   "azure.description": "Azure предлага усъвършенствани AI модели, включително сериите GPT-3.5 и GPT-4, за разнообразни типове данни и сложни задачи с фокус върху безопасен, надежден и устойчив AI.",
   "azureai.description": "Azure предоставя усъвършенствани AI модели, включително сериите GPT-3.5 и GPT-4, за разнообразни типове данни и сложни задачи с акцент върху безопасен, надежден и устойчив AI.",

locales/bg-BG/setting.json

@@ -280,7 +280,33 @@
   "defaultAgent.title": "Настройки на агента по подразбиране",
   "devices.actions.edit": "Редактиране",
   "devices.actions.remove": "Премахване",
+  "devices.capabilities.commands.desc": "Сигурно изпълнявайте терминални команди във вашата среда.",
+  "devices.capabilities.commands.title": "Изпълнение на команди",
+  "devices.capabilities.files.desc": "Позволете на агентите директен достъп и организиране на файловете на вашия компютър.",
+  "devices.capabilities.files.title": "Четене и запис на локални файлове",
+  "devices.capabilities.title": "Какво можете да правите след свързване",
+  "devices.capabilities.tools.desc": "Свържете локални инструменти, за да разширите възможностите на агентите.",
+  "devices.capabilities.tools.title": "Извикване на системни инструменти",
   "devices.channel.connected": "Свързан {{time}}",
+  "devices.connectWizard.button": "Свържете устройство",
+  "devices.connectWizard.cli.connectDesc": "Стартирайте фоновия демон, за да поддържате устройството онлайн и готово за отдалечени операции.",
+  "devices.connectWizard.cli.connectTitle": "Стартиране на демона",
+  "devices.connectWizard.cli.installDesc": "Инсталирайте LobeHub CLI глобално с предпочитания от вас пакетен мениджър, за да активирате свързаност и управление на устройството.",
+  "devices.connectWizard.cli.installTitle": "Инсталирайте CLI",
+  "devices.connectWizard.cli.loginDesc": "Завършете OAuth авторизацията в браузъра си, за да свържете CLI с вашия акаунт.",
+  "devices.connectWizard.cli.loginTitle": "Вход",
+  "devices.connectWizard.desktop.downloadLink": "Изтеглете LobeHub Desktop",
+  "devices.connectWizard.desktop.step1": "Изтеглете десктоп приложението",
+  "devices.connectWizard.desktop.step1Desc": "Посетете страницата за изтегляния на LobeHub и изтеглете приложението за вашата операционна система.",
+  "devices.connectWizard.desktop.step2": "Влезте и отворете шлюза за устройства",
+  "devices.connectWizard.desktop.step2Desc": "След като влезете, кликнете върху иконата на шлюза за устройства в горния десен ъгъл и потвърдете, че е включен.",
+  "devices.connectWizard.desktop.step3": "Вашето устройство се появява автоматично",
+  "devices.connectWizard.desktop.step3Desc": "Десктоп приложението се регистрира като устройство при стартиране — ще го видите в списъка след свързване.",
+  "devices.connectWizard.footer": "Само метаданни за устройството се регистрират — вашите данни никога не се достъпват.",
+  "devices.connectWizard.method.cli": "Чрез CLI",
+  "devices.connectWizard.method.desktop": "Чрез десктоп",
+  "devices.connectWizard.subtitle": "Изберете как да свържете компютъра си с LobeHub.",
+  "devices.connectWizard.title": "Свържете устройство",
   "devices.currentBadge": "Това устройство",
   "devices.detail.addDir": "Добавяне на директория",
   "devices.detail.connections": "Връзки",
@@ -294,7 +320,13 @@
   "devices.edit.friendlyNamePlaceholder": "Име за разпознаване на това устройство",
   "devices.edit.save": "Запазване",
   "devices.edit.title": "Редактиране на устройство",
-  "devices.empty": "Все още няма устройства. Свържете едно с `lh connect` или чрез влизане в десктоп приложението.",
+  "devices.empty.desc": "След свързване, агентите на LobeHub могат да четат/записват файлове, изпълняват команди и извикват системни инструменти директно на вашия компютър.",
+  "devices.empty.methodCli.desc": "Инсталирайте CLI в терминала си — идеално за сървъри или машини без графичен интерфейс.",
+  "devices.empty.methodCli.title": "Свързване чрез CLI",
+  "devices.empty.methodDesktop.badge": "Препоръчително",
+  "devices.empty.methodDesktop.desc": "Изтеглете десктоп приложението, влезте и устройството ви ще се свърже автоматично.",
+  "devices.empty.methodDesktop.title": "Свързване чрез десктоп",
+  "devices.empty.title": "Свържете първото си устройство",
   "devices.fallbackBadge": "Нестабилна идентичност",
   "devices.fallbackTooltip": "Това устройство не може да бъде идентифицирано чрез неговия машинен ID, така че преинсталирането на приложението може да създаде дублиран запис.",
   "devices.lastSeen": "Последно активно {{time}}",

locales/de-DE/chat.json

@@ -15,6 +15,8 @@
   "agentBuilder.installPlugin.retry": "Erneut versuchen",
   "agentBuilder.title": "Agenten-Builder",
   "agentBuilder.welcome": "Erzählen Sie mir von Ihrem Anwendungsfall.\n\nSchreiben, Programmieren oder Datenanalyse – alles ist möglich. Sie bestimmen Ziel und Standards; ich zerlege es in kollaborative, ausführbare Agenten.",
+  "agentConfigError.retry": "Wiederholen",
+  "agentConfigError.title": "Agenteneinstellungen konnten nicht geladen werden",
   "agentDefaultMessage": "Hallo, ich bin **{{name}}**. Ein Satz genügt.\n\nMöchten Sie, dass ich besser zu Ihrem Arbeitsablauf passe? Gehen Sie zu [Agenteneinstellungen]({{url}}) und füllen Sie das Agentenprofil aus (Sie können es jederzeit bearbeiten).",
   "agentDefaultMessageWithSystemRole": "Hallo, ich bin **{{name}}**. Ein Satz genügt – Sie haben die Kontrolle.",
   "agentDefaultMessageWithoutEdit": "Hallo, ich bin **{{name}}**. Ein Satz genügt – Sie haben die Kontrolle.",
@@ -252,6 +254,10 @@
   "input.costEstimate.tooltip": "Geschätzt basierend auf aktuellem Kontext, Tools und Modellpreisen. Tatsächliche Kosten können abweichen.",
   "input.disclaimer": "Agenten können Fehler machen. Verwenden Sie Ihr Urteilsvermögen bei kritischen Informationen.",
   "input.errorMsg": "Senden fehlgeschlagen: {{errorMsg}}. Versuchen Sie es erneut oder später.",
+  "input.inputCompletionError.desc": "Eingabevorschläge wurden nach einem Fehler gestoppt. Wiederholen Sie den Vorgang oder passen Sie das Vorschlagsmodell in den Einstellungen an.",
+  "input.inputCompletionError.retry": "Wiederholen",
+  "input.inputCompletionError.settings": "Einstellungen",
+  "input.inputCompletionError.title": "Eingabevorschläge pausiert",
   "input.more": "Mehr",
   "input.send": "Senden",
   "input.sendWithCmdEnter": "Drücken Sie <key/>, um zu senden",
@@ -1006,7 +1012,9 @@
   "workingPanel.localFile.closeRight": "Rechts schließen",
   "workingPanel.localFile.error": "Diese Datei konnte nicht geladen werden",
   "workingPanel.localFile.preview.raw": "Rohdaten",
+  "workingPanel.localFile.preview.reload": "Vorschau neu laden",
   "workingPanel.localFile.preview.render": "Vorschau",
+  "workingPanel.localFile.preview.source": "Quelle",
   "workingPanel.localFile.truncated": "Dateivorschau auf {{limit}} Zeichen gekürzt",
   "workingPanel.progress": "Progress",
   "workingPanel.progress.allCompleted": "All tasks completed",

locales/de-DE/modelProvider.json

@@ -239,6 +239,7 @@
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken32k.hint": "Für GLM-5 und GLM-4.7; steuert das Token-Budget für das logische Denken (max. 32k).",
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken80k.hint": "Für die Qwen3-Serie; steuert das Token-Budget für das logische Denken (max. 80k).",
   "providerModels.item.modelConfig.extendParams.options.reasoningEffort.hint": "Für OpenAI und andere Modelle mit Denkfähigkeit; steuert den Denkaufwand.",
+  "providerModels.item.modelConfig.extendParams.options.ring2_6ReasoningEffort.hint": "Für die Ring 2.6-Serie; steuert die Intensität des Denkprozesses.",
   "providerModels.item.modelConfig.extendParams.options.step3_5ReasoningEffort.hint": "Für die Step 3.5-Serie; steuert die Intensität der Argumentation.",
   "providerModels.item.modelConfig.extendParams.options.textVerbosity.hint": "Für die GPT-5+-Serie; steuert die Ausführlichkeit der Ausgabe.",
   "providerModels.item.modelConfig.extendParams.options.thinking.hint": "Für einige Doubao-Modelle; erlaubt dem Modell zu entscheiden, ob es tiefgründig denken soll.",

locales/de-DE/models.json

@@ -27,15 +27,15 @@
   "DeepSeek-OCR.description": "DeepSeek-OCR ist ein Vision-Language-Modell von DeepSeek AI, das sich auf OCR und „Context Optical Compression“ konzentriert. Es erforscht die Komprimierung von Kontext aus Bildern, verarbeitet Dokumente effizient und wandelt sie in strukturierten Text (z. B. Markdown) um. Es erkennt Text in Bildern präzise und eignet sich für die Dokumentendigitalisierung, Textextraktion und strukturierte Verarbeitung.",
   "DeepSeek-R1-Distill-Llama-70B.description": "DeepSeek R1, das größere und intelligentere Modell der DeepSeek-Reihe, wurde in die Llama-70B-Architektur destilliert. Benchmarks und menschliche Bewertungen zeigen, dass es intelligenter ist als das ursprüngliche Llama-70B, insbesondere bei Mathematik- und Faktenaufgaben.",
   "DeepSeek-R1-Distill-Qwen-1.5B.description": "Ein aus Qwen2.5-Math-1.5B destilliertes DeepSeek-R1-Modell. Verstärkendes Lernen und Cold-Start-Daten optimieren die Denkleistung und setzen neue Maßstäbe für offene Multitasking-Modelle.",
-  "DeepSeek-R1-Distill-Qwen-14B.description": "DeepSeek-R1-Distill-Modelle sind feinabgestimmte Versionen quelloffener Modelle, die mit von DeepSeek-R1 generierten Beispieldaten trainiert wurden.",
-  "DeepSeek-R1-Distill-Qwen-32B.description": "DeepSeek-R1-Distill-Modelle sind feinabgestimmte Versionen quelloffener Modelle, die mit von DeepSeek-R1 generierten Beispieldaten trainiert wurden.",
+  "DeepSeek-R1-Distill-Qwen-14B.description": "Ein DeepSeek-R1 destilliertes Modell basierend auf Qwen2.5-14B. Verstärkungslernen und Cold-Start-Daten optimieren die Argumentationsleistung und setzen neue Multi-Task-Benchmarks für offene Modelle.",
+  "DeepSeek-R1-Distill-Qwen-32B.description": "Die DeepSeek-R1-Serie verbessert die Argumentationsleistung durch Verstärkungslernen und Cold-Start-Daten, setzt neue Multi-Task-Benchmarks für offene Modelle und übertrifft OpenAI o1-mini.",
   "DeepSeek-R1-Distill-Qwen-7B.description": "Ein aus Qwen2.5-Math-7B destilliertes DeepSeek-R1-Modell. Verstärkendes Lernen und Cold-Start-Daten optimieren die Denkleistung und setzen neue Maßstäbe für offene Multitasking-Modelle.",
-  "DeepSeek-R1.description": "DeepSeek-R1 nutzt großflächiges Reinforcement Learning in der Nachtrainingsphase, um das logische Denken mit sehr wenig beschrifteten Daten deutlich zu verbessern. Es erreicht vergleichbare Leistungen wie das OpenAI o1-Produktionsmodell bei Mathematik-, Programmier- und Sprachverständnisaufgaben.",
+  "DeepSeek-R1.description": "Effizientes LLM auf dem neuesten Stand der Technik, stark in Argumentation, Mathematik und Programmierung.",
   "DeepSeek-V3-1.description": "DeepSeek V3.1 ist ein Modell der nächsten Generation für logisches Denken mit verbessertem komplexem Schlussfolgern und Gedankenkette, geeignet für tiefgreifende Analyseaufgaben.",
   "DeepSeek-V3-Fast.description": "Anbieter: sophnet. DeepSeek V3 Fast ist die Hoch-TPS-Version von DeepSeek V3 0324, in voller Präzision (nicht quantisiert) mit stärkerer Leistung bei Code und Mathematik sowie schnelleren Antworten.",
   "DeepSeek-V3.1-Think.description": "DeepSeek-V3.1 Denkmodus: Ein neues hybrides Denkmodell mit Denk- und Nicht-Denk-Modi, effizienter als DeepSeek-R1-0528. Nachtrainingsoptimierungen verbessern die Toolnutzung und Agentenleistung erheblich.",
   "DeepSeek-V3.2.description": "deepseek-v3.2 führt einen Sparse-Attention-Mechanismus ein, um die Trainings- und Inferenzeffizienz bei der Verarbeitung langer Texte zu verbessern und bietet gleichzeitig geringere Kosten als deepseek-v3.1.",
-  "DeepSeek-V3.description": "DeepSeek-V3 ist ein MoE-Modell, das von DeepSeek entwickelt wurde. Es übertrifft andere offene Modelle wie Qwen2.5-72B und Llama-3.1-405B in vielen Benchmarks und ist konkurrenzfähig mit führenden geschlossenen Modellen wie GPT-4o und Claude 3.5 Sonnet.",
+  "DeepSeek-V3.description": "Die offene Bereitstellung von ByteDance Volcengine ist derzeit die stabilste; empfohlen. Es wurde automatisch auf die neueste Version (250324) aktualisiert.",
   "Doubao-lite-128k.description": "Doubao-lite bietet ultraschnelle Antworten und ein hervorragendes Preis-Leistungs-Verhältnis mit flexiblen Optionen für verschiedene Szenarien. Unterstützt 128K Kontext für Inferenz und Feinabstimmung.",
   "Doubao-lite-32k.description": "Doubao-lite bietet ultraschnelle Antworten und ein hervorragendes Preis-Leistungs-Verhältnis mit flexiblen Optionen für verschiedene Szenarien. Unterstützt 32K Kontext für Inferenz und Feinabstimmung.",
   "Doubao-lite-4k.description": "Doubao-lite bietet ultraschnelle Antworten und ein hervorragendes Preis-Leistungs-Verhältnis mit flexiblen Optionen für verschiedene Szenarien. Unterstützt 4K Kontext für Inferenz und Feinabstimmung.",
@@ -83,13 +83,12 @@
   "Kimi-K2.5.description": "Kimi K2.5 ist das leistungsfähigste Kimi-Modell und liefert Open-Source‑SOTA in Agent-Aufgaben, Codierung und visuellem Verständnis. Es unterstützt multimodale Eingaben sowie Thinking- und Non-Thinking-Modi.",
   "Kolors.description": "Kolors ist ein Text-zu-Bild-Modell, entwickelt vom Kuaishou-Kolors-Team. Mit Milliarden von Parametern trainiert, bietet es herausragende visuelle Qualität, starkes Verständnis chinesischer Semantik und präzise Textdarstellung.",
   "Kwai-Kolors/Kolors.description": "Kolors ist ein großskaliges Latent-Diffusion-Text-zu-Bild-Modell des Kuaishou-Kolors-Teams. Trainiert auf Milliarden Text-Bild-Paaren, überzeugt es durch visuelle Qualität, semantische Präzision und Textdarstellung in Chinesisch und Englisch. Es bietet starkes Verständnis und Generierung chinesischer Inhalte.",
+  "Ling-2.5-1T.description": "Als neuestes Flaggschiff-Echtzeitmodell der Ling-Serie führt Ling-2.5-1T umfassende Verbesserungen in der Modellarchitektur, Token-Effizienz und Präferenzabstimmung ein, um die Qualität zugänglicher KI auf ein neues Niveau zu heben.",
+  "Ling-2.6-1T.description": "Das neueste Flaggschiff-Großsprachmodell, das Unterstützung für ein Kontextfenster mit 1M-Token bietet und einen End-to-End-Workflow von logischer Argumentation bis zur Aufgabenbearbeitung ermöglicht.",
+  "Ling-2.6-flash.description": "Ling-2.6-flash ist das neueste Hochleistungsmodell der Ling-Serie. Es verwendet eine Mixture-of-Experts (MoE)-Architektur mit einer Gesamtanzahl von 100B Parametern und 6,1B aktivierten Parametern pro Token, wodurch ein optimales Gleichgewicht zwischen Inferenzleistung und Rechenkosten erreicht wird.",
   "Llama-3.2-11B-Vision-Instruct.description": "Starkes Bildverständnis bei hochauflösenden Bildern, ideal für visuelle Analyseanwendungen.",
-  "Llama-3.2-90B-Vision-Instruct\t.description": "Fortgeschrittenes Bildverständnis für visuelle Agentenanwendungen.",
+  "Llama-3.2-90B-Vision-Instruct.description": "Fortgeschrittene Bildargumentation für Anwendungen mit visuellen Verständnisagenten.",
   "LongCat-2.0-Preview.description": "Die Kernfunktionen von LongCat-2.0-Preview sind: Für Agentenentwicklungs-Szenarien konzipiert, mit nativer Unterstützung für Tool-Nutzung, mehrstufiges Reasoning und Langkontext-Aufgaben; Hervorragend in Codegenerierung, automatisierten Workflows und komplexer Ausführung von Anweisungen; Tief integriert mit Produktivitätstools wie Claude Code, OpenClaw, OpenCode und Kilo Code.",
-  "LongCat-Flash-Chat.description": "Das LongCat-Flash-Chat-Modell wurde auf eine neue Version aktualisiert. Dieses Update umfasst ausschließlich Verbesserungen der Modellfähigkeiten; der Modellname und die API-Aufrufmethode bleiben unverändert. Aufbauend auf den Markenzeichen „extreme Effizienz“ und „blitzschnelle Reaktion“ stärkt die neue Version das kontextuelle Verständnis und die Leistung bei realen Programmieraufgaben weiter: Deutlich verbesserte Codierungsfähigkeiten: Tief optimiert für entwicklerzentrierte Szenarien, bietet das Modell erhebliche Verbesserungen bei Codegenerierung, Debugging und Erklärung. Entwickler werden dringend ermutigt, diese Verbesserungen zu bewerten und zu testen. Unterstützung für 256K Ultra-Lange Kontexte: Das Kontextfenster wurde von der vorherigen Generation (128K) auf 256K verdoppelt, was eine effiziente Verarbeitung massiver Dokumente und langwieriger Aufgaben ermöglicht. Umfassend verbesserte mehrsprachige Leistung: Bietet starke Unterstützung für neun Sprachen, darunter Spanisch, Französisch, Arabisch, Portugiesisch, Russisch und Indonesisch. Leistungsstärkere Agentenfähigkeiten: Zeigt größere Robustheit und Effizienz bei komplexen Werkzeugaufrufen und mehrstufigen Aufgaben.",
-  "LongCat-Flash-Lite.description": "Das LongCat-Flash-Lite-Modell wurde offiziell veröffentlicht. Es verwendet eine effiziente Mixture-of-Experts (MoE)-Architektur mit insgesamt 68,5 Milliarden Parametern und etwa 3 Milliarden aktivierten Parametern. Durch die Verwendung einer N-Gramm-Einbettungstabelle erreicht es eine hoch effiziente Parameter-Nutzung und ist tief optimiert für Inferenz-Effizienz und spezifische Anwendungsszenarien. Im Vergleich zu Modellen ähnlicher Größe sind seine Kernmerkmale wie folgt: Herausragende Inferenz-Effizienz: Durch die Nutzung der N-Gramm-Einbettungstabelle zur grundlegenden Entlastung des I/O-Engpasses, der MoE-Architekturen innewohnt, kombiniert mit dedizierten Caching-Mechanismen und Kernel-Level-Optimierungen, reduziert es die Inferenz-Latenz erheblich und verbessert die Gesamteffizienz. Starke Agenten- und Code-Leistung: Es zeigt hoch wettbewerbsfähige Fähigkeiten bei Werkzeugaufrufen und Softwareentwicklungsaufgaben und liefert außergewöhnliche Leistung im Verhältnis zu seiner Modellgröße.",
-  "LongCat-Flash-Thinking-2601.description": "Das LongCat-Flash-Thinking-2601-Modell wurde offiziell veröffentlicht. Als ein verbessertes Modell für logisches Denken, das auf einer Mixture-of-Experts (MoE)-Architektur basiert, verfügt es über insgesamt 560 Milliarden Parameter. Während es seine starke Wettbewerbsfähigkeit bei traditionellen Benchmark-Tests für logisches Denken beibehält, verbessert es systematisch die Agenten-Fähigkeiten durch groß angelegtes Multi-Umgebungs-Verstärkungslernen. Im Vergleich zum LongCat-Flash-Thinking-Modell sind die wichtigsten Verbesserungen wie folgt: Extreme Robustheit in lauten Umgebungen: Durch systematisches Curriculum-Training, das auf Lärm und Unsicherheit in realen Szenarien abzielt, zeigt das Modell herausragende Leistung bei Werkzeugaufrufen durch Agenten, Agenten-basierter Suche und Werkzeug-integriertem logischen Denken mit deutlich verbesserter Generalisierung. Leistungsstarke Agenten-Fähigkeiten: Durch den Aufbau eines eng gekoppelten Abhängigkeitsgraphen, der mehr als 60 Werkzeuge umfasst, und die Skalierung des Trainings durch Multi-Umgebungs-Erweiterung und groß angelegtes exploratives Lernen verbessert das Modell seine Fähigkeit, auf komplexe und außerhalb der Verteilung liegende reale Szenarien zu generalisieren. Erweiterter Modus für tiefes Denken: Es erweitert die Breite des logischen Denkens durch parallele Inferenz und vertieft die analytische Fähigkeit durch rekursive, feedbackgesteuerte Zusammenfassungs- und Abstraktionsmechanismen, wodurch hoch anspruchsvolle Probleme effektiv gelöst werden.",
-  "LongCat-Flash-Thinking.description": "Um erstklassige Reasoning-Leistung sicherzustellen, hat die LongCat API-Plattform die Aufrufe des Modells LongCat-Flash-Thinking vereinheitlicht und aktualisiert. Alle bestehenden Anfragen mit `model=LongCat-Flash-Thinking` werden automatisch zur neuesten Version, LongCat-Flash-Thinking-2601, weitergeleitet – ohne erforderliche Codeänderungen.",
   "M2-her.description": "Ein Textdialogmodell, das für Rollenspiele und mehrstufige Gespräche entwickelt wurde, mit Charakteranpassung und emotionalem Ausdruck.",
   "Meta-Llama-3-3-70B-Instruct.description": "Llama 3.3 70B ist ein vielseitiges Transformer-Modell für Konversation und Textgenerierung.",
   "Meta-Llama-3.1-405B-Instruct.description": "Llama 3.1 ist ein instruktionstaugliches Textmodell, optimiert für mehrsprachige Konversation. Es erzielt starke Ergebnisse in gängigen Benchmarks und übertrifft viele offene und geschlossene Chatmodelle.",
@@ -187,27 +186,10 @@
   "Qwen2.5-Coder-14B-Instruct.description": "Qwen2.5-Coder-14B-Instruct ist ein großskaliges, vortrainiertes Modell für Programmieranweisungen mit starker Codeverständnis- und Generierungsfähigkeit. Es bewältigt effizient eine Vielzahl von Programmieraufgaben und eignet sich ideal für intelligentes Codieren, automatisierte Skripterstellung und Programmierfragen.",
   "Qwen2.5-Coder-32B-Instruct.description": "Fortschrittliches LLM für Codegenerierung, logisches Denken und Fehlerbehebung in gängigen Programmiersprachen.",
   "Qwen3-235B-A22B-Instruct-2507-FP8.description": "Qwen3 235B A22B Instruct 2507 ist für fortgeschrittenes logisches Denken und Befolgen von Anweisungen optimiert. Es nutzt MoE, um effizientes Denken im großen Maßstab zu ermöglichen.",
-  "Qwen3-235B.description": "Qwen3-235B-A22B ist ein MoE-Modell mit einem hybriden Denkmodus, der es Nutzern ermöglicht, nahtlos zwischen Denk- und Nicht-Denk-Modus zu wechseln. Es unterstützt Verständnis und logisches Denken in 119 Sprachen und Dialekten und verfügt über starke Tool-Calling-Fähigkeiten. Es konkurriert mit führenden Modellen wie DeepSeek R1, OpenAI o1, o3-mini, Grok 3 und Google Gemini 2.5 Pro in Benchmarks zu allgemeinen Fähigkeiten, Programmierung, Mathematik, Mehrsprachigkeit und Wissensverarbeitung.",
-  "Qwen3-32B.description": "Qwen3-32B ist ein dichtes Modell mit einem hybriden Denkmodus, der Nutzern erlaubt, zwischen Denk- und Nicht-Denk-Modus zu wechseln. Durch Verbesserungen in der Architektur, mehr Trainingsdaten und besseres Training erreicht es eine Leistung auf dem Niveau von Qwen2.5-72B.",
   "Qwen3.5-Plus.description": "Qwen3.5 Plus unterstützt Text-, Bild- und Videoeingaben. Die Leistung bei reinen Textaufgaben ist vergleichbar mit Qwen3 Max, jedoch mit besseren Ergebnissen und niedrigeren Kosten. Seine multimodalen Fähigkeiten sind deutlich verbessert gegenüber der Qwen3-VL-Serie.",
+  "Ring-2.5-1T.description": "Im Vergleich zum zuvor veröffentlichten Ring-1T erzielt Ring-2.5-1T signifikante Verbesserungen in drei Schlüsselbereichen: Generierungseffizienz, Argumentationstiefe und Fähigkeit zur Ausführung von Langzeitaufgaben: **Generierungseffizienz**: Durch die Nutzung eines hohen Anteils linearer Aufmerksamkeitsmechanismen reduziert Ring-2.5-1T den Speicherzugriffsaufwand um mehr als das 10-fache. Beim Verarbeiten von Sequenzen, die 32K Tokens überschreiten, liefert es über 3× höhere Generierungsdurchsätze, was es besonders geeignet für tiefgehende Argumentation und Langzeitaufgaben macht. **Tiefe Argumentation**: Aufbauend auf RLVR wird ein dichtes Belohnungsmechanismus eingeführt, um Feedback zur Strenge des Argumentationsprozesses zu geben. Dies ermöglicht Ring-2.5-1T, Goldmedaillen-Leistungen sowohl bei IMO 2025 als auch CMO 2025 (selbstbewertet) zu erzielen. **Langzeitaufgaben-Ausführung**: Durch groß angelegtes vollständig asynchrones agentenbasiertes Verstärkungslernen verbessert das Modell seine Fähigkeit, komplexe Aufgaben über längere Zeiträume autonom auszuführen. Dies ermöglicht Ring-2.5-1T, nahtlos mit Agenten-Programmierframeworks wie Claude Code und OpenClaw persönlichen KI-Assistenten zu integrieren.",
+  "Ring-2.6-1T.description": "Ring-2.6-1T ist ein Modell im Billionen-Parameter-Maßstab, das etwa 63B Parameter pro Inferenz aktiviert. Entwickelt für Agenten-Workflows, konzentriert es sich auf Agentenfähigkeiten, Werkzeugnutzung und Langzeitaufgaben-Ausführung und erzielt führende Leistungen bei Benchmarks wie PinchBench, ClawEval, TAU2-Bench und GAIA2-Suche. Das Modell ist optimiert hinsichtlich Ausführungsqualität, Latenz und Kosten und eignet sich hervorragend für fortgeschrittene Programmieragenten, komplexe Argumentationspipelines und groß angelegte autonome Systeme.",
   "S2V-01.description": "Das grundlegende Referenz-zu-Video-Modell der 01-Serie.",
-  "SenseChat-128K.description": "Basisversion V4 mit 128K Kontext, stark im Verständnis und der Generierung von Langtexten.",
-  "SenseChat-32K.description": "Basisversion V4 mit 32K Kontext, flexibel einsetzbar in vielen Szenarien.",
-  "SenseChat-5-1202.description": "Neueste Version basierend auf V5.5 mit deutlichen Verbesserungen in chinesischen/englischen Grundlagen, Konversation, MINT-Wissen, Geisteswissenschaften, Schreiben, Mathematik/Logik und Längenkontrolle.",
-  "SenseChat-5-Cantonese.description": "Entwickelt für den Dialogstil, Slang und das lokale Wissen Hongkongs; übertrifft GPT-4 im Kantonesisch-Verständnis und erreicht GPT-4 Turbo-Niveau in Wissen, logischem Denken, Mathematik und Programmierung.",
-  "SenseChat-5-beta.description": "Teilweise bessere Leistung als SenseChat-5-1202.",
-  "SenseChat-5.description": "Neueste Version V5.5 mit 128K Kontext; große Fortschritte im mathematischen Denken, englischer Konversation, Befolgen von Anweisungen und Langtextverständnis, vergleichbar mit GPT-4o.",
-  "SenseChat-Character-Pro.description": "Fortschrittliches Charakter-Chat-Modell mit 32K Kontext, verbesserter Leistung und Unterstützung für Chinesisch/Englisch.",
-  "SenseChat-Character.description": "Standard-Charakter-Chat-Modell mit 8K Kontext und hoher Antwortgeschwindigkeit.",
-  "SenseChat-Turbo-1202.description": "Neuestes Leichtgewichtsmodell mit über 90 % der Leistung des Vollmodells bei deutlich geringeren Inferenzkosten.",
-  "SenseChat-Turbo.description": "Geeignet für schnelle Frage-Antwort-Szenarien und Modell-Feinabstimmung.",
-  "SenseChat-Vision.description": "Neueste Version V5.5 mit Multi-Image-Eingabe und umfassenden Verbesserungen in Attributerkennung, räumlichen Beziehungen, Aktions-/Ereigniserkennung, Szenenverständnis, Emotionserkennung, Alltagslogik und Textverständnis/-generierung.",
-  "SenseChat.description": "Basisversion V4 mit 4K Kontext und starker allgemeiner Leistungsfähigkeit.",
-  "SenseNova-V6-5-Pro.description": "Mit umfassenden Updates in multimodalen, sprachlichen und logischen Daten sowie optimierter Trainingsstrategie verbessert das neue Modell das multimodale Denken und das allgemeine Befolgen von Anweisungen erheblich. Es unterstützt ein Kontextfenster von bis zu 128k und glänzt bei OCR- und Kultur-/Tourismus-IP-Erkennungsaufgaben.",
-  "SenseNova-V6-5-Turbo.description": "Mit umfassenden Updates in multimodalen, sprachlichen und logischen Daten sowie optimierter Trainingsstrategie verbessert das neue Modell das multimodale Denken und das allgemeine Befolgen von Anweisungen erheblich. Es unterstützt ein Kontextfenster von bis zu 128k und glänzt bei OCR- und Kultur-/Tourismus-IP-Erkennungsaufgaben.",
-  "SenseNova-V6-Pro.description": "Vereint Bild-, Text- und Videodaten nativ und überwindet traditionelle multimodale Grenzen; belegt Spitzenplätze bei OpenCompass und SuperCLUE.",
-  "SenseNova-V6-Reasoner.description": "Kombiniert tiefes logisches Denken in Bild und Sprache, unterstützt langsames Denken und vollständige Gedankengänge.",
-  "SenseNova-V6-Turbo.description": "Vereint Bild-, Text- und Videodaten nativ und überwindet traditionelle multimodale Grenzen. Führend in zentralen multimodalen und sprachlichen Fähigkeiten und rangiert in mehreren Bewertungen in der Spitzengruppe.",
   "Skylark2-lite-8k.description": "Skylark Modell der 2. Generation. Skylark2-lite bietet schnelle Antworten für Echtzeit- und kostensensitive Szenarien mit geringeren Genauigkeitsanforderungen und einem 8K-Kontextfenster.",
   "Skylark2-pro-32k.description": "Skylark Modell der 2. Generation. Skylark2-pro bietet höhere Genauigkeit für komplexe Textgenerierung wie professionelle Werbetexte, Romanerstellung und hochwertige Übersetzungen mit einem 32K-Kontextfenster.",
   "Skylark2-pro-4k.description": "Skylark Modell der 2. Generation. Skylark2-pro bietet höhere Genauigkeit für komplexe Textgenerierung wie professionelle Werbetexte, Romanerstellung und hochwertige Übersetzungen mit einem 4K-Kontextfenster.",
@@ -1197,6 +1179,8 @@
   "r1-1776.description": "R1-1776 ist eine nachtrainierte Variante von DeepSeek R1, die darauf ausgelegt ist, unzensierte, objektive und faktenbasierte Informationen bereitzustellen.",
   "seedance-1-5-pro-251215.description": "Seedance 1.5 Pro von ByteDance unterstützt Text-zu-Video, Bild-zu-Video (erstes Bild, erstes+letztes Bild) und Audioerzeugung, die mit visuellen Inhalten synchronisiert ist.",
   "seedream-5-0-260128.description": "ByteDance-Seedream-5.0-lite von BytePlus bietet webgestützte Generierung für Echtzeitinformationen, verbesserte Interpretation komplexer Eingaben und verbesserte Konsistenz von Referenzen für professionelle visuelle Kreationen.",
+  "sensenova-6.7-flash-lite.description": "Ein leichtgewichtiges multimodales Agentenmodell, das für reale Workflows entwickelt wurde und sowohl textbasierte Konversationen als auch Bildverständnis unterstützt. Leicht und effizient, mit einem ausgewogenen Verhältnis von Leistung, Kosten und Einsatzfähigkeit. Native multimodale Architektur mit Unterstützung für Bildverständnis, einschließlich OCR und Diagramminterpretation. Optimiert für Büro- und Produktivitätsszenarien, mit stabiler Unterstützung für komplexe Langzeitaufgaben. Verbesserte Token-Effizienz, die eine bessere Kostenkontrolle für komplexe Workloads ermöglicht. Kontextlänge von 256K Tokens (maximale Eingabe: 252K, maximale Ausgabe: 64K).",
+  "sensenova-u1-fast.description": "Eine beschleunigte Version basierend auf SenseNova U1, speziell optimiert für die Erstellung von Infografiken.",
   "solar-mini-ja.description": "Solar Mini (Ja) erweitert Solar Mini mit einem Fokus auf Japanisch und behält dabei eine effiziente und starke Leistung in Englisch und Koreanisch bei.",
   "solar-mini.description": "Solar Mini ist ein kompaktes LLM, das GPT-3.5 übertrifft. Es bietet starke mehrsprachige Fähigkeiten in Englisch und Koreanisch und ist eine effiziente Lösung mit kleinem Ressourcenbedarf.",
   "solar-pro.description": "Solar Pro ist ein hochintelligentes LLM von Upstage, das auf Befolgen von Anweisungen auf einer einzelnen GPU ausgelegt ist und IFEval-Werte über 80 erreicht. Derzeit wird Englisch unterstützt; die vollständige Veröffentlichung mit erweitertem Sprachsupport und längeren Kontexten war für November 2024 geplant.",

locales/de-DE/plugin.json

@@ -1,11 +1,21 @@
 {
   "arguments.moreParams": "{{count}} Parameter insgesamt",
   "arguments.title": "Argumente",
+  "builtins.codex.apiName.collab_tool_call": "Subagenten koordinieren",
   "builtins.codex.apiName.command_execution": "Befehl ausführen",
   "builtins.codex.apiName.file_change": "Dateien bearbeiten",
   "builtins.codex.apiName.mcp_tool_call": "MCP-Tool aufrufen",
   "builtins.codex.apiName.todo_list": "Aufgaben aktualisieren",
   "builtins.codex.apiName.web_search": "Im Web suchen",
+  "builtins.codex.collabTool.agentCount_one": "{{count}} Subagent",
+  "builtins.codex.collabTool.agentCount_other": "{{count}} Subagenten",
+  "builtins.codex.collabTool.agentLabel": "Subagent {{index}}",
+  "builtins.codex.collabTool.agents": "Subagenten",
+  "builtins.codex.collabTool.closeAgent": "Subagent schließen",
+  "builtins.codex.collabTool.instruction": "Anweisung",
+  "builtins.codex.collabTool.sendInput": "Subagenten benachrichtigen",
+  "builtins.codex.collabTool.spawnAgent": "Subagent erstellen",
+  "builtins.codex.collabTool.wait": "Auf Subagenten warten",
   "builtins.codex.commandExecution.grep": "Suchen",
   "builtins.codex.commandExecution.noResults": "Keine Ergebnisse",
   "builtins.codex.commandExecution.readFile": "Datei lesen",
@@ -447,6 +457,15 @@
   "dev.mcp.auth.desc": "Authentifizierungsmethode für MCP-Server auswählen",
   "dev.mcp.auth.label": "Auth-Typ",
   "dev.mcp.auth.none": "Keine Authentifizierung",
+  "dev.mcp.auth.oauth": "OAuth",
+  "dev.mcp.auth.oauth.authorize": "Autorisieren & Verbinden",
+  "dev.mcp.auth.oauth.clientId.desc": "Leer lassen, um einen Client automatisch zu registrieren (dynamische Client-Registrierung)",
+  "dev.mcp.auth.oauth.clientId.label": "OAuth-Client-ID",
+  "dev.mcp.auth.oauth.clientId.placeholder": "Optional",
+  "dev.mcp.auth.oauth.clientSecret.desc": "Nur erforderlich für vertrauliche OAuth-Clients",
+  "dev.mcp.auth.oauth.clientSecret.label": "OAuth-Client-Geheimnis",
+  "dev.mcp.auth.oauth.clientSecret.placeholder": "Optional",
+  "dev.mcp.auth.oauth.redirectHint": "Weiterleitungs-URI zur Registrierung bei Ihrer OAuth-App:",
   "dev.mcp.auth.placeholder": "Auth-Typ auswählen",
   "dev.mcp.auth.token.desc": "API-Schlüssel oder Bearer-Token eingeben",
   "dev.mcp.auth.token.label": "API-Schlüssel",

locales/de-DE/providers.json

@@ -4,6 +4,7 @@
   "ai360.description": "360 AI ist eine Modell- und Serviceplattform von 360, die NLP-Modelle wie 360GPT2 Pro, 360GPT Pro und 360GPT Turbo anbietet. Die Modelle kombinieren großskalige Parameter mit multimodalen Fähigkeiten für Textgenerierung, semantisches Verständnis, Chat und Code – mit flexibler Preisgestaltung für unterschiedliche Anforderungen.",
   "aihubmix.description": "AiHubMix bietet über eine einheitliche API Zugriff auf mehrere KI-Modelle.",
   "akashchat.description": "Akash ist ein dezentraler Cloud-Marktplatz mit wettbewerbsfähigen Preisen im Vergleich zu traditionellen Cloud-Anbietern.",
+  "antgroup.description": "Ant Ling ist die Kernmodellreihe der Ant Group-Initiative für Allgemeine Künstliche Intelligenz (AGI), die sich der Entwicklung und Bereitstellung modernster Grundmodellfähigkeiten widmet. Wir glauben, dass die Entwicklung von Intelligenz in Richtung Offenheit, Teilen und Skalierbarkeit gehen muss – beginnend mit kleinen, praktischen Schritten, um die stetige Weiterentwicklung und den realen Einsatz von AGI voranzutreiben.",
   "anthropic.description": "Anthropic entwickelt fortschrittliche Sprachmodelle wie Claude 3.5 Sonnet, Claude 3 Sonnet, Claude 3 Opus und Claude 3 Haiku, die Intelligenz, Geschwindigkeit und Kosten für Unternehmens- und Echtzeitanwendungen ausbalancieren.",
   "azure.description": "Azure bietet fortschrittliche KI-Modelle, darunter die GPT-3.5- und GPT-4-Serien, für vielfältige Datentypen und komplexe Aufgaben mit Fokus auf sichere, zuverlässige und nachhaltige KI.",
   "azureai.description": "Azure stellt fortschrittliche KI-Modelle wie GPT-3.5 und GPT-4 für verschiedenste Datentypen und komplexe Aufgaben bereit – mit Fokus auf Sicherheit, Zuverlässigkeit und Nachhaltigkeit.",

locales/de-DE/setting.json

@@ -280,7 +280,33 @@
   "defaultAgent.title": "Standard-Agenteneinstellungen",
   "devices.actions.edit": "Bearbeiten",
   "devices.actions.remove": "Entfernen",
+  "devices.capabilities.commands.desc": "Führen Sie Terminalbefehle sicher in Ihrer Umgebung aus.",
+  "devices.capabilities.commands.title": "Befehle ausführen",
+  "devices.capabilities.files.desc": "Ermöglichen Sie Agenten direkten Zugriff auf die Dateien auf Ihrem Computer und deren Organisation.",
+  "devices.capabilities.files.title": "Lokale Dateien lesen & schreiben",
+  "devices.capabilities.title": "Was Sie nach der Verbindung tun können",
+  "devices.capabilities.tools.desc": "Verbinden Sie lokale Tools, um die Möglichkeiten der Agenten zu erweitern.",
+  "devices.capabilities.tools.title": "Systemtools aufrufen",
   "devices.channel.connected": "Verbunden {{time}}",
+  "devices.connectWizard.button": "Gerät verbinden",
+  "devices.connectWizard.cli.connectDesc": "Starten Sie den Hintergrunddienst, um das Gerät online zu halten und für Remote-Operationen bereitzustellen.",
+  "devices.connectWizard.cli.connectTitle": "Dienst starten",
+  "devices.connectWizard.cli.installDesc": "Installieren Sie die LobeHub CLI global mit Ihrem bevorzugten Paketmanager, um Geräteverbindung und -verwaltung zu ermöglichen.",
+  "devices.connectWizard.cli.installTitle": "CLI installieren",
+  "devices.connectWizard.cli.loginDesc": "Schließen Sie die OAuth-Autorisierung in Ihrem Browser ab, um die CLI mit Ihrem Konto zu verknüpfen.",
+  "devices.connectWizard.cli.loginTitle": "Anmelden",
+  "devices.connectWizard.desktop.downloadLink": "LobeHub Desktop herunterladen",
+  "devices.connectWizard.desktop.step1": "Desktop-App herunterladen",
+  "devices.connectWizard.desktop.step1Desc": "Besuchen Sie die LobeHub-Downloadseite und laden Sie die App für Ihr Betriebssystem herunter.",
+  "devices.connectWizard.desktop.step2": "Anmelden und das Geräte-Gateway öffnen",
+  "devices.connectWizard.desktop.step2Desc": "Nach der Anmeldung klicken Sie auf das Geräte-Gateway-Symbol oben rechts und bestätigen, dass es eingeschaltet ist.",
+  "devices.connectWizard.desktop.step3": "Ihr Gerät erscheint automatisch",
+  "devices.connectWizard.desktop.step3Desc": "Die Desktop-App registriert sich beim Start automatisch als Gerät – Sie sehen es in der Liste, sobald es verbunden ist.",
+  "devices.connectWizard.footer": "Es werden nur Gerätedaten registriert – Ihre Daten werden niemals abgerufen.",
+  "devices.connectWizard.method.cli": "Über CLI",
+  "devices.connectWizard.method.desktop": "Über Desktop",
+  "devices.connectWizard.subtitle": "Wählen Sie aus, wie Sie Ihren Computer mit LobeHub verbinden möchten.",
+  "devices.connectWizard.title": "Gerät verbinden",
   "devices.currentBadge": "Dieses Gerät",
   "devices.detail.addDir": "Verzeichnis hinzufügen",
   "devices.detail.connections": "Verbindungen",
@@ -294,7 +320,13 @@
   "devices.edit.friendlyNamePlaceholder": "Ein Name zur Erkennung dieses Geräts",
   "devices.edit.save": "Speichern",
   "devices.edit.title": "Gerät bearbeiten",
-  "devices.empty": "Noch keine Geräte. Verbinden Sie eines mit `lh connect` oder durch Anmeldung in der Desktop-App.",
+  "devices.empty.desc": "Nach der Verbindung können LobeHub-Agenten Dateien lesen/schreiben, Befehle ausführen und direkt auf Ihrem Computer Systemtools aufrufen.",
+  "devices.empty.methodCli.desc": "Installieren Sie die CLI in Ihrem Terminal – ideal für Server oder headless Maschinen.",
+  "devices.empty.methodCli.title": "Über CLI verbinden",
+  "devices.empty.methodDesktop.badge": "Empfohlen",
+  "devices.empty.methodDesktop.desc": "Laden Sie die Desktop-App herunter, melden Sie sich an, und Ihr Gerät wird automatisch verbunden.",
+  "devices.empty.methodDesktop.title": "Über Desktop verbinden",
+  "devices.empty.title": "Verbinden Sie Ihr erstes Gerät",
   "devices.fallbackBadge": "Instabile Identität",
   "devices.fallbackTooltip": "Dieses Gerät konnte nicht anhand seiner Maschinen-ID identifiziert werden, daher kann eine Neuinstallation der App einen doppelten Eintrag erstellen.",
   "devices.lastSeen": "Zuletzt aktiv {{time}}",

locales/en-US/models.json

@@ -27,15 +27,15 @@
   "DeepSeek-OCR.description": "DeepSeek-OCR is a vision-language model from DeepSeek AI focused on OCR and \"context optical compression.\" It explores compressing context from images, efficiently processes documents, and converts them to structured text (e.g., Markdown). It accurately recognizes text in images, suited for document digitization, text extraction, and structured processing.",
   "DeepSeek-R1-Distill-Llama-70B.description": "DeepSeek R1, the larger and smarter model in the DeepSeek suite, is distilled into the Llama 70B architecture. Benchmarks and human evals show it is smarter than the base Llama 70B, especially on math and fact-precision tasks.",
   "DeepSeek-R1-Distill-Qwen-1.5B.description": "A DeepSeek-R1 distilled model based on Qwen2.5-Math-1.5B. Reinforcement learning and cold-start data optimize reasoning performance, setting new multi-task benchmarks for open models.",
-  "DeepSeek-R1-Distill-Qwen-14B.description": "DeepSeek-R1-Distill models are fine-tuned from open-source models using sample data generated by DeepSeek-R1.",
-  "DeepSeek-R1-Distill-Qwen-32B.description": "DeepSeek-R1-Distill models are fine-tuned from open-source models using sample data generated by DeepSeek-R1.",
+  "DeepSeek-R1-Distill-Qwen-14B.description": "A DeepSeek-R1 distilled model based on Qwen2.5-14B. Reinforcement learning and cold-start data optimize reasoning performance, setting new multi-task benchmarks for open models.",
+  "DeepSeek-R1-Distill-Qwen-32B.description": "The DeepSeek-R1 series improves reasoning performance with reinforcement learning and cold-start data, setting new multi-task benchmarks for open models and surpassing OpenAI o1-mini.",
   "DeepSeek-R1-Distill-Qwen-7B.description": "A DeepSeek-R1 distilled model based on Qwen2.5-Math-7B. Reinforcement learning and cold-start data optimize reasoning performance, setting new multi-task benchmarks for open models.",
-  "DeepSeek-R1.description": "DeepSeek-R1 applies large-scale reinforcement learning during post-training, greatly boosting reasoning with very little labeled data. It matches the OpenAI o1 production model on math, code, and natural language reasoning tasks.",
+  "DeepSeek-R1.description": "State-of-the-art efficient LLM, strong at reasoning, math, and coding.",
   "DeepSeek-V3-1.description": "DeepSeek V3.1 is a next-gen reasoning model with improved complex reasoning and chain-of-thought, suited for deep analysis tasks.",
   "DeepSeek-V3-Fast.description": "Provider: sophnet. DeepSeek V3 Fast is the high-TPS version of DeepSeek V3 0324, full-precision (non-quantized) with stronger code and math and faster responses.",
   "DeepSeek-V3.1-Think.description": "DeepSeek-V3.1 thinking mode: a new hybrid reasoning model with thinking and non-thinking modes, more efficient than DeepSeek-R1-0528. Post-training optimizations significantly improve agent tool use and agent task performance.",
   "DeepSeek-V3.2.description": "deepseek-v3.2 introduces sparse attention mechanism, aiming to improve training and inference efficiency when processing long texts, priced lower than deepseek-v3.1.",
-  "DeepSeek-V3.description": "DeepSeek-V3 is a MoE model developed by DeepSeek. It surpasses other open models like Qwen2.5-72B and Llama-3.1-405B on many benchmarks and is competitive with leading closed models such as GPT-4o and Claude 3.5 Sonnet.",
+  "DeepSeek-V3.description": "ByteDance Volcengine’s open deployment is currently the most stable; recommended. It has been auto-upgraded to the latest release (250324).",
   "Doubao-lite-128k.description": "Doubao-lite offers ultra-fast responses and better value, with flexible options across scenarios. Supports 128K context for inference and fine-tuning.",
   "Doubao-lite-32k.description": "Doubao-lite offers ultra-fast responses and better value, with flexible options across scenarios. Supports 32K context for inference and fine-tuning.",
   "Doubao-lite-4k.description": "Doubao-lite offers ultra-fast responses and better value, with flexible options across scenarios. Supports 4K context for inference and fine-tuning.",
@@ -83,13 +83,12 @@
   "Kimi-K2.5.description": "Kimi K2.5 is the most capable Kimi model, delivering open-source SOTA in agent tasks, coding, and vision understanding. It supports multimodal inputs and both thinking and non-thinking modes.",
   "Kolors.description": "Kolors is a text-to-image model developed by the Kuaishou Kolors team. Trained with billions of parameters, it has notable advantages in visual quality, Chinese semantic understanding, and text rendering.",
   "Kwai-Kolors/Kolors.description": "Kolors is a large-scale latent-diffusion text-to-image model by the Kuaishou Kolors team. Trained on billions of text-image pairs, it excels in visual quality, complex semantic accuracy, and Chinese/English text rendering, with strong Chinese content understanding and generation.",
+  "Ling-2.5-1T.description": "As the latest flagship real-time model in the Ling series, Ling-2.5-1T introduces comprehensive upgrades in model architecture, token efficiency, and preference alignment, aiming to elevate the quality of accessible AI to a new level.",
+  "Ling-2.6-1T.description": "The latest flagship large language model, featuring support for a 1M-token context window and enabling an end-to-end workflow from logical reasoning to task execution.",
+  "Ling-2.6-flash.description": "Ling-2.6-flash is the latest generation high cost-performance model in the Ling series. It adopts a Mixture-of-Experts (MoE) architecture, with a total parameter count of 100B and 6.1B activated parameters per token, achieving an optimal balance between inference performance and computational cost.",
   "Llama-3.2-11B-Vision-Instruct.description": "Strong image reasoning on high-resolution images, suited for visual understanding applications.",
-  "Llama-3.2-90B-Vision-Instruct\t.description": "Advanced image reasoning for visual-understanding agent applications.",
+  "Llama-3.2-90B-Vision-Instruct.description": "Advanced image reasoning for visual-understanding agent applications.",
   "LongCat-2.0-Preview.description": "The core features of LongCat-2.0-Preview are as follows: Designed for agent development scenarios, with native support for tool use, multi-step reasoning, and long-context tasks; Excels in code generation, automated workflows, and complex instruction execution; Deeply integrated with productivity tools such as Claude Code, OpenClaw, OpenCode, and Kilo Code.",
-  "LongCat-Flash-Chat.description": "The LongCat-Flash-Chat model has been upgraded to a new version. This update involves enhancements to model capabilities only; the model name and API invocation method remain unchanged. Building upon its hallmark “extreme efficiency” and “lightning-fast response,” the new version further strengthens contextual understanding and real-world programming performance: Significantly Enhanced Coding Capabilities: Deeply optimized for developer-centric scenarios, the model delivers substantial improvements in code generation, debugging, and explanation tasks. Developers are strongly encouraged to evaluate and benchmark these enhancements. Support for 256K Ultra-Long Context: The context window has doubled from the previous generation (128K) to 256K, enabling efficient processing of massive documents and long-sequence tasks. Comprehensively Improved Multilingual Performance: Provides strong support for nine languages, including Spanish, French, Arabic, Portuguese, Russian, and Indonesian. More Powerful Agent Capabilities: Demonstrates greater robustness and efficiency in complex tool invocation and multi-step task execution.",
-  "LongCat-Flash-Lite.description": "The LongCat-Flash-Lite model has been officially released. It adopts an efficient Mixture-of-Experts (MoE) architecture, with 68.5 billion total parameters and approximately 3 billion activated parameters. Through the use of an N-gram embedding table, it achieves highly efficient parameter utilization, and it is deeply optimized for inference efficiency and specific application scenarios. Compared to models of a similar scale, its core features are as follows:Outstanding Inference Efficiency: By leveraging the N-gram embedding table to fundamentally alleviate the I/O bottleneck inherent in MoE architectures, combined with dedicated caching mechanisms and kernel-level optimizations, it significantly reduces inference latency and improves overall efficiency. Strong Agent and Code Performance: It demonstrates highly competitive capabilities in tool invocation and software development tasks, delivering exceptional performance relative to its model size.",
-  "LongCat-Flash-Thinking-2601.description": "The LongCat-Flash-Thinking-2601 model has been officially released. As an upgraded reasoning model built on a Mixture-of-Experts (MoE) architecture, it features a total of 560 billion parameters. While maintaining strong competitiveness across traditional reasoning benchmarks, it systematically enhances Agent-level reasoning capabilities through large-scale multi-environment reinforcement learning. Compared to the LongCat-Flash-Thinking model, the key upgrades are as follows: Extreme Robustness in Noisy Environments: Through systematic curriculum-style training targeting noise and uncertainty in real-world settings, the model demonstrates outstanding performance in Agent tool invocation, Agent-based search, and tool-integrated reasoning, with significantly improved generalization. Powerful Agent Capabilities: By constructing a tightly coupled dependency graph encompassing more than 60 tools, and scaling training through multi-environment expansion and large-scale exploratory learning, the model markedly improves its ability to generalize to complex and out-of-distribution real-world scenarios. Advanced Deep Thinking Mode: It expands the breadth of reasoning via parallel inference and deepens analytical capability through recursive feedback-driven summarization and abstraction mechanisms, effectively addressing highly challenging problems.",
-  "LongCat-Flash-Thinking.description": "To ensure you receive top-tier reasoning performance, the LongCat API platform has unified and upgraded calls to the LongCat-Flash-Thinking model. All existing requests using `model=LongCat-Flash-Thinking` will be automatically routed to the latest version, LongCat-Flash-Thinking-2601, with no code changes required.",
   "M2-her.description": "A text dialogue model designed for role-playing and multi-turn conversations, with character customization and emotional expression.",
   "Meta-Llama-3-3-70B-Instruct.description": "Llama 3.3 70B is a versatile Transformer model for chat and generation tasks.",
   "Meta-Llama-3.1-405B-Instruct.description": "Llama 3.1 instruction-tuned text model optimized for multilingual chat, performing strongly on common industry benchmarks among open and closed chat models.",
@@ -187,27 +186,10 @@
   "Qwen2.5-Coder-14B-Instruct.description": "Qwen2.5-Coder-14B-Instruct is a large-scale pre-trained coding instruction model with strong code understanding and generation. It efficiently handles a wide range of programming tasks, ideal for smart coding, automated script generation, and programming Q&A.",
   "Qwen2.5-Coder-32B-Instruct.description": "Advanced LLM for code generation, reasoning, and bug fixing across major programming languages.",
   "Qwen3-235B-A22B-Instruct-2507-FP8.description": "Qwen3 235B A22B Instruct 2507 is optimized for advanced reasoning and instruction-following, using MoE to keep reasoning efficient at scale.",
-  "Qwen3-235B.description": "Qwen3-235B-A22B is a MoE model that introduces a hybrid reasoning mode, letting users switch seamlessly between thinking and non-thinking. It supports understanding and reasoning across 119 languages and dialects and has strong tool-calling capabilities, competing with mainstream models like DeepSeek R1, OpenAI o1, o3-mini, Grok 3, and Google Gemini 2.5 Pro across benchmarks in general ability, code and math, multilingual capability, and knowledge reasoning.",
-  "Qwen3-32B.description": "Qwen3-32B is a dense model that introduces a hybrid reasoning mode, letting users switch between thinking and non-thinking. With architecture improvements, more data, and better training, it performs on par with Qwen2.5-72B.",
   "Qwen3.5-Plus.description": "Qwen3.5 Plus supports text, image, and video input. Its performance on pure text tasks is comparable to Qwen3 Max, with better performance and lower cost. Its multimodal capabilities are significantly improved compared to the Qwen3 VL series.",
+  "Ring-2.5-1T.description": "Compared to the previously released Ring-1T, Ring-2.5-1T achieves significant improvements across three key dimensions: generation efficiency, reasoning depth, and long-horizon task execution capability: Generation Efficiency**: By leveraging a high proportion of linear attention mechanisms, Ring-2.5-1T reduces memory access overhead by more than 10×. When processing sequences exceeding 32K tokens, it delivers over 3× higher generation throughput, making it particularly well-suited for deep reasoning and long-horizon task execution. Deep Reasoning**: Building on RLVR, a dense reward mechanism is introduced to provide feedback on the rigor of the reasoning process. This enables Ring-2.5-1T to achieve gold-medal-level performance in both IMO 2025 and CMO 2025 (self-evaluated). Long-Horizon Task Execution**: Through large-scale fully asynchronous agent-based reinforcement learning training, the model significantly enhances its ability to autonomously execute complex tasks over extended periods. This allows Ring-2.5-1T to seamlessly integrate with agent programming frameworks such as Claude Code and OpenClaw personal AI assistants.",
+  "Ring-2.6-1T.description": "Ring-2.6-1T is a trillion-parameter-scale reasoning model that activates approximately 63B parameters per inference. Designed for Agent workflows, it focuses on agent capabilities, tool use, and long-horizon task execution, achieving leading performance on benchmarks such as PinchBench, ClawEval, TAU2-Bench, and GAIA2-search. The model is optimized across execution quality, latency, and cost, making it well suited for advanced coding agents, complex reasoning pipelines, and large-scale autonomous systems.",
   "S2V-01.description": "The foundational reference-to-video model of the 01 series.",
-  "SenseChat-128K.description": "Base V4 with 128K context, strong in long-text understanding and generation.",
-  "SenseChat-32K.description": "Base V4 with 32K context, flexible for many scenarios.",
-  "SenseChat-5-1202.description": "Latest version based on V5.5, with significant gains in Chinese/English fundamentals, chat, STEM knowledge, humanities knowledge, writing, math/logic, and length control.",
-  "SenseChat-5-Cantonese.description": "Designed for Hong Kong dialogue habits, slang, and local knowledge; surpasses GPT-4 in Cantonese understanding and rivals GPT-4 Turbo in knowledge, reasoning, math, and coding.",
-  "SenseChat-5-beta.description": "Some performance exceeds SenseChat-5-1202.",
-  "SenseChat-5.description": "Latest V5.5 with 128K context; major gains in math reasoning, English chat, instruction following, and long-text understanding, comparable to GPT-4o.",
-  "SenseChat-Character-Pro.description": "Advanced character chat model with 32K context, improved capability, and Chinese/English support.",
-  "SenseChat-Character.description": "Standard character chat model with 8K context and high response speed.",
-  "SenseChat-Turbo-1202.description": "Latest lightweight model reaching 90%+ of full-model capability with significantly lower inference cost.",
-  "SenseChat-Turbo.description": "Suitable for fast Q&A and model fine-tuning scenarios.",
-  "SenseChat-Vision.description": "Latest V5.5 with multi-image input and broad core improvements in attribute recognition, spatial relations, action/event detection, scene understanding, emotion recognition, commonsense reasoning, and text understanding/generation.",
-  "SenseChat.description": "Base V4 with 4K context and strong general capability.",
-  "SenseNova-V6-5-Pro.description": "With comprehensive updates to multimodal, language, and reasoning data plus training strategy optimization, the new model significantly improves multimodal reasoning and generalized instruction following, supports up to a 128k context window, and excels in OCR and cultural tourism IP recognition tasks.",
-  "SenseNova-V6-5-Turbo.description": "With comprehensive updates to multimodal, language, and reasoning data plus training strategy optimization, the new model significantly improves multimodal reasoning and generalized instruction following, supports up to a 128k context window, and excels in OCR and cultural tourism IP recognition tasks.",
-  "SenseNova-V6-Pro.description": "Natively unifies image, text, and video, breaking traditional multimodal silos; wins top spots on OpenCompass and SuperCLUE.",
-  "SenseNova-V6-Reasoner.description": "Combines vision and language deep reasoning, supporting slow thinking and full chain-of-thought.",
-  "SenseNova-V6-Turbo.description": "Natively unifies image, text, and video, breaking traditional multimodal silos. It leads across core multimodal and language capabilities and ranks top-tier in multiple evaluations.",
   "Skylark2-lite-8k.description": "Skylark 2nd-gen model. Skylark2-lite has fast responses for real-time, cost-sensitive scenarios with lower accuracy needs, with an 8K context window.",
   "Skylark2-pro-32k.description": "Skylark 2nd-gen model. Skylark2-pro offers higher accuracy for complex text generation such as professional copywriting, novel writing, and high-quality translation, with a 32K context window.",
   "Skylark2-pro-4k.description": "Skylark 2nd-gen model. Skylark2-pro offers higher accuracy for complex text generation such as professional copywriting, novel writing, and high-quality translation, with a 4K context window.",
@@ -1197,6 +1179,8 @@
   "r1-1776.description": "R1-1776 is a post-trained variant of DeepSeek R1 designed to provide uncensored, unbiased factual information.",
   "seedance-1-5-pro-251215.description": "Seedance 1.5 Pro by ByteDance supports text-to-video, image-to-video (first frame, first+last frame), and audio generation synchronized with visuals.",
   "seedream-5-0-260128.description": "ByteDance-Seedream-5.0-lite by BytePlus features web-retrieval-augmented generation for real-time information, enhanced complex prompt interpretation, and improved reference consistency for professional visual creation.",
+  "sensenova-6.7-flash-lite.description": "A lightweight multimodal agent model designed for real-world workflows, supporting both text-based conversations and image understanding. Lightweight and efficient, balancing performance, cost, and deployability. Native multimodal architecture with support for image understanding, including OCR and chart interpretation. Enhanced for office and productivity scenarios, with stable support for complex long-chain tasks. Improved token efficiency, enabling better cost control for complex workloads. Context length of 256K tokens (maximum input: 252K, maximum output: 64K)",
+  "sensenova-u1-fast.description": "An accelerated version based on SenseNova U1, specifically optimized for infographic generation.",
   "solar-mini-ja.description": "Solar Mini (Ja) extends Solar Mini with a focus on Japanese while maintaining efficient, strong performance in English and Korean.",
   "solar-mini.description": "Solar Mini is a compact LLM that outperforms GPT-3.5, with strong multilingual capability supporting English and Korean, offering an efficient small-footprint solution.",
   "solar-pro.description": "Solar Pro is a high-intelligence LLM from Upstage, focused on instruction following on a single GPU, with IFEval scores above 80. It currently supports English; the full release was planned for November 2024 with expanded language support and longer context.",

locales/es-ES/chat.json

@@ -15,6 +15,8 @@
   "agentBuilder.installPlugin.retry": "Reintentar",
   "agentBuilder.title": "Constructor de Agentes",
   "agentBuilder.welcome": "Cuéntame tu caso de uso.\n\nEscritura, programación o análisis de datos—todo vale. Tú defines el objetivo y los estándares; yo lo desgloso en Agentes colaborativos y ejecutables.",
+  "agentConfigError.retry": "Reintentar",
+  "agentConfigError.title": "Error al cargar la configuración del agente",
   "agentDefaultMessage": "Hola, soy **{{name}}**. Una frase es suficiente.\n\n¿Quieres que me adapte mejor a tu flujo de trabajo? Ve a [Configuración del Agente]({{url}}) y completa el Perfil del Agente (puedes editarlo en cualquier momento).",
   "agentDefaultMessageWithSystemRole": "Hola, soy **{{name}}**. Una frase es suficiente—tú tienes el control.",
   "agentDefaultMessageWithoutEdit": "Hola, soy **{{name}}**. Una frase es suficiente—tú tienes el control.",
@@ -252,6 +254,10 @@
   "input.costEstimate.tooltip": "Estimado a partir del contexto actual, herramientas y precios del modelo. El costo real puede variar.",
   "input.disclaimer": "Los agentes pueden cometer errores. Usa tu criterio para información crítica.",
   "input.errorMsg": "Error al enviar: {{errorMsg}}. Intenta de nuevo más tarde.",
+  "input.inputCompletionError.desc": "Las sugerencias de entrada se detuvieron debido a un error. Reintenta o ajusta el modelo de sugerencias en Configuración.",
+  "input.inputCompletionError.retry": "Reintentar",
+  "input.inputCompletionError.settings": "Configuración",
+  "input.inputCompletionError.title": "Sugerencias de entrada pausadas",
   "input.more": "Más",
   "input.send": "Enviar",
   "input.sendWithCmdEnter": "Presiona <key/> para enviar",
@@ -1006,7 +1012,9 @@
   "workingPanel.localFile.closeRight": "Cerrar a la Derecha",
   "workingPanel.localFile.error": "No se pudo cargar este archivo",
   "workingPanel.localFile.preview.raw": "Sin procesar",
+  "workingPanel.localFile.preview.reload": "Recargar vista previa",
   "workingPanel.localFile.preview.render": "Vista previa",
+  "workingPanel.localFile.preview.source": "Fuente",
   "workingPanel.localFile.truncated": "Vista previa del archivo truncada a {{limit}} caracteres",
   "workingPanel.progress": "Progress",
   "workingPanel.progress.allCompleted": "All tasks completed",

locales/es-ES/modelProvider.json

@@ -239,6 +239,7 @@
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken32k.hint": "Para GLM-5 y GLM-4.7; controla el presupuesto de tokens para razonamiento (máximo 32k).",
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken80k.hint": "Para la serie Qwen3; controla el presupuesto de tokens para razonamiento (máximo 80k).",
   "providerModels.item.modelConfig.extendParams.options.reasoningEffort.hint": "Para OpenAI y otros modelos con capacidad de razonamiento; controla el esfuerzo de razonamiento.",
+  "providerModels.item.modelConfig.extendParams.options.ring2_6ReasoningEffort.hint": "Para la serie Ring 2.6; controla la intensidad del razonamiento.",
   "providerModels.item.modelConfig.extendParams.options.step3_5ReasoningEffort.hint": "Para la serie Step 3.5; controla la intensidad del razonamiento.",
   "providerModels.item.modelConfig.extendParams.options.textVerbosity.hint": "Para la serie GPT-5+; controla la verbosidad del resultado.",
   "providerModels.item.modelConfig.extendParams.options.thinking.hint": "Para algunos modelos Doubao; permite que el modelo decida si debe pensar en profundidad.",

locales/es-ES/models.json

@@ -27,15 +27,15 @@
   "DeepSeek-OCR.description": "DeepSeek-OCR es un modelo visión‑lenguaje de DeepSeek AI centrado en OCR y en la “compresión óptica de contexto”. Explora la compresión de contexto a partir de imágenes, procesa documentos de forma eficiente y los convierte en texto estructurado (por ejemplo, Markdown). Reconoce texto en imágenes con alta precisión, ideal para la digitalización de documentos, extracción de texto y procesamiento estructurado.",
   "DeepSeek-R1-Distill-Llama-70B.description": "DeepSeek R1, el modelo más grande e inteligente de la suite DeepSeek, ha sido destilado en la arquitectura Llama 70B. Las pruebas de referencia y evaluaciones humanas muestran que es más inteligente que el Llama 70B base, especialmente en tareas de matemáticas y precisión factual.",
   "DeepSeek-R1-Distill-Qwen-1.5B.description": "Modelo destilado de DeepSeek-R1 basado en Qwen2.5-Math-1.5B. El aprendizaje por refuerzo y los datos de arranque en frío optimizan el rendimiento en razonamiento, estableciendo nuevos estándares de referencia multitarea para modelos abiertos.",
-  "DeepSeek-R1-Distill-Qwen-14B.description": "Los modelos DeepSeek-R1-Distill están ajustados a partir de modelos de código abierto utilizando datos de muestra generados por DeepSeek-R1.",
-  "DeepSeek-R1-Distill-Qwen-32B.description": "Los modelos DeepSeek-R1-Distill están ajustados a partir de modelos de código abierto utilizando datos de muestra generados por DeepSeek-R1.",
+  "DeepSeek-R1-Distill-Qwen-14B.description": "Un modelo destilado DeepSeek-R1 basado en Qwen2.5-14B. El aprendizaje por refuerzo y los datos de inicio en frío optimizan el rendimiento en razonamiento, estableciendo nuevos estándares de referencia multitarea para modelos abiertos.",
+  "DeepSeek-R1-Distill-Qwen-32B.description": "La serie DeepSeek-R1 mejora el rendimiento en razonamiento con aprendizaje por refuerzo y datos de inicio en frío, estableciendo nuevos estándares de referencia multitarea para modelos abiertos y superando a OpenAI o1-mini.",
   "DeepSeek-R1-Distill-Qwen-7B.description": "Modelo destilado de DeepSeek-R1 basado en Qwen2.5-Math-7B. El aprendizaje por refuerzo y los datos de arranque en frío optimizan el rendimiento en razonamiento, estableciendo nuevos estándares de referencia multitarea para modelos abiertos.",
-  "DeepSeek-R1.description": "DeepSeek-R1 aplica aprendizaje por refuerzo a gran escala durante el postentrenamiento, mejorando significativamente el razonamiento con muy pocos datos etiquetados. Alcanza el nivel del modelo de producción OpenAI o1 en tareas de matemáticas, programación y razonamiento en lenguaje natural.",
+  "DeepSeek-R1.description": "Modelo eficiente de última generación, destacado en razonamiento, matemáticas y programación.",
   "DeepSeek-V3-1.description": "DeepSeek V3.1 es un modelo de razonamiento de nueva generación con mejoras en razonamiento complejo y cadenas de pensamiento, adecuado para tareas de análisis profundo.",
   "DeepSeek-V3-Fast.description": "Proveedor: sophnet. DeepSeek V3 Fast es la versión de alta velocidad de DeepSeek V3 0324, de precisión completa (sin cuantización), con mejor rendimiento en código y matemáticas y respuestas más rápidas.",
   "DeepSeek-V3.1-Think.description": "Modo de pensamiento de DeepSeek-V3.1: un nuevo modelo de razonamiento híbrido con modos de pensamiento y no pensamiento, más eficiente que DeepSeek-R1-0528. Las optimizaciones posteriores al entrenamiento mejoran significativamente el uso de herramientas de agente y el rendimiento en tareas de agente.",
   "DeepSeek-V3.2.description": "deepseek-v3.2 incorpora un mecanismo de atención dispersa para mejorar la eficiencia de entrenamiento e inferencia al procesar textos largos, con un precio inferior al de deepseek-v3.1.",
-  "DeepSeek-V3.description": "DeepSeek-V3 es un modelo MoE desarrollado por DeepSeek. Supera a otros modelos abiertos como Qwen2.5-72B y Llama-3.1-405B en muchas pruebas de referencia y compite con modelos cerrados líderes como GPT-4o y Claude 3.5 Sonnet.",
+  "DeepSeek-V3.description": "El despliegue abierto de Volcengine de ByteDance es actualmente el más estable; recomendado. Ha sido actualizado automáticamente a la última versión (250324).",
   "Doubao-lite-128k.description": "Doubao-lite ofrece respuestas ultra rápidas y mejor relación calidad-precio, con opciones flexibles para distintos escenarios. Admite contexto de 128K para inferencia y ajuste fino.",
   "Doubao-lite-32k.description": "Doubao-lite ofrece respuestas ultra rápidas y mejor relación calidad-precio, con opciones flexibles para distintos escenarios. Admite contexto de 32K para inferencia y ajuste fino.",
   "Doubao-lite-4k.description": "Doubao-lite ofrece respuestas ultra rápidas y mejor relación calidad-precio, con opciones flexibles para distintos escenarios. Admite contexto de 4K para inferencia y ajuste fino.",
@@ -83,13 +83,12 @@
   "Kimi-K2.5.description": "Kimi K2.5 es el modelo más potente de Kimi, con rendimiento SOTA de código abierto en tareas agentivas, programación y comprensión visual. Soporta entradas multimodales y modos con y sin razonamiento.",
   "Kolors.description": "Kolors es un modelo de texto a imagen desarrollado por el equipo Kolors de Kuaishou. Entrenado con miles de millones de parámetros, destaca por su calidad visual, comprensión semántica en chino y renderizado de texto.",
   "Kwai-Kolors/Kolors.description": "Kolors es un modelo de difusión latente a gran escala de texto a imagen del equipo Kolors de Kuaishou. Entrenado con miles de millones de pares texto-imagen, sobresale en calidad visual, precisión semántica compleja y renderizado de texto en chino/inglés, con sólida comprensión y generación de contenido en chino.",
+  "Ling-2.5-1T.description": "Como el último modelo insignia en tiempo real de la serie Ling, Ling-2.5-1T introduce mejoras integrales en la arquitectura del modelo, eficiencia de tokens y alineación de preferencias, con el objetivo de elevar la calidad de la IA accesible a un nuevo nivel.",
+  "Ling-2.6-1T.description": "El último modelo insignia de lenguaje a gran escala, con soporte para una ventana de contexto de 1M tokens, que permite un flujo de trabajo completo desde el razonamiento lógico hasta la ejecución de tareas.",
+  "Ling-2.6-flash.description": "Ling-2.6-flash es el modelo de última generación con alta relación costo-rendimiento de la serie Ling. Adopta una arquitectura de Mixture-of-Experts (MoE), con un total de 100B parámetros y 6.1B parámetros activados por token, logrando un equilibrio óptimo entre rendimiento de inferencia y costo computacional.",
   "Llama-3.2-11B-Vision-Instruct.description": "Razonamiento visual sólido en imágenes de alta resolución, ideal para aplicaciones de comprensión visual.",
-  "Llama-3.2-90B-Vision-Instruct\t.description": "Razonamiento visual avanzado para aplicaciones de agentes con comprensión visual.",
+  "Llama-3.2-90B-Vision-Instruct.description": "Razonamiento avanzado de imágenes para aplicaciones de agentes de comprensión visual.",
   "LongCat-2.0-Preview.description": "Las funciones principales de LongCat‑2.0‑Preview son las siguientes: diseñado para escenarios de desarrollo de agentes, con compatibilidad nativa para el uso de herramientas, razonamiento de varios pasos y tareas de contexto largo; destaca en generación de código, flujos de trabajo automatizados y ejecución de instrucciones complejas; profundamente integrado con herramientas de productividad como Claude Code, OpenClaw, OpenCode y Kilo Code.",
-  "LongCat-Flash-Chat.description": "El modelo LongCat-Flash-Chat ha sido actualizado a una nueva versión. Esta actualización incluye mejoras únicamente en las capacidades del modelo; el nombre del modelo y el método de invocación de la API permanecen sin cambios. Basándose en su característica distintiva de \"eficiencia extrema\" y \"respuesta ultrarrápida\", la nueva versión refuerza aún más la comprensión contextual y el rendimiento en programación del mundo real: Capacidades de codificación significativamente mejoradas: Optimizado profundamente para escenarios centrados en desarrolladores, el modelo ofrece mejoras sustanciales en generación de código, depuración y tareas de explicación. Se anima encarecidamente a los desarrolladores a evaluar y comparar estas mejoras. Soporte para contexto ultra largo de 256K: La ventana de contexto se ha duplicado respecto a la generación anterior (128K) a 256K, permitiendo un procesamiento eficiente de documentos masivos y tareas de secuencia larga. Rendimiento multilingüe mejorado integralmente: Ofrece un sólido soporte para nueve idiomas, incluidos español, francés, árabe, portugués, ruso e indonesio. Capacidades de agente más poderosas: Demuestra mayor robustez y eficiencia en la invocación de herramientas complejas y la ejecución de tareas de múltiples pasos.",
-  "LongCat-Flash-Lite.description": "El modelo LongCat-Flash-Lite ha sido lanzado oficialmente. Adopta una arquitectura eficiente de Mezcla de Expertos (MoE), con un total de 68.5 mil millones de parámetros y aproximadamente 3 mil millones de parámetros activados. A través del uso de una tabla de incrustación N-gram, logra una utilización altamente eficiente de parámetros y está profundamente optimizado para la eficiencia de inferencia y escenarios de aplicación específicos. En comparación con modelos de escala similar, sus características principales son las siguientes: Eficiencia de inferencia sobresaliente: Aprovechando la tabla de incrustación N-gram para aliviar fundamentalmente el cuello de botella de E/S inherente a las arquitecturas MoE, combinado con mecanismos de almacenamiento en caché dedicados y optimizaciones a nivel de núcleo, reduce significativamente la latencia de inferencia y mejora la eficiencia general. Rendimiento fuerte en agentes y codificación: Demuestra capacidades altamente competitivas en la invocación de herramientas y tareas de desarrollo de software, ofreciendo un rendimiento excepcional en relación con su tamaño de modelo.",
-  "LongCat-Flash-Thinking-2601.description": "El modelo LongCat-Flash-Thinking-2601 ha sido lanzado oficialmente. Como un modelo de razonamiento mejorado basado en una arquitectura de Mezcla de Expertos (MoE), cuenta con un total de 560 mil millones de parámetros. Mientras mantiene una fuerte competitividad en los puntos de referencia tradicionales de razonamiento, mejora sistemáticamente las capacidades de razonamiento a nivel de agente a través de aprendizaje por refuerzo en múltiples entornos a gran escala. En comparación con el modelo LongCat-Flash-Thinking, las actualizaciones clave son las siguientes: Robustez extrema en entornos ruidosos: A través de un entrenamiento sistemático estilo currículo dirigido al ruido y la incertidumbre en entornos del mundo real, el modelo demuestra un rendimiento sobresaliente en la invocación de herramientas de agente, búsqueda basada en agentes y razonamiento integrado con herramientas, con una generalización significativamente mejorada. Capacidades de agente poderosas: Construyendo un gráfico de dependencia estrechamente acoplado que abarca más de 60 herramientas y escalando el entrenamiento mediante expansión en múltiples entornos y aprendizaje exploratorio a gran escala, el modelo mejora notablemente su capacidad para generalizar a escenarios complejos y fuera de distribución en el mundo real. Modo de pensamiento profundo avanzado: Expande la amplitud del razonamiento mediante inferencia paralela y profundiza la capacidad analítica a través de mecanismos de resumen y abstracción impulsados por retroalimentación recursiva, abordando eficazmente problemas altamente desafiantes.",
-  "LongCat-Flash-Thinking.description": "Para garantizar un rendimiento de razonamiento de primera categoría, la plataforma LongCat API ha unificado y actualizado las llamadas al modelo LongCat‑Flash‑Thinking. Todas las solicitudes existentes que utilicen `model=LongCat-Flash-Thinking` se redirigirán automáticamente a la versión más reciente, LongCat‑Flash‑Thinking‑2601, sin necesidad de cambiar el código.",
   "M2-her.description": "Un modelo de diálogo de texto diseñado para juegos de rol y conversaciones de múltiples turnos, con personalización de personajes y expresión emocional.",
   "Meta-Llama-3-3-70B-Instruct.description": "Llama 3.3 70B es un modelo Transformer versátil para tareas de chat y generación.",
   "Meta-Llama-3.1-405B-Instruct.description": "Modelo de texto ajustado por instrucciones Llama 3.1, optimizado para chat multilingüe. Destaca en los principales benchmarks de la industria entre modelos abiertos y cerrados.",
@@ -187,27 +186,10 @@
   "Qwen2.5-Coder-14B-Instruct.description": "Qwen2.5-Coder-14B-Instruct es un modelo de instrucciones de codificación preentrenado a gran escala con sólida comprensión y generación de código. Maneja eficientemente una amplia gama de tareas de programación, ideal para codificación inteligente, generación automática de scripts y preguntas y respuestas sobre programación.",
   "Qwen2.5-Coder-32B-Instruct.description": "LLM avanzado para generación de código, razonamiento y corrección de errores en los principales lenguajes de programación.",
   "Qwen3-235B-A22B-Instruct-2507-FP8.description": "Qwen3 235B A22B Instruct 2507 está optimizado para razonamiento avanzado y seguimiento de instrucciones, utilizando MoE para mantener la eficiencia del razonamiento a gran escala.",
-  "Qwen3-235B.description": "Qwen3-235B-A22B es un modelo MoE que introduce un modo de razonamiento híbrido, permitiendo a los usuarios cambiar sin problemas entre pensamiento y no pensamiento. Admite comprensión y razonamiento en 119 idiomas y dialectos, y tiene sólidas capacidades de llamada a herramientas, compitiendo con modelos como DeepSeek R1, OpenAI o1, o3-mini, Grok 3 y Google Gemini 2.5 Pro en benchmarks de capacidad general, código y matemáticas, capacidad multilingüe y razonamiento de conocimiento.",
-  "Qwen3-32B.description": "Qwen3-32B es un modelo denso que introduce un modo de razonamiento híbrido, permitiendo a los usuarios cambiar entre pensamiento y no pensamiento. Con mejoras en la arquitectura, más datos y mejor entrenamiento, su rendimiento es comparable al de Qwen2.5-72B.",
   "Qwen3.5-Plus.description": "Qwen3.5 Plus soporta entrada de texto, imagen y video. Su rendimiento en tareas de solo texto es comparable al de Qwen3 Max, con mejor rendimiento y menor costo. Sus capacidades multimodales mejoran significativamente frente a la serie Qwen3 VL.",
+  "Ring-2.5-1T.description": "En comparación con el Ring-1T previamente lanzado, Ring-2.5-1T logra mejoras significativas en tres dimensiones clave: Eficiencia de Generación**: Al aprovechar una alta proporción de mecanismos de atención lineal, Ring-2.5-1T reduce la sobrecarga de acceso a memoria en más de 10×. Al procesar secuencias que superan los 32K tokens, ofrece más de 3× mayor rendimiento de generación, lo que lo hace particularmente adecuado para razonamiento profundo y ejecución de tareas de largo alcance. Razonamiento Profundo**: Basándose en RLVR, se introduce un mecanismo de recompensa densa para proporcionar retroalimentación sobre el rigor del proceso de razonamiento. Esto permite que Ring-2.5-1T alcance un rendimiento de nivel medalla de oro tanto en IMO 2025 como en CMO 2025 (autoevaluado). Ejecución de Tareas de Largo Alcance**: A través de entrenamiento de aprendizaje por refuerzo basado en agentes completamente asincrónico a gran escala, el modelo mejora significativamente su capacidad para ejecutar tareas complejas de manera autónoma durante períodos prolongados. Esto permite que Ring-2.5-1T se integre perfectamente con marcos de programación de agentes como Claude Code y asistentes personales de IA OpenClaw.",
+  "Ring-2.6-1T.description": "Ring-2.6-1T es un modelo de razonamiento a escala de un billón de parámetros que activa aproximadamente 63B parámetros por inferencia. Diseñado para flujos de trabajo de agentes, se centra en capacidades de agentes, uso de herramientas y ejecución de tareas de largo alcance, logrando un rendimiento líder en estándares como PinchBench, ClawEval, TAU2-Bench y GAIA2-search. El modelo está optimizado en calidad de ejecución, latencia y costo, lo que lo hace ideal para agentes avanzados de programación, tuberías de razonamiento complejo y sistemas autónomos a gran escala.",
   "S2V-01.description": "El modelo base de referencia a video de la serie 01.",
-  "SenseChat-128K.description": "Base V4 con contexto de 128K, excelente en comprensión y generación de textos largos.",
-  "SenseChat-32K.description": "Base V4 con contexto de 32K, flexible para múltiples escenarios.",
-  "SenseChat-5-1202.description": "Versión más reciente basada en V5.5, con mejoras significativas en fundamentos de chino/inglés, conversación, conocimientos STEM, humanidades, redacción, matemáticas/lógica y control de longitud.",
-  "SenseChat-5-Cantonese.description": "Diseñado para los hábitos de conversación, jerga y conocimientos locales de Hong Kong; supera a GPT-4 en comprensión del cantonés y rivaliza con GPT-4 Turbo en conocimientos, razonamiento, matemáticas y programación.",
-  "SenseChat-5-beta.description": "En algunos aspectos, su rendimiento supera al de SenseChat-5-1202.",
-  "SenseChat-5.description": "Última versión V5.5 con contexto de 128K; grandes avances en razonamiento matemático, conversación en inglés, seguimiento de instrucciones y comprensión de textos largos, comparable a GPT-4o.",
-  "SenseChat-Character-Pro.description": "Modelo avanzado de conversación con personajes, con contexto de 32K, mayor capacidad y soporte en chino/inglés.",
-  "SenseChat-Character.description": "Modelo estándar de conversación con personajes, con contexto de 8K y alta velocidad de respuesta.",
-  "SenseChat-Turbo-1202.description": "Último modelo liviano que alcanza más del 90% de la capacidad del modelo completo con un costo de inferencia significativamente menor.",
-  "SenseChat-Turbo.description": "Adecuado para preguntas y respuestas rápidas y escenarios de ajuste fino del modelo.",
-  "SenseChat-Vision.description": "Última versión V5.5 con entrada de múltiples imágenes y amplias mejoras en reconocimiento de atributos, relaciones espaciales, detección de acciones/eventos, comprensión de escenas, reconocimiento de emociones, razonamiento de sentido común y comprensión/generación de texto.",
-  "SenseChat.description": "Base V4 con contexto de 4K y gran capacidad general.",
-  "SenseNova-V6-5-Pro.description": "Con actualizaciones integrales en datos multimodales, lingüísticos y de razonamiento, además de optimización de estrategias de entrenamiento, el nuevo modelo mejora significativamente el razonamiento multimodal y el seguimiento de instrucciones generalizadas, admite hasta 128K de contexto y destaca en tareas de OCR y reconocimiento de IP de turismo cultural.",
-  "SenseNova-V6-5-Turbo.description": "Con actualizaciones integrales en datos multimodales, lingüísticos y de razonamiento, además de optimización de estrategias de entrenamiento, el nuevo modelo mejora significativamente el razonamiento multimodal y el seguimiento de instrucciones generalizadas, admite hasta 128K de contexto y destaca en tareas de OCR y reconocimiento de IP de turismo cultural.",
-  "SenseNova-V6-Pro.description": "Unifica de forma nativa imagen, texto y video, rompiendo los silos multimodales tradicionales; lidera en OpenCompass y SuperCLUE.",
-  "SenseNova-V6-Reasoner.description": "Combina visión y lenguaje con razonamiento profundo, compatible con pensamiento lento y cadena completa de razonamiento.",
-  "SenseNova-V6-Turbo.description": "Unifica de forma nativa imagen, texto y video, rompiendo los silos multimodales tradicionales. Lidera en capacidades lingüísticas y multimodales clave, y se ubica en el nivel superior en múltiples evaluaciones.",
   "Skylark2-lite-8k.description": "Modelo Skylark de segunda generación. Skylark2-lite ofrece respuestas rápidas para escenarios en tiempo real y sensibles al costo, con menores requisitos de precisión y una ventana de contexto de 8K.",
   "Skylark2-pro-32k.description": "Modelo Skylark de segunda generación. Skylark2-pro ofrece mayor precisión para generación de texto compleja como redacción profesional, escritura de novelas y traducción de alta calidad, con una ventana de contexto de 32K.",
   "Skylark2-pro-4k.description": "Modelo Skylark de segunda generación. Skylark2-pro ofrece mayor precisión para generación de texto compleja como redacción profesional, escritura de novelas y traducción de alta calidad, con una ventana de contexto de 4K.",
@@ -1197,6 +1179,8 @@
   "r1-1776.description": "R1-1776 es una variante postentrenada de DeepSeek R1 diseñada para proporcionar información factual sin censura ni sesgo.",
   "seedance-1-5-pro-251215.description": "Seedance 1.5 Pro de ByteDance soporta texto a video, imagen a video (primer cuadro, primer+último cuadro) y generación de audio sincronizado con visuales.",
   "seedream-5-0-260128.description": "ByteDance-Seedream-5.0-lite de BytePlus presenta generación aumentada con recuperación web para información en tiempo real, interpretación mejorada de indicaciones complejas y mayor consistencia de referencia para creación visual profesional.",
+  "sensenova-6.7-flash-lite.description": "Un modelo de agente multimodal ligero diseñado para flujos de trabajo del mundo real, que admite tanto conversaciones basadas en texto como comprensión de imágenes. Ligero y eficiente, equilibrando rendimiento, costo y capacidad de implementación. Arquitectura multimodal nativa con soporte para comprensión de imágenes, incluyendo OCR e interpretación de gráficos. Mejorado para escenarios de oficina y productividad, con soporte estable para tareas complejas de cadena larga. Eficiencia mejorada de tokens, permitiendo un mejor control de costos para cargas de trabajo complejas. Longitud de contexto de 256K tokens (entrada máxima: 252K, salida máxima: 64K).",
+  "sensenova-u1-fast.description": "Una versión acelerada basada en SenseNova U1, específicamente optimizada para la generación de infografías.",
   "solar-mini-ja.description": "Solar Mini (Ja) amplía Solar Mini con un enfoque en japonés, manteniendo un rendimiento eficiente y sólido en inglés y coreano.",
   "solar-mini.description": "Solar Mini es un modelo LLM compacto que supera a GPT-3.5, con una sólida capacidad multilingüe compatible con inglés y coreano, ofreciendo una solución eficiente de bajo consumo.",
   "solar-pro.description": "Solar Pro es un LLM de alta inteligencia de Upstage, enfocado en el seguimiento de instrucciones en una sola GPU, con puntuaciones IFEval superiores a 80. Actualmente admite inglés; el lanzamiento completo estaba previsto para noviembre de 2024 con soporte de idiomas ampliado y contexto más largo.",

locales/es-ES/plugin.json

@@ -1,11 +1,21 @@
 {
   "arguments.moreParams": "{{count}} parámetros en total",
   "arguments.title": "Argumentos",
+  "builtins.codex.apiName.collab_tool_call": "Coordinar subagentes",
   "builtins.codex.apiName.command_execution": "Ejecutar comando",
   "builtins.codex.apiName.file_change": "Editar archivos",
   "builtins.codex.apiName.mcp_tool_call": "Llamar herramienta MCP",
   "builtins.codex.apiName.todo_list": "Actualizar tareas",
   "builtins.codex.apiName.web_search": "Buscar en la web",
+  "builtins.codex.collabTool.agentCount_one": "{{count}} subagente",
+  "builtins.codex.collabTool.agentCount_other": "{{count}} subagentes",
+  "builtins.codex.collabTool.agentLabel": "Subagente {{index}}",
+  "builtins.codex.collabTool.agents": "Subagentes",
+  "builtins.codex.collabTool.closeAgent": "Cerrar subagente",
+  "builtins.codex.collabTool.instruction": "Instrucción",
+  "builtins.codex.collabTool.sendInput": "Enviar mensaje al subagente",
+  "builtins.codex.collabTool.spawnAgent": "Generar subagente",
+  "builtins.codex.collabTool.wait": "Esperar a los subagentes",
   "builtins.codex.commandExecution.grep": "Buscar",
   "builtins.codex.commandExecution.noResults": "Sin resultados",
   "builtins.codex.commandExecution.readFile": "Leer archivo",
@@ -447,6 +457,15 @@
   "dev.mcp.auth.desc": "Selecciona el método de autenticación para el servidor MCP",
   "dev.mcp.auth.label": "Tipo de autenticación",
   "dev.mcp.auth.none": "Sin autenticación",
+  "dev.mcp.auth.oauth": "OAuth",
+  "dev.mcp.auth.oauth.authorize": "Autorizar y Conectar",
+  "dev.mcp.auth.oauth.clientId.desc": "Déjelo vacío para registrar un cliente automáticamente (registro dinámico de clientes)",
+  "dev.mcp.auth.oauth.clientId.label": "ID de Cliente OAuth",
+  "dev.mcp.auth.oauth.clientId.placeholder": "Opcional",
+  "dev.mcp.auth.oauth.clientSecret.desc": "Solo requerido para clientes OAuth confidenciales",
+  "dev.mcp.auth.oauth.clientSecret.label": "Secreto de Cliente OAuth",
+  "dev.mcp.auth.oauth.clientSecret.placeholder": "Opcional",
+  "dev.mcp.auth.oauth.redirectHint": "URI de redirección para registrar con su aplicación OAuth:",
   "dev.mcp.auth.placeholder": "Selecciona tipo de autenticación",
   "dev.mcp.auth.token.desc": "Introduce tu clave API o token Bearer",
   "dev.mcp.auth.token.label": "Clave API",

locales/es-ES/providers.json

@@ -4,6 +4,7 @@
   "ai360.description": "360 AI es una plataforma de modelos y servicios de 360, que ofrece modelos de PLN como 360GPT2 Pro, 360GPT Pro y 360GPT Turbo. Estos modelos combinan parámetros a gran escala y capacidades multimodales para generación de texto, comprensión semántica, chat y código, con precios flexibles para diversas necesidades.",
   "aihubmix.description": "AiHubMix proporciona acceso a múltiples modelos de IA a través de una API unificada.",
   "akashchat.description": "Akash es un mercado de recursos en la nube sin permisos, con precios competitivos frente a los proveedores tradicionales.",
+  "antgroup.description": "Ant Ling es la serie de modelos fundamentales del núcleo de la iniciativa de Inteligencia General Artificial (AGI) de Ant Group, dedicada a construir y abrir capacidades avanzadas de modelos fundamentales. Creemos que el desarrollo de la inteligencia debe avanzar hacia la apertura, el intercambio y la escalabilidad, comenzando con pequeños pasos prácticos para impulsar la evolución constante y la implementación en el mundo real de la AGI.",
   "anthropic.description": "Anthropic desarrolla modelos de lenguaje avanzados como Claude 3.5 Sonnet, Claude 3 Sonnet, Claude 3 Opus y Claude 3 Haiku, equilibrando inteligencia, velocidad y costo para cargas de trabajo empresariales y de respuesta rápida.",
   "azure.description": "Azure ofrece modelos de IA avanzados, incluyendo las series GPT-3.5 y GPT-4, para diversos tipos de datos y tareas complejas, con un enfoque en IA segura, confiable y sostenible.",
   "azureai.description": "Azure proporciona modelos de IA avanzados, incluyendo las series GPT-3.5 y GPT-4, para diversos tipos de datos y tareas complejas, con un enfoque en IA segura, confiable y sostenible.",

locales/es-ES/setting.json

@@ -280,7 +280,33 @@
   "defaultAgent.title": "Configuración Predeterminada del Agente",
   "devices.actions.edit": "Editar",
   "devices.actions.remove": "Eliminar",
+  "devices.capabilities.commands.desc": "Ejecuta comandos de terminal de forma segura en tu entorno.",
+  "devices.capabilities.commands.title": "Ejecutar comandos",
+  "devices.capabilities.files.desc": "Permite que los agentes accedan y organicen directamente los archivos en tu computadora.",
+  "devices.capabilities.files.title": "Leer y escribir archivos locales",
+  "devices.capabilities.title": "Lo que puedes hacer una vez conectado",
+  "devices.capabilities.tools.desc": "Conecta herramientas locales para ampliar lo que los agentes pueden hacer.",
+  "devices.capabilities.tools.title": "Usar herramientas del sistema",
   "devices.channel.connected": "Conectado {{time}}",
+  "devices.connectWizard.button": "Conectar dispositivo",
+  "devices.connectWizard.cli.connectDesc": "Inicia el demonio en segundo plano para mantener el dispositivo en línea y disponible para operaciones remotas.",
+  "devices.connectWizard.cli.connectTitle": "Iniciar el demonio",
+  "devices.connectWizard.cli.installDesc": "Instala el CLI de LobeHub globalmente con tu gestor de paquetes preferido para habilitar la conectividad y gestión del dispositivo.",
+  "devices.connectWizard.cli.installTitle": "Instalar el CLI",
+  "devices.connectWizard.cli.loginDesc": "Completa la autorización OAuth en tu navegador para vincular el CLI con tu cuenta.",
+  "devices.connectWizard.cli.loginTitle": "Iniciar sesión",
+  "devices.connectWizard.desktop.downloadLink": "Descargar LobeHub Desktop",
+  "devices.connectWizard.desktop.step1": "Descarga la aplicación de escritorio",
+  "devices.connectWizard.desktop.step1Desc": "Visita la página de descargas de LobeHub y obtén la aplicación para tu sistema operativo.",
+  "devices.connectWizard.desktop.step2": "Inicia sesión y abre el portal de dispositivos",
+  "devices.connectWizard.desktop.step2Desc": "Después de iniciar sesión, haz clic en el ícono del portal de dispositivos en la esquina superior derecha y confirma que está activado.",
+  "devices.connectWizard.desktop.step3": "Tu dispositivo aparece automáticamente",
+  "devices.connectWizard.desktop.step3Desc": "La aplicación de escritorio se registra como un dispositivo al iniciarse — lo verás en la lista una vez conectado.",
+  "devices.connectWizard.footer": "Solo se registra la metadata del dispositivo — tus datos nunca son accesados.",
+  "devices.connectWizard.method.cli": "A través del CLI",
+  "devices.connectWizard.method.desktop": "A través de la aplicación de escritorio",
+  "devices.connectWizard.subtitle": "Elige cómo conectar tu computadora a LobeHub.",
+  "devices.connectWizard.title": "Conectar dispositivo",
   "devices.currentBadge": "Este dispositivo",
   "devices.detail.addDir": "Agregar directorio",
   "devices.detail.connections": "Conexiones",
@@ -294,7 +320,13 @@
   "devices.edit.friendlyNamePlaceholder": "Un nombre para reconocer este dispositivo",
   "devices.edit.save": "Guardar",
   "devices.edit.title": "Editar dispositivo",
-  "devices.empty": "Aún no hay dispositivos. Conecta uno con `lh connect` o iniciando sesión en la aplicación de escritorio.",
+  "devices.empty.desc": "Una vez conectado, los agentes de LobeHub pueden leer/escribir archivos, ejecutar comandos y usar herramientas del sistema directamente en tu computadora.",
+  "devices.empty.methodCli.desc": "Instala el CLI en tu terminal — ideal para servidores o máquinas sin interfaz gráfica.",
+  "devices.empty.methodCli.title": "Conectar a través del CLI",
+  "devices.empty.methodDesktop.badge": "Recomendado",
+  "devices.empty.methodDesktop.desc": "Descarga la aplicación de escritorio, inicia sesión y tu dispositivo se conecta automáticamente.",
+  "devices.empty.methodDesktop.title": "Conectar a través de la aplicación de escritorio",
+  "devices.empty.title": "Conecta tu primer dispositivo",
   "devices.fallbackBadge": "Identidad inestable",
   "devices.fallbackTooltip": "Este dispositivo no pudo ser identificado por su ID de máquina, por lo que reinstalar la aplicación puede crear una entrada duplicada.",
   "devices.lastSeen": "Última actividad {{time}}",

locales/fa-IR/chat.json

@@ -15,6 +15,8 @@
   "agentBuilder.installPlugin.retry": "تلاش مجدد",
   "agentBuilder.title": "سازنده عامل",
   "agentBuilder.welcome": "موارد استفاده‌ات را بگو.\n\nنوشتن، کدنویسی یا تحلیل داده—همه قابل انجام‌اند. هدف و استانداردها با توست؛ من آن را به عوامل قابل اجرا و مشارکتی تقسیم می‌کنم.",
+  "agentConfigError.retry": "تلاش مجدد",
+  "agentConfigError.title": "بارگذاری تنظیمات عامل ناموفق بود",
   "agentDefaultMessage": "سلام، من **{{name}}** هستم. یک جمله کافی است.\n\nمی‌خواهی بهتر با جریان کاری‌ات هماهنگ شوم؟ به [تنظیمات عامل]({{url}}) برو و نمایه عامل را پر کن (هر زمان می‌توانی ویرایشش کنی).",
   "agentDefaultMessageWithSystemRole": "سلام، من **{{name}}** هستم. یک جمله کافی است—کنترل با توست.",
   "agentDefaultMessageWithoutEdit": "سلام، من **{{name}}** هستم. یک جمله کافی است—کنترل با توست.",
@@ -252,6 +254,10 @@
   "input.costEstimate.tooltip": "تخمین زده شده بر اساس زمینه فعلی، ابزارها و قیمت‌گذاری مدل. هزینه واقعی ممکن است متفاوت باشد.",
   "input.disclaimer": "عوامل ممکن است اشتباه کنند. برای اطلاعات حساس از قضاوت خود استفاده کنید.",
   "input.errorMsg": "ارسال ناموفق: {{errorMsg}}. دوباره تلاش کنید یا بعداً ارسال نمایید.",
+  "input.inputCompletionError.desc": "پیشنهادات ورودی پس از خطا متوقف شدند. دوباره تلاش کنید یا مدل پیشنهاد را در تنظیمات تغییر دهید.",
+  "input.inputCompletionError.retry": "تلاش مجدد",
+  "input.inputCompletionError.settings": "تنظیمات",
+  "input.inputCompletionError.title": "پیشنهادات ورودی متوقف شدند",
   "input.more": "بیشتر",
   "input.send": "ارسال",
   "input.sendWithCmdEnter": "برای ارسال <key/> را فشار دهید",
@@ -1006,7 +1012,9 @@
   "workingPanel.localFile.closeRight": "بستن به سمت راست",
   "workingPanel.localFile.error": "بارگذاری این فایل ممکن نیست",
   "workingPanel.localFile.preview.raw": "خام",
+  "workingPanel.localFile.preview.reload": "بارگذاری مجدد پیش‌نمایش",
   "workingPanel.localFile.preview.render": "پیش‌نمایش",
+  "workingPanel.localFile.preview.source": "منبع",
   "workingPanel.localFile.truncated": "پیش‌نمایش فایل به {{limit}} کاراکتر محدود شده است",
   "workingPanel.progress": "Progress",
   "workingPanel.progress.allCompleted": "All tasks completed",

locales/fa-IR/modelProvider.json

@@ -239,6 +239,7 @@
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken32k.hint": "برای GLM-5 و GLM-4.7؛ بودجه توکن برای استدلال را کنترل می‌کند (حداکثر ۳۲k).",
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken80k.hint": "برای سری Qwen3؛ بودجه توکن برای استدلال را کنترل می‌کند (حداکثر ۸۰k).",
   "providerModels.item.modelConfig.extendParams.options.reasoningEffort.hint": "برای مدل‌های OpenAI و سایر مدل‌های دارای توانایی استدلال؛ میزان تلاش استدلالی را کنترل می‌کند.",
+  "providerModels.item.modelConfig.extendParams.options.ring2_6ReasoningEffort.hint": "برای سری Ring 2.6؛ شدت استدلال را کنترل می‌کند.",
   "providerModels.item.modelConfig.extendParams.options.step3_5ReasoningEffort.hint": "برای سری Step 3.5؛ شدت استدلال را کنترل می‌کند.",
   "providerModels.item.modelConfig.extendParams.options.textVerbosity.hint": "برای سری GPT-5+؛ میزان تفصیل خروجی را کنترل می‌کند.",
   "providerModels.item.modelConfig.extendParams.options.thinking.hint": "برای برخی مدل‌های Doubao؛ به مدل اجازه می‌دهد تصمیم بگیرد که آیا عمیق فکر کند یا نه.",

locales/fa-IR/models.json

@@ -27,15 +27,15 @@
   "DeepSeek-OCR.description": "DeepSeek-OCR یک مدل زبان-بینایی از DeepSeek AI است که بر OCR و «فشرده‌سازی نوریِ بافت» تمرکز دارد. این مدل روش‌هایی را برای فشرده‌سازی محتوای تصویری بررسی کرده، اسناد را به‌صورت کارآمد پردازش می‌کند و آن‌ها را به متنی ساخت‌یافته (مانند Markdown) تبدیل می‌نماید. این مدل در شناسایی متن داخل تصاویر دقت بالایی دارد و برای دیجیتالی‌سازی اسناد، استخراج متن و پردازش ساخت‌یافته بسیار مناسب است.",
   "DeepSeek-R1-Distill-Llama-70B.description": "مدل DeepSeek R1 که بزرگ‌تر و هوشمندتر است، در معماری Llama 70B تقطیر شده است. آزمون‌های معیار و ارزیابی‌های انسانی نشان می‌دهند که این مدل از نسخه پایه Llama 70B هوشمندتر است، به‌ویژه در وظایف ریاضی و دقت اطلاعات.",
   "DeepSeek-R1-Distill-Qwen-1.5B.description": "مدلی تقطیرشده از DeepSeek-R1 بر پایه Qwen2.5-Math-1.5B. با استفاده از یادگیری تقویتی و داده‌های شروع سرد، عملکرد استدلال را بهینه کرده و معیارهای جدیدی برای مدل‌های متن‌باز در وظایف چندگانه تعیین کرده است.",
-  "DeepSeek-R1-Distill-Qwen-14B.description": "مدل‌های DeepSeek-R1-Distill از مدل‌های متن‌باز با استفاده از داده‌های نمونه تولیدشده توسط DeepSeek-R1 به‌صورت دقیق تنظیم شده‌اند.",
-  "DeepSeek-R1-Distill-Qwen-32B.description": "مدل‌های DeepSeek-R1-Distill از مدل‌های متن‌باز با استفاده از داده‌های نمونه تولیدشده توسط DeepSeek-R1 به‌صورت دقیق تنظیم شده‌اند.",
+  "DeepSeek-R1-Distill-Qwen-14B.description": "مدل تقطیر شده DeepSeek-R1 بر اساس Qwen2.5-14B. یادگیری تقویتی و داده‌های شروع سرد عملکرد استدلال را بهینه می‌کنند و معیارهای جدید چندوظیفه‌ای برای مدل‌های باز تعیین می‌کنند.",
+  "DeepSeek-R1-Distill-Qwen-32B.description": "سری DeepSeek-R1 عملکرد استدلال را با یادگیری تقویتی و داده‌های شروع سرد بهبود می‌بخشد، معیارهای جدید چندوظیفه‌ای برای مدل‌های باز تعیین می‌کند و از OpenAI o1-mini پیشی می‌گیرد.",
   "DeepSeek-R1-Distill-Qwen-7B.description": "مدلی تقطیرشده از DeepSeek-R1 بر پایه Qwen2.5-Math-7B. با استفاده از یادگیری تقویتی و داده‌های شروع سرد، عملکرد استدلال را بهینه کرده و معیارهای جدیدی برای مدل‌های متن‌باز در وظایف چندگانه تعیین کرده است.",
-  "DeepSeek-R1.description": "DeepSeek-R1 در مرحله پس‌آموزش از یادگیری تقویتی در مقیاس وسیع استفاده می‌کند تا توانایی استدلال را با داده‌های بسیار کم برچسب‌خورده به‌طور چشمگیری افزایش دهد. این مدل در وظایف استدلال ریاضی، کدنویسی و زبان طبیعی با مدل تولیدی OpenAI o1 برابری می‌کند.",
+  "DeepSeek-R1.description": "مدل زبان پیشرفته و کارآمد، قدرتمند در استدلال، ریاضیات و کدنویسی.",
   "DeepSeek-V3-1.description": "DeepSeek V3.1 یک مدل نسل جدید استدلال با بهبود در استدلال پیچیده و زنجیره تفکر است که برای وظایف تحلیلی عمیق مناسب است.",
   "DeepSeek-V3-Fast.description": "ارائه‌دهنده: sophnet. DeepSeek V3 Fast نسخه با نرخ پردازش بالا از DeepSeek V3 0324 است که با دقت کامل (بدون کوانتیزه‌سازی) عملکرد قوی‌تری در کدنویسی و ریاضی دارد و پاسخ‌های سریع‌تری ارائه می‌دهد.",
   "DeepSeek-V3.1-Think.description": "حالت تفکر DeepSeek-V3.1: یک مدل استدلال ترکیبی جدید با حالت‌های تفکر و غیرتفکر که کارآمدتر از DeepSeek-R1-0528 است. بهینه‌سازی‌های پس‌آموزش عملکرد استفاده از ابزار عامل و وظایف عامل را به‌طور قابل‌توجهی بهبود می‌بخشد.",
   "DeepSeek-V3.2.description": "deepseek-v3.2 یک سازوکار توجه تنک معرفی می‌کند که با هدف بهبود کارایی آموزش و استنتاج در پردازش متون طولانی طراحی شده و نسبت به deepseek-v3.1 با قیمت پایین‌تری ارائه می‌شود.",
-  "DeepSeek-V3.description": "DeepSeek-V3 یک مدل MoE توسعه‌یافته توسط DeepSeek است. این مدل در بسیاری از آزمون‌های معیار از مدل‌های متن‌باز دیگر مانند Qwen2.5-72B و Llama-3.1-405B پیشی می‌گیرد و با مدل‌های بسته پیشرو مانند GPT-4o و Claude 3.5 Sonnet رقابت می‌کند.",
+  "DeepSeek-V3.description": "استقرار باز Volcengine شرکت ByteDance در حال حاضر پایدارترین است؛ توصیه می‌شود. به‌طور خودکار به آخرین نسخه (250324) ارتقا یافته است.",
   "Doubao-lite-128k.description": "Doubao-lite پاسخ‌های فوق‌العاده سریع و ارزش بالاتری ارائه می‌دهد و گزینه‌های انعطاف‌پذیری را در سناریوهای مختلف فراهم می‌سازد. از زمینه ۱۲۸ هزار توکن برای استنتاج و تنظیم دقیق پشتیبانی می‌کند.",
   "Doubao-lite-32k.description": "Doubao-lite پاسخ‌های فوق‌العاده سریع و ارزش بالاتری ارائه می‌دهد و گزینه‌های انعطاف‌پذیری را در سناریوهای مختلف فراهم می‌سازد. از زمینه ۳۲ هزار توکن برای استنتاج و تنظیم دقیق پشتیبانی می‌کند.",
   "Doubao-lite-4k.description": "Doubao-lite پاسخ‌های فوق‌العاده سریع و ارزش بالاتری ارائه می‌دهد و گزینه‌های انعطاف‌پذیری را در سناریوهای مختلف فراهم می‌سازد. از زمینه ۴ هزار توکن برای استنتاج و تنظیم دقیق پشتیبانی می‌کند.",
@@ -83,13 +83,12 @@
   "Kimi-K2.5.description": "Kimi K2.5 قدرتمندترین مدل Kimi است که در کارهای عاملی، کدنویسی و درک بصری عملکردی در سطح SOTA ارائه می‌دهد. این مدل از ورودی چندوجهی و حالت‌های تفکری و غیرفتکری پشتیبانی می‌کند.",
   "Kolors.description": "Kolors یک مدل تبدیل متن به تصویر است که توسط تیم Kolors در Kuaishou توسعه یافته است. این مدل با میلیاردها پارامتر آموزش دیده و در کیفیت بصری، درک معنایی چینی و رندر متن عملکرد برجسته‌ای دارد.",
   "Kwai-Kolors/Kolors.description": "Kolors یک مدل بزرگ تبدیل متن به تصویر با انتشار نهفته است که توسط تیم Kolors در Kuaishou توسعه یافته است. این مدل با میلیاردها جفت متن-تصویر آموزش دیده و در کیفیت بصری، دقت معنایی پیچیده و رندر متن چینی/انگلیسی عملکرد عالی دارد و در درک و تولید محتوای چینی بسیار قوی است.",
+  "Ling-2.5-1T.description": "به‌عنوان جدیدترین مدل پرچمدار بلادرنگ در سری Ling، Ling-2.5-1T ارتقاهای جامع در معماری مدل، کارایی توکن و تنظیم ترجیحات ارائه می‌دهد و هدف آن ارتقای کیفیت هوش مصنوعی قابل دسترس به سطحی جدید است.",
+  "Ling-2.6-1T.description": "جدیدترین مدل پرچمدار زبان بزرگ، با پشتیبانی از پنجره زمینه‌ای 1 میلیون توکن و امکان اجرای کامل جریان کاری از استدلال منطقی تا انجام وظایف.",
+  "Ling-2.6-flash.description": "Ling-2.6-flash نسل جدید مدل با عملکرد بالا و هزینه مناسب در سری Ling است. این مدل از معماری Mixture-of-Experts (MoE) استفاده می‌کند، با تعداد کل پارامترها 100 میلیارد و 6.1 میلیارد پارامتر فعال‌شده در هر توکن، تعادل بهینه‌ای بین عملکرد استنتاج و هزینه محاسباتی ایجاد می‌کند.",
   "Llama-3.2-11B-Vision-Instruct.description": "استدلال تصویری قوی روی تصاویر با وضوح بالا، مناسب برای کاربردهای درک بصری.",
-  "Llama-3.2-90B-Vision-Instruct\t.description": "استدلال تصویری پیشرفته برای کاربردهای عامل‌های درک بصری.",
+  "Llama-3.2-90B-Vision-Instruct.description": "استدلال پیشرفته تصویری برای کاربردهای عامل‌های درک بصری.",
   "LongCat-2.0-Preview.description": "ویژگی‌های اصلی LongCat-2.0-Preview عبارت‌اند از: طراحی‌شده برای سناریوهای توسعه ایجنت، با پشتیبانی بومی از استفاده از ابزار، استدلال چندمرحله‌ای و وظایف با زمینه طولانی؛ عملکرد برجسته در تولید کد، خودکارسازی جریان کار و اجرای دستورهای پیچیده؛ ادغام عمیق با ابزارهای بهره‌وری مانند Claude Code، OpenClaw، OpenCode و Kilo Code.",
-  "LongCat-Flash-Chat.description": "مدل LongCat-Flash-Chat به نسخه جدیدی ارتقا یافته است. این به‌روزرسانی شامل بهبودهایی در قابلیت‌های مدل است؛ نام مدل و روش فراخوانی API بدون تغییر باقی مانده‌اند. با تکیه بر ویژگی‌های برجسته «کارایی فوق‌العاده» و «پاسخ‌دهی سریع»، نسخه جدید درک متنی و عملکرد برنامه‌نویسی در دنیای واقعی را تقویت می‌کند: قابلیت‌های کدنویسی به‌طور قابل‌توجهی بهبود یافته‌اند: این مدل برای سناریوهای متمرکز بر توسعه‌دهندگان بهینه‌سازی عمیقی شده و پیشرفت‌های چشمگیری در تولید کد، اشکال‌زدایی و وظایف توضیحی ارائه می‌دهد. توسعه‌دهندگان به شدت تشویق می‌شوند که این بهبودها را ارزیابی و مقایسه کنند. پشتیبانی از متن فوق‌العاده طولانی 256K: پنجره متنی از نسل قبلی (128K) به 256K دو برابر شده است و پردازش اسناد حجیم و وظایف طولانی را کارآمدتر می‌کند. عملکرد چندزبانه به‌طور جامع بهبود یافته است: پشتیبانی قوی از 9 زبان از جمله اسپانیایی، فرانسوی، عربی، پرتغالی، روسی و اندونزیایی ارائه می‌دهد. قابلیت‌های قدرتمند عامل: در فراخوانی ابزارهای پیچیده و اجرای وظایف چندمرحله‌ای، استحکام و کارایی بیشتری نشان می‌دهد.",
-  "LongCat-Flash-Lite.description": "مدل LongCat-Flash-Lite به‌طور رسمی منتشر شده است. این مدل از معماری کارآمد Mixture-of-Experts (MoE) با 68.5 میلیارد پارامتر کل و تقریباً 3 میلیارد پارامتر فعال استفاده می‌کند. با استفاده از جدول تعبیه N-gram، بهره‌وری پارامترها را به‌طور بسیار کارآمدی بهینه می‌کند و برای کارایی استنتاج و سناریوهای کاربردی خاص بهینه‌سازی عمیقی شده است. در مقایسه با مدل‌های مشابه، ویژگی‌های اصلی آن به شرح زیر است: کارایی استنتاج برجسته: با استفاده از جدول تعبیه N-gram برای کاهش اساسی گلوگاه I/O در معماری‌های MoE، همراه با مکانیزم‌های کشینگ اختصاصی و بهینه‌سازی‌های سطح کرنل، تأخیر استنتاج را به‌طور قابل‌توجهی کاهش داده و کارایی کلی را بهبود می‌بخشد. عملکرد قوی در ابزارها و کدنویسی: در وظایف فراخوانی ابزار و توسعه نرم‌افزار، قابلیت‌های بسیار رقابتی نشان می‌دهد و عملکرد استثنایی نسبت به اندازه مدل خود ارائه می‌دهد.",
-  "LongCat-Flash-Thinking-2601.description": "مدل LongCat-Flash-Thinking-2601 به‌طور رسمی منتشر شده است. به‌عنوان یک مدل استدلال ارتقا یافته که بر اساس معماری Mixture-of-Experts (MoE) ساخته شده، دارای 560 میلیارد پارامتر کل است. در حالی که رقابت قوی خود را در معیارهای استدلال سنتی حفظ می‌کند، قابلیت‌های استدلال در سطح عامل را از طریق یادگیری تقویتی چندمحیطی در مقیاس بزرگ به‌طور سیستماتیک بهبود می‌بخشد. در مقایسه با مدل LongCat-Flash-Thinking، ارتقاهای کلیدی به شرح زیر است: استحکام فوق‌العاده در محیط‌های پر سر و صدا: از طریق آموزش سیستماتیک به سبک برنامه درسی که نویز و عدم قطعیت در تنظیمات دنیای واقعی را هدف قرار می‌دهد، مدل عملکرد برجسته‌ای در فراخوانی ابزار عامل، جستجوی مبتنی بر عامل و استدلال یکپارچه با ابزار نشان می‌دهد و تعمیم‌پذیری را به‌طور قابل‌توجهی بهبود می‌بخشد. قابلیت‌های قدرتمند عامل: با ساخت یک گراف وابستگی به‌شدت متصل که بیش از 60 ابزار را در بر می‌گیرد و گسترش آموزش از طریق گسترش چندمحیطی و یادگیری اکتشافی در مقیاس بزرگ، توانایی مدل برای تعمیم به سناریوهای پیچیده و خارج از توزیع دنیای واقعی به‌طور قابل‌توجهی بهبود می‌یابد. حالت تفکر عمیق پیشرفته: با استنتاج موازی دامنه استدلال را گسترش داده و با مکانیسم‌های خلاصه‌سازی و انتزاع بازخورد محور، قابلیت تحلیلی را عمیق‌تر می‌کند و به‌طور مؤثری مشکلات بسیار چالش‌برانگیز را حل می‌کند.",
-  "LongCat-Flash-Thinking.description": "برای تضمین دریافت بهترین عملکرد استدلال، پلتفرم API مدل LongCat فراخوانی‌های مربوط به LongCat-Flash-Thinking را یکپارچه و به‌روز کرده است. تمامی درخواست‌هایی که از model=LongCat-Flash-Thinking استفاده می‌کنند به‌صورت خودکار به آخرین نسخه، یعنی LongCat-Flash-Thinking-2601، هدایت می‌شوند و هیچ تغییری در کد لازم نیست.",
   "M2-her.description": "مدل گفتگوی متنی طراحی شده برای نقش‌آفرینی و مکالمات چندنوبتی، با امکان شخصی‌سازی شخصیت و بیان احساسات.",
   "Meta-Llama-3-3-70B-Instruct.description": "Llama 3.3 70B یک مدل ترنسفورمر همه‌کاره برای گفتگو و تولید محتوا است.",
   "Meta-Llama-3.1-405B-Instruct.description": "مدل متنی تنظیم‌شده Llama 3.1 برای دستورالعمل‌ها که برای گفتگوهای چندزبانه بهینه‌سازی شده و در میان مدل‌های باز و بسته در ارزیابی‌های صنعتی عملکرد قوی دارد.",
@@ -187,27 +186,10 @@
   "Qwen2.5-Coder-14B-Instruct.description": "Qwen2.5-Coder-14B-Instruct یک مدل بزرگ آموزش‌دیده برای دستورالعمل‌های کدنویسی است که در درک و تولید کد عملکرد بالایی دارد. این مدل به‌طور مؤثر طیف گسترده‌ای از وظایف برنامه‌نویسی را انجام می‌دهد و برای کدنویسی هوشمند، تولید خودکار اسکریپت و پرسش‌وپاسخ برنامه‌نویسی ایده‌آل است.",
   "Qwen2.5-Coder-32B-Instruct.description": "مدل پیشرفته زبانی برای تولید کد، استدلال و رفع اشکال در زبان‌های برنامه‌نویسی اصلی.",
   "Qwen3-235B-A22B-Instruct-2507-FP8.description": "Qwen3 235B A22B Instruct 2507 برای استدلال پیشرفته و پیروی از دستورالعمل‌ها بهینه‌سازی شده است و با استفاده از معماری MoE، استدلال را در مقیاس بالا به‌صورت کارآمد انجام می‌دهد.",
-  "Qwen3-235B.description": "Qwen3-235B-A22B یک مدل MoE است که حالت استدلال ترکیبی را معرفی می‌کند و به کاربران اجازه می‌دهد به‌صورت یکپارچه بین حالت‌های تفکر و غیرتفکر جابجا شوند. این مدل از درک و استدلال در ۱۱۹ زبان و گویش پشتیبانی می‌کند و توانایی بالایی در فراخوانی ابزارها دارد. در آزمون‌های توانایی عمومی، کدنویسی و ریاضی، قابلیت چندزبانه و استدلال دانشی با مدل‌های پیشرو مانند DeepSeek R1، OpenAI o1، o3-mini، Grok 3 و Google Gemini 2.5 Pro رقابت می‌کند.",
-  "Qwen3-32B.description": "Qwen3-32B یک مدل متراکم است که حالت استدلال ترکیبی را معرفی می‌کند و به کاربران اجازه می‌دهد بین تفکر و غیرتفکر جابجا شوند. با بهبود معماری، داده‌های بیشتر و آموزش بهتر، عملکردی هم‌سطح با Qwen2.5-72B دارد.",
   "Qwen3.5-Plus.description": "Qwen3.5 Plus از ورودی متن، تصویر و ویدئو پشتیبانی می‌کند. عملکرد آن در کارهای متنی خالص با Qwen3 Max قابل مقایسه است اما با هزینه کمتر و عملکرد بهتر. قابلیت‌های چندوجهی آن نسبت به سری Qwen3 VL پیشرفت چشمگیری دارد.",
+  "Ring-2.5-1T.description": "در مقایسه با Ring-1T منتشر شده قبلی، Ring-2.5-1T بهبودهای قابل توجهی در سه بعد کلیدی ارائه می‌دهد: کارایی تولید، عمق استدلال، و قابلیت اجرای وظایف بلندمدت: **کارایی تولید**: با استفاده از نسبت بالای مکانیزم‌های توجه خطی، Ring-2.5-1T سربار دسترسی به حافظه را بیش از 10 برابر کاهش می‌دهد. هنگام پردازش دنباله‌هایی که بیش از 32 هزار توکن هستند، بیش از 3 برابر توان تولید بالاتر ارائه می‌دهد، که آن را به‌ویژه برای استدلال عمیق و اجرای وظایف بلندمدت مناسب می‌کند. **استدلال عمیق**: با استفاده از RLVR، مکانیزم پاداش متراکم معرفی شده است تا بازخوردی درباره دقت فرآیند استدلال ارائه دهد. این امکان را به Ring-2.5-1T می‌دهد تا عملکردی در سطح مدال طلا در IMO 2025 و CMO 2025 (ارزیابی خودکار) داشته باشد. **اجرای وظایف بلندمدت**: از طریق آموزش تقویتی مبتنی بر عامل کاملاً غیرهمزمان در مقیاس بزرگ، مدل توانایی خود را برای اجرای خودکار وظایف پیچیده در دوره‌های طولانی به‌طور قابل توجهی افزایش می‌دهد. این امکان را به Ring-2.5-1T می‌دهد تا به‌طور یکپارچه با چارچوب‌های برنامه‌نویسی عامل مانند Claude Code و دستیارهای شخصی هوش مصنوعی OpenClaw ادغام شود.",
+  "Ring-2.6-1T.description": "Ring-2.6-1T یک مدل استدلال در مقیاس تریلیون پارامتر است که تقریباً 63 میلیارد پارامتر در هر استنتاج فعال می‌کند. طراحی شده برای جریان‌های کاری عامل، این مدل بر قابلیت‌های عامل، استفاده از ابزارها و اجرای وظایف بلندمدت تمرکز دارد و عملکرد پیشرو در معیارهایی مانند PinchBench، ClawEval، TAU2-Bench و GAIA2-search را به دست می‌آورد. مدل در کیفیت اجرا، تأخیر و هزینه بهینه شده است، که آن را برای عامل‌های کدنویسی پیشرفته، خطوط استدلال پیچیده و سیستم‌های خودمختار در مقیاس بزرگ مناسب می‌کند.",
   "S2V-01.description": "مدل پایه مرجع به ویدئو سری 01.",
-  "SenseChat-128K.description": "نسخه پایه V4 با پنجره متنی ۱۲۸ هزار توکن، قوی در درک و تولید متون بلند.",
-  "SenseChat-32K.description": "نسخه پایه V4 با پنجره متنی ۳۲ هزار توکن، انعطاف‌پذیر برای سناریوهای مختلف.",
-  "SenseChat-5-1202.description": "جدیدترین نسخه مبتنی بر V5.5 با پیشرفت‌های چشمگیر در مبانی چینی/انگلیسی، گفت‌وگو، دانش علوم پایه، علوم انسانی، نگارش، ریاضی/منطق و کنترل طول متن.",
-  "SenseChat-5-Cantonese.description": "طراحی‌شده بر اساس عادات گفتاری، اصطلاحات عامیانه و دانش محلی هنگ‌کنگ؛ در درک زبان کانتونی از GPT-4 پیشی می‌گیرد و در دانش، استدلال، ریاضی و کدنویسی با GPT-4 Turbo رقابت می‌کند.",
-  "SenseChat-5-beta.description": "در برخی عملکردها از SenseChat-5-1202 پیشی می‌گیرد.",
-  "SenseChat-5.description": "نسخه V5.5 با پنجره متنی ۱۲۸ هزار توکن؛ پیشرفت‌های عمده در استدلال ریاضی، گفت‌وگوی انگلیسی، پیروی از دستورالعمل‌ها و درک متون بلند، قابل مقایسه با GPT-4o.",
-  "SenseChat-Character-Pro.description": "مدل پیشرفته گفت‌وگوی شخصیتی با پنجره متنی ۳۲ هزار توکن، قابلیت‌های بهبود یافته و پشتیبانی از زبان‌های چینی و انگلیسی.",
-  "SenseChat-Character.description": "مدل استاندارد گفت‌وگوی شخصیتی با پنجره متنی ۸ هزار توکن و سرعت پاسخ‌دهی بالا.",
-  "SenseChat-Turbo-1202.description": "جدیدترین مدل سبک‌وزن که با هزینه استنتاج بسیار کمتر، به بیش از ۹۰٪ از توانایی مدل کامل دست می‌یابد.",
-  "SenseChat-Turbo.description": "مناسب برای سناریوهای پرسش‌وپاسخ سریع و تنظیم دقیق مدل.",
-  "SenseChat-Vision.description": "نسخه V5.5 با ورودی چندتصویری و بهبودهای گسترده در تشخیص ویژگی‌ها، روابط فضایی، شناسایی رویداد/عمل، درک صحنه، تشخیص احساسات، استدلال عقل سلیم و درک/تولید متن.",
-  "SenseChat.description": "نسخه پایه V4 با پنجره متنی ۴ هزار توکن و توانایی عمومی قوی.",
-  "SenseNova-V6-5-Pro.description": "با به‌روزرسانی‌های جامع در داده‌های چندوجهی، زبانی و استدلالی و بهینه‌سازی استراتژی آموزش، این مدل به‌طور چشمگیری استدلال چندوجهی و پیروی از دستورالعمل‌های عمومی را بهبود می‌بخشد، از پنجره متنی تا ۱۲۸ هزار توکن پشتیبانی می‌کند و در وظایف OCR و شناسایی IP گردشگری فرهنگی عملکرد برجسته‌ای دارد.",
-  "SenseNova-V6-5-Turbo.description": "با به‌روزرسانی‌های جامع در داده‌های چندوجهی، زبانی و استدلالی و بهینه‌سازی استراتژی آموزش، این مدل به‌طور چشمگیری استدلال چندوجهی و پیروی از دستورالعمل‌های عمومی را بهبود می‌بخشد، از پنجره متنی تا ۱۲۸ هزار توکن پشتیبانی می‌کند و در وظایف OCR و شناسایی IP گردشگری فرهنگی عملکرد برجسته‌ای دارد.",
-  "SenseNova-V6-Pro.description": "به‌صورت بومی تصویر، متن و ویدیو را یکپارچه می‌کند و مرزهای سنتی چندوجهی را می‌شکند؛ در OpenCompass و SuperCLUE رتبه‌های برتر را کسب کرده است.",
-  "SenseNova-V6-Reasoner.description": "ترکیبی از استدلال عمیق بینایی و زبان، پشتیبانی از تفکر آهسته و زنجیره کامل تفکر.",
-  "SenseNova-V6-Turbo.description": "به‌صورت بومی تصویر، متن و ویدیو را یکپارچه می‌کند و مرزهای سنتی چندوجهی را می‌شکند. در قابلیت‌های اصلی چندوجهی و زبانی پیشتاز است و در ارزیابی‌های متعدد در رده برتر قرار دارد.",
   "Skylark2-lite-8k.description": "مدل نسل دوم Skylark. نسخه Skylark2-lite پاسخ‌های سریعی برای سناریوهای بلادرنگ و حساس به هزینه با نیازهای دقت پایین‌تر ارائه می‌دهد و از پنجره متنی ۸ هزار توکن پشتیبانی می‌کند.",
   "Skylark2-pro-32k.description": "مدل نسل دوم Skylark. نسخه Skylark2-pro دقت بالاتری برای تولید متون پیچیده مانند نگارش حرفه‌ای، رمان‌نویسی و ترجمه با کیفیت بالا ارائه می‌دهد و از پنجره متنی ۳۲ هزار توکن پشتیبانی می‌کند.",
   "Skylark2-pro-4k.description": "مدل نسل دوم Skylark. نسخه Skylark2-pro دقت بالاتری برای تولید متون پیچیده مانند نگارش حرفه‌ای، رمان‌نویسی و ترجمه با کیفیت بالا ارائه می‌دهد و از پنجره متنی ۴ هزار توکن پشتیبانی می‌کند.",
@@ -1197,6 +1179,8 @@
   "r1-1776.description": "R1-1776 نسخه پس‌آموزشی مدل DeepSeek R1 است که برای ارائه اطلاعات واقعی، بدون سانسور و بی‌طرف طراحی شده است.",
   "seedance-1-5-pro-251215.description": "Seedance 1.5 Pro توسط ByteDance از تبدیل متن به ویدئو، تبدیل تصویر به ویدئو (فریم اول، فریم اول+آخر) و تولید صدا همگام با تصاویر پشتیبانی می‌کند.",
   "seedream-5-0-260128.description": "ByteDance-Seedream-5.0-lite توسط BytePlus دارای تولید تقویت‌شده با بازیابی وب برای اطلاعات بلادرنگ، تفسیر بهبود‌یافته درخواست‌های پیچیده و سازگاری مرجع بهبود‌یافته برای خلق بصری حرفه‌ای است.",
+  "sensenova-6.7-flash-lite.description": "مدل عامل چندوجهی سبک طراحی شده برای جریان‌های کاری واقعی، پشتیبانی از مکالمات مبتنی بر متن و درک تصویر. سبک و کارآمد، با تعادل بین عملکرد، هزینه و قابلیت استقرار. معماری چندوجهی بومی با پشتیبانی از درک تصویر، از جمله OCR و تفسیر نمودار. بهبود یافته برای سناریوهای اداری و بهره‌وری، با پشتیبانی پایدار از وظایف پیچیده زنجیره‌ای طولانی. کارایی توکن بهبود یافته، امکان کنترل بهتر هزینه برای بارهای کاری پیچیده. طول زمینه 256 هزار توکن (ورودی حداکثر: 252 هزار، خروجی حداکثر: 64 هزار).",
+  "sensenova-u1-fast.description": "نسخه تسریع شده بر اساس SenseNova U1، به‌طور خاص برای تولید اینفوگرافیک بهینه شده است.",
   "solar-mini-ja.description": "Solar Mini (ژاپنی) نسخه‌ای از Solar Mini با تمرکز بر زبان ژاپنی است که در عین حال عملکرد قوی و کارآمدی در زبان‌های انگلیسی و کره‌ای حفظ می‌کند.",
   "solar-mini.description": "Solar Mini یک مدل زبانی فشرده است که عملکردی بهتر از GPT-3.5 دارد و با پشتیبانی چندزبانه قوی از زبان‌های انگلیسی و کره‌ای، راه‌حلی کارآمد با حجم کم ارائه می‌دهد.",
   "solar-pro.description": "Solar Pro یک مدل زبانی هوشمند از Upstage است که برای پیروی از دستورالعمل‌ها روی یک GPU طراحی شده و امتیاز IFEval بالای ۸۰ دارد. در حال حاضر از زبان انگلیسی پشتیبانی می‌کند؛ انتشار کامل آن برای نوامبر ۲۰۲۴ با پشتیبانی زبانی گسترده‌تر و زمینه طولانی‌تر برنامه‌ریزی شده است.",

locales/fa-IR/plugin.json

@@ -1,11 +1,21 @@
 {
   "arguments.moreParams": "{{count}} پارامتر در مجموع",
   "arguments.title": "آرگومان‌ها",
+  "builtins.codex.apiName.collab_tool_call": "هماهنگی زیرعامل‌ها",
   "builtins.codex.apiName.command_execution": "اجرای فرمان",
   "builtins.codex.apiName.file_change": "ویرایش فایل‌ها",
   "builtins.codex.apiName.mcp_tool_call": "فراخوانی ابزار MCP",
   "builtins.codex.apiName.todo_list": "به‌روزرسانی وظایف",
   "builtins.codex.apiName.web_search": "جستجوی وب",
+  "builtins.codex.collabTool.agentCount_one": "{{count}} زیرعامل",
+  "builtins.codex.collabTool.agentCount_other": "{{count}} زیرعامل‌ها",
+  "builtins.codex.collabTool.agentLabel": "زیرعامل {{index}}",
+  "builtins.codex.collabTool.agents": "زیرعامل‌ها",
+  "builtins.codex.collabTool.closeAgent": "بستن زیرعامل",
+  "builtins.codex.collabTool.instruction": "دستورالعمل",
+  "builtins.codex.collabTool.sendInput": "پیام به زیرعامل",
+  "builtins.codex.collabTool.spawnAgent": "ایجاد زیرعامل",
+  "builtins.codex.collabTool.wait": "منتظر زیرعامل‌ها باشید",
   "builtins.codex.commandExecution.grep": "جستجو",
   "builtins.codex.commandExecution.noResults": "بدون نتیجه",
   "builtins.codex.commandExecution.readFile": "خواندن فایل",
@@ -447,6 +457,15 @@
   "dev.mcp.auth.desc": "روش احراز هویت برای سرور MCP را انتخاب کنید",
   "dev.mcp.auth.label": "نوع احراز هویت",
   "dev.mcp.auth.none": "بدون احراز هویت",
+  "dev.mcp.auth.oauth": "اوث (OAuth)",
+  "dev.mcp.auth.oauth.authorize": "مجوز و اتصال",
+  "dev.mcp.auth.oauth.clientId.desc": "برای ثبت خودکار یک کلاینت، این قسمت را خالی بگذارید (ثبت کلاینت پویا)",
+  "dev.mcp.auth.oauth.clientId.label": "شناسه کلاینت اوث (OAuth)",
+  "dev.mcp.auth.oauth.clientId.placeholder": "اختیاری",
+  "dev.mcp.auth.oauth.clientSecret.desc": "فقط برای کلاینت‌های محرمانه اوث (OAuth) مورد نیاز است",
+  "dev.mcp.auth.oauth.clientSecret.label": "رمز کلاینت اوث (OAuth)",
+  "dev.mcp.auth.oauth.clientSecret.placeholder": "اختیاری",
+  "dev.mcp.auth.oauth.redirectHint": "نشانی بازگشت برای ثبت در برنامه اوث (OAuth) شما:",
   "dev.mcp.auth.placeholder": "نوع احراز هویت را انتخاب کنید",
   "dev.mcp.auth.token.desc": "کلید API یا توکن Bearer خود را وارد کنید",
   "dev.mcp.auth.token.label": "کلید API",

locales/fa-IR/providers.json

@@ -4,6 +4,7 @@
   "ai360.description": "360 AI یک پلتفرم مدل و خدمات از شرکت 360 است که مدل‌های NLP مانند 360GPT2 Pro، 360GPT Pro و 360GPT Turbo را ارائه می‌دهد. این مدل‌ها با پارامترهای بزرگ‌مقیاس و قابلیت‌های چندوجهی، برای تولید متن، درک معنایی، گفتگو و کدنویسی طراحی شده‌اند و با قیمت‌گذاری انعطاف‌پذیر، نیازهای متنوع را پوشش می‌دهند.",
   "aihubmix.description": "AiHubMix دسترسی به چندین مدل هوش مصنوعی را از طریق یک API یکپارچه فراهم می‌کند.",
   "akashchat.description": "Akash یک بازار منابع ابری بدون نیاز به مجوز است که قیمت‌هایی رقابتی نسبت به ارائه‌دهندگان سنتی رایانش ابری دارد.",
+  "antgroup.description": "انت لینگ سری مدل‌های پایه‌ای اصلی ابتکار هوش عمومی مصنوعی (AGI) گروه انت است که به ساخت و ارائه قابلیت‌های پیشرفته مدل‌های پایه‌ای اختصاص دارد. ما معتقدیم که توسعه هوش باید به سمت باز بودن، اشتراک‌گذاری و مقیاس‌پذیری حرکت کند—با شروع از گام‌های کوچک و عملی برای پیشبرد تکامل پایدار و استقرار واقعی AGI.",
   "anthropic.description": "Anthropic مدل‌های زبانی پیشرفته‌ای مانند Claude 3.5 Sonnet، Claude 3 Sonnet، Claude 3 Opus و Claude 3 Haiku را توسعه می‌دهد که تعادلی میان هوشمندی، سرعت و هزینه برای کاربردهای سازمانی تا پاسخ‌گویی سریع فراهم می‌کنند.",
   "azure.description": "Azure مدل‌های پیشرفته هوش مصنوعی از جمله سری GPT-3.5 و GPT-4 را برای انواع داده‌ها و وظایف پیچیده ارائه می‌دهد، با تمرکز بر ایمنی، قابلیت اطمینان و پایداری.",
   "azureai.description": "Azure مدل‌های پیشرفته هوش مصنوعی از جمله سری GPT-3.5 و GPT-4 را برای انواع داده‌ها و وظایف پیچیده ارائه می‌دهد، با تمرکز بر ایمنی، قابلیت اطمینان و پایداری.",

locales/fa-IR/setting.json

@@ -280,7 +280,33 @@
   "defaultAgent.title": "تنظیمات پیش‌فرض عامل",
   "devices.actions.edit": "ویرایش",
   "devices.actions.remove": "حذف",
+  "devices.capabilities.commands.desc": "دستورات ترمینال را به‌صورت ایمن در محیط خود اجرا کنید.",
+  "devices.capabilities.commands.title": "اجرای دستورات",
+  "devices.capabilities.files.desc": "اجازه دهید عوامل به‌طور مستقیم به فایل‌های رایانه شما دسترسی داشته و آن‌ها را سازماندهی کنند.",
+  "devices.capabilities.files.title": "خواندن و نوشتن فایل‌های محلی",
+  "devices.capabilities.title": "کارهایی که پس از اتصال می‌توانید انجام دهید",
+  "devices.capabilities.tools.desc": "ابزارهای محلی را متصل کنید تا قابلیت‌های عوامل را گسترش دهید.",
+  "devices.capabilities.tools.title": "فراخوانی ابزارهای سیستم",
   "devices.channel.connected": "متصل شده {{time}}",
+  "devices.connectWizard.button": "اتصال دستگاه",
+  "devices.connectWizard.cli.connectDesc": "دایمون پس‌زمینه را راه‌اندازی کنید تا دستگاه آنلاین بماند و برای عملیات از راه دور آماده باشد.",
+  "devices.connectWizard.cli.connectTitle": "راه‌اندازی دایمون",
+  "devices.connectWizard.cli.installDesc": "CLI لاب‌هاب را به‌صورت جهانی با مدیر بسته مورد نظر خود نصب کنید تا اتصال و مدیریت دستگاه فعال شود.",
+  "devices.connectWizard.cli.installTitle": "نصب CLI",
+  "devices.connectWizard.cli.loginDesc": "مجوز OAuth را در مرورگر خود تکمیل کنید تا CLI را با حساب خود مرتبط کنید.",
+  "devices.connectWizard.cli.loginTitle": "ورود به سیستم",
+  "devices.connectWizard.desktop.downloadLink": "دانلود لاب‌هاب دسکتاپ",
+  "devices.connectWizard.desktop.step1": "دانلود اپلیکیشن دسکتاپ",
+  "devices.connectWizard.desktop.step1Desc": "به صفحه دانلودهای لاب‌هاب مراجعه کنید و اپلیکیشن مناسب سیستم‌عامل خود را دریافت کنید.",
+  "devices.connectWizard.desktop.step2": "ورود به سیستم و باز کردن دروازه دستگاه",
+  "devices.connectWizard.desktop.step2Desc": "پس از ورود به سیستم، روی آیکون دروازه دستگاه در گوشه بالا-راست کلیک کنید و تأیید کنید که روشن است.",
+  "devices.connectWizard.desktop.step3": "دستگاه شما به‌طور خودکار ظاهر می‌شود",
+  "devices.connectWizard.desktop.step3Desc": "اپلیکیشن دسکتاپ به‌محض اجرا به‌عنوان یک دستگاه ثبت می‌شود — پس از اتصال آن را در لیست مشاهده خواهید کرد.",
+  "devices.connectWizard.footer": "فقط اطلاعات متادیتای دستگاه ثبت می‌شود — داده‌های شما هرگز دسترسی پیدا نمی‌کنند.",
+  "devices.connectWizard.method.cli": "از طریق CLI",
+  "devices.connectWizard.method.desktop": "از طریق دسکتاپ",
+  "devices.connectWizard.subtitle": "نحوه اتصال رایانه خود به لاب‌هاب را انتخاب کنید.",
+  "devices.connectWizard.title": "اتصال دستگاه",
   "devices.currentBadge": "این دستگاه",
   "devices.detail.addDir": "افزودن دایرکتوری",
   "devices.detail.connections": "اتصالات",
@@ -294,7 +320,13 @@
   "devices.edit.friendlyNamePlaceholder": "نامی برای شناسایی این دستگاه",
   "devices.edit.save": "ذخیره",
   "devices.edit.title": "ویرایش دستگاه",
-  "devices.empty": "هنوز دستگاهی وجود ندارد. یکی را با `lh connect` یا ورود به برنامه دسکتاپ متصل کنید.",
+  "devices.empty.desc": "پس از اتصال، عوامل لاب‌هاب می‌توانند فایل‌ها را بخوانند/بنویسند، دستورات اجرا کنند و ابزارهای سیستم را مستقیماً روی رایانه شما فراخوانی کنند.",
+  "devices.empty.methodCli.desc": "CLI را در ترمینال خود نصب کنید — مناسب برای سرورها یا ماشین‌های بدون رابط کاربری.",
+  "devices.empty.methodCli.title": "اتصال از طریق CLI",
+  "devices.empty.methodDesktop.badge": "توصیه‌شده",
+  "devices.empty.methodDesktop.desc": "اپلیکیشن دسکتاپ را دانلود کنید، وارد شوید و دستگاه شما به‌طور خودکار متصل می‌شود.",
+  "devices.empty.methodDesktop.title": "اتصال از طریق دسکتاپ",
+  "devices.empty.title": "اولین دستگاه خود را متصل کنید",
   "devices.fallbackBadge": "هویت ناپایدار",
   "devices.fallbackTooltip": "این دستگاه با شناسه ماشین خود شناسایی نشد، بنابراین نصب مجدد برنامه ممکن است یک ورودی تکراری ایجاد کند.",
   "devices.lastSeen": "آخرین فعالیت {{time}}",

locales/fr-FR/chat.json

@@ -15,6 +15,8 @@
   "agentBuilder.installPlugin.retry": "Réessayer",
   "agentBuilder.title": "Créateur d'Agent",
   "agentBuilder.welcome": "Parlez-moi de votre cas d’usage.\n\nRédaction, codage ou analyse de données — tout est possible. Vous définissez l’objectif et les critères ; je le décompose en agents collaboratifs et exécutables.",
+  "agentConfigError.retry": "Réessayer",
+  "agentConfigError.title": "Échec du chargement des paramètres de l'agent",
   "agentDefaultMessage": "Bonjour, je suis **{{name}}**. Une phrase suffit.\n\nVous souhaitez que je m’adapte mieux à votre flux de travail ? Allez dans [Paramètres de l’agent]({{url}}) et complétez le profil de l’agent (modifiable à tout moment).",
   "agentDefaultMessageWithSystemRole": "Bonjour, je suis **{{name}}**. Une phrase suffit — vous avez le contrôle.",
   "agentDefaultMessageWithoutEdit": "Bonjour, je suis **{{name}}**. Une phrase suffit — vous avez le contrôle.",
@@ -252,6 +254,10 @@
   "input.costEstimate.tooltip": "Estimé à partir du contexte actuel, des outils et des tarifs du modèle. Le coût réel peut varier.",
   "input.disclaimer": "Les agents peuvent faire des erreurs. Faites preuve de discernement pour les informations critiques.",
   "input.errorMsg": "Échec de l’envoi : {{errorMsg}}. Réessayez ou envoyez plus tard.",
+  "input.inputCompletionError.desc": "Les suggestions d'entrée se sont arrêtées après une erreur. Réessayez ou ajustez le modèle de suggestion dans les paramètres.",
+  "input.inputCompletionError.retry": "Réessayer",
+  "input.inputCompletionError.settings": "Paramètres",
+  "input.inputCompletionError.title": "Suggestions d'entrée en pause",
   "input.more": "Plus",
   "input.send": "Envoyer",
   "input.sendWithCmdEnter": "Appuyez sur <key/> pour envoyer",
@@ -1006,7 +1012,9 @@
   "workingPanel.localFile.closeRight": "Fermer à droite",
   "workingPanel.localFile.error": "Impossible de charger ce fichier",
   "workingPanel.localFile.preview.raw": "Brut",
+  "workingPanel.localFile.preview.reload": "Recharger l'aperçu",
   "workingPanel.localFile.preview.render": "Aperçu",
+  "workingPanel.localFile.preview.source": "Source",
   "workingPanel.localFile.truncated": "Aperçu du fichier tronqué à {{limit}} caractères",
   "workingPanel.progress": "Progress",
   "workingPanel.progress.allCompleted": "All tasks completed",

locales/fr-FR/modelProvider.json

@@ -239,6 +239,7 @@
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken32k.hint": "Pour GLM-5 et GLM-4.7 ; contrôle le budget de tokens pour le raisonnement (max 32k).",
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken80k.hint": "Pour la série Qwen3 ; contrôle le budget de tokens pour le raisonnement (max 80k).",
   "providerModels.item.modelConfig.extendParams.options.reasoningEffort.hint": "Pour OpenAI et autres modèles capables de raisonnement ; contrôle l’effort de raisonnement.",
+  "providerModels.item.modelConfig.extendParams.options.ring2_6ReasoningEffort.hint": "Pour la série Ring 2.6 ; contrôle l'intensité du raisonnement.",
   "providerModels.item.modelConfig.extendParams.options.step3_5ReasoningEffort.hint": "Pour la série Step 3.5 ; contrôle l'intensité du raisonnement.",
   "providerModels.item.modelConfig.extendParams.options.textVerbosity.hint": "Pour la série GPT-5+ ; contrôle la verbosité de la sortie.",
   "providerModels.item.modelConfig.extendParams.options.thinking.hint": "Pour certains modèles Doubao ; permet au modèle de décider s’il doit réfléchir en profondeur.",

locales/fr-FR/models.json

@@ -27,15 +27,15 @@
   "DeepSeek-OCR.description": "DeepSeek-OCR est un modèle vision‑langage de DeepSeek AI conçu pour l’OCR et la « compression optique du contexte ». Il explore la compression du contexte issu d’images, traite efficacement les documents et les convertit en texte structuré (par exemple, en Markdown). Il reconnaît avec précision le texte dans les images, idéal pour la numérisation de documents, l’extraction de texte et le traitement structuré.",
   "DeepSeek-R1-Distill-Llama-70B.description": "DeepSeek R1, le modèle le plus grand et le plus intelligent de la suite DeepSeek, est distillé dans l’architecture Llama 70B. Les benchmarks et les évaluations humaines montrent qu’il est plus performant que le Llama 70B de base, notamment sur les tâches de mathématiques et de précision factuelle.",
   "DeepSeek-R1-Distill-Qwen-1.5B.description": "Un modèle distillé DeepSeek-R1 basé sur Qwen2.5-Math-1.5B. L’apprentissage par renforcement et les données de démarrage à froid optimisent les performances de raisonnement, établissant de nouveaux benchmarks multitâches pour les modèles open source.",
-  "DeepSeek-R1-Distill-Qwen-14B.description": "Les modèles DeepSeek-R1-Distill sont affinés à partir de modèles open source à l’aide d’échantillons générés par DeepSeek-R1.",
-  "DeepSeek-R1-Distill-Qwen-32B.description": "Les modèles DeepSeek-R1-Distill sont affinés à partir de modèles open source à l’aide d’échantillons générés par DeepSeek-R1.",
+  "DeepSeek-R1-Distill-Qwen-14B.description": "Un modèle distillé DeepSeek-R1 basé sur Qwen2.5-14B. L'apprentissage par renforcement et les données de démarrage à froid optimisent les performances de raisonnement, établissant de nouvelles références multitâches pour les modèles ouverts.",
+  "DeepSeek-R1-Distill-Qwen-32B.description": "La série DeepSeek-R1 améliore les performances de raisonnement grâce à l'apprentissage par renforcement et aux données de démarrage à froid, établissant de nouvelles références multitâches pour les modèles ouverts et surpassant OpenAI o1-mini.",
   "DeepSeek-R1-Distill-Qwen-7B.description": "Un modèle distillé DeepSeek-R1 basé sur Qwen2.5-Math-7B. L’apprentissage par renforcement et les données de démarrage à froid optimisent les performances de raisonnement, établissant de nouveaux benchmarks multitâches pour les modèles open source.",
-  "DeepSeek-R1.description": "DeepSeek-R1 applique un apprentissage par renforcement à grande échelle en post-entraînement, améliorant considérablement le raisonnement avec très peu de données étiquetées. Il rivalise avec le modèle de production OpenAI o1 sur les tâches de mathématiques, de code et de raisonnement en langage naturel.",
+  "DeepSeek-R1.description": "Modèle LLM efficace à la pointe de la technologie, performant en raisonnement, mathématiques et codage.",
   "DeepSeek-V3-1.description": "DeepSeek V3.1 est un modèle de raisonnement de nouvelle génération avec des capacités améliorées pour le raisonnement complexe et la chaîne de pensée, adapté aux tâches d’analyse approfondie.",
   "DeepSeek-V3-Fast.description": "Fournisseur : sophnet. DeepSeek V3 Fast est la version à haut débit de DeepSeek V3 0324, en précision complète (non quantifiée), avec de meilleures performances en code et mathématiques et des réponses plus rapides.",
   "DeepSeek-V3.1-Think.description": "Mode de réflexion DeepSeek-V3.1 : un nouveau modèle de raisonnement hybride avec modes de pensée et non-pensée, plus efficace que DeepSeek-R1-0528. Les optimisations post-entraînement améliorent considérablement l’utilisation des outils d’agent et les performances des tâches d’agent.",
   "DeepSeek-V3.2.description": "deepseek-v3.2 introduit un mécanisme d’attention clairsemée visant à améliorer l’efficacité de l’entraînement et de l’inférence lors du traitement de longs textes, tout en étant proposé à un coût inférieur à deepseek-v3.1.",
-  "DeepSeek-V3.description": "DeepSeek-V3 est un modèle MoE développé par DeepSeek. Il surpasse d’autres modèles open source comme Qwen2.5-72B et Llama-3.1-405B sur de nombreux benchmarks et rivalise avec les modèles fermés de pointe tels que GPT-4o et Claude 3.5 Sonnet.",
+  "DeepSeek-V3.description": "Le déploiement ouvert de ByteDance Volcengine est actuellement le plus stable ; recommandé. Il a été automatiquement mis à jour vers la dernière version (250324).",
   "Doubao-lite-128k.description": "Doubao-lite offre des réponses ultra-rapides et un excellent rapport qualité-prix, avec des options flexibles selon les cas d’usage. Prend en charge un contexte de 128K pour l’inférence et l’ajustement fin.",
   "Doubao-lite-32k.description": "Doubao-lite offre des réponses ultra-rapides et un excellent rapport qualité-prix, avec des options flexibles selon les cas d’usage. Prend en charge un contexte de 32K pour l’inférence et l’ajustement fin.",
   "Doubao-lite-4k.description": "Doubao-lite offre des réponses ultra-rapides et un excellent rapport qualité-prix, avec des options flexibles selon les cas d’usage. Prend en charge un contexte de 4K pour l’inférence et l’ajustement fin.",
@@ -83,13 +83,12 @@
   "Kimi-K2.5.description": "Kimi K2.5 est le modèle Kimi le plus performant, offrant un niveau SOTA open source dans les tâches agentiques, le codage et la compréhension visuelle. Il prend en charge les entrées multimodales et propose des modes avec ou sans raisonnement.",
   "Kolors.description": "Kolors est un modèle de génération d’images à partir de texte développé par l’équipe Kolors de Kuaishou. Entraîné avec des milliards de paramètres, il se distingue par sa qualité visuelle, sa compréhension sémantique du chinois et son rendu textuel.",
   "Kwai-Kolors/Kolors.description": "Kolors est un modèle de génération d’images à partir de texte à grande échelle basé sur la diffusion latente, développé par l’équipe Kolors de Kuaishou. Entraîné sur des milliards de paires texte-image, il excelle en qualité visuelle, précision sémantique complexe et rendu de texte en chinois/anglais, avec une forte capacité de compréhension et de génération de contenu en chinois.",
+  "Ling-2.5-1T.description": "En tant que dernier modèle phare en temps réel de la série Ling, Ling-2.5-1T introduit des améliorations complètes dans l'architecture du modèle, l'efficacité des tokens et l'alignement des préférences, visant à élever la qualité de l'IA accessible à un nouveau niveau.",
+  "Ling-2.6-1T.description": "Le dernier modèle de langage à grande échelle, offrant une prise en charge d'une fenêtre de contexte de 1M de tokens et permettant un flux de travail de bout en bout allant du raisonnement logique à l'exécution des tâches.",
+  "Ling-2.6-flash.description": "Ling-2.6-flash est le modèle de dernière génération à haut rapport coût-performance de la série Ling. Il adopte une architecture Mixture-of-Experts (MoE), avec un total de 100 milliards de paramètres et 6,1 milliards de paramètres activés par token, atteignant un équilibre optimal entre performances d'inférence et coût computationnel.",
   "Llama-3.2-11B-Vision-Instruct.description": "Raisonnement visuel puissant sur des images haute résolution, adapté aux applications de compréhension visuelle.",
-  "Llama-3.2-90B-Vision-Instruct\t.description": "Raisonnement visuel avancé pour les applications d’agents de compréhension visuelle.",
+  "Llama-3.2-90B-Vision-Instruct.description": "Raisonnement avancé sur les images pour les applications d'agents de compréhension visuelle.",
   "LongCat-2.0-Preview.description": "Les fonctionnalités principales de LongCat-2.0-Preview sont les suivantes : Conçu pour les scénarios de développement d'agents, avec prise en charge native de l'utilisation d'outils, du raisonnement en plusieurs étapes et des tâches à long contexte ; Excelle dans la génération de code, les flux de travail automatisés et l'exécution d'instructions complexes ; Intégration approfondie avec des outils de productivité tels que Claude Code, OpenClaw, OpenCode et Kilo Code.",
-  "LongCat-Flash-Chat.description": "Le modèle LongCat-Flash-Chat a été mis à jour vers une nouvelle version. Cette mise à jour concerne uniquement les améliorations des capacités du modèle ; le nom du modèle et la méthode d'appel de l'API restent inchangés. S'appuyant sur ses caractéristiques emblématiques « efficacité extrême » et « réponse ultra-rapide », la nouvelle version renforce encore la compréhension contextuelle et les performances en programmation réelle : Capacités de codage considérablement améliorées : Optimisé en profondeur pour les scénarios centrés sur les développeurs, le modèle offre des améliorations substantielles dans les tâches de génération de code, de débogage et d'explication. Les développeurs sont fortement encouragés à évaluer et à comparer ces améliorations. Prise en charge d'un contexte ultra-long de 256K : La fenêtre contextuelle a doublé par rapport à la génération précédente (128K) pour atteindre 256K, permettant un traitement efficace des documents volumineux et des tâches à longue séquence. Performances multilingues améliorées de manière exhaustive : Offre un support solide pour neuf langues, dont l'espagnol, le français, l'arabe, le portugais, le russe et l'indonésien. Capacités d'agent plus puissantes : Démonstration d'une plus grande robustesse et efficacité dans l'invocation d'outils complexes et l'exécution de tâches multi-étapes.",
-  "LongCat-Flash-Lite.description": "Le modèle LongCat-Flash-Lite a été officiellement lancé. Il adopte une architecture efficace de type Mixture-of-Experts (MoE), avec un total de 68,5 milliards de paramètres et environ 3 milliards de paramètres activés. Grâce à l'utilisation d'une table d'embedding N-gram, il atteint une utilisation des paramètres hautement efficace et est profondément optimisé pour l'efficacité d'inférence et les scénarios d'application spécifiques. Comparé aux modèles de taille similaire, ses caractéristiques principales sont les suivantes : Efficacité exceptionnelle d'inférence : En exploitant la table d'embedding N-gram pour atténuer fondamentalement le goulot d'étranglement I/O inhérent aux architectures MoE, combiné à des mécanismes de mise en cache dédiés et des optimisations au niveau du noyau, il réduit considérablement la latence d'inférence et améliore l'efficacité globale. Performances solides en agent et en codage : Il démontre des capacités hautement compétitives dans l'invocation d'outils et les tâches de développement logiciel, offrant des performances exceptionnelles par rapport à sa taille de modèle.",
-  "LongCat-Flash-Thinking-2601.description": "Le modèle LongCat-Flash-Thinking-2601 a été officiellement lancé. En tant que modèle de raisonnement amélioré basé sur une architecture Mixture-of-Experts (MoE), il dispose d'un total de 560 milliards de paramètres. Tout en maintenant une forte compétitivité sur les benchmarks de raisonnement traditionnels, il améliore systématiquement les capacités de raisonnement au niveau des agents grâce à un apprentissage par renforcement multi-environnement à grande échelle. Comparé au modèle LongCat-Flash-Thinking, les principales améliorations sont les suivantes : Robustesse extrême dans les environnements bruyants : Grâce à un entraînement systématique de type curriculum ciblant le bruit et l'incertitude dans des contextes réels, le modèle démontre des performances exceptionnelles dans l'invocation d'outils par les agents, la recherche basée sur les agents et le raisonnement intégré aux outils, avec une généralisation significativement améliorée. Capacités d'agent puissantes : En construisant un graphe de dépendance étroitement couplé englobant plus de 60 outils et en étendant l'entraînement via une expansion multi-environnement et un apprentissage exploratoire à grande échelle, le modèle améliore considérablement sa capacité à se généraliser à des scénarios complexes et hors distribution dans le monde réel. Mode de réflexion avancé : Il élargit l'étendue du raisonnement via une inférence parallèle et approfondit la capacité analytique grâce à des mécanismes de résumé et d'abstraction basés sur des retours récursifs, répondant efficacement à des problèmes hautement complexes.",
-  "LongCat-Flash-Thinking.description": "Pour garantir des performances de raisonnement de premier ordre, la plateforme API LongCat a unifié et mis à niveau les appels au modèle LongCat-Flash-Thinking. Toutes les demandes existantes utilisant `model=LongCat-Flash-Thinking` seront automatiquement redirigées vers la dernière version, LongCat-Flash-Thinking-2601, sans nécessiter de modifications de code.",
   "M2-her.description": "Un modèle de dialogue textuel conçu pour les jeux de rôle et les conversations multi-tours, avec personnalisation des personnages et expression émotionnelle.",
   "Meta-Llama-3-3-70B-Instruct.description": "Llama 3.3 70B est un modèle Transformer polyvalent pour les tâches de conversation et de génération.",
   "Meta-Llama-3.1-405B-Instruct.description": "Modèle textuel Llama 3.1 ajusté par instructions, optimisé pour la conversation multilingue, avec d’excellentes performances sur les principaux benchmarks industriels, surpassant de nombreux modèles ouverts et fermés.",
@@ -187,27 +186,10 @@
   "Qwen2.5-Coder-14B-Instruct.description": "Qwen2.5-Coder-14B-Instruct est un grand modèle de codage pré-entraîné avec une forte compréhension et génération de code. Il gère efficacement un large éventail de tâches de programmation, idéal pour le codage intelligent, la génération de scripts automatisés et la QA en programmation.",
   "Qwen2.5-Coder-32B-Instruct.description": "LLM avancé pour la génération de code, le raisonnement et la correction de bugs dans les principaux langages de programmation.",
   "Qwen3-235B-A22B-Instruct-2507-FP8.description": "Qwen3 235B A22B Instruct 2507 est optimisé pour le raisonnement avancé et le suivi des instructions, utilisant MoE pour maintenir une efficacité de raisonnement à grande échelle.",
-  "Qwen3-235B.description": "Qwen3-235B-A22B est un modèle MoE qui introduit un mode de raisonnement hybride, permettant aux utilisateurs de basculer facilement entre réflexion et non-réflexion. Il prend en charge la compréhension et le raisonnement dans 119 langues et dialectes, et dispose de solides capacités d'appel d'outils, rivalisant avec des modèles de référence comme DeepSeek R1, OpenAI o1, o3-mini, Grok 3 et Google Gemini 2.5 Pro sur les benchmarks de capacités générales, code et mathématiques, multilinguisme et raisonnement par connaissances.",
-  "Qwen3-32B.description": "Qwen3-32B est un modèle dense qui introduit un mode de raisonnement hybride, permettant aux utilisateurs de basculer entre réflexion et non-réflexion. Grâce à des améliorations architecturales, davantage de données et un meilleur entraînement, il offre des performances comparables à Qwen2.5-72B.",
   "Qwen3.5-Plus.description": "Qwen3.5 Plus prend en charge les entrées texte, image et vidéo. Ses performances sur les tâches purement textuelles sont comparables à celles de Qwen3 Max, avec de meilleurs résultats et un coût réduit. Ses capacités multimodales sont nettement améliorées par rapport à la série Qwen3 VL.",
+  "Ring-2.5-1T.description": "Comparé au Ring-1T précédemment publié, Ring-2.5-1T réalise des améliorations significatives sur trois dimensions clés : Efficacité de génération** : En exploitant une forte proportion de mécanismes d'attention linéaire, Ring-2.5-1T réduit les frais généraux d'accès à la mémoire de plus de 10×. Lors du traitement de séquences dépassant 32K tokens, il offre un débit de génération plus de 3× supérieur, le rendant particulièrement adapté au raisonnement approfondi et à l'exécution de tâches à long terme. Raisonnement approfondi** : En s'appuyant sur RLVR, un mécanisme de récompense dense est introduit pour fournir un retour sur la rigueur du processus de raisonnement. Cela permet à Ring-2.5-1T d'atteindre des performances de niveau médaille d'or dans les compétitions IMO 2025 et CMO 2025 (auto-évalué). Exécution de tâches à long terme** : Grâce à une formation par apprentissage par renforcement à grande échelle entièrement asynchrone basée sur des agents, le modèle améliore considérablement sa capacité à exécuter de manière autonome des tâches complexes sur de longues périodes. Cela permet à Ring-2.5-1T de s'intégrer parfaitement aux cadres de programmation d'agents tels que Claude Code et les assistants personnels OpenClaw.",
+  "Ring-2.6-1T.description": "Ring-2.6-1T est un modèle de raisonnement à l'échelle du billion de paramètres qui active environ 63 milliards de paramètres par inférence. Conçu pour les flux de travail d'agents, il se concentre sur les capacités des agents, l'utilisation d'outils et l'exécution de tâches à long terme, atteignant des performances de pointe sur des benchmarks tels que PinchBench, ClawEval, TAU2-Bench et GAIA2-search. Le modèle est optimisé en termes de qualité d'exécution, de latence et de coût, le rendant bien adapté aux agents de codage avancés, aux pipelines de raisonnement complexes et aux systèmes autonomes à grande échelle.",
   "S2V-01.description": "Le modèle de base référence-vers-vidéo de la série 01.",
-  "SenseChat-128K.description": "Base V4 avec un contexte de 128K, excellent pour la compréhension et la génération de textes longs.",
-  "SenseChat-32K.description": "Base V4 avec un contexte de 32K, flexible pour de nombreux scénarios.",
-  "SenseChat-5-1202.description": "Dernière version basée sur V5.5, avec des progrès significatifs en fondamentaux chinois/anglais, chat, connaissances STEM, sciences humaines, écriture, mathématiques/logique et contrôle de longueur.",
-  "SenseChat-5-Cantonese.description": "Conçu pour les habitudes de dialogue, le langage familier et les connaissances locales de Hong Kong ; surpasse GPT-4 en compréhension du cantonais et rivalise avec GPT-4 Turbo en connaissances, raisonnement, mathématiques et codage.",
-  "SenseChat-5-beta.description": "Certaines performances dépassent celles de SenseChat-5-1202.",
-  "SenseChat-5.description": "Dernier V5.5 avec un contexte de 128K ; grands progrès en raisonnement mathématique, chat en anglais, suivi d'instructions et compréhension de textes longs, comparable à GPT-4o.",
-  "SenseChat-Character-Pro.description": "Modèle de chat de personnage avancé avec un contexte de 32K, capacités améliorées et prise en charge du chinois/anglais.",
-  "SenseChat-Character.description": "Modèle standard de chat de personnage avec un contexte de 8K et une vitesse de réponse élevée.",
-  "SenseChat-Turbo-1202.description": "Dernier modèle léger atteignant plus de 90 % des capacités du modèle complet avec un coût d'inférence nettement inférieur.",
-  "SenseChat-Turbo.description": "Convient pour les scénarios de QA rapide et d'ajustement de modèle.",
-  "SenseChat-Vision.description": "Dernier V5.5 avec entrée multi-images et améliorations générales en reconnaissance d'attributs, relations spatiales, détection d'action/événement, compréhension de scène, reconnaissance des émotions, raisonnement de bon sens et compréhension/génération de texte.",
-  "SenseChat.description": "Base V4 avec un contexte de 4K et de solides capacités générales.",
-  "SenseNova-V6-5-Pro.description": "Grâce à des mises à jour complètes des données multimodales, linguistiques et de raisonnement, ainsi qu'à une optimisation de la stratégie d'entraînement, ce nouveau modèle améliore considérablement le raisonnement multimodal et le suivi d'instructions généralisé. Il prend en charge une fenêtre de contexte allant jusqu'à 128k et excelle dans les tâches de reconnaissance OCR et d'identification d'IP liées au tourisme culturel.",
-  "SenseNova-V6-5-Turbo.description": "Grâce à des mises à jour complètes des données multimodales, linguistiques et de raisonnement, ainsi qu'à une optimisation de la stratégie d'entraînement, ce nouveau modèle améliore considérablement le raisonnement multimodal et le suivi d'instructions généralisé. Il prend en charge une fenêtre de contexte allant jusqu'à 128k et excelle dans les tâches de reconnaissance OCR et d'identification d'IP liées au tourisme culturel.",
-  "SenseNova-V6-Pro.description": "Unifie nativement l'image, le texte et la vidéo, brisant les silos multimodaux traditionnels ; se classe parmi les meilleurs sur OpenCompass et SuperCLUE.",
-  "SenseNova-V6-Reasoner.description": "Combine une compréhension approfondie de la vision et du langage, prenant en charge la réflexion lente et le raisonnement en chaîne.",
-  "SenseNova-V6-Turbo.description": "Unifie nativement l'image, le texte et la vidéo, brisant les silos multimodaux traditionnels. Il excelle dans les capacités fondamentales multimodales et linguistiques, et se classe parmi les meilleurs dans de nombreuses évaluations.",
   "Skylark2-lite-8k.description": "Modèle Skylark de 2e génération. Skylark2-lite offre des réponses rapides pour des scénarios en temps réel et sensibles aux coûts, avec des exigences de précision moindres, et une fenêtre de contexte de 8K.",
   "Skylark2-pro-32k.description": "Modèle Skylark de 2e génération. Skylark2-pro offre une précision accrue pour la génération de texte complexe, comme la rédaction professionnelle, l'écriture de romans et la traduction de haute qualité, avec une fenêtre de contexte de 32K.",
   "Skylark2-pro-4k.description": "Modèle Skylark de 2e génération. Skylark2-pro offre une précision accrue pour la génération de texte complexe, comme la rédaction professionnelle, l'écriture de romans et la traduction de haute qualité, avec une fenêtre de contexte de 4K.",
@@ -1197,6 +1179,8 @@
   "r1-1776.description": "R1-1776 est une variante post-entraînée de DeepSeek R1 conçue pour fournir des informations factuelles non censurées et impartiales.",
   "seedance-1-5-pro-251215.description": "Seedance 1.5 Pro de ByteDance prend en charge le texte-à-vidéo, l'image-à-vidéo (première image, première+dernière image) et la génération audio synchronisée avec les visuels.",
   "seedream-5-0-260128.description": "ByteDance-Seedream-5.0-lite par BytePlus propose une génération augmentée par récupération web pour des informations en temps réel, une interprétation améliorée des prompts complexes et une meilleure cohérence des références pour une création visuelle professionnelle.",
+  "sensenova-6.7-flash-lite.description": "Un modèle d'agent multimodal léger conçu pour les flux de travail réels, prenant en charge à la fois les conversations textuelles et la compréhension d'images. Léger et efficace, équilibrant performances, coût et déployabilité. Architecture multimodale native avec prise en charge de la compréhension d'images, y compris l'OCR et l'interprétation de graphiques. Optimisé pour les scénarios de bureau et de productivité, avec un support stable pour les tâches complexes en chaîne longue. Efficacité des tokens améliorée, permettant un meilleur contrôle des coûts pour les charges de travail complexes. Longueur de contexte de 256K tokens (entrée maximale : 252K, sortie maximale : 64K).",
+  "sensenova-u1-fast.description": "Une version accélérée basée sur SenseNova U1, spécifiquement optimisée pour la génération d'infographies.",
   "solar-mini-ja.description": "Solar Mini (Ja) étend Solar Mini avec un accent sur le japonais tout en maintenant des performances efficaces et solides en anglais et en coréen.",
   "solar-mini.description": "Solar Mini est un modèle LLM compact surpassant GPT-3.5, avec de solides capacités multilingues en anglais et en coréen, offrant une solution efficace à faible empreinte.",
   "solar-pro.description": "Solar Pro est un LLM intelligent développé par Upstage, axé sur le suivi d'instructions sur un seul GPU, avec des scores IFEval supérieurs à 80. Il prend actuellement en charge l'anglais ; la version complète est prévue pour novembre 2024 avec un support linguistique élargi et un contexte plus long.",

locales/fr-FR/plugin.json

@@ -1,11 +1,21 @@
 {
   "arguments.moreParams": "{{count}} paramètres au total",
   "arguments.title": "Arguments",
+  "builtins.codex.apiName.collab_tool_call": "Coordonner les sous-agents",
   "builtins.codex.apiName.command_execution": "Exécuter une commande",
   "builtins.codex.apiName.file_change": "Modifier des fichiers",
   "builtins.codex.apiName.mcp_tool_call": "Appeler l'outil MCP",
   "builtins.codex.apiName.todo_list": "Mettre à jour les tâches",
   "builtins.codex.apiName.web_search": "Rechercher sur le web",
+  "builtins.codex.collabTool.agentCount_one": "{{count}} sous-agent",
+  "builtins.codex.collabTool.agentCount_other": "{{count}} sous-agents",
+  "builtins.codex.collabTool.agentLabel": "Sous-agent {{index}}",
+  "builtins.codex.collabTool.agents": "Sous-agents",
+  "builtins.codex.collabTool.closeAgent": "Fermer le sous-agent",
+  "builtins.codex.collabTool.instruction": "Instruction",
+  "builtins.codex.collabTool.sendInput": "Envoyer un message au sous-agent",
+  "builtins.codex.collabTool.spawnAgent": "Créer un sous-agent",
+  "builtins.codex.collabTool.wait": "Attendre les sous-agents",
   "builtins.codex.commandExecution.grep": "Rechercher",
   "builtins.codex.commandExecution.noResults": "Aucun résultat",
   "builtins.codex.commandExecution.readFile": "Lire le fichier",
@@ -447,6 +457,15 @@
   "dev.mcp.auth.desc": "Sélectionner la méthode d’authentification pour le serveur MCP",
   "dev.mcp.auth.label": "Type d’authentification",
   "dev.mcp.auth.none": "Pas d’authentification",
+  "dev.mcp.auth.oauth": "OAuth",
+  "dev.mcp.auth.oauth.authorize": "Autoriser et connecter",
+  "dev.mcp.auth.oauth.clientId.desc": "Laissez vide pour enregistrer automatiquement un client (enregistrement dynamique de client)",
+  "dev.mcp.auth.oauth.clientId.label": "ID client OAuth",
+  "dev.mcp.auth.oauth.clientId.placeholder": "Optionnel",
+  "dev.mcp.auth.oauth.clientSecret.desc": "Requis uniquement pour les clients OAuth confidentiels",
+  "dev.mcp.auth.oauth.clientSecret.label": "Secret client OAuth",
+  "dev.mcp.auth.oauth.clientSecret.placeholder": "Optionnel",
+  "dev.mcp.auth.oauth.redirectHint": "URI de redirection à enregistrer avec votre application OAuth :",
   "dev.mcp.auth.placeholder": "Sélectionner le type d’authentification",
   "dev.mcp.auth.token.desc": "Saisir votre clé API ou jeton Bearer",
   "dev.mcp.auth.token.label": "Clé API",

locales/fr-FR/providers.json

@@ -4,6 +4,7 @@
   "ai360.description": "360 AI est une plateforme de modèles et de services proposée par 360, offrant des modèles de traitement du langage naturel tels que 360GPT2 Pro, 360GPT Pro et 360GPT Turbo. Ces modèles combinent des paramètres à grande échelle et des capacités multimodales pour la génération de texte, la compréhension sémantique, la conversation et le code, avec une tarification flexible adaptée à divers besoins.",
   "aihubmix.description": "AiHubMix permet d'accéder à plusieurs modèles d'IA via une API unifiée.",
   "akashchat.description": "Akash est une place de marché décentralisée de ressources cloud, offrant des prix compétitifs par rapport aux fournisseurs traditionnels.",
+  "antgroup.description": "Ant Ling est la série de modèles fondamentaux au cœur de l'initiative d'Intelligence Artificielle Générale (AGI) d'Ant Group, dédiée à la construction et à l'ouverture de capacités de modèles fondamentaux de pointe. Nous croyons que le développement de l'intelligence doit aller vers l'ouverture, le partage et l'évolutivité—en commençant par de petites étapes pratiques pour favoriser l'évolution progressive et le déploiement concret de l'AGI.",
   "anthropic.description": "Anthropic développe des modèles linguistiques avancés comme Claude 3.5 Sonnet, Claude 3 Sonnet, Claude 3 Opus et Claude 3 Haiku, alliant intelligence, rapidité et coût pour des cas d’usage allant de l’entreprise aux réponses instantanées.",
   "azure.description": "Azure propose des modèles d'IA avancés, notamment les séries GPT-3.5 et GPT-4, pour divers types de données et tâches complexes, avec un accent sur la sécurité, la fiabilité et la durabilité.",
   "azureai.description": "Azure fournit des modèles d'IA avancés, y compris les séries GPT-3.5 et GPT-4, pour des données variées et des tâches complexes, en mettant l'accent sur une IA sûre, fiable et durable.",

locales/fr-FR/setting.json

@@ -280,7 +280,33 @@
   "defaultAgent.title": "Paramètres par défaut de l'agent",
   "devices.actions.edit": "Modifier",
   "devices.actions.remove": "Supprimer",
+  "devices.capabilities.commands.desc": "Exécutez en toute sécurité des commandes terminal dans votre environnement.",
+  "devices.capabilities.commands.title": "Exécuter des commandes",
+  "devices.capabilities.files.desc": "Permettez aux agents d'accéder directement aux fichiers sur votre ordinateur et de les organiser.",
+  "devices.capabilities.files.title": "Lire et écrire des fichiers locaux",
+  "devices.capabilities.title": "Ce que vous pouvez faire une fois connecté",
+  "devices.capabilities.tools.desc": "Connectez des outils locaux pour étendre les capacités des agents.",
+  "devices.capabilities.tools.title": "Appeler des outils système",
   "devices.channel.connected": "Connecté {{time}}",
+  "devices.connectWizard.button": "Connecter un appareil",
+  "devices.connectWizard.cli.connectDesc": "Démarrez le démon en arrière-plan pour maintenir l'appareil en ligne et à l'écoute des opérations à distance.",
+  "devices.connectWizard.cli.connectTitle": "Démarrer le démon",
+  "devices.connectWizard.cli.installDesc": "Installez le CLI LobeHub globalement avec votre gestionnaire de paquets préféré pour activer la connectivité et la gestion des appareils.",
+  "devices.connectWizard.cli.installTitle": "Installer le CLI",
+  "devices.connectWizard.cli.loginDesc": "Complétez l'autorisation OAuth dans votre navigateur pour lier le CLI à votre compte.",
+  "devices.connectWizard.cli.loginTitle": "Se connecter",
+  "devices.connectWizard.desktop.downloadLink": "Télécharger LobeHub Desktop",
+  "devices.connectWizard.desktop.step1": "Téléchargez l'application de bureau",
+  "devices.connectWizard.desktop.step1Desc": "Visitez la page de téléchargement de LobeHub et obtenez l'application pour votre système d'exploitation.",
+  "devices.connectWizard.desktop.step2": "Connectez-vous et ouvrez la passerelle de l'appareil",
+  "devices.connectWizard.desktop.step2Desc": "Après vous être connecté, cliquez sur l'icône de la passerelle de l'appareil en haut à droite et confirmez qu'elle est activée.",
+  "devices.connectWizard.desktop.step3": "Votre appareil apparaît automatiquement",
+  "devices.connectWizard.desktop.step3Desc": "L'application de bureau s'enregistre comme un appareil au lancement — vous le verrez dans la liste une fois connecté.",
+  "devices.connectWizard.footer": "Seules les métadonnées de l'appareil sont enregistrées — vos données ne sont jamais accessibles.",
+  "devices.connectWizard.method.cli": "Via CLI",
+  "devices.connectWizard.method.desktop": "Via Desktop",
+  "devices.connectWizard.subtitle": "Choisissez comment connecter votre ordinateur à LobeHub.",
+  "devices.connectWizard.title": "Connecter un appareil",
   "devices.currentBadge": "Cet appareil",
   "devices.detail.addDir": "Ajouter un répertoire",
   "devices.detail.connections": "Connexions",
@@ -294,7 +320,13 @@
   "devices.edit.friendlyNamePlaceholder": "Un nom pour reconnaître cet appareil",
   "devices.edit.save": "Enregistrer",
   "devices.edit.title": "Modifier l'appareil",
-  "devices.empty": "Aucun appareil pour le moment. Connectez-en un avec `lh connect` ou en vous connectant à l'application de bureau.",
+  "devices.empty.desc": "Une fois connecté, les agents LobeHub peuvent lire/écrire des fichiers, exécuter des commandes et appeler des outils système directement sur votre ordinateur.",
+  "devices.empty.methodCli.desc": "Installez le CLI dans votre terminal — idéal pour les serveurs ou les machines sans interface graphique.",
+  "devices.empty.methodCli.title": "Connecter via CLI",
+  "devices.empty.methodDesktop.badge": "Recommandé",
+  "devices.empty.methodDesktop.desc": "Téléchargez l'application de bureau, connectez-vous, et votre appareil se connecte automatiquement.",
+  "devices.empty.methodDesktop.title": "Connecter via Desktop",
+  "devices.empty.title": "Connectez votre premier appareil",
   "devices.fallbackBadge": "Identité instable",
   "devices.fallbackTooltip": "Cet appareil n'a pas pu être identifié par son ID machine, donc la réinstallation de l'application peut créer une entrée en double.",
   "devices.lastSeen": "Dernière activité {{time}}",

locales/it-IT/chat.json

@@ -15,6 +15,8 @@
   "agentBuilder.installPlugin.retry": "Riprova",
   "agentBuilder.title": "Costruttore di Agenti",
   "agentBuilder.welcome": "Parlami del tuo caso d'uso.\n\nScrittura, programmazione o analisi dei dati—qualsiasi cosa va bene. Tu definisci l'obiettivo e gli standard; io li suddividerò in Agenti collaborativi ed eseguibili.",
+  "agentConfigError.retry": "Riprova",
+  "agentConfigError.title": "Impossibile caricare le impostazioni dell'agente",
   "agentDefaultMessage": "Ciao, sono **{{name}}**. Una frase è sufficiente.\n\nVuoi che mi adatti meglio al tuo flusso di lavoro? Vai su [Impostazioni Agente]({{url}}) e compila il Profilo Agente (puoi modificarlo in qualsiasi momento).",
   "agentDefaultMessageWithSystemRole": "Ciao, sono **{{name}}**. Una frase è sufficiente—sei tu al comando.",
   "agentDefaultMessageWithoutEdit": "Ciao, sono **{{name}}**. Una frase è sufficiente—sei tu al comando.",
@@ -252,6 +254,10 @@
   "input.costEstimate.tooltip": "Stimato dal contesto attuale, dagli strumenti e dai prezzi del modello. Il costo effettivo potrebbe variare.",
   "input.disclaimer": "Gli agenti possono commettere errori. Usa il tuo giudizio per informazioni critiche.",
   "input.errorMsg": "Invio non riuscito: {{errorMsg}}. Riprova o invia più tardi.",
+  "input.inputCompletionError.desc": "I suggerimenti di input si sono interrotti a causa di un errore. Riprova o modifica il modello di suggerimento nelle Impostazioni.",
+  "input.inputCompletionError.retry": "Riprova",
+  "input.inputCompletionError.settings": "Impostazioni",
+  "input.inputCompletionError.title": "Suggerimenti di input sospesi",
   "input.more": "Altro",
   "input.send": "Invia",
   "input.sendWithCmdEnter": "Premi <key/> per inviare",
@@ -1006,7 +1012,9 @@
   "workingPanel.localFile.closeRight": "Chiudi a Destra",
   "workingPanel.localFile.error": "Impossibile caricare questo file",
   "workingPanel.localFile.preview.raw": "Grezzo",
+  "workingPanel.localFile.preview.reload": "Ricarica anteprima",
   "workingPanel.localFile.preview.render": "Anteprima",
+  "workingPanel.localFile.preview.source": "Fonte",
   "workingPanel.localFile.truncated": "Anteprima del file troncata a {{limit}} caratteri",
   "workingPanel.progress": "Progress",
   "workingPanel.progress.allCompleted": "All tasks completed",

locales/it-IT/modelProvider.json

@@ -239,6 +239,7 @@
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken32k.hint": "Per GLM-5 e GLM-4.7; controlla il budget di token per il ragionamento (max 32k).",
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken80k.hint": "Per la serie Qwen3; controlla il budget di token per il ragionamento (max 80k).",
   "providerModels.item.modelConfig.extendParams.options.reasoningEffort.hint": "Per OpenAI e altri modelli con capacità di ragionamento; controlla lo sforzo di ragionamento.",
+  "providerModels.item.modelConfig.extendParams.options.ring2_6ReasoningEffort.hint": "Per la serie Ring 2.6; controlla l'intensità del ragionamento.",
   "providerModels.item.modelConfig.extendParams.options.step3_5ReasoningEffort.hint": "Per la serie Step 3.5; controlla l'intensità del ragionamento.",
   "providerModels.item.modelConfig.extendParams.options.textVerbosity.hint": "Per la serie GPT-5+; controlla la verbosità dell'output.",
   "providerModels.item.modelConfig.extendParams.options.thinking.hint": "Per alcuni modelli Doubao; consente al modello di decidere se pensare in profondità.",

locales/it-IT/models.json

@@ -27,15 +27,15 @@
   "DeepSeek-OCR.description": "DeepSeek-OCR è un modello visione-linguaggio sviluppato da DeepSeek AI, focalizzato sull’OCR e sulla “compressione ottica del contesto”. Esplora tecniche per comprimere il contesto proveniente dalle immagini, elabora documenti in modo efficiente e li converte in testo strutturato (ad esempio in Markdown). Riconosce accuratamente il testo nelle immagini ed è ideale per la digitalizzazione dei documenti, l’estrazione del testo e l’elaborazione strutturata.",
   "DeepSeek-R1-Distill-Llama-70B.description": "DeepSeek R1, il modello più grande e intelligente della suite DeepSeek, è stato distillato nell'architettura Llama 70B. I benchmark e le valutazioni umane dimostrano che è più intelligente del Llama 70B base, in particolare nei compiti di matematica e precisione dei fatti.",
   "DeepSeek-R1-Distill-Qwen-1.5B.description": "Un modello distillato DeepSeek-R1 basato su Qwen2.5-Math-1.5B. L'apprendimento per rinforzo e i dati di avvio a freddo ottimizzano le prestazioni di ragionamento, stabilendo nuovi benchmark multi-task per i modelli open-source.",
-  "DeepSeek-R1-Distill-Qwen-14B.description": "I modelli DeepSeek-R1-Distill sono ottimizzati a partire da modelli open-source utilizzando dati campione generati da DeepSeek-R1.",
-  "DeepSeek-R1-Distill-Qwen-32B.description": "I modelli DeepSeek-R1-Distill sono ottimizzati a partire da modelli open-source utilizzando dati campione generati da DeepSeek-R1.",
+  "DeepSeek-R1-Distill-Qwen-14B.description": "Un modello distillato DeepSeek-R1 basato su Qwen2.5-14B. L'apprendimento per rinforzo e i dati di avvio a freddo ottimizzano le prestazioni di ragionamento, stabilendo nuovi benchmark multi-task per modelli aperti.",
+  "DeepSeek-R1-Distill-Qwen-32B.description": "La serie DeepSeek-R1 migliora le prestazioni di ragionamento con l'apprendimento per rinforzo e i dati di avvio a freddo, stabilendo nuovi benchmark multi-task per modelli aperti e superando OpenAI o1-mini.",
   "DeepSeek-R1-Distill-Qwen-7B.description": "Un modello distillato DeepSeek-R1 basato su Qwen2.5-Math-7B. L'apprendimento per rinforzo e i dati di avvio a freddo ottimizzano le prestazioni di ragionamento, stabilendo nuovi benchmark multi-task per i modelli open-source.",
-  "DeepSeek-R1.description": "DeepSeek-R1 applica l'apprendimento per rinforzo su larga scala nella fase di post-addestramento, migliorando notevolmente il ragionamento con pochissimi dati etichettati. Raggiunge le prestazioni del modello OpenAI o1 nei compiti di matematica, programmazione e ragionamento in linguaggio naturale.",
+  "DeepSeek-R1.description": "Modello LLM efficiente all'avanguardia, eccellente nel ragionamento, matematica e programmazione.",
   "DeepSeek-V3-1.description": "DeepSeek V3.1 è un modello di ragionamento di nuova generazione con miglioramenti nel ragionamento complesso e nella catena di pensiero, adatto ad attività di analisi approfondita.",
   "DeepSeek-V3-Fast.description": "Fornitore: sophnet. DeepSeek V3 Fast è la versione ad alta velocità di DeepSeek V3 0324, a precisione completa (non quantizzata), con prestazioni superiori in programmazione e matematica e risposte più rapide.",
   "DeepSeek-V3.1-Think.description": "Modalità di pensiero DeepSeek-V3.1: un nuovo modello di ragionamento ibrido con modalità di pensiero e non-pensiero, più efficiente di DeepSeek-R1-0528. Le ottimizzazioni post-addestramento migliorano significativamente l'uso degli strumenti agentici e le prestazioni nei compiti agentici.",
   "DeepSeek-V3.2.description": "deepseek-v3.2 introduce un meccanismo di attenzione sparsa, progettato per migliorare l’efficienza dell’addestramento e dell’inferenza nel trattamento di testi lunghi, offrendo un costo inferiore rispetto a deepseek-v3.1.",
-  "DeepSeek-V3.description": "DeepSeek-V3 è un modello MoE sviluppato da DeepSeek. Supera altri modelli open-source come Qwen2.5-72B e Llama-3.1-405B in molti benchmark ed è competitivo con i principali modelli chiusi come GPT-4o e Claude 3.5 Sonnet.",
+  "DeepSeek-V3.description": "Il deployment aperto di ByteDance Volcengine è attualmente il più stabile; consigliato. È stato aggiornato automaticamente all'ultima versione (250324).",
   "Doubao-lite-128k.description": "Doubao-lite offre risposte ultra-rapide e un ottimo rapporto qualità/prezzo, con opzioni flessibili per diversi scenari. Supporta un contesto di 128K per inferenza e fine-tuning.",
   "Doubao-lite-32k.description": "Doubao-lite offre risposte ultra-rapide e un ottimo rapporto qualità/prezzo, con opzioni flessibili per diversi scenari. Supporta un contesto di 32K per inferenza e fine-tuning.",
   "Doubao-lite-4k.description": "Doubao-lite offre risposte ultra-rapide e un ottimo rapporto qualità/prezzo, con opzioni flessibili per diversi scenari. Supporta un contesto di 4K per inferenza e fine-tuning.",
@@ -83,13 +83,12 @@
   "Kimi-K2.5.description": "Kimi K2.5 è il modello Kimi più avanzato, con prestazioni SOTA open-source nei task agentici, nel coding e nella comprensione visiva. Supporta input multimodali e sia la modalità con pensiero sia quella senza pensiero.",
   "Kolors.description": "Kolors è un modello text-to-image sviluppato dal team Kuaishou Kolors. Addestrato con miliardi di parametri, offre vantaggi notevoli in qualità visiva, comprensione semantica del cinese e resa del testo.",
   "Kwai-Kolors/Kolors.description": "Kolors è un modello text-to-image a diffusione latente su larga scala sviluppato dal team Kuaishou Kolors. Addestrato su miliardi di coppie testo-immagine, eccelle in qualità visiva, accuratezza semantica complessa e resa del testo in cinese/inglese, con forte comprensione e generazione di contenuti in cinese.",
+  "Ling-2.5-1T.description": "Come ultimo modello di punta in tempo reale della serie Ling, Ling-2.5-1T introduce aggiornamenti completi nell'architettura del modello, nell'efficienza dei token e nell'allineamento delle preferenze, con l'obiettivo di elevare la qualità dell'IA accessibile a un nuovo livello.",
+  "Ling-2.6-1T.description": "L'ultimo modello di punta di linguaggio su larga scala, con supporto per una finestra di contesto di 1M token e abilitazione di un flusso di lavoro end-to-end dal ragionamento logico all'esecuzione dei compiti.",
+  "Ling-2.6-flash.description": "Ling-2.6-flash è il modello di ultima generazione ad alte prestazioni nella serie Ling. Adotta un'architettura Mixture-of-Experts (MoE), con un totale di 100 miliardi di parametri e 6,1 miliardi di parametri attivati per token, raggiungendo un equilibrio ottimale tra prestazioni di inferenza e costo computazionale.",
   "Llama-3.2-11B-Vision-Instruct.description": "Solido ragionamento visivo su immagini ad alta risoluzione, adatto ad applicazioni di comprensione visiva.",
-  "Llama-3.2-90B-Vision-Instruct\t.description": "Ragionamento visivo avanzato per applicazioni di agenti con comprensione visiva.",
+  "Llama-3.2-90B-Vision-Instruct.description": "Ragionamento avanzato sulle immagini per applicazioni di agenti con comprensione visiva.",
   "LongCat-2.0-Preview.description": "Le caratteristiche principali di LongCat-2.0-Preview sono le seguenti: progettato per scenari di sviluppo di agenti, con supporto nativo per l'uso di strumenti, ragionamento multi-step e compiti a lungo contesto; eccelle nella generazione di codice, nei flussi di lavoro automatizzati e nell'esecuzione di istruzioni complesse; profondamente integrato con strumenti di produttività come Claude Code, OpenClaw, OpenCode e Kilo Code.",
-  "LongCat-Flash-Chat.description": "Il modello LongCat-Flash-Chat è stato aggiornato a una nuova versione. Questo aggiornamento riguarda esclusivamente il miglioramento delle capacità del modello; il nome del modello e il metodo di invocazione API rimangono invariati. Basandosi sulla sua caratteristica distintiva di \"efficienza estrema\" e \"risposta fulminea\", la nuova versione rafforza ulteriormente la comprensione contestuale e le prestazioni nella programmazione reale: Capacità di Codifica Significativamente Migliorate: Ottimizzato profondamente per scenari centrati sugli sviluppatori, il modello offre miglioramenti sostanziali nella generazione di codice, nel debugging e nei compiti di spiegazione. Gli sviluppatori sono fortemente incoraggiati a valutare e confrontare questi miglioramenti. Supporto per Contesto Ultra-Lungo 256K: La finestra contestuale è stata raddoppiata rispetto alla generazione precedente (128K) a 256K, consentendo un'elaborazione efficiente di documenti massivi e compiti a lunga sequenza. Prestazioni Multilingue Completamente Migliorate: Offre un forte supporto per nove lingue, tra cui spagnolo, francese, arabo, portoghese, russo e indonesiano. Capacità di Agente Più Potenti: Dimostra maggiore robustezza ed efficienza nell'invocazione di strumenti complessi e nell'esecuzione di compiti multi-step.",
-  "LongCat-Flash-Lite.description": "Il modello LongCat-Flash-Lite è stato ufficialmente rilasciato. Adotta un'architettura efficiente Mixture-of-Experts (MoE), con un totale di 68,5 miliardi di parametri e circa 3 miliardi di parametri attivati. Attraverso l'uso di una tabella di embedding N-gram, raggiunge un utilizzo altamente efficiente dei parametri ed è profondamente ottimizzato per l'efficienza di inferenza e scenari applicativi specifici. Rispetto ai modelli di scala simile, le sue caratteristiche principali sono le seguenti: Efficienza di Inferenza Straordinaria: Sfruttando la tabella di embedding N-gram per alleviare fondamentalmente il collo di bottiglia I/O insito nelle architetture MoE, combinato con meccanismi di caching dedicati e ottimizzazioni a livello di kernel, riduce significativamente la latenza di inferenza e migliora l'efficienza complessiva. Prestazioni Forti in Compiti di Agente e Codifica: Dimostra capacità altamente competitive nell'invocazione di strumenti e nei compiti di sviluppo software, offrendo prestazioni eccezionali rispetto alla sua dimensione del modello.",
-  "LongCat-Flash-Thinking-2601.description": "Il modello LongCat-Flash-Thinking-2601 è stato ufficialmente rilasciato. Come modello di ragionamento avanzato basato su un'architettura Mixture-of-Experts (MoE), presenta un totale di 560 miliardi di parametri. Pur mantenendo una forte competitività nei benchmark di ragionamento tradizionali, migliora sistematicamente le capacità di ragionamento a livello di agente attraverso l'apprendimento per rinforzo multi-ambiente su larga scala. Rispetto al modello LongCat-Flash-Thinking, gli aggiornamenti chiave sono i seguenti: Robustezza Estrema in Ambienti Rumorosi: Attraverso un addestramento sistematico in stile curriculum mirato al rumore e all'incertezza in contesti reali, il modello dimostra prestazioni eccezionali nell'invocazione di strumenti da parte dell'agente, nella ricerca basata su agente e nel ragionamento integrato con strumenti, con una generalizzazione significativamente migliorata. Capacità di Agente Potenti: Costruendo un grafo di dipendenza strettamente accoppiato che comprende più di 60 strumenti e scalando l'addestramento attraverso l'espansione multi-ambiente e l'apprendimento esplorativo su larga scala, il modello migliora notevolmente la sua capacità di generalizzare a scenari reali complessi e fuori distribuzione. Modalità di Pensiero Profondo Avanzata: Espande l'ampiezza del ragionamento tramite inferenza parallela e approfondisce la capacità analitica attraverso meccanismi di astrazione e sintesi guidati da feedback ricorsivi, affrontando efficacemente problemi altamente impegnativi.",
-  "LongCat-Flash-Thinking.description": "Per garantire prestazioni di ragionamento di alto livello, la piattaforma API di LongCat ha unificato e aggiornato le chiamate al modello LongCat-Flash-Thinking. Tutte le richieste esistenti che utilizzano `model=LongCat-Flash-Thinking` saranno automaticamente indirizzate alla versione più recente, LongCat-Flash-Thinking-2601, senza necessità di modifiche al codice.",
   "M2-her.description": "Un modello di dialogo testuale progettato per giochi di ruolo e conversazioni multi-turno, con personalizzazione dei personaggi ed espressione emotiva.",
   "Meta-Llama-3-3-70B-Instruct.description": "Llama 3.3 70B è un modello Transformer versatile per compiti di chat e generazione.",
   "Meta-Llama-3.1-405B-Instruct.description": "Modello testuale Llama 3.1 ottimizzato per chat multilingue, con prestazioni elevate nei benchmark industriali tra modelli open e closed.",
@@ -187,27 +186,10 @@
   "Qwen2.5-Coder-14B-Instruct.description": "Qwen2.5-Coder-14B-Instruct è un modello di istruzioni per la programmazione su larga scala, con eccellenti capacità di comprensione e generazione di codice. Gestisce in modo efficiente una vasta gamma di compiti di programmazione, ideale per codifica intelligente, generazione automatica di script e domande e risposte sulla programmazione.",
   "Qwen2.5-Coder-32B-Instruct.description": "LLM avanzato per generazione di codice, ragionamento e correzione di bug nei principali linguaggi di programmazione.",
   "Qwen3-235B-A22B-Instruct-2507-FP8.description": "Qwen3 235B A22B Instruct 2507 è ottimizzato per ragionamento avanzato e seguire istruzioni, utilizzando MoE per mantenere l'efficienza del ragionamento su larga scala.",
-  "Qwen3-235B.description": "Qwen3-235B-A22B è un modello MoE che introduce una modalità di ragionamento ibrida, consentendo agli utenti di passare senza interruzioni tra pensiero e non-pensiero. Supporta comprensione e ragionamento in 119 lingue e dialetti e ha forti capacità di utilizzo di strumenti, competendo con modelli di punta come DeepSeek R1, OpenAI o1, o3-mini, Grok 3 e Google Gemini 2.5 Pro nei benchmark su abilità generali, codice e matematica, capacità multilingue e ragionamento basato sulla conoscenza.",
-  "Qwen3-32B.description": "Qwen3-32B è un modello denso che introduce una modalità di ragionamento ibrida, consentendo agli utenti di passare tra pensiero e non-pensiero. Grazie a miglioramenti architetturali, più dati e un addestramento migliore, offre prestazioni comparabili a Qwen2.5-72B.",
   "Qwen3.5-Plus.description": "Qwen3.5 Plus supporta input testuali, immagini e video. Le sue prestazioni nei task puramente testuali sono paragonabili a Qwen3 Max, con prestazioni migliori e costi inferiori. Le sue capacità multimodali sono notevolmente migliorate rispetto alla serie Qwen3 VL.",
+  "Ring-2.5-1T.description": "Rispetto al Ring-1T precedentemente rilasciato, Ring-2.5-1T ottiene miglioramenti significativi in tre dimensioni chiave: Efficienza di Generazione**: Sfruttando una proporzione elevata di meccanismi di attenzione lineare, Ring-2.5-1T riduce il sovraccarico di accesso alla memoria di oltre 10×. Durante l'elaborazione di sequenze superiori a 32K token, offre una velocità di generazione superiore di oltre 3×, rendendolo particolarmente adatto per il ragionamento profondo e l'esecuzione di compiti a lungo termine. Ragionamento Profondo**: Basandosi su RLVR, viene introdotto un meccanismo di ricompensa densa per fornire feedback sulla rigorosità del processo di ragionamento. Questo consente a Ring-2.5-1T di raggiungere prestazioni di livello medaglia d'oro sia in IMO 2025 che in CMO 2025 (autovalutato). Esecuzione di Compiti a Lungo Termine**: Attraverso un addestramento su larga scala completamente asincrono basato su agenti di apprendimento per rinforzo, il modello migliora significativamente la sua capacità di eseguire autonomamente compiti complessi per periodi prolungati. Questo consente a Ring-2.5-1T di integrarsi perfettamente con framework di programmazione per agenti come Claude Code e OpenClaw personal AI assistants.",
+  "Ring-2.6-1T.description": "Ring-2.6-1T è un modello di ragionamento su scala di trilioni di parametri che attiva circa 63 miliardi di parametri per inferenza. Progettato per flussi di lavoro basati su agenti, si concentra sulle capacità degli agenti, sull'uso degli strumenti e sull'esecuzione di compiti a lungo termine, raggiungendo prestazioni di punta su benchmark come PinchBench, ClawEval, TAU2-Bench e GAIA2-search. Il modello è ottimizzato per qualità di esecuzione, latenza e costo, rendendolo adatto per agenti di programmazione avanzati, pipeline di ragionamento complesso e sistemi autonomi su larga scala.",
   "S2V-01.description": "Il modello di base per la generazione di video da riferimenti della serie 01.",
-  "SenseChat-128K.description": "Base V4 con contesto da 128K, eccellente nella comprensione e generazione di testi lunghi.",
-  "SenseChat-32K.description": "Base V4 con contesto da 32K, flessibile per molti scenari.",
-  "SenseChat-5-1202.description": "Ultima versione basata su V5.5, con miglioramenti significativi nelle basi di cinese/inglese, chat, conoscenze STEM, umanistiche, scrittura, matematica/logica e controllo della lunghezza.",
-  "SenseChat-5-Cantonese.description": "Progettato per le abitudini di dialogo di Hong Kong, slang e conoscenze locali; supera GPT-4 nella comprensione del cantonese e rivaleggia con GPT-4 Turbo in conoscenza, ragionamento, matematica e programmazione.",
-  "SenseChat-5-beta.description": "Alcune prestazioni superano SenseChat-5-1202.",
-  "SenseChat-5.description": "Ultima versione V5.5 con contesto da 128K; grandi miglioramenti nel ragionamento matematico, chat in inglese, esecuzione di istruzioni e comprensione di testi lunghi, comparabile a GPT-4o.",
-  "SenseChat-Character-Pro.description": "Modello avanzato per chat con personaggi, con contesto da 32K, capacità migliorate e supporto per cinese/inglese.",
-  "SenseChat-Character.description": "Modello standard per chat con personaggi, con contesto da 8K e alta velocità di risposta.",
-  "SenseChat-Turbo-1202.description": "Ultimo modello leggero che raggiunge oltre il 90% delle capacità del modello completo con costi di inferenza significativamente inferiori.",
-  "SenseChat-Turbo.description": "Adatto per domande e risposte rapide e scenari di fine-tuning del modello.",
-  "SenseChat-Vision.description": "Ultima versione V5.5 con input multi-immagine e ampi miglioramenti nelle capacità di riconoscimento di attributi, relazioni spaziali, rilevamento di azioni/eventi, comprensione di scene, riconoscimento delle emozioni, ragionamento basato sul senso comune e comprensione/generazione di testo.",
-  "SenseChat.description": "Base V4 con contesto da 4K e forti capacità generali.",
-  "SenseNova-V6-5-Pro.description": "Con aggiornamenti completi ai dati multimodali, linguistici e di ragionamento, oltre all'ottimizzazione della strategia di addestramento, il nuovo modello migliora significativamente il ragionamento multimodale e il seguito delle istruzioni generalizzate, supporta una finestra di contesto fino a 128k e si distingue nei compiti di riconoscimento OCR e IP culturali/turistici.",
-  "SenseNova-V6-5-Turbo.description": "Con aggiornamenti completi ai dati multimodali, linguistici e di ragionamento, oltre all'ottimizzazione della strategia di addestramento, il nuovo modello migliora significativamente il ragionamento multimodale e il seguito delle istruzioni generalizzate, supporta una finestra di contesto fino a 128k e si distingue nei compiti di riconoscimento OCR e IP culturali/turistici.",
-  "SenseNova-V6-Pro.description": "Unifica nativamente immagine, testo e video, superando i limiti tradizionali dei modelli multimodali; si posiziona ai vertici su OpenCompass e SuperCLUE.",
-  "SenseNova-V6-Reasoner.description": "Combina ragionamento profondo visivo e linguistico, supportando pensiero lento e catene complete di ragionamento.",
-  "SenseNova-V6-Turbo.description": "Unifica nativamente immagine, testo e video, superando i limiti tradizionali dei modelli multimodali. Guida le capacità linguistiche e multimodali di base e si classifica tra i migliori in molte valutazioni.",
   "Skylark2-lite-8k.description": "Modello Skylark di seconda generazione. Skylark2-lite offre risposte rapide per scenari in tempo reale e sensibili ai costi, con esigenze di accuratezza inferiori, e una finestra di contesto da 8K.",
   "Skylark2-pro-32k.description": "Modello Skylark di seconda generazione. Skylark2-pro offre maggiore accuratezza per generazione di testi complessi come copywriting professionale, scrittura di romanzi e traduzioni di alta qualità, con una finestra di contesto da 32K.",
   "Skylark2-pro-4k.description": "Modello Skylark di seconda generazione. Skylark2-pro offre maggiore accuratezza per generazione di testi complessi come copywriting professionale, scrittura di romanzi e traduzioni di alta qualità, con una finestra di contesto da 4K.",
@@ -1197,6 +1179,8 @@
   "r1-1776.description": "R1-1776 è una variante post-addestrata di DeepSeek R1 progettata per fornire informazioni fattuali non censurate e imparziali.",
   "seedance-1-5-pro-251215.description": "Seedance 1.5 Pro di ByteDance supporta testo-a-video, immagine-a-video (primo fotogramma, primo+ultimo fotogramma) e generazione audio sincronizzata con i visual.",
   "seedream-5-0-260128.description": "ByteDance-Seedream-5.0-lite di BytePlus offre generazione aumentata da recupero web per informazioni in tempo reale, interpretazione migliorata di prompt complessi e maggiore coerenza di riferimento per la creazione visiva professionale.",
+  "sensenova-6.7-flash-lite.description": "Un modello di agente multimodale leggero progettato per flussi di lavoro reali, supportando sia conversazioni basate su testo che comprensione delle immagini. Leggero ed efficiente, bilanciando prestazioni, costi e capacità di distribuzione. Architettura multimodale nativa con supporto per la comprensione delle immagini, inclusi OCR e interpretazione di grafici. Ottimizzato per scenari di ufficio e produttività, con supporto stabile per compiti complessi a catena lunga. Migliorata l'efficienza dei token, consentendo un migliore controllo dei costi per carichi di lavoro complessi. Lunghezza del contesto di 256K token (input massimo: 252K, output massimo: 64K).",
+  "sensenova-u1-fast.description": "Una versione accelerata basata su SenseNova U1, specificamente ottimizzata per la generazione di infografiche.",
   "solar-mini-ja.description": "Solar Mini (Ja) estende Solar Mini con un focus sul giapponese, mantenendo prestazioni efficienti e solide in inglese e coreano.",
   "solar-mini.description": "Solar Mini è un LLM compatto che supera GPT-3.5, con forte capacità multilingue in inglese e coreano, offrendo una soluzione efficiente e leggera.",
   "solar-pro.description": "Solar Pro è un LLM ad alta intelligenza di Upstage, focalizzato sull’esecuzione di istruzioni su una singola GPU, con punteggi IFEval superiori a 80. Attualmente supporta l’inglese; il rilascio completo è previsto per novembre 2024 con supporto linguistico ampliato e contesto più lungo.",

locales/it-IT/plugin.json

@@ -1,11 +1,21 @@
 {
   "arguments.moreParams": "{{count}} parametri in totale",
   "arguments.title": "Argomenti",
+  "builtins.codex.apiName.collab_tool_call": "Coordina i subagenti",
   "builtins.codex.apiName.command_execution": "Esegui comando",
   "builtins.codex.apiName.file_change": "Modifica file",
   "builtins.codex.apiName.mcp_tool_call": "Chiama strumento MCP",
   "builtins.codex.apiName.todo_list": "Aggiorna attività",
   "builtins.codex.apiName.web_search": "Cerca sul web",
+  "builtins.codex.collabTool.agentCount_one": "{{count}} subagente",
+  "builtins.codex.collabTool.agentCount_other": "{{count}} subagenti",
+  "builtins.codex.collabTool.agentLabel": "Subagente {{index}}",
+  "builtins.codex.collabTool.agents": "Subagenti",
+  "builtins.codex.collabTool.closeAgent": "Chiudi subagente",
+  "builtins.codex.collabTool.instruction": "Istruzione",
+  "builtins.codex.collabTool.sendInput": "Invia messaggio al subagente",
+  "builtins.codex.collabTool.spawnAgent": "Genera subagente",
+  "builtins.codex.collabTool.wait": "Attendi i subagenti",
   "builtins.codex.commandExecution.grep": "Cerca",
   "builtins.codex.commandExecution.noResults": "Nessun risultato",
   "builtins.codex.commandExecution.readFile": "Leggi file",
@@ -447,6 +457,15 @@
   "dev.mcp.auth.desc": "Seleziona il metodo di autenticazione per il server MCP",
   "dev.mcp.auth.label": "Tipo di autenticazione",
   "dev.mcp.auth.none": "Nessuna autenticazione",
+  "dev.mcp.auth.oauth": "OAuth",
+  "dev.mcp.auth.oauth.authorize": "Autorizza e Connetti",
+  "dev.mcp.auth.oauth.clientId.desc": "Lascia vuoto per registrare automaticamente un client (registrazione dinamica del client)",
+  "dev.mcp.auth.oauth.clientId.label": "ID Client OAuth",
+  "dev.mcp.auth.oauth.clientId.placeholder": "Facoltativo",
+  "dev.mcp.auth.oauth.clientSecret.desc": "Richiesto solo per client OAuth riservati",
+  "dev.mcp.auth.oauth.clientSecret.label": "Segreto Client OAuth",
+  "dev.mcp.auth.oauth.clientSecret.placeholder": "Facoltativo",
+  "dev.mcp.auth.oauth.redirectHint": "URI di reindirizzamento da registrare con la tua app OAuth:",
   "dev.mcp.auth.placeholder": "Seleziona tipo di autenticazione",
   "dev.mcp.auth.token.desc": "Inserisci la tua chiave API o Bearer Token",
   "dev.mcp.auth.token.label": "Chiave API",

locales/it-IT/providers.json

@@ -4,6 +4,7 @@
   "ai360.description": "360 AI è una piattaforma di modelli e servizi di 360, che offre modelli NLP come 360GPT2 Pro, 360GPT Pro e 360GPT Turbo. I modelli combinano parametri su larga scala e capacità multimodali per generazione di testo, comprensione semantica, chat e codice, con prezzi flessibili per esigenze diversificate.",
   "aihubmix.description": "AiHubMix consente l'accesso a più modelli di intelligenza artificiale tramite un'unica API.",
   "akashchat.description": "Akash è un marketplace di risorse cloud senza autorizzazioni, con prezzi competitivi rispetto ai fornitori cloud tradizionali.",
+  "antgroup.description": "Ant Ling è la serie di modelli fondamentali del programma di Intelligenza Generale Artificiale (AGI) di Ant Group, dedicata alla costruzione e all'apertura di capacità avanzate di modelli fondamentali. Crediamo che lo sviluppo dell'intelligenza debba orientarsi verso apertura, condivisione e scalabilità—partendo da piccoli passi pratici per guidare l'evoluzione costante e l'implementazione reale dell'AGI.",
   "anthropic.description": "Anthropic sviluppa modelli linguistici avanzati come Claude 3.5 Sonnet, Claude 3 Sonnet, Claude 3 Opus e Claude 3 Haiku, bilanciando intelligenza, velocità e costi per carichi di lavoro aziendali e casi d'uso a risposta rapida.",
   "azure.description": "Azure offre modelli AI avanzati, tra cui le serie GPT-3.5 e GPT-4, per diversi tipi di dati e compiti complessi, con un focus su sicurezza, affidabilità e sostenibilità.",
   "azureai.description": "Azure fornisce modelli AI avanzati, tra cui le serie GPT-3.5 e GPT-4, per diversi tipi di dati e compiti complessi, con un focus su sicurezza, affidabilità e sostenibilità.",

locales/it-IT/setting.json

@@ -280,7 +280,33 @@
   "defaultAgent.title": "Impostazioni Agente Predefinito",
   "devices.actions.edit": "Modifica",
   "devices.actions.remove": "Rimuovi",
+  "devices.capabilities.commands.desc": "Esegui comandi terminale in modo sicuro nel tuo ambiente.",
+  "devices.capabilities.commands.title": "Esegui comandi",
+  "devices.capabilities.files.desc": "Consenti agli agenti di accedere direttamente e organizzare i file sul tuo computer.",
+  "devices.capabilities.files.title": "Leggi e scrivi file locali",
+  "devices.capabilities.title": "Cosa puoi fare una volta connesso",
+  "devices.capabilities.tools.desc": "Collega strumenti locali per ampliare ciò che gli agenti possono fare.",
+  "devices.capabilities.tools.title": "Richiama strumenti di sistema",
   "devices.channel.connected": "Connesso {{time}}",
+  "devices.connectWizard.button": "Connetti Dispositivo",
+  "devices.connectWizard.cli.connectDesc": "Avvia il daemon in background per mantenere il dispositivo online e in ascolto per operazioni remote.",
+  "devices.connectWizard.cli.connectTitle": "Avvia il daemon",
+  "devices.connectWizard.cli.installDesc": "Installa globalmente il CLI di LobeHub con il tuo gestore di pacchetti preferito per abilitare la connettività e la gestione del dispositivo.",
+  "devices.connectWizard.cli.installTitle": "Installa il CLI",
+  "devices.connectWizard.cli.loginDesc": "Completa l'autorizzazione OAuth nel tuo browser per collegare il CLI al tuo account.",
+  "devices.connectWizard.cli.loginTitle": "Accedi",
+  "devices.connectWizard.desktop.downloadLink": "Scarica LobeHub Desktop",
+  "devices.connectWizard.desktop.step1": "Scarica l'app desktop",
+  "devices.connectWizard.desktop.step1Desc": "Visita la pagina di download di LobeHub e scarica l'app per il tuo sistema operativo.",
+  "devices.connectWizard.desktop.step2": "Accedi e apri il gateway del dispositivo",
+  "devices.connectWizard.desktop.step2Desc": "Dopo aver effettuato l'accesso, clicca sull'icona del gateway del dispositivo in alto a destra e conferma che sia attivato.",
+  "devices.connectWizard.desktop.step3": "Il tuo dispositivo appare automaticamente",
+  "devices.connectWizard.desktop.step3Desc": "L'app desktop si registra come dispositivo al lancio — lo vedrai nella lista una volta connesso.",
+  "devices.connectWizard.footer": "Solo i metadati del dispositivo vengono registrati — i tuoi dati non vengono mai accessi.",
+  "devices.connectWizard.method.cli": "Tramite CLI",
+  "devices.connectWizard.method.desktop": "Tramite Desktop",
+  "devices.connectWizard.subtitle": "Scegli come connettere il tuo computer a LobeHub.",
+  "devices.connectWizard.title": "Connetti Dispositivo",
   "devices.currentBadge": "Questo dispositivo",
   "devices.detail.addDir": "Aggiungi directory",
   "devices.detail.connections": "Connessioni",
@@ -294,7 +320,13 @@
   "devices.edit.friendlyNamePlaceholder": "Un nome per riconoscere questo dispositivo",
   "devices.edit.save": "Salva",
   "devices.edit.title": "Modifica dispositivo",
-  "devices.empty": "Nessun dispositivo ancora. Connettine uno con `lh connect` o accedendo all'app desktop.",
+  "devices.empty.desc": "Una volta connesso, gli agenti di LobeHub possono leggere/scrivere file, eseguire comandi e richiamare strumenti di sistema direttamente sul tuo computer.",
+  "devices.empty.methodCli.desc": "Installa il CLI nel tuo terminale — ideale per server o macchine senza interfaccia grafica.",
+  "devices.empty.methodCli.title": "Connetti tramite CLI",
+  "devices.empty.methodDesktop.badge": "Consigliato",
+  "devices.empty.methodDesktop.desc": "Scarica l'app desktop, accedi e il tuo dispositivo si connette automaticamente.",
+  "devices.empty.methodDesktop.title": "Connetti tramite Desktop",
+  "devices.empty.title": "Connetti il tuo primo dispositivo",
   "devices.fallbackBadge": "Identità instabile",
   "devices.fallbackTooltip": "Questo dispositivo non è stato identificato tramite il suo ID macchina, quindi reinstallare l'app potrebbe creare una voce duplicata.",
   "devices.lastSeen": "Ultima attività {{time}}",

locales/ja-JP/chat.json

@@ -15,6 +15,8 @@
   "agentBuilder.installPlugin.retry": "再試行",
   "agentBuilder.title": "アシスタントビルダー",
   "agentBuilder.welcome": "まずは使用シーンを教えてください。\n\n執筆、プログラミング、データ分析など—あなたは目標と基準を決め、アイデアを協働的・実行可能なアシスタントに変えるのをお手伝いします",
+  "agentConfigError.retry": "再試行",
+  "agentConfigError.title": "エージェント設定の読み込みに失敗しました",
   "agentDefaultMessage": "こんにちは、私は **{{name}}** です。一文から始めましょう。\n\nよりあなたの働き方に合わせるには：[アシスタント設定]({{url}}) でアシスタントプロフィールを補完してください（いつでも変更可能）",
   "agentDefaultMessageWithSystemRole": "こんにちは、私は **{{name}}** です。一文から始めましょう—判断はあなたにあります",
   "agentDefaultMessageWithoutEdit": "こんにちは、私は **{{name}}** です。一文から始めましょう—判断はあなたにあります",
@@ -252,6 +254,10 @@
   "input.costEstimate.tooltip": "現在のコンテキスト、ツール、およびモデルの価格設定に基づいて推定されています。実際のコストは異なる場合があります。",
   "input.disclaimer": "アシスタントも間違えることがあります。重要な情報はあなたの判断を最優先してください",
   "input.errorMsg": "送信中に問題が発生しました：{{errorMsg}}。再試行するか、時間を置いてから送ってください",
+  "input.inputCompletionError.desc": "エラーにより入力候補が停止しました。再試行するか、設定で候補モデルを調整してください。",
+  "input.inputCompletionError.retry": "再試行",
+  "input.inputCompletionError.settings": "設定",
+  "input.inputCompletionError.title": "入力候補が一時停止しました",
   "input.more": "もっと見る",
   "input.send": "送信",
   "input.sendWithCmdEnter": "<key/> を押して送信",
@@ -1006,7 +1012,9 @@
   "workingPanel.localFile.closeRight": "右側を閉じる",
   "workingPanel.localFile.error": "このファイルを読み込めませんでした",
   "workingPanel.localFile.preview.raw": "生データ",
+  "workingPanel.localFile.preview.reload": "プレビューを再読み込み",
   "workingPanel.localFile.preview.render": "プレビュー",
+  "workingPanel.localFile.preview.source": "ソース",
   "workingPanel.localFile.truncated": "ファイルプレビューは{{limit}}文字に切り詰められています",
   "workingPanel.progress": "Progress",
   "workingPanel.progress.allCompleted": "All tasks completed",

locales/ja-JP/modelProvider.json

@@ -239,6 +239,7 @@
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken32k.hint": "GLM-5およびGLM-4.7用；推論のためのトークン予算を制御します（最大32k）。",
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken80k.hint": "Qwen3シリーズ用；推論のためのトークン予算を制御します（最大80k）。",
   "providerModels.item.modelConfig.extendParams.options.reasoningEffort.hint": "OpenAIなどの推論対応モデル向け；推論の努力度を制御します。",
+  "providerModels.item.modelConfig.extendParams.options.ring2_6ReasoningEffort.hint": "リング2.6シリーズ用；推論の強度を制御します。",
   "providerModels.item.modelConfig.extendParams.options.step3_5ReasoningEffort.hint": "Step 3.5シリーズ用: 推論の強度を制御します。",
   "providerModels.item.modelConfig.extendParams.options.textVerbosity.hint": "GPT-5+シリーズ向け；出力の詳細度を制御します。",
   "providerModels.item.modelConfig.extendParams.options.thinking.hint": "一部のDoubaoモデル向け；モデルが深く思考するかどうかを判断させます。",

locales/ja-JP/models.json

@@ -27,15 +27,15 @@
   "DeepSeek-OCR.description": "DeepSeek-OCR は、DeepSeek AI による OCR と「コンテキスト光学圧縮」に特化したビジョン・ランゲージモデルです。画像から文脈を圧縮して抽出し、文書を効率的に処理して構造化テキスト（例：Markdown）へ変換します。画像内文字の高精度認識に優れ、文書のデジタル化、テキスト抽出、構造化処理に適しています。",
   "DeepSeek-R1-Distill-Llama-70B.description": "DeepSeek R1は、DeepSeekスイートの中でより大規模かつ高性能なモデルであり、Llama 70Bアーキテクチャに蒸留されています。ベンチマークと人間による評価により、特に数学や事実精度のタスクで、ベースのLlama 70Bよりも優れていることが示されています。",
   "DeepSeek-R1-Distill-Qwen-1.5B.description": "Qwen2.5-Math-1.5BをベースにしたDeepSeek-R1蒸留モデル。強化学習とコールドスタートデータにより推論性能を最適化し、オープンモデルのマルチタスクベンチマークで新たな基準を打ち立てています。",
-  "DeepSeek-R1-Distill-Qwen-14B.description": "DeepSeek-R1-Distillモデルは、DeepSeek-R1によって生成されたサンプルデータを用いて、オープンソースモデルから微調整されています。",
-  "DeepSeek-R1-Distill-Qwen-32B.description": "DeepSeek-R1-Distillモデルは、DeepSeek-R1によって生成されたサンプルデータを用いて、オープンソースモデルから微調整されています。",
+  "DeepSeek-R1-Distill-Qwen-14B.description": "DeepSeek-R1の蒸留モデルで、Qwen2.5-14Bをベースにしています。強化学習とコールドスタートデータにより推論性能を最適化し、オープンモデルのマルチタスクベンチマークを更新します。",
+  "DeepSeek-R1-Distill-Qwen-32B.description": "DeepSeek-R1シリーズは、強化学習とコールドスタートデータを活用して推論性能を向上させ、オープンモデルのマルチタスクベンチマークを更新し、OpenAI o1-miniを超えています。",
   "DeepSeek-R1-Distill-Qwen-7B.description": "Qwen2.5-Math-7BをベースにしたDeepSeek-R1蒸留モデル。強化学習とコールドスタートデータにより推論性能を最適化し、オープンモデルのマルチタスクベンチマークで新たな基準を打ち立てています。",
-  "DeepSeek-R1.description": "DeepSeek-R1は、ポストトレーニングで大規模な強化学習を適用し、最小限のラベル付きデータで推論能力を大幅に向上させます。数学、コード、自然言語推論タスクにおいてOpenAI o1のプロダクションモデルと同等の性能を発揮します。",
+  "DeepSeek-R1.description": "最先端の効率的なLLMで、推論、数学、コーディングに強みを持っています。",
   "DeepSeek-V3-1.description": "DeepSeek V3.1は、複雑な推論と思考の連鎖を強化した次世代推論モデルで、深い分析タスクに適しています。",
   "DeepSeek-V3-Fast.description": "提供元：sophnet。DeepSeek V3 Fastは、DeepSeek V3 0324の高TPSバージョンで、フル精度（非量子化）により、コードと数学に強く、応答も高速です。",
   "DeepSeek-V3.1-Think.description": "DeepSeek-V3.1の思考モード：思考と非思考の両モードを備えた新しいハイブリッド推論モデルで、DeepSeek-R1-0528よりも効率的です。ポストトレーニングの最適化により、エージェントのツール使用とタスク性能が大幅に向上しています。",
   "DeepSeek-V3.2.description": "deepseek-v3.2 はスパースアテンション機構を導入し、長文処理における学習と推論の効率を向上させています。また、deepseek-v3.1 より低価格で提供されます。",
-  "DeepSeek-V3.description": "DeepSeek-V3は、DeepSeekが開発したMoEモデルで、Qwen2.5-72BやLlama-3.1-405Bなどの他のオープンモデルを多くのベンチマークで上回り、GPT-4oやClaude 3.5 Sonnetなどの主要なクローズドモデルと競合します。",
+  "DeepSeek-V3.description": "ByteDance Volcengineのオープンデプロイメントは現在最も安定しており、推奨されています。最新リリース（250324）に自動アップグレードされています。",
   "Doubao-lite-128k.description": "Doubao-lite は、超高速な応答と優れたコストパフォーマンスを提供し、さまざまなシナリオに柔軟に対応します。推論とファインチューニングに対応した128Kコンテキストをサポートします。",
   "Doubao-lite-32k.description": "Doubao-lite は、超高速な応答と優れたコストパフォーマンスを提供し、さまざまなシナリオに柔軟に対応します。推論とファインチューニングに対応した32Kコンテキストをサポートします。",
   "Doubao-lite-4k.description": "Doubao-lite は、超高速な応答と優れたコストパフォーマンスを提供し、さまざまなシナリオに柔軟に対応します。推論とファインチューニングに対応した4Kコンテキストをサポートします。",
@@ -83,13 +83,12 @@
   "Kimi-K2.5.description": "Kimi K2.5 は Kimi シリーズで最も高性能なモデルで、エージェントタスク、コーディング、画像理解においてオープンソース最先端性能を発揮します。マルチモーダル入力に対応し、思考モードと非思考モードの両方をサポートします。",
   "Kolors.description": "Kolors は、Kuaishou Kolors チームによって開発されたテキストから画像への生成モデルで、数十億のパラメータで訓練され、視覚品質、中国語の意味理解、テキスト描画において顕著な強みを持ちます。",
   "Kwai-Kolors/Kolors.description": "Kolors は、Kuaishou Kolors チームによる大規模潜在拡散型テキストから画像への生成モデルで、数十億のテキスト・画像ペアで訓練され、視覚品質、複雑な意味の正確性、中国語・英語のテキスト描画に優れ、中国語コンテンツの理解と生成に強みを持ちます。",
+  "Ling-2.5-1T.description": "Lingシリーズの最新フラッグシップリアルタイムモデルであるLing-2.5-1Tは、モデルアーキテクチャ、トークン効率、嗜好整合性において包括的なアップグレードを導入し、アクセス可能なAIの品質を新たなレベルに引き上げることを目指しています。",
+  "Ling-2.6-1T.description": "最新のフラッグシップ大規模言語モデルで、1Mトークンのコンテキストウィンドウをサポートし、論理的推論からタスク実行までのエンドツーエンドのワークフローを可能にします。",
+  "Ling-2.6-flash.description": "Ling-2.6-flashはLingシリーズの最新世代の高コストパフォーマンスモデルです。Mixture-of-Experts（MoE）アーキテクチャを採用し、総パラメータ数は100B、トークンごとの活性化パラメータ数は6.1Bで、推論性能と計算コストの最適なバランスを実現しています。",
   "Llama-3.2-11B-Vision-Instruct.description": "高解像度画像に対する強力な画像推論能力を持ち、視覚理解アプリケーションに適しています。",
-  "Llama-3.2-90B-Vision-Instruct\t.description": "視覚理解エージェントアプリケーション向けの高度な画像推論能力を備えています。",
+  "Llama-3.2-90B-Vision-Instruct.description": "視覚理解エージェントアプリケーション向けの高度な画像推論。",
   "LongCat-2.0-Preview.description": "LongCat-2.0-Previewの主な特徴は以下の通りです。エージェント開発シナリオ向けに設計され、ツール使用、マルチステップ推論、長いコンテキストタスクをネイティブにサポートします。コード生成、自動化ワークフロー、複雑な指示の実行に優れています。Claude Code、OpenClaw、OpenCode、Kilo Codeなどの生産性ツールと深く統合されています。",
-  "LongCat-Flash-Chat.description": "LongCat-Flash-Chatモデルが新バージョンにアップグレードされました。このアップデートはモデルの能力向上にのみ関係し、モデル名やAPI呼び出し方法は変更されていません。「極限の効率性」と「稲妻のような応答速度」という特徴を基盤に、新バージョンでは文脈理解と実世界のプログラミング性能がさらに強化されています：大幅に強化されたコーディング能力：開発者中心のシナリオに最適化され、コード生成、デバッグ、説明タスクにおいて大幅な改善を実現しています。開発者はこれらの向上を評価し、ベンチマークすることを強く推奨します。256K超長文脈のサポート：前世代（128K）から文脈ウィンドウが倍増し、膨大なドキュメントや長いシーケンスタスクの効率的な処理が可能になりました。多言語性能の包括的な向上：スペイン語、フランス語、アラビア語、ポルトガル語、ロシア語、インドネシア語を含む9言語を強力にサポートします。より強力なエージェント能力：複雑なツール呼び出しや多段階タスク実行において、より高い堅牢性と効率性を発揮します。",
-  "LongCat-Flash-Lite.description": "LongCat-Flash-Liteモデルが正式にリリースされました。このモデルは効率的なMixture-of-Experts（MoE）アーキテクチャを採用し、総パラメータ数は68.5億、アクティブパラメータ数は約30億です。N-gram埋め込みテーブルを使用することで、パラメータの効率的な利用を実現し、推論効率と特定のアプリケーションシナリオに深く最適化されています。同規模のモデルと比較して、以下のコア機能を備えています：卓越した推論効率：MoEアーキテクチャに内在するI/Oボトルネックを根本的に緩和するN-gram埋め込みテーブルを活用し、専用のキャッシュメカニズムとカーネルレベルの最適化を組み合わせることで、推論遅延を大幅に削減し、全体的な効率を向上させます。強力なエージェントおよびコード性能：ツール呼び出しやソフトウェア開発タスクにおいて非常に競争力のある能力を示し、そのモデルサイズに対して卓越した性能を発揮します。",
-  "LongCat-Flash-Thinking-2601.description": "LongCat-Flash-Thinking-2601モデルが正式にリリースされました。このモデルはMixture-of-Experts（MoE）アーキテクチャを基盤としたアップグレード版の推論モデルで、総パラメータ数は5600億です。従来の推論ベンチマークでの強力な競争力を維持しつつ、大規模なマルチ環境強化学習を通じてエージェントレベルの推論能力を体系的に強化しています。LongCat-Flash-Thinkingモデルと比較して、以下の主要なアップグレードが行われています：ノイズ環境での極限の堅牢性：実世界のノイズや不確実性をターゲットにしたカリキュラムスタイルのトレーニングを体系的に実施することで、エージェントツールの呼び出し、エージェントベースの検索、ツール統合推論において卓越した性能を発揮し、一般化能力が大幅に向上しました。強力なエージェント能力：60以上のツールを含む緊密に結合された依存グラフを構築し、マルチ環境拡張と大規模な探索学習を通じてトレーニングをスケールアップすることで、複雑で分布外の実世界シナリオへの一般化能力を著しく向上させました。高度な深層思考モード：並列推論を通じて推論の幅を広げ、再帰的なフィードバック駆動の要約と抽象化メカニズムを通じて分析能力を深めることで、非常に困難な問題に効果的に対処します。",
-  "LongCat-Flash-Thinking.description": "最高の推論性能を提供するために、LongCat APIプラットフォームはLongCat-Flash-Thinkingモデルへの呼び出しを統一し、アップグレードしました。既存の`model=LongCat-Flash-Thinking`を使用したすべてのリクエストは、コード変更なしで最新バージョンのLongCat-Flash-Thinking-2601に自動的にルーティングされます。",
   "M2-her.description": "ロールプレイやマルチターン会話のために設計されたテキスト対話モデルで、キャラクターのカスタマイズや感情表現が可能です。",
   "Meta-Llama-3-3-70B-Instruct.description": "Llama 3.3 70B は、チャットや生成タスクに対応する多用途な Transformer モデルです。",
   "Meta-Llama-3.1-405B-Instruct.description": "Llama 3.1 は、多言語チャットに最適化された命令調整済みテキストモデルで、オープン・クローズド両方のチャットモデルの中で業界ベンチマークにおいて高い性能を発揮します。",
@@ -187,27 +186,10 @@
   "Qwen2.5-Coder-14B-Instruct.description": "Qwen2.5-Coder-14B-Instructは、大規模な事前学習済みのコーディング指示モデルで、コードの理解と生成に優れています。幅広いプログラミングタスクを効率的に処理でき、スマートコーディング、自動スクリプト生成、プログラミングQ&Aに最適です。",
   "Qwen2.5-Coder-32B-Instruct.description": "主要なプログラミング言語に対応したコード生成、推論、バグ修正に優れた先進的な大規模言語モデルです。",
   "Qwen3-235B-A22B-Instruct-2507-FP8.description": "Qwen3 235B A22B Instruct 2507は、高度な推論と指示追従に最適化されており、MoE（Mixture of Experts）を活用して大規模でも効率的な推論を実現します。",
-  "Qwen3-235B.description": "Qwen3-235B-A22Bは、思考モードと非思考モードをシームレスに切り替えられるハイブリッド推論モードを導入したMoEモデルです。119の言語と方言に対応した理解と推論をサポートし、ツール呼び出し機能にも優れています。DeepSeek R1、OpenAI o1、o3-mini、Grok 3、Google Gemini 2.5 Proなどの主流モデルと、一般能力、コード・数学、多言語対応、知識推論のベンチマークで競合します。",
-  "Qwen3-32B.description": "Qwen3-32Bは、思考モードと非思考モードを切り替え可能なハイブリッド推論モードを導入した高密度モデルです。アーキテクチャの改良、データの増強、トレーニングの最適化により、Qwen2.5-72Bと同等の性能を発揮します。",
   "Qwen3.5-Plus.description": "Qwen3.5 Plus はテキスト、画像、動画入力に対応します。テキストタスクの性能は Qwen3 Max と同等で、より高性能かつ低コストです。マルチモーダル能力は Qwen3 VL シリーズより大幅に向上しています。",
+  "Ring-2.5-1T.description": "以前リリースされたRing-1Tと比較して、Ring-2.5-1Tは生成効率、推論深度、長期タスク実行能力の3つの主要な側面で大幅な改善を達成しています。生成効率**: 線形注意メカニズムを高割合で活用することで、Ring-2.5-1Tはメモリアクセスオーバーヘッドを10倍以上削減します。32Kトークンを超えるシーケンスを処理する際、生成スループットが3倍以上向上し、深い推論や長期タスク実行に特に適しています。推論深度**: RLVRを基盤に、推論プロセスの厳密さにフィードバックを提供する密な報酬メカニズムを導入しています。これにより、Ring-2.5-1TはIMO 2025およびCMO 2025で金メダルレベルの性能を達成します（自己評価）。長期タスク実行**: 大規模な完全非同期エージェントベースの強化学習トレーニングを通じて、モデルは複雑なタスクを長期間にわたって自律的に実行する能力を大幅に向上させます。これにより、Ring-2.5-1TはClaude CodeやOpenClawの個人AIアシスタントなどのエージェントプログラミングフレームワークとシームレスに統合できます。",
+  "Ring-2.6-1T.description": "Ring-2.6-1Tは、推論モデルのトリリオンパラメータ規模で、推論ごとに約63Bのパラメータを活性化します。エージェントワークフロー向けに設計されており、エージェント能力、ツール使用、長期タスク実行に焦点を当てています。PinchBench、ClawEval、TAU2-Bench、GAIA2-searchなどのベンチマークで最高の性能を達成しています。実行品質、レイテンシ、コストの最適化が行われており、高度なコーディングエージェント、複雑な推論パイプライン、大規模な自律システムに適しています。",
   "S2V-01.description": "01シリーズの基盤となる参照からビデオへの変換モデル。",
-  "SenseChat-128K.description": "128Kコンテキストに対応したBase V4モデルで、長文の理解と生成に優れています。",
-  "SenseChat-32K.description": "32Kコンテキストに対応したBase V4モデルで、さまざまなシナリオに柔軟に対応可能です。",
-  "SenseChat-5-1202.description": "V5.5をベースにした最新バージョンで、中国語・英語の基礎能力、チャット、STEM知識、人文知識、文章作成、数学・論理、長文制御において大幅な向上を実現しています。",
-  "SenseChat-5-Cantonese.description": "香港の会話習慣、スラング、地域知識に対応して設計されており、広東語の理解ではGPT-4を上回り、知識、推論、数学、コーディングではGPT-4 Turboと同等の性能を発揮します。",
-  "SenseChat-5-beta.description": "一部の性能はSenseChat-5-1202を上回ります。",
-  "SenseChat-5.description": "V5.5の最新モデルで、128Kコンテキストに対応。数学的推論、英語チャット、指示追従、長文理解において大幅な向上を実現し、GPT-4oと同等の性能を発揮します。",
-  "SenseChat-Character-Pro.description": "32Kコンテキストに対応した高度なキャラクターチャットモデルで、能力が向上し、中国語・英語の両方に対応しています。",
-  "SenseChat-Character.description": "8Kコンテキストに対応した標準的なキャラクターチャットモデルで、高速な応答が可能です。",
-  "SenseChat-Turbo-1202.description": "フルモデルの90%以上の能力を持ちながら、推論コストを大幅に削減した最新の軽量モデルです。",
-  "SenseChat-Turbo.description": "高速な質疑応答やモデルのファインチューニングシナリオに適しています。",
-  "SenseChat-Vision.description": "V5.5の最新モデルで、複数画像の入力に対応し、属性認識、空間関係、動作・イベント検出、シーン理解、感情認識、常識推論、テキスト理解・生成などの中核機能が大幅に向上しています。",
-  "SenseChat.description": "4Kコンテキストに対応したBase V4モデルで、汎用的な能力に優れています。",
-  "SenseNova-V6-5-Pro.description": "マルチモーダル、言語、推論データの全面的な更新とトレーニング戦略の最適化により、マルチモーダル推論と汎用的な指示追従能力が大幅に向上。128Kコンテキストウィンドウに対応し、OCRや文化観光IP認識タスクに優れた性能を発揮します。",
-  "SenseNova-V6-5-Turbo.description": "マルチモーダル、言語、推論データの全面的な更新とトレーニング戦略の最適化により、マルチモーダル推論と汎用的な指示追従能力が大幅に向上。128Kコンテキストウィンドウに対応し、OCRや文化観光IP認識タスクに優れた性能を発揮します。",
-  "SenseNova-V6-Pro.description": "画像、テキスト、動画をネイティブに統合し、従来のマルチモーダルの壁を打破。OpenCompassやSuperCLUEでトップ評価を獲得しています。",
-  "SenseNova-V6-Reasoner.description": "視覚と言語の深い推論を組み合わせ、スロースローシンキングと完全な思考連鎖をサポートします。",
-  "SenseNova-V6-Turbo.description": "画像、テキスト、動画をネイティブに統合し、従来のマルチモーダルの壁を打破。中核的なマルチモーダルおよび言語能力でリードし、複数の評価でトップクラスの成績を収めています。",
   "Skylark2-lite-8k.description": "Skylark第2世代モデル。Skylark2-liteは、リアルタイムかつコスト重視のシナリオ向けに高速応答を実現し、精度要件が低い用途に適しています。8Kコンテキストウィンドウに対応。",
   "Skylark2-pro-32k.description": "Skylark第2世代モデル。Skylark2-proは、プロフェッショナルなコピーライティング、小説執筆、高品質な翻訳などの複雑なテキスト生成において高精度を提供します。32Kコンテキストウィンドウに対応。",
   "Skylark2-pro-4k.description": "Skylark第2世代モデル。Skylark2-proは、プロフェッショナルなコピーライティング、小説執筆、高品質な翻訳などの複雑なテキスト生成において高精度を提供します。4Kコンテキストウィンドウに対応。",
@@ -1197,6 +1179,8 @@
   "r1-1776.description": "R1-1776は、DeepSeek R1のポストトレーニングバリアントで、検閲のない偏りのない事実情報を提供するよう設計されています。",
   "seedance-1-5-pro-251215.description": "ByteDanceのSeedance 1.5 Proは、テキストからビデオ、画像からビデオ（最初のフレーム、最初+最後のフレーム）、および視覚と同期した音声生成をサポートします。",
   "seedream-5-0-260128.description": "BytePlusのByteDance-Seedream-5.0-liteは、リアルタイム情報のためのウェブ検索強化生成、複雑なプロンプト解釈の向上、プロフェッショナルなビジュアル作成のための参照一貫性の改善を特徴としています。",
+  "sensenova-6.7-flash-lite.description": "現実世界のワークフロー向けに設計された軽量マルチモーダルエージェントモデルで、テキストベースの会話と画像理解の両方をサポートします。軽量かつ効率的で、性能、コスト、展開性のバランスを実現しています。画像理解を含むネイティブマルチモーダルアーキテクチャで、OCRやチャート解釈をサポートします。オフィスや生産性シナリオ向けに強化されており、複雑な長鎖タスクを安定してサポートします。トークン効率が向上し、複雑なワークロードのコスト管理が可能です。コンテキスト長は256Kトークン（最大入力: 252K、最大出力: 64K）。",
+  "sensenova-u1-fast.description": "SenseNova U1をベースにした高速版で、特にインフォグラフィック生成に最適化されています。",
   "solar-mini-ja.description": "Solar Mini (Ja)は、Solar Miniを日本語に特化させたモデルで、英語と韓国語でも効率的かつ高性能な動作を維持します。",
   "solar-mini.description": "Solar Miniは、GPT-3.5を上回る性能を持つコンパクトなLLMで、英語と韓国語に対応した多言語機能を備え、効率的な小型ソリューションを提供します。",
   "solar-pro.description": "Solar Proは、Upstageが提供する高知能LLMで、単一GPU上での指示追従に特化し、IFEvalスコア80以上を記録しています。現在は英語に対応しており、2024年11月の正式リリースでは対応言語とコンテキスト長が拡張される予定です。",

locales/ja-JP/plugin.json

@@ -1,11 +1,21 @@
 {
   "arguments.moreParams": "合計で{{count}}個のパラメーターがあります",
   "arguments.title": "パラメーター一覧",
+  "builtins.codex.apiName.collab_tool_call": "サブエージェントを調整",
   "builtins.codex.apiName.command_execution": "コマンドを実行",
   "builtins.codex.apiName.file_change": "ファイルを編集",
   "builtins.codex.apiName.mcp_tool_call": "MCPツールを呼び出し",
   "builtins.codex.apiName.todo_list": "タスクを更新",
   "builtins.codex.apiName.web_search": "ウェブを検索",
+  "builtins.codex.collabTool.agentCount_one": "{{count}} サブエージェント",
+  "builtins.codex.collabTool.agentCount_other": "{{count}} サブエージェント",
+  "builtins.codex.collabTool.agentLabel": "サブエージェント {{index}}",
+  "builtins.codex.collabTool.agents": "サブエージェント",
+  "builtins.codex.collabTool.closeAgent": "サブエージェントを閉じる",
+  "builtins.codex.collabTool.instruction": "指示",
+  "builtins.codex.collabTool.sendInput": "サブエージェントにメッセージを送る",
+  "builtins.codex.collabTool.spawnAgent": "サブエージェントを生成",
+  "builtins.codex.collabTool.wait": "サブエージェントを待つ",
   "builtins.codex.commandExecution.grep": "検索",
   "builtins.codex.commandExecution.noResults": "結果なし",
   "builtins.codex.commandExecution.readFile": "ファイルを読む",
@@ -447,6 +457,15 @@
   "dev.mcp.auth.desc": "MCPサーバーの認証方式を選択してください",
   "dev.mcp.auth.label": "認証タイプ",
   "dev.mcp.auth.none": "認証不要",
+  "dev.mcp.auth.oauth": "OAuth",
+  "dev.mcp.auth.oauth.authorize": "認可して接続",
+  "dev.mcp.auth.oauth.clientId.desc": "クライアントを自動的に登録するには空欄のままにしてください（動的クライアント登録）",
+  "dev.mcp.auth.oauth.clientId.label": "OAuth クライアント ID",
+  "dev.mcp.auth.oauth.clientId.placeholder": "任意",
+  "dev.mcp.auth.oauth.clientSecret.desc": "機密性の高いOAuthクライアントにのみ必要です",
+  "dev.mcp.auth.oauth.clientSecret.label": "OAuth クライアントシークレット",
+  "dev.mcp.auth.oauth.clientSecret.placeholder": "任意",
+  "dev.mcp.auth.oauth.redirectHint": "OAuthアプリに登録するリダイレクトURI:",
   "dev.mcp.auth.placeholder": "認証タイプを選択してください",
   "dev.mcp.auth.token.desc": "APIキーまたはBearerトークンを入力してください",
   "dev.mcp.auth.token.label": "APIキー",

locales/ja-JP/providers.json

@@ -4,6 +4,7 @@
   "ai360.description": "360 AIは、360社が提供するモデルおよびサービスプラットフォームで、360GPT2 Pro、360GPT Pro、360GPT TurboなどのNLPモデルを提供します。大規模パラメータとマルチモーダル機能を組み合わせ、テキスト生成、意味理解、チャット、コード生成に対応し、多様なニーズに応じた柔軟な価格設定が可能です。",
   "aihubmix.description": "AiHubMixは、統一されたAPIを通じて複数のAIモデルへのアクセスを提供します。",
   "akashchat.description": "Akash は許可不要のクラウドリソース市場であり、従来のクラウドプロバイダーと比べて競争力のある価格設定を提供します。",
+  "antgroup.description": "Ant Lingは、Ant Groupの人工汎用知能（AGI）イニシアチブの中核となる基盤モデルシリーズであり、最先端の基盤モデル能力の構築と公開に専念しています。私たちは、知能の発展はオープン性、共有性、拡張性に向かって進むべきであると信じています。小さく実用的なステップから始め、AGIの着実な進化と実世界での展開を推進します。",
   "anthropic.description": "Anthropicは、Claude 3.5 Sonnet、Claude 3 Sonnet、Claude 3 Opus、Claude 3 Haikuなどの高度な言語モデルを開発しており、企業から即応性が求められるユースケースまで、知能・速度・コストのバランスを実現します。",
   "azure.description": "Azureは、GPT-3.5およびGPT-4シリーズを含む高度なAIモデルを提供し、多様なデータタイプと複雑なタスクに対応。安全性、信頼性、持続可能性に重点を置いています。",
   "azureai.description": "Azureは、GPT-3.5およびGPT-4シリーズを含む高度なAIモデルを提供し、多様なデータタイプと複雑なタスクに対応。安全性、信頼性、持続可能性に重点を置いています。",

locales/ja-JP/setting.json

@@ -280,7 +280,33 @@
   "defaultAgent.title": "デフォルトアシスタント設定",
   "devices.actions.edit": "編集",
   "devices.actions.remove": "削除",
+  "devices.capabilities.commands.desc": "環境内でターミナルコマンドを安全に実行します。",
+  "devices.capabilities.commands.title": "コマンドを実行",
+  "devices.capabilities.files.desc": "エージェントがコンピュータ上のファイルに直接アクセスし、整理できるようにします。",
+  "devices.capabilities.files.title": "ローカルファイルの読み書き",
+  "devices.capabilities.title": "接続後にできること",
+  "devices.capabilities.tools.desc": "ローカルツールを接続して、エージェントの機能を拡張します。",
+  "devices.capabilities.tools.title": "システムツールを呼び出す",
   "devices.channel.connected": "{{time}}に接続済み",
+  "devices.connectWizard.button": "デバイスを接続",
+  "devices.connectWizard.cli.connectDesc": "バックグラウンドデーモンを起動して、デバイスをオンライン状態に保ち、リモート操作を待機します。",
+  "devices.connectWizard.cli.connectTitle": "デーモンを起動",
+  "devices.connectWizard.cli.installDesc": "お好みのパッケージマネージャーを使用して、LobeHub CLIをグローバルにインストールし、デバイス接続と管理を有効にします。",
+  "devices.connectWizard.cli.installTitle": "CLIをインストール",
+  "devices.connectWizard.cli.loginDesc": "ブラウザでOAuth認証を完了し、CLIをアカウントにリンクします。",
+  "devices.connectWizard.cli.loginTitle": "サインイン",
+  "devices.connectWizard.desktop.downloadLink": "LobeHubデスクトップをダウンロード",
+  "devices.connectWizard.desktop.step1": "デスクトップアプリをダウンロード",
+  "devices.connectWizard.desktop.step1Desc": "LobeHubのダウンロードページにアクセスし、オペレーティングシステム用のアプリを取得します。",
+  "devices.connectWizard.desktop.step2": "サインインしてデバイスゲートウェイを開く",
+  "devices.connectWizard.desktop.step2Desc": "サインイン後、右上のデバイスゲートウェイアイコンをクリックし、オンになっていることを確認します。",
+  "devices.connectWizard.desktop.step3": "デバイスが自動的に表示されます",
+  "devices.connectWizard.desktop.step3Desc": "デスクトップアプリは起動時にデバイスとして登録されます — 接続されるとリストに表示されます。",
+  "devices.connectWizard.footer": "登録されるのはデバイスのメタデータのみです — データにアクセスすることはありません。",
+  "devices.connectWizard.method.cli": "CLI経由",
+  "devices.connectWizard.method.desktop": "デスクトップ経由",
+  "devices.connectWizard.subtitle": "コンピュータをLobeHubに接続する方法を選択してください。",
+  "devices.connectWizard.title": "デバイスを接続",
   "devices.currentBadge": "このデバイス",
   "devices.detail.addDir": "ディレクトリを追加",
   "devices.detail.connections": "接続",
@@ -294,7 +320,13 @@
   "devices.edit.friendlyNamePlaceholder": "このデバイスを認識するための名前",
   "devices.edit.save": "保存",
   "devices.edit.title": "デバイスを編集",
-  "devices.empty": "まだデバイスがありません。`lh connect`を使用するか、デスクトップアプリにサインインして接続してください。",
+  "devices.empty.desc": "接続後、LobeHubエージェントはファイルの読み書き、コマンドの実行、システムツールの呼び出しを直接コンピュータ上で行えます。",
+  "devices.empty.methodCli.desc": "ターミナルでCLIをインストール — サーバーやヘッドレスマシンに最適です。",
+  "devices.empty.methodCli.title": "CLI経由で接続",
+  "devices.empty.methodDesktop.badge": "おすすめ",
+  "devices.empty.methodDesktop.desc": "デスクトップアプリをダウンロードしてサインインすると、デバイスが自動的に接続されます。",
+  "devices.empty.methodDesktop.title": "デスクトップ経由で接続",
+  "devices.empty.title": "最初のデバイスを接続",
   "devices.fallbackBadge": "不安定なアイデンティティ",
   "devices.fallbackTooltip": "このデバイスはマシンIDで識別できなかったため、アプリを再インストールすると重複エントリが作成される可能性があります。",
   "devices.lastSeen": "最終アクティブ {{time}}",

locales/ko-KR/chat.json

@@ -15,6 +15,8 @@
   "agentBuilder.installPlugin.retry": "재시도",
   "agentBuilder.title": "도우미 빌더",
   "agentBuilder.welcome": "먼저 사용 시나리오를 말씀해 주세요.\n\n글쓰기, 코딩, 데이터 분석 등—당신은 목표와 기준을 정하고, 아이디어를 협업적이고 실행 가능한 도우미로 만드는 것을 도와드리겠습니다",
+  "agentConfigError.retry": "재시도",
+  "agentConfigError.title": "에이전트 설정 로드 실패",
   "agentDefaultMessage": "안녕하세요, 저는 **{{name}}**입니다. 한 문장으로 시작하세요.\n\n더 당신의 업무 방식에 맞추려면: [도우미 설정]({{url}})에서 도우미 프로필을 보완하세요(언제든 변경 가능)",
   "agentDefaultMessageWithSystemRole": "안녕하세요, 저는 **{{name}}**입니다. 한 문장으로 시작하세요—결정은 당신에게 있습니다",
   "agentDefaultMessageWithoutEdit": "안녕하세요, 저는 **{{name}}**입니다. 한 문장으로 시작하세요—결정은 당신에게 있습니다",
@@ -252,6 +254,10 @@
   "input.costEstimate.tooltip": "현재 컨텍스트, 도구 및 모델 가격을 기준으로 추정됩니다. 실제 비용은 다를 수 있습니다.",
   "input.disclaimer": "도우미도 실수를 할 수 있습니다. 중요한 정보는 당신의 판단을 최우선으로 하세요",
   "input.errorMsg": "전송 중 문제가 발생했습니다: {{errorMsg}}. 재시도하거나 나중에 다시 보내세요",
+  "input.inputCompletionError.desc": "오류로 인해 입력 제안이 중지되었습니다. 재시도하거나 설정에서 제안 모델을 조정하세요.",
+  "input.inputCompletionError.retry": "재시도",
+  "input.inputCompletionError.settings": "설정",
+  "input.inputCompletionError.title": "입력 제안 일시 중지됨",
   "input.more": "더 보기",
   "input.send": "전송",
   "input.sendWithCmdEnter": "<key/> 키를 눌러 전송",
@@ -1006,7 +1012,9 @@
   "workingPanel.localFile.closeRight": "오른쪽 닫기",
   "workingPanel.localFile.error": "이 파일을 로드할 수 없습니다",
   "workingPanel.localFile.preview.raw": "원본",
+  "workingPanel.localFile.preview.reload": "미리보기 다시 로드",
   "workingPanel.localFile.preview.render": "미리보기",
+  "workingPanel.localFile.preview.source": "소스",
   "workingPanel.localFile.truncated": "파일 미리보기가 {{limit}}자로 잘렸습니다",
   "workingPanel.progress": "Progress",
   "workingPanel.progress.allCompleted": "All tasks completed",

locales/ko-KR/modelProvider.json

@@ -239,6 +239,7 @@
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken32k.hint": "GLM-5 및 GLM-4.7용; 추론을 위한 토큰 예산을 제어합니다(최대 32k).",
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken80k.hint": "Qwen3 시리즈용; 추론을 위한 토큰 예산을 제어합니다(최대 80k).",
   "providerModels.item.modelConfig.extendParams.options.reasoningEffort.hint": "OpenAI 및 기타 추론 가능한 모델용; 추론 노력의 정도를 제어합니다.",
+  "providerModels.item.modelConfig.extendParams.options.ring2_6ReasoningEffort.hint": "Ring 2.6 시리즈용; 추론 강도를 조절합니다.",
   "providerModels.item.modelConfig.extendParams.options.step3_5ReasoningEffort.hint": "Step 3.5 시리즈에 적용됩니다; 추론 강도를 조절합니다.",
   "providerModels.item.modelConfig.extendParams.options.textVerbosity.hint": "GPT-5+ 시리즈용; 출력의 상세 정도를 제어합니다.",
   "providerModels.item.modelConfig.extendParams.options.thinking.hint": "일부 Doubao 모델용; 모델이 깊이 사고할지 여부를 스스로 결정하도록 허용합니다.",

locales/ko-KR/models.json

@@ -27,15 +27,15 @@
   "DeepSeek-OCR.description": "DeepSeek-OCR은 DeepSeek AI가 개발한 OCR 및 \"문맥 광학 압축\"에 특화된 비전-언어 모델입니다. 이미지에서 문맥을 압축하는 방식을 탐구하며, 문서를 효율적으로 처리해 Markdown과 같은 구조화된 텍스트로 변환합니다. 이미지 내 텍스트를 정확하게 인식해 문서 디지털화, 텍스트 추출, 구조적 처리에 적합합니다.",
   "DeepSeek-R1-Distill-Llama-70B.description": "DeepSeek R1은 DeepSeek 제품군 중 더 크고 똑똑한 모델로, Llama 70B 아키텍처에 증류되었습니다. 벤치마크 및 인간 평가에서 수학 및 사실 기반 정확도 과제에서 기본 Llama 70B보다 우수한 성능을 보입니다.",
   "DeepSeek-R1-Distill-Qwen-1.5B.description": "Qwen2.5-Math-1.5B 기반의 DeepSeek-R1 증류 모델입니다. 강화학습과 콜드스타트 데이터를 통해 추론 성능을 최적화하였으며, 오픈 모델 중 새로운 멀티태스크 벤치마크를 설정하였습니다.",
-  "DeepSeek-R1-Distill-Qwen-14B.description": "DeepSeek-R1-Distill 모델은 DeepSeek-R1이 생성한 샘플 데이터를 활용하여 오픈소스 모델을 파인튜닝한 것입니다.",
-  "DeepSeek-R1-Distill-Qwen-32B.description": "DeepSeek-R1-Distill 모델은 DeepSeek-R1이 생성한 샘플 데이터를 활용하여 오픈소스 모델을 파인튜닝한 것입니다.",
+  "DeepSeek-R1-Distill-Qwen-14B.description": "Qwen2.5-14B를 기반으로 한 DeepSeek-R1 증류 모델입니다. 강화 학습과 콜드 스타트 데이터를 통해 추론 성능을 최적화하여 오픈 모델의 멀티태스크 벤치마크를 새롭게 설정합니다.",
+  "DeepSeek-R1-Distill-Qwen-32B.description": "DeepSeek-R1 시리즈는 강화 학습과 콜드 스타트 데이터를 통해 추론 성능을 향상시키며, 오픈 모델의 멀티태스크 벤치마크를 새롭게 설정하고 OpenAI o1-mini를 능가합니다.",
   "DeepSeek-R1-Distill-Qwen-7B.description": "Qwen2.5-Math-7B 기반의 DeepSeek-R1 증류 모델입니다. 강화학습과 콜드스타트 데이터를 통해 추론 성능을 최적화하였으며, 오픈 모델 중 새로운 멀티태스크 벤치마크를 설정하였습니다.",
-  "DeepSeek-R1.description": "DeepSeek-R1은 후학습 단계에서 대규모 강화학습을 적용하여 최소한의 라벨로도 추론 능력을 크게 향상시킵니다. 수학, 코드, 자연어 추론 과제에서 OpenAI o1 프로덕션 모델과 동등한 성능을 보입니다.",
+  "DeepSeek-R1.description": "최첨단 효율적인 LLM으로, 추론, 수학, 코딩에 강합니다.",
   "DeepSeek-V3-1.description": "DeepSeek V3.1은 복잡한 추론과 사고 사슬(chain-of-thought) 능력이 향상된 차세대 추론 모델로, 심층 분석 작업에 적합합니다.",
   "DeepSeek-V3-Fast.description": "제공자: sophnet. DeepSeek V3 Fast는 DeepSeek V3 0324의 고TPS 버전으로, 정밀도 손실 없는(full-precision) 모델입니다. 코드 및 수학 성능이 강력하며, 응답 속도가 빠릅니다.",
   "DeepSeek-V3.1-Think.description": "DeepSeek-V3.1 사고 모드는 사고/비사고 모드를 모두 지원하는 새로운 하이브리드 추론 모델로, DeepSeek-R1-0528보다 효율적입니다. 후학습 최적화를 통해 에이전트 도구 사용 및 작업 성능이 크게 향상되었습니다.",
   "DeepSeek-V3.2.description": "deepseek-v3.2는 희소 어텐션 메커니즘을 도입해 긴 텍스트 처리 시 학습 및 추론 효율을 개선하며, deepseek-v3.1보다 낮은 비용으로 제공됩니다.",
-  "DeepSeek-V3.description": "DeepSeek-V3는 DeepSeek에서 개발한 MoE 모델로, Qwen2.5-72B 및 Llama-3.1-405B와 같은 오픈 모델을 능가하며, GPT-4o 및 Claude 3.5 Sonnet과 같은 주요 폐쇄형 모델과 경쟁할 수 있는 성능을 보입니다.",
+  "DeepSeek-V3.description": "ByteDance Volcengine의 오픈 배포는 현재 가장 안정적이며 추천됩니다. 최신 릴리스(250324)로 자동 업그레이드되었습니다.",
   "Doubao-lite-128k.description": "Doubao-lite는 초고속 응답과 뛰어난 가성비를 제공하며, 다양한 시나리오에 유연하게 대응할 수 있습니다. 128K 컨텍스트를 지원하여 추론 및 파인튜닝이 가능합니다.",
   "Doubao-lite-32k.description": "Doubao-lite는 초고속 응답과 뛰어난 가성비를 제공하며, 다양한 시나리오에 유연하게 대응할 수 있습니다. 32K 컨텍스트를 지원하여 추론 및 파인튜닝이 가능합니다.",
   "Doubao-lite-4k.description": "Doubao-lite는 초고속 응답과 뛰어난 가성비를 제공하며, 다양한 시나리오에 유연하게 대응할 수 있습니다. 4K 컨텍스트를 지원하여 추론 및 파인튜닝이 가능합니다.",
@@ -83,13 +83,12 @@
   "Kimi-K2.5.description": "Kimi K2.5는 가장 강력한 Kimi 모델로, 에이전트 작업, 코딩, 비전 이해 분야에서 오픈소스 SOTA 수준의 성능을 제공합니다. 멀티모달 입력을 지원하며 사고(thinking) 모드와 비사고 모드를 모두 지원합니다.",
   "Kolors.description": "Kolors는 Kuaishou Kolors 팀이 개발한 텍스트-이미지 생성 모델로, 수십억 개의 파라미터로 학습되어 시각적 품질, 중국어 의미 이해, 텍스트 렌더링에서 뛰어난 성능을 보입니다.",
   "Kwai-Kolors/Kolors.description": "Kolors는 Kuaishou Kolors 팀이 개발한 대규모 잠재 디퓨전 기반 텍스트-이미지 생성 모델로, 수십억 개의 텍스트-이미지 쌍으로 학습되어 시각적 품질, 복잡한 의미 정확도, 중/영문 텍스트 렌더링에서 뛰어난 성능을 보이며, 중국어 콘텐츠 이해 및 생성 능력이 우수합니다.",
+  "Ling-2.5-1T.description": "Ling 시리즈의 최신 플래그십 실시간 모델인 Ling-2.5-1T는 모델 아키텍처, 토큰 효율성, 선호도 정렬에서 포괄적인 업그레이드를 도입하여 접근 가능한 AI의 품질을 새로운 수준으로 끌어올리는 것을 목표로 합니다.",
+  "Ling-2.6-1T.description": "최신 플래그십 대형 언어 모델로, 1M 토큰 컨텍스트 윈도우를 지원하며 논리적 추론에서 작업 실행까지의 엔드 투 엔드 워크플로를 가능하게 합니다.",
+  "Ling-2.6-flash.description": "Ling-2.6-flash는 Ling 시리즈의 최신 세대 고비용 효율 모델입니다. Mixture-of-Experts(MoE) 아키텍처를 채택하여 총 매개변수 수는 100B이며, 토큰당 활성화된 매개변수는 6.1B로, 추론 성능과 계산 비용 간의 최적의 균형을 달성합니다.",
   "Llama-3.2-11B-Vision-Instruct.description": "고해상도 이미지에 대한 강력한 이미지 추론 능력을 갖춘 모델로, 시각적 이해 응용에 적합합니다.",
-  "Llama-3.2-90B-Vision-Instruct\t.description": "시각적 이해 에이전트 응용을 위한 고급 이미지 추론 모델입니다.",
+  "Llama-3.2-90B-Vision-Instruct.description": "시각적 이해 에이전트 애플리케이션을 위한 고급 이미지 추론 기능.",
   "LongCat-2.0-Preview.description": "LongCat-2.0-Preview의 핵심 기능은 다음과 같습니다: 에이전트 개발 시나리오를 위해 설계되었으며, 도구 사용, 다단계 추론 및 긴 문맥 작업을 기본적으로 지원합니다; 코드 생성, 자동화된 워크플로우 및 복잡한 명령 실행에서 뛰어납니다; Claude Code, OpenClaw, OpenCode 및 Kilo Code와 같은 생산성 도구와 깊이 통합되어 있습니다.",
-  "LongCat-Flash-Chat.description": "LongCat-Flash-Chat 모델이 새로운 버전으로 업그레이드되었습니다. 이번 업데이트는 모델의 기능 향상에만 초점이 맞춰져 있으며, 모델 이름과 API 호출 방식은 변경되지 않았습니다. '극한의 효율성'과 '번개 같은 응답 속도'라는 특징을 기반으로, 새로운 버전은 문맥 이해와 실제 프로그래밍 성능을 더욱 강화했습니다: 코드 생성, 디버깅, 설명 작업에서의 성능이 크게 향상된 개발자 중심 시나리오에 최적화된 코딩 기능이 대폭 강화되었습니다. 개발자들은 이러한 향상을 평가하고 벤치마크 테스트를 수행할 것을 강력히 권장합니다. 256K 초장문맥 지원: 이전 세대(128K)에서 두 배로 늘어난 256K 문맥 창을 통해 대규모 문서와 긴 시퀀스 작업을 효율적으로 처리할 수 있습니다. 다국어 성능의 종합적 향상: 스페인어, 프랑스어, 아랍어, 포르투갈어, 러시아어, 인도네시아어를 포함한 9개 언어에 강력한 지원을 제공합니다. 더욱 강력한 에이전트 기능: 복잡한 도구 호출 및 다단계 작업 실행에서 더 높은 견고성과 효율성을 보여줍니다.",
-  "LongCat-Flash-Lite.description": "LongCat-Flash-Lite 모델이 공식적으로 출시되었습니다. 이 모델은 68.5억 개의 총 매개변수와 약 30억 개의 활성 매개변수를 가진 효율적인 Mixture-of-Experts (MoE) 아키텍처를 채택했습니다. N-gram 임베딩 테이블을 사용하여 매개변수 활용 효율성을 극대화하며, 추론 효율성과 특정 응용 시나리오에 깊이 최적화되었습니다. 유사한 규모의 모델과 비교했을 때, 주요 특징은 다음과 같습니다: 뛰어난 추론 효율성: MoE 아키텍처의 고유한 I/O 병목 현상을 근본적으로 완화하는 N-gram 임베딩 테이블을 활용하고, 전용 캐싱 메커니즘 및 커널 수준 최적화를 결합하여 추론 지연을 크게 줄이고 전반적인 효율성을 향상시킵니다. 강력한 에이전트 및 코드 성능: 도구 호출 및 소프트웨어 개발 작업에서 매우 경쟁력 있는 기능을 보여주며, 모델 크기에 비해 뛰어난 성능을 제공합니다.",
-  "LongCat-Flash-Thinking-2601.description": "LongCat-Flash-Thinking-2601 모델이 공식적으로 출시되었습니다. Mixture-of-Experts (MoE) 아키텍처를 기반으로 구축된 업그레이드된 추론 모델로, 총 5600억 개의 매개변수를 특징으로 합니다. 전통적인 추론 벤치마크에서 강력한 경쟁력을 유지하면서, 대규모 다중 환경 강화 학습을 통해 에이전트 수준의 추론 능력을 체계적으로 강화했습니다. LongCat-Flash-Thinking 모델과 비교했을 때 주요 업그레이드는 다음과 같습니다: 소음이 많은 환경에서의 극한의 견고성: 실제 환경에서의 소음과 불확실성을 목표로 한 체계적인 커리큘럼 스타일 훈련을 통해, 에이전트 도구 호출, 에이전트 기반 검색, 도구 통합 추론에서 뛰어난 성능을 보여주며 일반화가 크게 향상되었습니다. 강력한 에이전트 기능: 60개 이상의 도구를 포함하는 밀접하게 결합된 종속 그래프를 구축하고, 다중 환경 확장 및 대규모 탐색 학습을 통해 훈련을 확장하여 복잡하고 분포 외의 실제 시나리오에 대한 일반화 능력을 크게 향상시켰습니다. 고급 심층 사고 모드: 병렬 추론을 통해 추론의 폭을 확장하고, 재귀적 피드백 기반 요약 및 추상화 메커니즘을 통해 분석 능력을 심화하여 매우 도전적인 문제를 효과적으로 해결합니다.",
-  "LongCat-Flash-Thinking.description": "최고 수준의 추론 성능을 제공하기 위해 LongCat API 플랫폼은 LongCat-Flash-Thinking 모델 호출을 통합 및 업그레이드했습니다. 기존의 `model=LongCat-Flash-Thinking` 요청은 코드 변경 없이 최신 버전인 LongCat-Flash-Thinking-2601로 자동 라우팅됩니다.",
   "M2-her.description": "역할 놀이와 다중 턴 대화를 위해 설계된 텍스트 대화 모델로, 캐릭터 커스터마이징과 감정 표현 기능을 제공합니다.",
   "Meta-Llama-3-3-70B-Instruct.description": "Llama 3.3 70B는 대화 및 생성 작업을 위한 다재다능한 트랜스포머 모델입니다.",
   "Meta-Llama-3.1-405B-Instruct.description": "Llama 3.1은 다국어 대화에 최적화된 지시 튜닝 텍스트 모델로, 오픈 및 클로즈드 챗 모델 중 업계 표준 벤치마크에서 뛰어난 성능을 보입니다.",
@@ -187,27 +186,10 @@
   "Qwen2.5-Coder-14B-Instruct.description": "Qwen2.5-Coder-14B-Instruct는 대규모 사전학습된 코딩 지시 모델로, 강력한 코드 이해 및 생성 능력을 갖추고 있습니다. 다양한 프로그래밍 작업을 효율적으로 처리하며, 스마트 코딩, 자동 스크립트 생성, 프로그래밍 Q&A에 이상적입니다.",
   "Qwen2.5-Coder-32B-Instruct.description": "주요 프로그래밍 언어 전반에 걸쳐 코드 생성, 추론, 버그 수정에 최적화된 고급 LLM입니다.",
   "Qwen3-235B-A22B-Instruct-2507-FP8.description": "Qwen3 235B A22B Instruct 2507은 대규모 추론을 효율적으로 수행할 수 있도록 MoE를 활용하여 고급 추론 및 지시 따르기에 최적화된 모델입니다.",
-  "Qwen3-235B.description": "Qwen3-235B-A22B는 MoE 모델로, 사고 모드와 비사고 모드를 자유롭게 전환할 수 있는 하이브리드 추론 모드를 도입하였습니다. 119개 언어 및 방언에 대한 이해와 추론을 지원하며, 강력한 도구 호출 기능을 갖추고 있습니다. DeepSeek R1, OpenAI o1, o3-mini, Grok 3, Google Gemini 2.5 Pro 등 주요 모델들과 일반 능력, 코드 및 수학, 다국어 능력, 지식 추론 벤치마크에서 경쟁합니다.",
-  "Qwen3-32B.description": "Qwen3-32B는 사고 모드와 비사고 모드를 전환할 수 있는 하이브리드 추론 모드를 도입한 밀집 모델입니다. 아키텍처 개선, 데이터 확장, 훈련 품질 향상을 통해 Qwen2.5-72B와 동등한 성능을 발휘합니다.",
   "Qwen3.5-Plus.description": "Qwen3.5 Plus는 텍스트, 이미지, 비디오 입력을 지원합니다. 순수 텍스트 작업 성능은 Qwen3 Max에 필적하며 더 나은 성능과 낮은 비용을 제공합니다. 멀티모달 능력은 Qwen3 VL 시리즈 대비 크게 향상되었습니다.",
+  "Ring-2.5-1T.description": "이전에 출시된 Ring-1T와 비교하여 Ring-2.5-1T는 생성 효율성, 추론 깊이, 장기 작업 실행 능력의 세 가지 주요 차원에서 상당한 개선을 이룹니다: **생성 효율성**: 높은 비율의 선형 주의 메커니즘을 활용하여 Ring-2.5-1T는 메모리 액세스 오버헤드를 10배 이상 줄입니다. 32K 토큰을 초과하는 시퀀스를 처리할 때 3배 이상의 생성 처리량을 제공하여 깊은 추론과 장기 작업 실행에 특히 적합합니다. **깊은 추론**: RLVR을 기반으로 밀집 보상 메커니즘을 도입하여 추론 과정의 엄격성에 대한 피드백을 제공합니다. 이를 통해 Ring-2.5-1T는 IMO 2025 및 CMO 2025에서 금메달 수준의 성능을 달성합니다(자체 평가). **장기 작업 실행**: 대규모 완전 비동기 에이전트 기반 강화 학습 훈련을 통해 모델은 복잡한 작업을 장기간에 걸쳐 자율적으로 실행할 수 있는 능력을 크게 향상시킵니다. 이를 통해 Ring-2.5-1T는 Claude Code 및 OpenClaw 개인 AI 어시스턴트와 같은 에이전트 프로그래밍 프레임워크와 원활하게 통합됩니다.",
+  "Ring-2.6-1T.description": "Ring-2.6-1T는 추론 모델로, 추론당 약 63B 매개변수를 활성화하는 트릴리언 매개변수 규모를 자랑합니다. 에이전트 워크플로를 위해 설계되었으며, 에이전트 기능, 도구 사용, 장기 작업 실행에 중점을 두어 PinchBench, ClawEval, TAU2-Bench, GAIA2-search와 같은 벤치마크에서 선도적인 성능을 달성합니다. 모델은 실행 품질, 지연 시간, 비용을 최적화하여 고급 코딩 에이전트, 복잡한 추론 파이프라인, 대규모 자율 시스템에 적합합니다.",
   "S2V-01.description": "01 시리즈의 기본 참조-비디오 모델.",
-  "SenseChat-128K.description": "128K 컨텍스트를 지원하는 Base V4 모델로, 장문 이해 및 생성에 강점을 가집니다.",
-  "SenseChat-32K.description": "32K 컨텍스트를 지원하는 Base V4 모델로, 다양한 상황에 유연하게 대응합니다.",
-  "SenseChat-5-1202.description": "V5.5 기반 최신 버전으로, 중영어 기초, 대화, STEM 지식, 인문학 지식, 글쓰기, 수학/논리, 길이 제어 등에서 큰 성능 향상을 이뤘습니다.",
-  "SenseChat-5-Cantonese.description": "홍콩식 대화 습관, 속어, 지역 지식에 최적화된 모델로, 광둥어 이해에서 GPT-4를 능가하며, 지식, 추론, 수학, 코딩에서는 GPT-4 Turbo와 대등한 성능을 보입니다.",
-  "SenseChat-5-beta.description": "일부 성능은 SenseChat-5-1202를 초과합니다.",
-  "SenseChat-5.description": "128K 컨텍스트를 지원하는 최신 V5.5 모델로, 수학적 추론, 영어 대화, 지시 따르기, 장문 이해에서 큰 성능 향상을 이루었으며 GPT-4o와 유사한 수준입니다.",
-  "SenseChat-Character-Pro.description": "32K 컨텍스트를 지원하는 고급 캐릭터 대화 모델로, 향상된 성능과 중영어 지원을 제공합니다.",
-  "SenseChat-Character.description": "8K 컨텍스트를 지원하는 표준 캐릭터 대화 모델로, 빠른 응답 속도를 자랑합니다.",
-  "SenseChat-Turbo-1202.description": "경량화된 최신 모델로, 전체 모델 성능의 90% 이상을 유지하면서 추론 비용을 크게 절감합니다.",
-  "SenseChat-Turbo.description": "빠른 질의응답 및 모델 파인튜닝 시나리오에 적합합니다.",
-  "SenseChat-Vision.description": "다중 이미지 입력을 지원하는 최신 V5.5 모델로, 속성 인식, 공간 관계, 동작/이벤트 감지, 장면 이해, 감정 인식, 상식 추론, 텍스트 이해/생성 등 핵심 기능이 전반적으로 향상되었습니다.",
-  "SenseChat.description": "4K 컨텍스트를 지원하는 Base V4 모델로, 전반적인 성능이 우수합니다.",
-  "SenseNova-V6-5-Pro.description": "멀티모달, 언어, 추론 데이터의 전면적인 업데이트와 학습 전략 최적화를 통해, 새로운 모델은 멀티모달 추론과 일반화된 지시 따르기 능력을 크게 향상시켰습니다. 최대 128K 컨텍스트 윈도우를 지원하며, OCR 및 문화 관광 IP 인식 작업에서 뛰어난 성능을 발휘합니다.",
-  "SenseNova-V6-5-Turbo.description": "멀티모달, 언어, 추론 데이터의 전면적인 업데이트와 학습 전략 최적화를 통해, 새로운 모델은 멀티모달 추론과 일반화된 지시 따르기 능력을 크게 향상시켰습니다. 최대 128K 컨텍스트 윈도우를 지원하며, OCR 및 문화 관광 IP 인식 작업에서 뛰어난 성능을 발휘합니다.",
-  "SenseNova-V6-Pro.description": "이미지, 텍스트, 비디오를 자연스럽게 통합하여 기존의 멀티모달 경계를 허물며, OpenCompass 및 SuperCLUE에서 최고 순위를 기록했습니다.",
-  "SenseNova-V6-Reasoner.description": "시각과 언어의 심층 추론을 결합하여 느린 사고와 전체 사고 흐름(chain-of-thought)을 지원합니다.",
-  "SenseNova-V6-Turbo.description": "이미지, 텍스트, 비디오를 자연스럽게 통합하여 기존의 멀티모달 경계를 허물며, 핵심 멀티모달 및 언어 능력 전반에서 선도적인 성능을 보이며 다양한 평가에서 상위권에 랭크되었습니다.",
   "Skylark2-lite-8k.description": "Skylark 2세대 모델. Skylark2-lite는 정확도 요구가 낮고 실시간 반응이 필요한 비용 민감형 시나리오에 적합하며, 8K 컨텍스트 윈도우를 지원합니다.",
   "Skylark2-pro-32k.description": "Skylark 2세대 모델. Skylark2-pro는 전문 카피라이팅, 소설 집필, 고품질 번역 등 복잡한 텍스트 생성에 높은 정확도를 제공하며, 32K 컨텍스트 윈도우를 지원합니다.",
   "Skylark2-pro-4k.description": "Skylark 2세대 모델. Skylark2-pro는 전문 카피라이팅, 소설 집필, 고품질 번역 등 복잡한 텍스트 생성에 높은 정확도를 제공하며, 4K 컨텍스트 윈도우를 지원합니다.",
@@ -1197,6 +1179,8 @@
   "r1-1776.description": "R1-1776은 DeepSeek R1의 후속 학습 버전으로, 검열되지 않고 편향 없는 사실 정보를 제공합니다.",
   "seedance-1-5-pro-251215.description": "ByteDance의 Seedance 1.5 Pro는 텍스트-비디오, 이미지-비디오(첫 프레임, 첫+마지막 프레임) 및 시각과 동기화된 오디오 생성을 지원합니다.",
   "seedream-5-0-260128.description": "BytePlus의 ByteDance-Seedream-5.0-lite는 실시간 정보를 위한 웹 검색 기반 생성, 복잡한 프롬프트 해석 향상, 전문적인 시각적 창작을 위한 참조 일관성 개선 기능을 제공합니다.",
+  "sensenova-6.7-flash-lite.description": "텍스트 기반 대화와 이미지 이해를 모두 지원하는 경량 멀티모달 에이전트 모델로, 실제 워크플로를 위해 설계되었습니다. 경량화 및 효율성을 갖추어 성능, 비용, 배포 가능성 간의 균형을 유지합니다. 이미지 이해를 포함한 네이티브 멀티모달 아키텍처로 OCR 및 차트 해석을 지원합니다. 사무 및 생산성 시나리오에 최적화되어 복잡한 장기 작업에 안정적으로 지원합니다. 토큰 효율성이 개선되어 복잡한 작업 부하에 대한 비용 제어가 가능합니다. 컨텍스트 길이는 256K 토큰(최대 입력: 252K, 최대 출력: 64K)입니다.",
+  "sensenova-u1-fast.description": "SenseNova U1을 기반으로 한 가속화 버전으로, 인포그래픽 생성에 최적화되었습니다.",
   "solar-mini-ja.description": "Solar Mini (Ja)는 Solar Mini의 일본어 특화 버전으로, 영어와 한국어에서도 효율적이고 강력한 성능을 유지합니다.",
   "solar-mini.description": "Solar Mini는 GPT-3.5를 능가하는 성능을 가진 소형 LLM으로, 영어와 한국어를 지원하는 강력한 다국어 기능을 갖추고 있으며, 효율적인 경량 솔루션을 제공합니다.",
   "solar-pro.description": "Solar Pro는 Upstage의 고지능 LLM으로, 단일 GPU에서 지시 수행에 최적화되어 있으며, IFEval 점수 80 이상을 기록합니다. 현재는 영어를 지원하며, 2024년 11월 전체 릴리스 시 더 많은 언어와 긴 컨텍스트를 지원할 예정입니다.",

locales/ko-KR/plugin.json

@@ -1,11 +1,21 @@
 {
   "arguments.moreParams": "총 {{count}}개의 매개변수가 있습니다",
   "arguments.title": "매개변수 목록",
+  "builtins.codex.apiName.collab_tool_call": "하위 에이전트 조정",
   "builtins.codex.apiName.command_execution": "명령 실행",
   "builtins.codex.apiName.file_change": "파일 편집",
   "builtins.codex.apiName.mcp_tool_call": "MCP 도구 호출",
   "builtins.codex.apiName.todo_list": "작업 업데이트",
   "builtins.codex.apiName.web_search": "웹 검색",
+  "builtins.codex.collabTool.agentCount_one": "{{count}} 하위 에이전트",
+  "builtins.codex.collabTool.agentCount_other": "{{count}} 하위 에이전트들",
+  "builtins.codex.collabTool.agentLabel": "하위 에이전트 {{index}}",
+  "builtins.codex.collabTool.agents": "하위 에이전트들",
+  "builtins.codex.collabTool.closeAgent": "하위 에이전트 닫기",
+  "builtins.codex.collabTool.instruction": "지침",
+  "builtins.codex.collabTool.sendInput": "하위 에이전트에게 메시지 보내기",
+  "builtins.codex.collabTool.spawnAgent": "하위 에이전트 생성",
+  "builtins.codex.collabTool.wait": "하위 에이전트를 기다리는 중",
   "builtins.codex.commandExecution.grep": "검색",
   "builtins.codex.commandExecution.noResults": "결과 없음",
   "builtins.codex.commandExecution.readFile": "파일 읽기",
@@ -447,6 +457,15 @@
   "dev.mcp.auth.desc": "MCP 서버의 인증 방식을 선택하세요",
   "dev.mcp.auth.label": "인증 유형",
   "dev.mcp.auth.none": "인증 없음",
+  "dev.mcp.auth.oauth": "OAuth",
+  "dev.mcp.auth.oauth.authorize": "승인 및 연결",
+  "dev.mcp.auth.oauth.clientId.desc": "클라이언트를 자동으로 등록하려면 비워 두세요 (동적 클라이언트 등록)",
+  "dev.mcp.auth.oauth.clientId.label": "OAuth 클라이언트 ID",
+  "dev.mcp.auth.oauth.clientId.placeholder": "선택 사항",
+  "dev.mcp.auth.oauth.clientSecret.desc": "기밀 OAuth 클라이언트에만 필요합니다",
+  "dev.mcp.auth.oauth.clientSecret.label": "OAuth 클라이언트 비밀키",
+  "dev.mcp.auth.oauth.clientSecret.placeholder": "선택 사항",
+  "dev.mcp.auth.oauth.redirectHint": "OAuth 앱에 등록할 리디렉션 URI:",
   "dev.mcp.auth.placeholder": "인증 유형을 선택하세요",
   "dev.mcp.auth.token.desc": "API Key 또는 Bearer Token을 입력하세요",
   "dev.mcp.auth.token.label": "API Key",

locales/ko-KR/providers.json

@@ -4,6 +4,7 @@
   "ai360.description": "360 AI는 360에서 제공하는 모델 및 서비스 플랫폼으로, 360GPT2 Pro, 360GPT Pro, 360GPT Turbo와 같은 NLP 모델을 통해 텍스트 생성, 의미 이해, 대화, 코드 작업을 지원하며, 대규모 파라미터와 멀티모달 기능을 결합하고 다양한 요구에 맞춘 유연한 요금제를 제공합니다.",
   "aihubmix.description": "AiHubMix는 통합 API를 통해 다양한 AI 모델에 접근할 수 있도록 지원합니다.",
   "akashchat.description": "Akash는 허가가 필요 없는 클라우드 자원 시장으로, 전통적인 클라우드 제공업체에 비해 경쟁력 있는 가격을 제공합니다.",
+  "antgroup.description": "앤트 링은 앤트 그룹의 범용 인공지능(AGI) 이니셔티브의 핵심 기초 모델 시리즈로, 최첨단 기초 모델 역량을 구축하고 개방하는 데 전념하고 있습니다. 우리는 지능 개발이 개방성, 공유, 확장성을 향해 나아가야 한다고 믿으며, 작은 실용적인 단계에서 시작하여 AGI의 지속적인 진화와 실제 배치를 추진합니다.",
   "anthropic.description": "Anthropic은 Claude 3.5 Sonnet, Claude 3 Sonnet, Claude 3 Opus, Claude 3 Haiku와 같은 고급 언어 모델을 개발하며, 지능, 속도, 비용의 균형을 통해 기업부터 빠른 응답이 필요한 사용 사례까지 폭넓게 대응합니다.",
   "azure.description": "Azure는 GPT-3.5 및 GPT-4 시리즈를 포함한 고급 AI 모델을 제공하며, 다양한 데이터 유형과 복잡한 작업을 안전하고 신뢰할 수 있으며 지속 가능한 방식으로 처리합니다.",
   "azureai.description": "Azure는 GPT-3.5 및 GPT-4 시리즈를 포함한 고급 AI 모델을 제공하며, 다양한 데이터 유형과 복잡한 작업을 안전하고 신뢰할 수 있으며 지속 가능한 방식으로 처리합니다.",

locales/ko-KR/setting.json

@@ -280,7 +280,33 @@
   "defaultAgent.title": "기본 도우미 설정",
   "devices.actions.edit": "편집",
   "devices.actions.remove": "제거",
+  "devices.capabilities.commands.desc": "환경에서 터미널 명령을 안전하게 실행합니다.",
+  "devices.capabilities.commands.title": "명령 실행",
+  "devices.capabilities.files.desc": "에이전트가 컴퓨터의 파일에 직접 접근하고 정리할 수 있도록 허용합니다.",
+  "devices.capabilities.files.title": "로컬 파일 읽기 및 쓰기",
+  "devices.capabilities.title": "연결 후 할 수 있는 작업",
+  "devices.capabilities.tools.desc": "에이전트의 기능을 확장하기 위해 로컬 도구를 연결합니다.",
+  "devices.capabilities.tools.title": "시스템 도구 호출",
   "devices.channel.connected": "{{time}}에 연결됨",
+  "devices.connectWizard.button": "장치 연결",
+  "devices.connectWizard.cli.connectDesc": "백그라운드 데몬을 시작하여 장치를 온라인 상태로 유지하고 원격 작업을 대기합니다.",
+  "devices.connectWizard.cli.connectTitle": "데몬 시작",
+  "devices.connectWizard.cli.installDesc": "선호하는 패키지 관리자를 사용하여 LobeHub CLI를 전역적으로 설치하여 장치 연결 및 관리를 활성화합니다.",
+  "devices.connectWizard.cli.installTitle": "CLI 설치",
+  "devices.connectWizard.cli.loginDesc": "브라우저에서 OAuth 인증을 완료하여 CLI를 계정과 연결합니다.",
+  "devices.connectWizard.cli.loginTitle": "로그인",
+  "devices.connectWizard.desktop.downloadLink": "LobeHub 데스크톱 다운로드",
+  "devices.connectWizard.desktop.step1": "데스크톱 앱 다운로드",
+  "devices.connectWizard.desktop.step1Desc": "LobeHub 다운로드 페이지를 방문하여 운영 체제에 맞는 앱을 다운로드하세요.",
+  "devices.connectWizard.desktop.step2": "로그인하고 장치 게이트웨이 열기",
+  "devices.connectWizard.desktop.step2Desc": "로그인 후 오른쪽 상단의 장치 게이트웨이 아이콘을 클릭하고 활성화되었는지 확인하세요.",
+  "devices.connectWizard.desktop.step3": "장치가 자동으로 나타납니다",
+  "devices.connectWizard.desktop.step3Desc": "데스크톱 앱이 실행 시 장치로 등록됩니다 — 연결되면 목록에서 확인할 수 있습니다.",
+  "devices.connectWizard.footer": "장치 메타데이터만 등록됩니다 — 데이터는 절대 접근되지 않습니다.",
+  "devices.connectWizard.method.cli": "CLI를 통해",
+  "devices.connectWizard.method.desktop": "데스크톱을 통해",
+  "devices.connectWizard.subtitle": "컴퓨터를 LobeHub에 연결하는 방법을 선택하세요.",
+  "devices.connectWizard.title": "장치 연결",
   "devices.currentBadge": "이 장치",
   "devices.detail.addDir": "디렉토리 추가",
   "devices.detail.connections": "연결",
@@ -294,7 +320,13 @@
   "devices.edit.friendlyNamePlaceholder": "이 장치를 인식할 이름",
   "devices.edit.save": "저장",
   "devices.edit.title": "장치 편집",
-  "devices.empty": "아직 장치가 없습니다. `lh connect`를 사용하거나 데스크톱 앱에 로그인하여 연결하세요.",
+  "devices.empty.desc": "연결되면 LobeHub 에이전트가 파일을 읽고/쓰기, 명령 실행, 시스템 도구 호출을 직접 수행할 수 있습니다.",
+  "devices.empty.methodCli.desc": "터미널에서 CLI를 설치하세요 — 서버나 헤드리스 머신에 적합합니다.",
+  "devices.empty.methodCli.title": "CLI를 통해 연결",
+  "devices.empty.methodDesktop.badge": "추천",
+  "devices.empty.methodDesktop.desc": "데스크톱 앱을 다운로드하고 로그인하면 장치가 자동으로 연결됩니다.",
+  "devices.empty.methodDesktop.title": "데스크톱을 통해 연결",
+  "devices.empty.title": "첫 번째 장치를 연결하세요",
   "devices.fallbackBadge": "불안정한 ID",
   "devices.fallbackTooltip": "이 장치는 머신 ID로 식별할 수 없으므로 앱을 재설치하면 중복 항목이 생성될 수 있습니다.",
   "devices.lastSeen": "마지막 활동 {{time}}",

locales/nl-NL/chat.json

@@ -15,6 +15,8 @@
   "agentBuilder.installPlugin.retry": "Opnieuw proberen",
   "agentBuilder.title": "Agent Bouwer",
   "agentBuilder.welcome": "Vertel me je use case.\n\nSchrijven, coderen of data-analyse—alles is mogelijk. Jij bepaalt het doel en de normen; ik splits het op in samenwerkende, uitvoerbare Agents.",
+  "agentConfigError.retry": "Opnieuw proberen",
+  "agentConfigError.title": "Laden van agentinstellingen mislukt",
   "agentDefaultMessage": "Hoi, ik ben **{{name}}**. Eén zin is genoeg.\n\nWil je dat ik beter aansluit op jouw workflow? Ga naar [Agentinstellingen]({{url}}) en vul het Agentprofiel in (je kunt dit altijd aanpassen).",
   "agentDefaultMessageWithSystemRole": "Hoi, ik ben **{{name}}**. Eén zin is genoeg—jij hebt de controle.",
   "agentDefaultMessageWithoutEdit": "Hoi, ik ben **{{name}}**. Eén zin is genoeg—jij hebt de controle.",
@@ -252,6 +254,10 @@
   "input.costEstimate.tooltip": "Geschat op basis van de huidige context, tools en modelprijzen. Werkelijke kosten kunnen variëren.",
   "input.disclaimer": "Agents kunnen fouten maken. Gebruik je eigen oordeel bij belangrijke informatie.",
   "input.errorMsg": "Verzenden mislukt: {{errorMsg}}. Probeer opnieuw of later nog eens.",
+  "input.inputCompletionError.desc": "Invoersuggesties zijn gestopt na een fout. Probeer opnieuw, of pas het suggestiemodel aan in Instellingen.",
+  "input.inputCompletionError.retry": "Opnieuw proberen",
+  "input.inputCompletionError.settings": "Instellingen",
+  "input.inputCompletionError.title": "Invoersuggesties gepauzeerd",
   "input.more": "Meer",
   "input.send": "Verzenden",
   "input.sendWithCmdEnter": "Druk op <key/> om te verzenden",
@@ -1006,7 +1012,9 @@
   "workingPanel.localFile.closeRight": "Sluiten aan de Rechterkant",
   "workingPanel.localFile.error": "Kon dit bestand niet laden",
   "workingPanel.localFile.preview.raw": "Ruw",
+  "workingPanel.localFile.preview.reload": "Voorbeeld opnieuw laden",
   "workingPanel.localFile.preview.render": "Voorbeeld",
+  "workingPanel.localFile.preview.source": "Bron",
   "workingPanel.localFile.truncated": "Bestandsvoorbeeld ingekort tot {{limit}} tekens",
   "workingPanel.progress": "Progress",
   "workingPanel.progress.allCompleted": "All tasks completed",

locales/nl-NL/modelProvider.json

@@ -239,6 +239,7 @@
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken32k.hint": "Voor GLM-5 en GLM-4.7; beheert het tokenbudget voor redeneren (maximaal 32k).",
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken80k.hint": "Voor Qwen3-serie; beheert het tokenbudget voor redeneren (maximaal 80k).",
   "providerModels.item.modelConfig.extendParams.options.reasoningEffort.hint": "Voor OpenAI en andere redeneermodellen; regelt de inspanning voor redeneren.",
+  "providerModels.item.modelConfig.extendParams.options.ring2_6ReasoningEffort.hint": "Voor Ring 2.6-serie; regelt de intensiteit van het redeneren.",
   "providerModels.item.modelConfig.extendParams.options.step3_5ReasoningEffort.hint": "Voor Step 3.5-serie; regelt de intensiteit van het redeneren.",
   "providerModels.item.modelConfig.extendParams.options.textVerbosity.hint": "Voor GPT-5+-serie; regelt de uitvoerige aard van de output.",
   "providerModels.item.modelConfig.extendParams.options.thinking.hint": "Voor sommige Doubao-modellen; laat het model beslissen of diep nadenken nodig is.",

locales/nl-NL/models.json

@@ -27,15 +27,15 @@
   "DeepSeek-OCR.description": "DeepSeek-OCR is een vision-language model van DeepSeek AI, gericht op OCR en \"contextuele optische compressie\". Het verkent het comprimeren van context uit afbeeldingen, verwerkt documenten efficiënt en zet ze om in gestructureerde tekst (bijv. Markdown). Het herkent tekst in afbeeldingen zeer nauwkeurig en is geschikt voor documentdigitalisering, tekstextractie en gestructureerde verwerking.",
   "DeepSeek-R1-Distill-Llama-70B.description": "DeepSeek R1, het grotere en slimmere model in de DeepSeek-reeks, is gedistilleerd in de Llama 70B-architectuur. Benchmarks en menselijke evaluaties tonen aan dat het slimmer is dan de basisversie van Llama 70B, vooral op wiskunde- en feitennauwkeurigheidstaken.",
   "DeepSeek-R1-Distill-Qwen-1.5B.description": "Een DeepSeek-R1 gedistilleerd model gebaseerd op Qwen2.5-Math-1.5B. Reinforcement learning en cold-start data optimaliseren het redeneervermogen en zetten nieuwe multitask-benchmarks voor open modellen.",
-  "DeepSeek-R1-Distill-Qwen-14B.description": "DeepSeek-R1-Distill modellen zijn fijngestemd op basis van open-source modellen met behulp van voorbeelddata gegenereerd door DeepSeek-R1.",
-  "DeepSeek-R1-Distill-Qwen-32B.description": "DeepSeek-R1-Distill modellen zijn fijngestemd op basis van open-source modellen met behulp van voorbeelddata gegenereerd door DeepSeek-R1.",
+  "DeepSeek-R1-Distill-Qwen-14B.description": "Een gedistilleerd DeepSeek-R1-model gebaseerd op Qwen2.5-14B. Versterkend leren en cold-start data optimaliseren de redeneerprestaties, waarmee nieuwe multi-task benchmarks voor open modellen worden gezet.",
+  "DeepSeek-R1-Distill-Qwen-32B.description": "De DeepSeek-R1-serie verbetert redeneerprestaties met versterkend leren en cold-start data, waarmee nieuwe multi-task benchmarks voor open modellen worden gezet en OpenAI o1-mini wordt overtroffen.",
   "DeepSeek-R1-Distill-Qwen-7B.description": "Een DeepSeek-R1 gedistilleerd model gebaseerd op Qwen2.5-Math-7B. Reinforcement learning en cold-start data optimaliseren het redeneervermogen en zetten nieuwe multitask-benchmarks voor open modellen.",
-  "DeepSeek-R1.description": "DeepSeek-R1 past grootschalige reinforcement learning toe tijdens de post-trainingfase, wat het redeneervermogen sterk verbetert met zeer weinig gelabelde data. Het presteert vergelijkbaar met het OpenAI o1-productiemodel op wiskunde-, codeer- en taalredeneertaken.",
+  "DeepSeek-R1.description": "State-of-the-art efficiënte LLM, sterk in redeneren, wiskunde en coderen.",
   "DeepSeek-V3-1.description": "DeepSeek V3.1 is een next-gen redeneermodel met verbeterd complex redeneren en chain-of-thought, geschikt voor diepgaande analysetaken.",
   "DeepSeek-V3-Fast.description": "Aanbieder: sophnet. DeepSeek V3 Fast is de high-TPS-versie van DeepSeek V3 0324, full-precision (niet-gekwantiseerd) met sterkere code- en wiskundeprestaties en snellere reacties.",
   "DeepSeek-V3.1-Think.description": "DeepSeek-V3.1 denkmodus: een nieuw hybride redeneermodel met denk- en niet-denkmodi, efficiënter dan DeepSeek-R1-0528. Post-training optimalisaties verbeteren het gebruik van agenttools en prestaties op agenttaken aanzienlijk.",
   "DeepSeek-V3.2.description": "deepseek-v3.2 introduceert een sparse-attentionmechanisme om de trainings- en inferentie-efficiëntie bij het verwerken van lange teksten te verbeteren, en is bovendien lager geprijsd dan deepseek-v3.1.",
-  "DeepSeek-V3.description": "DeepSeek-V3 is een MoE-model ontwikkeld door DeepSeek. Het overtreft andere open modellen zoals Qwen2.5-72B en Llama-3.1-405B op veel benchmarks en is concurrerend met toonaangevende gesloten modellen zoals GPT-4o en Claude 3.5 Sonnet.",
+  "DeepSeek-V3.description": "ByteDance Volcengine’s open deployment is momenteel het meest stabiel; aanbevolen. Het is automatisch geüpgraded naar de nieuwste release (250324).",
   "Doubao-lite-128k.description": "Doubao-lite biedt ultrasnelle reacties en betere waarde, met flexibele opties voor verschillende scenario’s. Ondersteunt 128K context voor inferentie en fine-tuning.",
   "Doubao-lite-32k.description": "Doubao-lite biedt ultrasnelle reacties en betere waarde, met flexibele opties voor verschillende scenario’s. Ondersteunt 32K context voor inferentie en fine-tuning.",
   "Doubao-lite-4k.description": "Doubao-lite biedt ultrasnelle reacties en betere waarde, met flexibele opties voor verschillende scenario’s. Ondersteunt 4K context voor inferentie en fine-tuning.",
@@ -83,13 +83,12 @@
   "Kimi-K2.5.description": "Kimi K2.5 is het krachtigste Kimi-model, met open-source SOTA-prestaties in agenttaken, coderen en visuele interpretatie. Het ondersteunt multimodale input en zowel denk- als niet-denkmodi.",
   "Kolors.description": "Kolors is een tekst-naar-beeldmodel ontwikkeld door het Kuaishou Kolors-team. Het is getraind met miljarden parameters en blinkt uit in visuele kwaliteit, Chinees semantisch begrip en tekstrendering.",
   "Kwai-Kolors/Kolors.description": "Kolors is een grootschalig latent-diffusie tekst-naar-beeldmodel van het Kuaishou Kolors-team. Getraind op miljarden tekst-beeldparen, blinkt het uit in visuele kwaliteit, complexe semantische nauwkeurigheid en Chinees/Engels tekstrendering, met sterk Chinees inhoudsbegrip en -generatie.",
+  "Ling-2.5-1T.description": "Als het nieuwste vlaggenschip real-time model in de Ling-serie introduceert Ling-2.5-1T uitgebreide upgrades in modelarchitectuur, token-efficiëntie en voorkeurafstemming, met als doel de kwaliteit van toegankelijke AI naar een nieuw niveau te tillen.",
+  "Ling-2.6-1T.description": "Het nieuwste vlaggenschip grote taalmodel, met ondersteuning voor een contextvenster van 1M tokens en een end-to-end workflow van logisch redeneren tot taakuitvoering.",
+  "Ling-2.6-flash.description": "Ling-2.6-flash is het nieuwste generatie model met hoge kosten-prestatieverhouding in de Ling-serie. Het maakt gebruik van een Mixture-of-Experts (MoE) architectuur, met een totaal aantal parameters van 100B en 6.1B geactiveerde parameters per token, wat een optimale balans bereikt tussen inferentieprestaties en rekencapaciteit.",
   "Llama-3.2-11B-Vision-Instruct.description": "Sterk beeldredeneervermogen op hoge-resolutiebeelden, geschikt voor toepassingen in visueel begrip.",
-  "Llama-3.2-90B-Vision-Instruct\t.description": "Geavanceerd beeldredeneren voor toepassingen met visueel begrip door agenten.",
+  "Llama-3.2-90B-Vision-Instruct.description": "Geavanceerd beeldredeneren voor toepassingen in visuele begrip-agenten.",
   "LongCat-2.0-Preview.description": "De kernfuncties van LongCat-2.0-Preview zijn als volgt: Ontworpen voor agentontwikkelingsscenario's, met native ondersteuning voor hulpmiddelen, meerstapsredenering en taken met een lange context; Uitstekend in codegeneratie, geautomatiseerde workflows en complexe instructie-uitvoering; Diep geïntegreerd met productiviteitstools zoals Claude Code, OpenClaw, OpenCode en Kilo Code.",
-  "LongCat-Flash-Chat.description": "Het LongCat-Flash-Chat-model is geüpgraded naar een nieuwe versie. Deze update omvat alleen verbeteringen aan de modelmogelijkheden; de modelnaam en API-aanroepmethode blijven ongewijzigd. Voortbouwend op zijn kenmerkende 'extreme efficiëntie' en 'bliksemsnelle respons', versterkt de nieuwe versie verder het contextuele begrip en de programmeerprestaties in de echte wereld: Significant Verbeterde Codeermogelijkheden: Diep geoptimaliseerd voor ontwikkelaarsgerichte scenario's, levert het model aanzienlijke verbeteringen in codegeneratie, debugging en uitleg. Ontwikkelaars worden sterk aangemoedigd om deze verbeteringen te evalueren en te benchmarken. Ondersteuning voor 256K Ultra-Lange Context: Het contextvenster is verdubbeld van de vorige generatie (128K) naar 256K, waardoor efficiënte verwerking van grote documenten en taken met lange sequenties mogelijk is. Omvattend Verbeterde Meertalige Prestaties: Biedt sterke ondersteuning voor negen talen, waaronder Spaans, Frans, Arabisch, Portugees, Russisch en Indonesisch. Krachtigere Agentmogelijkheden: Toont grotere robuustheid en efficiëntie bij complexe toolaanroepen en meerstaps taakuitvoering.",
-  "LongCat-Flash-Lite.description": "Het LongCat-Flash-Lite-model is officieel uitgebracht. Het maakt gebruik van een efficiënte Mixture-of-Experts (MoE)-architectuur, met in totaal 68,5 miljard parameters en ongeveer 3 miljard geactiveerde parameters. Door gebruik te maken van een N-gram embedding-tabel bereikt het een zeer efficiënte parameterbenutting en is het diep geoptimaliseerd voor inferentie-efficiëntie en specifieke toepassingsscenario's. In vergelijking met modellen van vergelijkbare schaal zijn de kernkenmerken als volgt: Uitstekende Inferentie-Efficiëntie: Door gebruik te maken van de N-gram embedding-tabel om de I/O-flessenhals die inherent is aan MoE-architecturen fundamenteel te verlichten, gecombineerd met speciale cachingmechanismen en optimalisaties op kernelniveau, vermindert het model de inferentievertraging aanzienlijk en verbetert het de algehele efficiëntie. Sterke Agent- en Codeprestaties: Het model toont zeer concurrerende mogelijkheden in toolaanroepen en softwareontwikkelingstaken, met uitzonderlijke prestaties in verhouding tot zijn modelgrootte.",
-  "LongCat-Flash-Thinking-2601.description": "Het LongCat-Flash-Thinking-2601-model is officieel uitgebracht. Als een geüpgraded redeneermodel gebouwd op een Mixture-of-Experts (MoE)-architectuur, beschikt het over in totaal 560 miljard parameters. Terwijl het sterke concurrentie behoudt op traditionele redeneerbenchmarks, verbetert het systematisch de redeneermogelijkheden op agentniveau door grootschalige multi-omgeving versterkingsleren. In vergelijking met het LongCat-Flash-Thinking-model zijn de belangrijkste upgrades als volgt: Extreme Robuustheid in Rumoerige Omgevingen: Door systematische curriculumstijltraining gericht op ruis en onzekerheid in real-world settings, toont het model uitstekende prestaties in agent-toolaanroepen, agent-gebaseerd zoeken en tool-geïntegreerd redeneren, met aanzienlijk verbeterde generalisatie. Krachtige Agentmogelijkheden: Door een nauw gekoppeld afhankelijkheidsdiagram te construeren dat meer dan 60 tools omvat, en training op te schalen via multi-omgeving uitbreiding en grootschalig exploratief leren, verbetert het model zijn vermogen om te generaliseren naar complexe en out-of-distribution real-world scenario's. Geavanceerde Diep Denkmodus: Het breidt de breedte van redeneren uit via parallelle inferentie en verdiept analytische capaciteiten door middel van recursieve feedbackgestuurde samenvatting en abstractiemechanismen, waardoor zeer uitdagende problemen effectief worden aangepakt.",
-  "LongCat-Flash-Thinking.description": "Om ervoor te zorgen dat u topprestaties in redeneren ontvangt, heeft het LongCat API-platform oproepen naar het LongCat-Flash-Thinking-model verenigd en geüpgraded. Alle bestaande verzoeken met `model=LongCat-Flash-Thinking` worden automatisch doorgestuurd naar de nieuwste versie, LongCat-Flash-Thinking-2601, zonder dat codewijzigingen nodig zijn.",
   "M2-her.description": "Een tekstdialoogmodel ontworpen voor rollenspellen en meerturngesprekken, met karakteraanpassing en emotionele expressie.",
   "Meta-Llama-3-3-70B-Instruct.description": "Llama 3.3 70B is een veelzijdig Transformer-model voor chat- en generatietaken.",
   "Meta-Llama-3.1-405B-Instruct.description": "Llama 3.1 is een instructie-afgestemd tekstmodel, geoptimaliseerd voor meertalige chat, en presteert sterk op gangbare industriële benchmarks onder open en gesloten chatmodellen.",
@@ -187,27 +186,10 @@
   "Qwen2.5-Coder-14B-Instruct.description": "Qwen2.5-Coder-14B-Instruct is een grootschalig voorgetraind model voor code-instructies met sterke codebegrip- en generatiecapaciteiten. Het verwerkt efficiënt een breed scala aan programmeertaken en is ideaal voor slim coderen, geautomatiseerde scriptgeneratie en programmeer-Q&A.",
   "Qwen2.5-Coder-32B-Instruct.description": "Geavanceerd LLM voor codegeneratie, redenatie en bugfixing in de belangrijkste programmeertalen.",
   "Qwen3-235B-A22B-Instruct-2507-FP8.description": "Qwen3 235B A22B Instruct 2507 is geoptimaliseerd voor geavanceerde redenatie en instructieopvolging, en gebruikt MoE om redenatie op schaal efficiënt te houden.",
-  "Qwen3-235B.description": "Qwen3-235B-A22B is een MoE-model dat een hybride redeneermodus introduceert, waarmee gebruikers naadloos kunnen schakelen tussen denken en niet-denken. Het ondersteunt begrip en redenatie in 119 talen en dialecten en beschikt over sterke toolgebruikmogelijkheden. Het concurreert met toonaangevende modellen zoals DeepSeek R1, OpenAI o1, o3-mini, Grok 3 en Google Gemini 2.5 Pro op benchmarks voor algemene vaardigheden, code en wiskunde, meertalige capaciteiten en kennisredenering.",
-  "Qwen3-32B.description": "Qwen3-32B is een dense model dat een hybride redeneermodus introduceert, waarmee gebruikers kunnen schakelen tussen denken en niet-denken. Dankzij architectuurverbeteringen, meer data en betere training presteert het op hetzelfde niveau als Qwen2.5-72B.",
   "Qwen3.5-Plus.description": "Qwen3.5 Plus ondersteunt tekst-, afbeelding- en video-invoer. De prestaties op puur tekstuele taken zijn vergelijkbaar met Qwen3 Max, maar met betere prestaties en lagere kosten. De multimodale mogelijkheden zijn aanzienlijk verbeterd ten opzichte van de Qwen3 VL-serie.",
+  "Ring-2.5-1T.description": "In vergelijking met de eerder uitgebrachte Ring-1T bereikt Ring-2.5-1T significante verbeteringen op drie belangrijke dimensies: generatie-efficiëntie, redeneerdiepte en langetermijn taakuitvoeringscapaciteit: **Generatie-efficiëntie**: Door een hoog aandeel lineaire aandachtmechanismen te benutten, vermindert Ring-2.5-1T het geheugen-toegangsoverhead met meer dan 10×. Bij het verwerken van sequenties van meer dan 32K tokens levert het meer dan 3× hogere generatie-doorvoer, waardoor het bijzonder geschikt is voor diep redeneren en langetermijn taakuitvoering. **Diep redeneren**: Gebaseerd op RLVR wordt een dense beloningsmechanisme geïntroduceerd om feedback te geven over de strengheid van het redeneerproces. Dit stelt Ring-2.5-1T in staat om prestaties op goudmedaille-niveau te bereiken in zowel IMO 2025 als CMO 2025 (zelf geëvalueerd). **Langetermijn taakuitvoering**: Door grootschalige volledig asynchrone agent-gebaseerde versterkend leren training verbetert het model aanzienlijk zijn vermogen om complexe taken autonoom uit te voeren over langere periodes. Dit stelt Ring-2.5-1T in staat naadloos te integreren met agent-programmeerframeworks zoals Claude Code en OpenClaw persoonlijke AI-assistenten.",
+  "Ring-2.6-1T.description": "Ring-2.6-1T is een redeneermodel op triljoen-parameter schaal dat ongeveer 63B parameters per inferentie activeert. Ontworpen voor agent-workflows, richt het zich op agent-capaciteiten, gereedschapsgebruik en langetermijn taakuitvoering, met leidende prestaties op benchmarks zoals PinchBench, ClawEval, TAU2-Bench en GAIA2-search. Het model is geoptimaliseerd voor uitvoeringskwaliteit, latentie en kosten, waardoor het goed geschikt is voor geavanceerde codeeragenten, complexe redeneerpijplijnen en grootschalige autonome systemen.",
   "S2V-01.description": "Het fundamentele referentie-naar-video model van de 01-serie.",
-  "SenseChat-128K.description": "Basis V4 met 128K context, sterk in het begrijpen en genereren van lange teksten.",
-  "SenseChat-32K.description": "Basis V4 met 32K context, flexibel inzetbaar voor diverse scenario’s.",
-  "SenseChat-5-1202.description": "Nieuwste versie gebaseerd op V5.5, met aanzienlijke verbeteringen in Chinese/Engelse basisvaardigheden, gesprekken, bètakennis, geesteswetenschappen, schrijven, wiskunde/logica en lengtebeheersing.",
-  "SenseChat-5-Cantonese.description": "Ontworpen voor de dialooggewoonten, straattaal en lokale kennis van Hongkong; overtreft GPT-4 in Kantonees begrip en is vergelijkbaar met GPT-4 Turbo in kennis, redenering, wiskunde en programmeren.",
-  "SenseChat-5-beta.description": "Presteert op sommige vlakken beter dan SenseChat-5-1202.",
-  "SenseChat-5.description": "Nieuwste V5.5 met 128K context; grote vooruitgang in wiskundige redenering, Engelse gesprekken, instructieopvolging en begrip van lange teksten, vergelijkbaar met GPT-4o.",
-  "SenseChat-Character-Pro.description": "Geavanceerd karaktergesprekmodel met 32K context, verbeterde capaciteiten en ondersteuning voor Chinees/Engels.",
-  "SenseChat-Character.description": "Standaard karaktergesprekmodel met 8K context en hoge reactiesnelheid.",
-  "SenseChat-Turbo-1202.description": "Nieuwste lichtgewicht model dat meer dan 90% van de volledige modelcapaciteit bereikt met aanzienlijk lagere inferentiekosten.",
-  "SenseChat-Turbo.description": "Geschikt voor snelle vraag-en-antwoordscenario’s en modelafstemming.",
-  "SenseChat-Vision.description": "Nieuwste V5.5 met invoer van meerdere afbeeldingen en brede kernverbeteringen in attributenherkenning, ruimtelijke relaties, actie-/gebeurtenisdetectie, scènebegrip, emotieherkenning, alledaagse redenering en tekstbegrip/-generatie.",
-  "SenseChat.description": "Basis V4 met 4K context en sterke algemene capaciteiten.",
-  "SenseNova-V6-5-Pro.description": "Met uitgebreide updates in multimodale, taal- en redeneergegevens en geoptimaliseerde trainingsstrategieën verbetert dit model aanzienlijk in multimodale redenering en algemene instructieopvolging. Ondersteunt tot 128K context en blinkt uit in OCR en culturele toerisme-IP-herkenning.",
-  "SenseNova-V6-5-Turbo.description": "Met uitgebreide updates in multimodale, taal- en redeneergegevens en geoptimaliseerde trainingsstrategieën verbetert dit model aanzienlijk in multimodale redenering en algemene instructieopvolging. Ondersteunt tot 128K context en blinkt uit in OCR en culturele toerisme-IP-herkenning.",
-  "SenseNova-V6-Pro.description": "Integreert beeld, tekst en video op natuurlijke wijze en doorbreekt traditionele multimodale silo’s; behaalt topposities op OpenCompass en SuperCLUE.",
-  "SenseNova-V6-Reasoner.description": "Combineert visuele en taalkundige diepe redenering, ondersteunt langzaam denken en volledige gedachteketens.",
-  "SenseNova-V6-Turbo.description": "Integreert beeld, tekst en video op natuurlijke wijze en doorbreekt traditionele multimodale silo’s. Leidt in kerncapaciteiten voor multimodale en taaltaken en scoort hoog in meerdere evaluaties.",
   "Skylark2-lite-8k.description": "Tweede generatie Skylark-model. Skylark2-lite biedt snelle reacties voor realtime, kostenbewuste scenario’s met lagere nauwkeurigheidseisen, met een contextvenster van 8K.",
   "Skylark2-pro-32k.description": "Tweede generatie Skylark-model. Skylark2-pro biedt hogere nauwkeurigheid voor complexe tekstgeneratie zoals professionele copywriting, roman schrijven en hoogwaardige vertaling, met een contextvenster van 32K.",
   "Skylark2-pro-4k.description": "Tweede generatie Skylark-model. Skylark2-pro biedt hogere nauwkeurigheid voor complexe tekstgeneratie zoals professionele copywriting, roman schrijven en hoogwaardige vertaling, met een contextvenster van 4K.",
@@ -1197,6 +1179,8 @@
   "r1-1776.description": "R1-1776 is een na-getrainde variant van DeepSeek R1, ontworpen om ongecensureerde, onbevooroordeelde feitelijke informatie te bieden.",
   "seedance-1-5-pro-251215.description": "Seedance 1.5 Pro van ByteDance ondersteunt tekst-naar-video, afbeelding-naar-video (eerste frame, eerste+laatste frame) en audiogeneratie gesynchroniseerd met visuals.",
   "seedream-5-0-260128.description": "ByteDance-Seedream-5.0-lite van BytePlus biedt web-ophaal-geaugmenteerde generatie voor realtime informatie, verbeterde interpretatie van complexe prompts en verbeterde referentieconsistentie voor professionele visuele creatie.",
+  "sensenova-6.7-flash-lite.description": "Een lichtgewicht multimodaal agentmodel ontworpen voor workflows in de echte wereld, met ondersteuning voor zowel tekstgebaseerde gesprekken als beeldbegrip. Lichtgewicht en efficiënt, met een balans tussen prestaties, kosten en inzetbaarheid. Native multimodale architectuur met ondersteuning voor beeldbegrip, inclusief OCR en grafiekinterpretatie. Verbeterd voor kantoor- en productiviteitsscenario's, met stabiele ondersteuning voor complexe langketentaken. Verbeterde token-efficiëntie, waardoor betere kostenbeheersing mogelijk is voor complexe workloads. Contextlengte van 256K tokens (maximale invoer: 252K, maximale uitvoer: 64K).",
+  "sensenova-u1-fast.description": "Een versnelde versie gebaseerd op SenseNova U1, specifiek geoptimaliseerd voor infographic generatie.",
   "solar-mini-ja.description": "Solar Mini (Ja) breidt Solar Mini uit met focus op Japans, terwijl het efficiënte, sterke prestaties in Engels en Koreaans behoudt.",
   "solar-mini.description": "Solar Mini is een compact LLM dat beter presteert dan GPT-3.5, met sterke meertalige ondersteuning voor Engels en Koreaans, en biedt een efficiënte oplossing met een kleine voetafdruk.",
   "solar-pro.description": "Solar Pro is een intelligent LLM van Upstage, gericht op instructieopvolging op een enkele GPU, met IFEval-scores boven de 80. Momenteel ondersteunt het Engels; de volledige release stond gepland voor november 2024 met uitgebreidere taalondersteuning en langere context.",

locales/nl-NL/plugin.json

@@ -1,11 +1,21 @@
 {
   "arguments.moreParams": "{{count}} parameters in totaal",
   "arguments.title": "Argumenten",
+  "builtins.codex.apiName.collab_tool_call": "Coördineer subagenten",
   "builtins.codex.apiName.command_execution": "Voer opdracht uit",
   "builtins.codex.apiName.file_change": "Bewerk bestanden",
   "builtins.codex.apiName.mcp_tool_call": "Roep MCP-tool aan",
   "builtins.codex.apiName.todo_list": "Werk taken bij",
   "builtins.codex.apiName.web_search": "Zoek op het web",
+  "builtins.codex.collabTool.agentCount_one": "{{count}} subagent",
+  "builtins.codex.collabTool.agentCount_other": "{{count}} subagenten",
+  "builtins.codex.collabTool.agentLabel": "Subagent {{index}}",
+  "builtins.codex.collabTool.agents": "Subagenten",
+  "builtins.codex.collabTool.closeAgent": "Sluit subagent",
+  "builtins.codex.collabTool.instruction": "Instructie",
+  "builtins.codex.collabTool.sendInput": "Bericht naar subagent",
+  "builtins.codex.collabTool.spawnAgent": "Start subagent",
+  "builtins.codex.collabTool.wait": "Wacht op subagenten",
   "builtins.codex.commandExecution.grep": "Zoeken",
   "builtins.codex.commandExecution.noResults": "Geen resultaten",
   "builtins.codex.commandExecution.readFile": "Lees bestand",
@@ -447,6 +457,15 @@
   "dev.mcp.auth.desc": "Selecteer authenticatiemethode voor MCP-server",
   "dev.mcp.auth.label": "Authenticatietype",
   "dev.mcp.auth.none": "Geen authenticatie",
+  "dev.mcp.auth.oauth": "OAuth",
+  "dev.mcp.auth.oauth.authorize": "Autoriseer & Verbind",
+  "dev.mcp.auth.oauth.clientId.desc": "Laat leeg om automatisch een client te registreren (dynamische clientregistratie)",
+  "dev.mcp.auth.oauth.clientId.label": "OAuth Client-ID",
+  "dev.mcp.auth.oauth.clientId.placeholder": "Optioneel",
+  "dev.mcp.auth.oauth.clientSecret.desc": "Alleen vereist voor vertrouwelijke OAuth-clients",
+  "dev.mcp.auth.oauth.clientSecret.label": "OAuth Client Secret",
+  "dev.mcp.auth.oauth.clientSecret.placeholder": "Optioneel",
+  "dev.mcp.auth.oauth.redirectHint": "Redirect-URI om te registreren bij uw OAuth-app:",
   "dev.mcp.auth.placeholder": "Selecteer authenticatietype",
   "dev.mcp.auth.token.desc": "Voer je API-sleutel of Bearer-token in",
   "dev.mcp.auth.token.label": "API-sleutel",

locales/nl-NL/providers.json

@@ -4,6 +4,7 @@
   "ai360.description": "360 AI is een model- en serviceplatform van 360, met NLP-modellen zoals 360GPT2 Pro, 360GPT Pro en 360GPT Turbo. De modellen combineren grootschalige parameters en multimodale mogelijkheden voor tekstgeneratie, semantisch begrip, chat en code, met flexibele prijsopties voor uiteenlopende behoeften.",
   "aihubmix.description": "AiHubMix biedt toegang tot meerdere AI-modellen via één uniforme API.",
   "akashchat.description": "Akash is een permissieloos marktplaatsplatform voor cloudresources met concurrerende prijzen ten opzichte van traditionele cloudproviders.",
+  "antgroup.description": "Ant Ling is de kernfundamentmodelserie van Ant Group's Artificial General Intelligence (AGI)-initiatief, toegewijd aan het bouwen en openstellen van geavanceerde fundamentele modelmogelijkheden. Wij geloven dat de ontwikkeling van intelligentie moet bewegen naar openheid, delen en schaalbaarheid—beginnend met kleine, praktische stappen om de gestage evolutie en reële implementatie van AGI te stimuleren.",
   "anthropic.description": "Anthropic ontwikkelt geavanceerde taalmodellen zoals Claude 3.5 Sonnet, Claude 3 Sonnet, Claude 3 Opus en Claude 3 Haiku, die intelligentie, snelheid en kosten in balans brengen voor uiteenlopende toepassingen van ondernemingen tot snelle respons.",
   "azure.description": "Azure biedt geavanceerde AI-modellen, waaronder de GPT-3.5- en GPT-4-series, voor diverse datatypes en complexe taken, met nadruk op veilige, betrouwbare en duurzame AI.",
   "azureai.description": "Azure biedt geavanceerde AI-modellen, waaronder de GPT-3.5- en GPT-4-series, voor diverse datatypes en complexe taken, met nadruk op veilige, betrouwbare en duurzame AI.",

locales/nl-NL/setting.json

@@ -280,7 +280,33 @@
   "defaultAgent.title": "Standaardinstellingen agent",
   "devices.actions.edit": "Bewerken",
   "devices.actions.remove": "Verwijderen",
+  "devices.capabilities.commands.desc": "Voer veilig terminalopdrachten uit in uw omgeving.",
+  "devices.capabilities.commands.title": "Voer opdrachten uit",
+  "devices.capabilities.files.desc": "Laat agenten direct toegang krijgen tot en bestanden op uw computer organiseren.",
+  "devices.capabilities.files.title": "Lees en schrijf lokale bestanden",
+  "devices.capabilities.title": "Wat u kunt doen zodra u verbonden bent",
+  "devices.capabilities.tools.desc": "Verbind lokale tools om de mogelijkheden van agenten uit te breiden.",
+  "devices.capabilities.tools.title": "Roep systeemtools aan",
   "devices.channel.connected": "Verbonden {{time}}",
+  "devices.connectWizard.button": "Apparaat verbinden",
+  "devices.connectWizard.cli.connectDesc": "Start de achtergrondservice om het apparaat online te houden en te laten luisteren naar externe bewerkingen.",
+  "devices.connectWizard.cli.connectTitle": "Start de service",
+  "devices.connectWizard.cli.installDesc": "Installeer de LobeHub CLI globaal met uw voorkeurspakketbeheerder om apparaatconnectiviteit en -beheer mogelijk te maken.",
+  "devices.connectWizard.cli.installTitle": "Installeer de CLI",
+  "devices.connectWizard.cli.loginDesc": "Voltooi OAuth-autorisatie in uw browser om de CLI aan uw account te koppelen.",
+  "devices.connectWizard.cli.loginTitle": "Aanmelden",
+  "devices.connectWizard.desktop.downloadLink": "Download LobeHub Desktop",
+  "devices.connectWizard.desktop.step1": "Download de desktop-app",
+  "devices.connectWizard.desktop.step1Desc": "Bezoek de LobeHub-downloadpagina en download de app voor uw besturingssysteem.",
+  "devices.connectWizard.desktop.step2": "Meld u aan en open de apparaatgateway",
+  "devices.connectWizard.desktop.step2Desc": "Klik na het aanmelden op het apparaatgatewaypictogram in de rechterbovenhoek en controleer of het is ingeschakeld.",
+  "devices.connectWizard.desktop.step3": "Uw apparaat verschijnt automatisch",
+  "devices.connectWizard.desktop.step3Desc": "De desktop-app registreert zichzelf als een apparaat bij het opstarten — u ziet het in de lijst zodra het verbonden is.",
+  "devices.connectWizard.footer": "Alleen apparaatgegevens worden geregistreerd — uw gegevens worden nooit geopend.",
+  "devices.connectWizard.method.cli": "Via CLI",
+  "devices.connectWizard.method.desktop": "Via Desktop",
+  "devices.connectWizard.subtitle": "Kies hoe u uw computer met LobeHub wilt verbinden.",
+  "devices.connectWizard.title": "Apparaat verbinden",
   "devices.currentBadge": "Dit apparaat",
   "devices.detail.addDir": "Map toevoegen",
   "devices.detail.connections": "Verbindingen",
@@ -294,7 +320,13 @@
   "devices.edit.friendlyNamePlaceholder": "Een naam om dit apparaat te herkennen",
   "devices.edit.save": "Opslaan",
   "devices.edit.title": "Apparaat bewerken",
-  "devices.empty": "Nog geen apparaten. Verbind er een met `lh connect` of door in te loggen in de desktop-app.",
+  "devices.empty.desc": "Zodra verbonden, kunnen LobeHub-agenten bestanden lezen/schrijven, opdrachten uitvoeren en systeemtools direct op uw computer aanroepen.",
+  "devices.empty.methodCli.desc": "Installeer de CLI in uw terminal — ideaal voor servers of headless machines.",
+  "devices.empty.methodCli.title": "Verbind via CLI",
+  "devices.empty.methodDesktop.badge": "Aanbevolen",
+  "devices.empty.methodDesktop.desc": "Download de desktop-app, meld u aan en uw apparaat wordt automatisch verbonden.",
+  "devices.empty.methodDesktop.title": "Verbind via Desktop",
+  "devices.empty.title": "Verbind uw eerste apparaat",
   "devices.fallbackBadge": "Onstabiele identiteit",
   "devices.fallbackTooltip": "Dit apparaat kon niet worden geïdentificeerd via zijn machine-ID, dus het opnieuw installeren van de app kan een dubbele vermelding creëren.",
   "devices.lastSeen": "Laatst actief {{time}}",

locales/pl-PL/chat.json

@@ -15,6 +15,8 @@
   "agentBuilder.installPlugin.retry": "Spróbuj ponownie",
   "agentBuilder.title": "Kreator Agenta",
   "agentBuilder.welcome": "Opowiedz mi o swoim przypadku użycia.\n\nPisanie, kodowanie czy analiza danych — wszystko się nada. Ty ustalasz cel i standardy, ja rozbiję to na współpracujące, uruchamialne Agenty.",
+  "agentConfigError.retry": "Spróbuj ponownie",
+  "agentConfigError.title": "Nie udało się załadować ustawień agenta",
   "agentDefaultMessage": "Cześć, jestem **{{name}}**. Jedno zdanie wystarczy.\n\nChcesz, żebym lepiej dopasował się do Twojego stylu pracy? Przejdź do [Ustawień Agenta]({{url}}) i uzupełnij Profil Agenta (możesz go edytować w każdej chwili).",
   "agentDefaultMessageWithSystemRole": "Cześć, jestem **{{name}}**. Jedno zdanie wystarczy — to Ty masz kontrolę.",
   "agentDefaultMessageWithoutEdit": "Cześć, jestem **{{name}}**. Jedno zdanie wystarczy — to Ty masz kontrolę.",
@@ -252,6 +254,10 @@
   "input.costEstimate.tooltip": "Szacowane na podstawie bieżącego kontekstu, narzędzi i cen modelu. Rzeczywisty koszt może się różnić.",
   "input.disclaimer": "Agenci mogą popełniać błędy. W przypadku ważnych informacji zachowaj ostrożność.",
   "input.errorMsg": "Wysyłanie nie powiodło się: {{errorMsg}}. Spróbuj ponownie lub wyślij później.",
+  "input.inputCompletionError.desc": "Sugestie dla wpisu zostały zatrzymane z powodu błędu. Spróbuj ponownie lub dostosuj model sugestii w Ustawieniach.",
+  "input.inputCompletionError.retry": "Spróbuj ponownie",
+  "input.inputCompletionError.settings": "Ustawienia",
+  "input.inputCompletionError.title": "Sugestie dla wpisu wstrzymane",
   "input.more": "Więcej",
   "input.send": "Wyślij",
   "input.sendWithCmdEnter": "Naciśnij <key/>, aby wysłać",
@@ -1006,7 +1012,9 @@
   "workingPanel.localFile.closeRight": "Zamknij po prawej",
   "workingPanel.localFile.error": "Nie udało się załadować tego pliku",
   "workingPanel.localFile.preview.raw": "Surowe dane",
+  "workingPanel.localFile.preview.reload": "Załaduj podgląd ponownie",
   "workingPanel.localFile.preview.render": "Podgląd",
+  "workingPanel.localFile.preview.source": "Źródło",
   "workingPanel.localFile.truncated": "Podgląd pliku skrócony do {{limit}} znaków",
   "workingPanel.progress": "Progress",
   "workingPanel.progress.allCompleted": "All tasks completed",

locales/pl-PL/modelProvider.json

@@ -239,6 +239,7 @@
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken32k.hint": "Dla GLM-5 i GLM-4.7; kontroluje budżet tokenów na rozumowanie (maks. 32k).",
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken80k.hint": "Dla serii Qwen3; kontroluje budżet tokenów na rozumowanie (maks. 80k).",
   "providerModels.item.modelConfig.extendParams.options.reasoningEffort.hint": "Dla modeli OpenAI i innych wspierających rozumowanie; kontroluje nakład rozumowania.",
+  "providerModels.item.modelConfig.extendParams.options.ring2_6ReasoningEffort.hint": "Dla serii Ring 2.6; kontroluje intensywność rozumowania.",
   "providerModels.item.modelConfig.extendParams.options.step3_5ReasoningEffort.hint": "Dla serii Step 3.5; kontroluje intensywność rozumowania.",
   "providerModels.item.modelConfig.extendParams.options.textVerbosity.hint": "Dla serii GPT-5+; kontroluje szczegółowość odpowiedzi.",
   "providerModels.item.modelConfig.extendParams.options.thinking.hint": "Dla niektórych modeli Doubao; pozwala modelowi zdecydować, czy myśleć głębiej.",

locales/pl-PL/models.json

@@ -27,15 +27,15 @@
   "DeepSeek-OCR.description": "DeepSeek-OCR to model wizja-język od DeepSeek AI, skoncentrowany na OCR oraz „kontekstowej kompresji optycznej”. Bada kompresję kontekstu z obrazów, efektywnie przetwarza dokumenty i przekształca je w ustrukturyzowany tekst (np. Markdown). Dokładnie rozpoznaje tekst na obrazach, sprawdzając się w digitalizacji dokumentów, ekstrakcji tekstu i przetwarzaniu strukturalnym.",
   "DeepSeek-R1-Distill-Llama-70B.description": "DeepSeek R1, większy i inteligentniejszy model z rodziny DeepSeek, został zdestylowany do architektury Llama 70B. Testy porównawcze i oceny ludzkie pokazują, że przewyższa bazowy Llama 70B, szczególnie w zadaniach matematycznych i wymagających precyzji faktów.",
   "DeepSeek-R1-Distill-Qwen-1.5B.description": "Model zdestylowany z DeepSeek-R1 na bazie Qwen2.5-Math-1.5B. Uczenie przez wzmocnienie i dane cold-start optymalizują wydajność rozumowania, ustanawiając nowe standardy dla otwartych modeli wielozadaniowych.",
-  "DeepSeek-R1-Distill-Qwen-14B.description": "Modele DeepSeek-R1-Distill są dostrajane z otwartoźródłowych modeli przy użyciu próbek danych generowanych przez DeepSeek-R1.",
-  "DeepSeek-R1-Distill-Qwen-32B.description": "Modele DeepSeek-R1-Distill są dostrajane z otwartoźródłowych modeli przy użyciu próbek danych generowanych przez DeepSeek-R1.",
+  "DeepSeek-R1-Distill-Qwen-14B.description": "Model DeepSeek-R1 w wersji destylowanej, oparty na Qwen2.5-14B. Uczenie przez wzmocnienie oraz dane z zimnego startu optymalizują wydajność wnioskowania, ustanawiając nowe standardy wielozadaniowe dla otwartych modeli.",
+  "DeepSeek-R1-Distill-Qwen-32B.description": "Seria DeepSeek-R1 poprawia wydajność wnioskowania dzięki uczeniu przez wzmocnienie i danym z zimnego startu, ustanawiając nowe standardy wielozadaniowe dla otwartych modeli i przewyższając OpenAI o1-mini.",
   "DeepSeek-R1-Distill-Qwen-7B.description": "Model zdestylowany z DeepSeek-R1 na bazie Qwen2.5-Math-7B. Uczenie przez wzmocnienie i dane cold-start optymalizują wydajność rozumowania, ustanawiając nowe standardy dla otwartych modeli wielozadaniowych.",
-  "DeepSeek-R1.description": "DeepSeek-R1 stosuje skalowane uczenie przez wzmocnienie w fazie post-treningowej, znacząco poprawiając zdolności rozumowania przy bardzo małej liczbie oznakowanych danych. Dorównuje produkcyjnemu modelowi OpenAI o1 w zadaniach z matematyki, programowania i rozumowania językowego.",
+  "DeepSeek-R1.description": "Najnowocześniejszy, wydajny model LLM, doskonały w wnioskowaniu, matematyce i kodowaniu.",
   "DeepSeek-V3-1.description": "DeepSeek V3.1 to model nowej generacji do rozumowania, z ulepszonym rozumowaniem złożonym i łańcuchowym, odpowiedni do zadań wymagających głębokiej analizy.",
   "DeepSeek-V3-Fast.description": "Dostawca: sophnet. DeepSeek V3 Fast to wersja o wysokim TPS modelu DeepSeek V3 0324, w pełnej precyzji (bez kwantyzacji), z lepszymi wynikami w kodzie i matematyce oraz szybszymi odpowiedziami.",
   "DeepSeek-V3.1-Think.description": "Tryb myślenia DeepSeek-V3.1: nowy hybrydowy model rozumowania z trybami myślącym i niemyslącym, bardziej wydajny niż DeepSeek-R1-0528. Optymalizacje po treningu znacząco poprawiają użycie narzędzi agentowych i wydajność zadań agentowych.",
   "DeepSeek-V3.2.description": "deepseek-v3.2 wprowadza mechanizm rzadkiej atencji, mający na celu poprawę wydajności trenowania i inferencji podczas przetwarzania długich tekstów; jest wyceniony niżej niż deepseek-v3.1.",
-  "DeepSeek-V3.description": "DeepSeek-V3 to model MoE opracowany przez DeepSeek. Przewyższa inne otwarte modele, takie jak Qwen2.5-72B i Llama-3.1-405B w wielu testach porównawczych i konkuruje z czołowymi zamkniętymi modelami, takimi jak GPT-4o i Claude 3.5 Sonnet.",
+  "DeepSeek-V3.description": "Otwarte wdrożenie ByteDance Volcengine jest obecnie najbardziej stabilne; zalecane. Automatycznie zaktualizowane do najnowszej wersji (250324).",
   "Doubao-lite-128k.description": "Doubao-lite oferuje ultraszybkie odpowiedzi i lepszy stosunek jakości do ceny, z elastycznymi opcjami dla różnych scenariuszy. Obsługuje kontekst 128K do wnioskowania i dostrajania.",
   "Doubao-lite-32k.description": "Doubao-lite oferuje ultraszybkie odpowiedzi i lepszy stosunek jakości do ceny, z elastycznymi opcjami dla różnych scenariuszy. Obsługuje kontekst 32K do wnioskowania i dostrajania.",
   "Doubao-lite-4k.description": "Doubao-lite oferuje ultraszybkie odpowiedzi i lepszy stosunek jakości do ceny, z elastycznymi opcjami dla różnych scenariuszy. Obsługuje kontekst 4K do wnioskowania i dostrajania.",
@@ -83,13 +83,12 @@
   "Kimi-K2.5.description": "Kimi K2.5 to najbardziej zaawansowany model Kimi, oferujący otwartoźródłowy poziom SOTA w zadaniach agentowych, programowaniu oraz rozumieniu obrazu. Obsługuje wejścia multimodalne oraz tryb myślenia i tryb bez myślenia.",
   "Kolors.description": "Kolors to model tekst-na-obraz opracowany przez zespół Kuaishou Kolors. Wytrenowany na miliardach parametrów, wyróżnia się jakością wizualną, rozumieniem semantyki chińskiej i renderowaniem tekstu.",
   "Kwai-Kolors/Kolors.description": "Kolors to wielkoskalowy model latent-diffusion tekst-na-obraz od zespołu Kuaishou Kolors. Wytrenowany na miliardach par tekst-obraz, wyróżnia się jakością wizualną, dokładnością semantyczną i renderowaniem tekstu w języku chińskim/angielskim, z silnym rozumieniem i generowaniem treści w języku chińskim.",
+  "Ling-2.5-1T.description": "Jako najnowszy flagowy model w czasie rzeczywistym z serii Ling, Ling-2.5-1T wprowadza kompleksowe ulepszenia w architekturze modelu, efektywności tokenów i dostosowaniu preferencji, mając na celu podniesienie jakości dostępnej AI na nowy poziom.",
+  "Ling-2.6-1T.description": "Najnowszy flagowy model dużego języka, oferujący wsparcie dla kontekstowego okna o wielkości 1M tokenów i umożliwiający kompleksowy przepływ pracy od logicznego wnioskowania do realizacji zadań.",
+  "Ling-2.6-flash.description": "Ling-2.6-flash to najnowsza generacja modelu o wysokiej wydajności kosztowej z serii Ling. Wykorzystuje architekturę Mixture-of-Experts (MoE), z całkowitą liczbą parametrów wynoszącą 100B i 6.1B aktywowanych parametrów na token, osiągając optymalną równowagę między wydajnością inferencji a kosztami obliczeniowymi.",
   "Llama-3.2-11B-Vision-Instruct.description": "Silne rozumowanie obrazowe na obrazach wysokiej rozdzielczości, odpowiednie do zastosowań wymagających rozumienia wizualnego.",
-  "Llama-3.2-90B-Vision-Instruct\t.description": "Zaawansowane rozumowanie obrazowe dla aplikacji agentów rozumiejących wizję.",
+  "Llama-3.2-90B-Vision-Instruct.description": "Zaawansowane wnioskowanie obrazowe dla aplikacji zrozumienia wizualnego w agentach.",
   "LongCat-2.0-Preview.description": "Główne cechy LongCat‑2.0‑Preview są następujące: Zaprojektowany do scenariuszy tworzenia agentów, z natywną obsługą narzędzi, wieloetapowego rozumowania i zadań wymagających długiego kontekstu; wyróżnia się generowaniem kodu, automatyzacją procesów i wykonywaniem złożonych instrukcji; głęboko zintegrowany z narzędziami produktywności takimi jak Claude Code, OpenClaw, OpenCode i Kilo Code.",
-  "LongCat-Flash-Chat.description": "Model LongCat-Flash-Chat został zaktualizowany do nowej wersji. Ta aktualizacja obejmuje wyłącznie ulepszenia możliwości modelu; nazwa modelu i metoda wywoływania API pozostają bez zmian. Bazując na jego charakterystycznej „ekstremalnej wydajności” i „błyskawicznej odpowiedzi”, nowa wersja dodatkowo wzmacnia zrozumienie kontekstowe i wydajność programowania w rzeczywistych scenariuszach: Znacząco Ulepszone Możliwości Kodowania: Głęboko zoptymalizowany pod kątem scenariuszy skoncentrowanych na programistach, model oferuje znaczące ulepszenia w generowaniu kodu, debugowaniu i zadaniach wyjaśniających. Programiści są zdecydowanie zachęcani do oceny i testowania tych ulepszeń. Obsługa 256K Ultra-Długiego Kontekstu: Okno kontekstowe zostało podwojone w porównaniu do poprzedniej generacji (128K) do 256K, umożliwiając efektywne przetwarzanie masywnych dokumentów i zadań o długich sekwencjach. Kompleksowo Ulepszona Wydajność Wielojęzyczna: Zapewnia silne wsparcie dla dziewięciu języków, w tym hiszpańskiego, francuskiego, arabskiego, portugalskiego, rosyjskiego i indonezyjskiego. Bardziej Potężne Możliwości Agenta: Wykazuje większą odporność i efektywność w złożonym wywoływaniu narzędzi i wykonywaniu zadań wieloetapowych.",
-  "LongCat-Flash-Lite.description": "Model LongCat-Flash-Lite został oficjalnie wydany. Przyjmuje wydajną architekturę Mixture-of-Experts (MoE), z 68,5 miliardami całkowitych parametrów i około 3 miliardami aktywnych parametrów. Dzięki zastosowaniu tabeli osadzania N-gram, osiąga wysoką efektywność wykorzystania parametrów i jest głęboko zoptymalizowany pod kątem efektywności wnioskowania i specyficznych scenariuszy aplikacji. W porównaniu do modeli o podobnej skali, jego kluczowe cechy to: Wyjątkowa Efektywność Wnioskowania: Dzięki wykorzystaniu tabeli osadzania N-gram w celu fundamentalnego złagodzenia wąskiego gardła I/O inherentnego w architekturach MoE, w połączeniu z dedykowanymi mechanizmami buforowania i optymalizacjami na poziomie jądra, znacząco redukuje opóźnienia wnioskowania i poprawia ogólną efektywność. Silne Możliwości Agenta i Kodowania: Wykazuje wysoce konkurencyjne zdolności w wywoływaniu narzędzi i zadaniach związanych z rozwojem oprogramowania, oferując wyjątkową wydajność w stosunku do swojej wielkości modelu.",
-  "LongCat-Flash-Thinking-2601.description": "Model LongCat-Flash-Thinking-2601 został oficjalnie wydany. Jako ulepszony model rozumowania oparty na architekturze Mixture-of-Experts (MoE), posiada łącznie 560 miliardów parametrów. Utrzymując silną konkurencyjność w tradycyjnych benchmarkach rozumowania, systematycznie wzmacnia zdolności rozumowania na poziomie Agenta poprzez wielkoskalowe uczenie wzmacniające w wielu środowiskach. W porównaniu do modelu LongCat-Flash-Thinking, kluczowe ulepszenia to: Ekstremalna Odporność w Hałaśliwych Środowiskach: Dzięki systematycznemu szkoleniu w stylu programu nauczania, ukierunkowanemu na hałas i niepewność w rzeczywistych warunkach, model wykazuje wyjątkową wydajność w wywoływaniu narzędzi Agenta, wyszukiwaniu opartym na Agencie i rozumowaniu zintegrowanym z narzędziami, z znacząco poprawioną generalizacją. Potężne Możliwości Agenta: Poprzez skonstruowanie ściśle powiązanego grafu zależności obejmującego ponad 60 narzędzi oraz skalowanie szkolenia poprzez ekspansję w wielu środowiskach i wielkoskalowe eksploracyjne uczenie, model znacząco poprawia swoją zdolność do generalizacji w złożonych i poza zakresem rzeczywistych scenariuszach. Zaawansowany Tryb Głębokiego Myślenia: Rozszerza zakres rozumowania poprzez równoległe wnioskowanie i pogłębia zdolność analityczną poprzez mechanizmy rekursywnego podsumowywania i abstrakcji napędzane sprzężeniem zwrotnym, skutecznie rozwiązując wysoce wymagające problemy.",
-  "LongCat-Flash-Thinking.description": "Aby zapewnić najwyższą jakość rozumowania, platforma LongCat API została ujednolicona i zaktualizowana do najnowszej wersji LongCat‑Flash‑Thinking. Wszystkie istniejące wywołania z `model=LongCat-Flash-Thinking` będą automatycznie kierowane do wersji LongCat‑Flash‑Thinking‑2601, bez konieczności zmian w kodzie.",
   "M2-her.description": "Model dialogowy zaprojektowany do odgrywania ról i wieloetapowych rozmów, z możliwością dostosowywania postaci i wyrażania emocji.",
   "Meta-Llama-3-3-70B-Instruct.description": "Llama 3.3 70B to wszechstronny model Transformer do zadań czatu i generowania treści.",
   "Meta-Llama-3.1-405B-Instruct.description": "Model tekstowy Llama 3.1 dostrojony do instrukcji, zoptymalizowany do czatu wielojęzycznego, osiągający wysokie wyniki w branżowych benchmarkach wśród modeli otwartych i zamkniętych.",
@@ -187,27 +186,10 @@
   "Qwen2.5-Coder-14B-Instruct.description": "Qwen2.5-Coder-14B-Instruct to duży model kodowania dostrojony do instrukcji, oferujący silne rozumienie i generowanie kodu. Skutecznie obsługuje szeroki zakres zadań programistycznych, idealny do inteligentnego kodowania, automatycznego generowania skryptów i pytań i odpowiedzi związanych z programowaniem.",
   "Qwen2.5-Coder-32B-Instruct.description": "Zaawansowany model LLM do generowania kodu, rozumowania i naprawy błędów w głównych językach programowania.",
   "Qwen3-235B-A22B-Instruct-2507-FP8.description": "Qwen3 235B A22B Instruct 2507 jest zoptymalizowany pod kątem zaawansowanego rozumowania i podążania za instrukcjami, wykorzystując architekturę MoE, aby zapewnić efektywność rozumowania w dużej skali.",
-  "Qwen3-235B.description": "Qwen3-235B-A22B to model MoE, który wprowadza hybrydowy tryb rozumowania, umożliwiając użytkownikom płynne przełączanie się między trybem myślenia i niemyslenia. Obsługuje rozumienie i rozumowanie w 119 językach i dialektach oraz posiada silne możliwości wywoływania narzędzi, konkurując z głównymi modelami, takimi jak DeepSeek R1, OpenAI o1, o3-mini, Grok 3 i Google Gemini 2.5 Pro w testach ogólnych, kodowania i matematyki, możliwości wielojęzycznych oraz rozumowania wiedzy.",
-  "Qwen3-32B.description": "Qwen3-32B to gęsty model, który wprowadza hybrydowy tryb rozumowania, umożliwiając użytkownikom przełączanie się między trybem myślenia i niemyslenia. Dzięki ulepszeniom architektury, większej ilości danych i lepszemu treningowi, osiąga wydajność porównywalną z Qwen2.5-72B.",
   "Qwen3.5-Plus.description": "Qwen3.5 Plus obsługuje dane wejściowe w postaci tekstu, obrazów i wideo. Jego wydajność w zadaniach opartych wyłącznie na tekście jest porównywalna z Qwen3 Max, przy jednocześnie lepszej efektywności i niższych kosztach. Możliwości multimodalne zostały znacząco ulepszone w porównaniu z serią Qwen3 VL.",
+  "Ring-2.5-1T.description": "W porównaniu do wcześniej wydanego Ring-1T, Ring-2.5-1T osiąga znaczące ulepszenia w trzech kluczowych wymiarach: efektywności generacji, głębokości wnioskowania i zdolności do realizacji zadań o długim horyzoncie czasowym: **Efektywność generacji**: Dzięki wykorzystaniu dużej proporcji mechanizmów liniowej uwagi, Ring-2.5-1T redukuje obciążenie dostępu do pamięci o ponad 10×. Podczas przetwarzania sekwencji przekraczających 32K tokenów, zapewnia ponad 3× wyższą przepustowość generacji, co czyni go szczególnie odpowiednim do głębokiego wnioskowania i realizacji zadań o długim horyzoncie czasowym. **Głębokie wnioskowanie**: Na bazie RLVR wprowadzono mechanizm gęstej nagrody, który dostarcza informacji zwrotnej na temat rygoru procesu wnioskowania. Dzięki temu Ring-2.5-1T osiąga poziom złotego medalu zarówno w IMO 2025, jak i CMO 2025 (samodzielna ocena). **Realizacja zadań o długim horyzoncie czasowym**: Dzięki dużej skali w pełni asynchronicznego uczenia przez wzmocnienie opartego na agentach, model znacząco zwiększa swoją zdolność do autonomicznego wykonywania złożonych zadań przez dłuższy czas. Pozwala to Ring-2.5-1T na płynną integrację z frameworkami programowania agentów, takimi jak Claude Code i OpenClaw osobiste asystenty AI.",
+  "Ring-2.6-1T.description": "Ring-2.6-1T to model wnioskowania na skalę biliona parametrów, aktywujący około 63B parametrów na inferencję. Zaprojektowany dla przepływów pracy opartych na agentach, koncentruje się na zdolnościach agentów, wykorzystaniu narzędzi i realizacji zadań o długim horyzoncie czasowym, osiągając wiodące wyniki w benchmarkach takich jak PinchBench, ClawEval, TAU2-Bench i GAIA2-search. Model jest zoptymalizowany pod kątem jakości wykonania, opóźnień i kosztów, co czyni go dobrze dopasowanym do zaawansowanych agentów kodujących, złożonych pipeline'ów wnioskowania i dużych autonomicznych systemów.",
   "S2V-01.description": "Podstawowy model przekształcania odniesienia w wideo z serii 01.",
-  "SenseChat-128K.description": "Wersja bazowa V4 z kontekstem 128K, doskonała w rozumieniu i generowaniu długich tekstów.",
-  "SenseChat-32K.description": "Wersja bazowa V4 z kontekstem 32K, elastyczna w wielu zastosowaniach.",
-  "SenseChat-5-1202.description": "Najnowsza wersja oparta na V5.5, z istotnymi ulepszeniami w zakresie podstaw języka chińskiego/angielskiego, rozmów, wiedzy STEM, nauk humanistycznych, pisania, matematyki/logiki oraz kontroli długości.",
-  "SenseChat-5-Cantonese.description": "Dostosowana do zwyczajów językowych Hongkongu, slangu i wiedzy lokalnej; przewyższa GPT-4 w rozumieniu kantońskiego i dorównuje GPT-4 Turbo w wiedzy, rozumowaniu, matematyce i programowaniu.",
-  "SenseChat-5-beta.description": "W niektórych aspektach przewyższa SenseChat-5-1202.",
-  "SenseChat-5.description": "Najnowsza wersja V5.5 z kontekstem 128K; znaczne postępy w rozumowaniu matematycznym, rozmowach po angielsku, wykonywaniu poleceń i rozumieniu długich tekstów, porównywalna z GPT-4o.",
-  "SenseChat-Character-Pro.description": "Zaawansowany model rozmów z postaciami z kontekstem 32K, ulepszoną funkcjonalnością i wsparciem dla języka chińskiego/angielskiego.",
-  "SenseChat-Character.description": "Standardowy model rozmów z postaciami z kontekstem 8K i wysoką szybkością odpowiedzi.",
-  "SenseChat-Turbo-1202.description": "Najnowszy lekki model osiągający ponad 90% możliwości pełnego modelu przy znacznie niższych kosztach wnioskowania.",
-  "SenseChat-Turbo.description": "Odpowiedni do szybkich pytań i odpowiedzi oraz scenariuszy dostrajania modeli.",
-  "SenseChat-Vision.description": "Najnowsza wersja V5.5 z obsługą wielu obrazów i szerokimi ulepszeniami w rozpoznawaniu atrybutów, relacjach przestrzennych, wykrywaniu działań/zdarzeń, rozumieniu scen, rozpoznawaniu emocji, rozumowaniu zdroworozsądkowemu oraz rozumieniu/generowaniu tekstu.",
-  "SenseChat.description": "Wersja bazowa V4 z kontekstem 4K i silnymi ogólnymi możliwościami.",
-  "SenseNova-V6-5-Pro.description": "Dzięki kompleksowym aktualizacjom danych multimodalnych, językowych i logicznych oraz optymalizacji strategii treningowej, nowy model znacząco poprawia rozumowanie multimodalne i ogólne podążanie za instrukcjami, obsługuje kontekst do 128 tys. tokenów i wyróżnia się w zadaniach OCR oraz rozpoznawania IP w turystyce kulturowej.",
-  "SenseNova-V6-5-Turbo.description": "Dzięki kompleksowym aktualizacjom danych multimodalnych, językowych i logicznych oraz optymalizacji strategii treningowej, nowy model znacząco poprawia rozumowanie multimodalne i ogólne podążanie za instrukcjami, obsługuje kontekst do 128 tys. tokenów i wyróżnia się w zadaniach OCR oraz rozpoznawania IP w turystyce kulturowej.",
-  "SenseNova-V6-Pro.description": "Model natywnie integruje obraz, tekst i wideo, przełamując tradycyjne bariery multimodalne; zdobywa czołowe miejsca w rankingach OpenCompass i SuperCLUE.",
-  "SenseNova-V6-Reasoner.description": "Łączy głębokie rozumowanie wizualne i językowe, wspierając powolne myślenie i pełny łańcuch rozumowania.",
-  "SenseNova-V6-Turbo.description": "Model natywnie integruje obraz, tekst i wideo, przełamując tradycyjne bariery multimodalne. Przoduje w kluczowych możliwościach multimodalnych i językowych, zajmując czołowe miejsca w wielu ocenach.",
   "Skylark2-lite-8k.description": "Model drugiej generacji Skylark. Skylark2-lite zapewnia szybkie odpowiedzi w scenariuszach czasu rzeczywistego i wrażliwych na koszty, gdzie wymagana jest mniejsza dokładność, z kontekstem do 8 tys. tokenów.",
   "Skylark2-pro-32k.description": "Model drugiej generacji Skylark. Skylark2-pro oferuje wyższą dokładność w złożonym generowaniu tekstu, takim jak profesjonalne copywriting, pisanie powieści i wysokiej jakości tłumaczenia, z kontekstem do 32 tys. tokenów.",
   "Skylark2-pro-4k.description": "Model drugiej generacji Skylark. Skylark2-pro oferuje wyższą dokładność w złożonym generowaniu tekstu, takim jak profesjonalne copywriting, pisanie powieści i wysokiej jakości tłumaczenia, z kontekstem do 4 tys. tokenów.",
@@ -1197,6 +1179,8 @@
   "r1-1776.description": "R1-1776 to wariant modelu DeepSeek R1 po dodatkowym treningu, zaprojektowany do dostarczania nieocenzurowanych, bezstronnych informacji faktograficznych.",
   "seedance-1-5-pro-251215.description": "Seedance 1.5 Pro firmy ByteDance obsługuje tekst-na-wideo, obraz-na-wideo (pierwsza klatka, pierwsza+ostatnia klatka) oraz generowanie dźwięku zsynchronizowanego z wizualizacjami.",
   "seedream-5-0-260128.description": "ByteDance-Seedream-5.0-lite firmy BytePlus oferuje generowanie wspomagane wyszukiwaniem w sieci w czasie rzeczywistym, ulepszoną interpretację złożonych promptów oraz poprawioną spójność odniesień dla profesjonalnego tworzenia wizualnego.",
+  "sensenova-6.7-flash-lite.description": "Lekki model agenta multimodalnego zaprojektowany do rzeczywistych przepływów pracy, wspierający zarówno rozmowy tekstowe, jak i rozumienie obrazów. Lekki i wydajny, równoważący wydajność, koszty i możliwość wdrożenia. Natywna architektura multimodalna z obsługą rozumienia obrazów, w tym OCR i interpretacji wykresów. Ulepszony dla scenariuszy biurowych i produktywności, ze stabilnym wsparciem dla złożonych zadań o długim łańcuchu. Zwiększona efektywność tokenów, umożliwiająca lepszą kontrolę kosztów dla złożonych obciążeń. Długość kontekstu wynosząca 256K tokenów (maksymalne wejście: 252K, maksymalne wyjście: 64K).",
+  "sensenova-u1-fast.description": "Przyspieszona wersja oparta na SenseNova U1, specjalnie zoptymalizowana do generowania infografik.",
   "solar-mini-ja.description": "Solar Mini (Ja) rozszerza Solar Mini o nacisk na język japoński, zachowując jednocześnie wydajność w języku angielskim i koreańskim.",
   "solar-mini.description": "Solar Mini to kompaktowy model LLM, który przewyższa GPT-3.5, oferując silne możliwości wielojęzyczne w języku angielskim i koreańskim oraz efektywne działanie przy małych zasobach.",
   "solar-pro.description": "Solar Pro to inteligentny model LLM od Upstage, skoncentrowany na wykonywaniu instrukcji na pojedynczym GPU, z wynikami IFEval powyżej 80. Obecnie obsługuje język angielski; pełna wersja z rozszerzonym wsparciem językowym i dłuższym kontekstem planowana jest na listopad 2024.",

locales/pl-PL/plugin.json

@@ -1,11 +1,21 @@
 {
   "arguments.moreParams": "Łącznie {{count}} parametrów",
   "arguments.title": "Argumenty",
+  "builtins.codex.apiName.collab_tool_call": "Koordynacja subagentów",
   "builtins.codex.apiName.command_execution": "Uruchom polecenie",
   "builtins.codex.apiName.file_change": "Edytuj pliki",
   "builtins.codex.apiName.mcp_tool_call": "Wywołaj narzędzie MCP",
   "builtins.codex.apiName.todo_list": "Aktualizuj zadania",
   "builtins.codex.apiName.web_search": "Wyszukaj w sieci",
+  "builtins.codex.collabTool.agentCount_one": "{{count}} subagent",
+  "builtins.codex.collabTool.agentCount_other": "{{count}} subagentów",
+  "builtins.codex.collabTool.agentLabel": "Subagent {{index}}",
+  "builtins.codex.collabTool.agents": "Subagenci",
+  "builtins.codex.collabTool.closeAgent": "Zamknij subagenta",
+  "builtins.codex.collabTool.instruction": "Instrukcja",
+  "builtins.codex.collabTool.sendInput": "Wyślij wiadomość do subagenta",
+  "builtins.codex.collabTool.spawnAgent": "Utwórz subagenta",
+  "builtins.codex.collabTool.wait": "Czekaj na subagentów",
   "builtins.codex.commandExecution.grep": "Szukaj",
   "builtins.codex.commandExecution.noResults": "Brak wyników",
   "builtins.codex.commandExecution.readFile": "Odczytaj plik",
@@ -447,6 +457,15 @@
   "dev.mcp.auth.desc": "Wybierz metodę uwierzytelniania dla serwera MCP",
   "dev.mcp.auth.label": "Typ uwierzytelnienia",
   "dev.mcp.auth.none": "Brak uwierzytelnienia",
+  "dev.mcp.auth.oauth": "OAuth",
+  "dev.mcp.auth.oauth.authorize": "Autoryzuj i Połącz",
+  "dev.mcp.auth.oauth.clientId.desc": "Pozostaw puste, aby automatycznie zarejestrować klienta (dynamiczna rejestracja klienta)",
+  "dev.mcp.auth.oauth.clientId.label": "ID Klienta OAuth",
+  "dev.mcp.auth.oauth.clientId.placeholder": "Opcjonalne",
+  "dev.mcp.auth.oauth.clientSecret.desc": "Wymagane tylko dla poufnych klientów OAuth",
+  "dev.mcp.auth.oauth.clientSecret.label": "Sekret Klienta OAuth",
+  "dev.mcp.auth.oauth.clientSecret.placeholder": "Opcjonalne",
+  "dev.mcp.auth.oauth.redirectHint": "URI przekierowania do zarejestrowania w Twojej aplikacji OAuth:",
   "dev.mcp.auth.placeholder": "Wybierz typ uwierzytelnienia",
   "dev.mcp.auth.token.desc": "Wprowadź swój klucz API lub token Bearer",
   "dev.mcp.auth.token.label": "Klucz API",

locales/pl-PL/providers.json

@@ -4,6 +4,7 @@
   "ai360.description": "360 AI to platforma modeli i usług od 360, oferująca modele NLP, takie jak 360GPT2 Pro, 360GPT Pro i 360GPT Turbo. Modele łączą dużą liczbę parametrów i możliwości multimodalne do generowania tekstu, rozumienia semantycznego, czatu i kodu, z elastycznym cennikiem dostosowanym do różnych potrzeb.",
   "aihubmix.description": "AiHubMix zapewnia dostęp do wielu modeli AI za pośrednictwem zunifikowanego API.",
   "akashchat.description": "Akash to zdecentralizowany rynek zasobów chmurowych z konkurencyjnymi cenami w porównaniu do tradycyjnych dostawców chmury.",
+  "antgroup.description": "Ant Ling to podstawowa seria modeli fundacyjnych inicjatywy Ant Group w zakresie Sztucznej Ogólnej Inteligencji (AGI), poświęcona budowaniu i udostępnianiu najnowocześniejszych możliwości modeli fundacyjnych. Wierzymy, że rozwój inteligencji musi zmierzać w kierunku otwartości, dzielenia się i skalowalności—zaczynając od małych, praktycznych kroków, aby napędzać stopniową ewolucję i wdrażanie AGI w rzeczywistym świecie.",
   "anthropic.description": "Anthropic tworzy zaawansowane modele językowe, takie jak Claude 3.5 Sonnet, Claude 3 Sonnet, Claude 3 Opus i Claude 3 Haiku, łącząc inteligencję, szybkość i koszty dla zastosowań od korporacyjnych po szybkie odpowiedzi.",
   "azure.description": "Azure oferuje zaawansowane modele AI, w tym serie GPT-3.5 i GPT-4, do różnorodnych typów danych i złożonych zadań, z naciskiem na bezpieczną, niezawodną i zrównoważoną AI.",
   "azureai.description": "Azure zapewnia zaawansowane modele AI, w tym serie GPT-3.5 i GPT-4, do różnorodnych typów danych i złożonych zadań, z naciskiem na bezpieczną, niezawodną i zrównoważoną AI.",

locales/pl-PL/setting.json

@@ -280,7 +280,33 @@
   "defaultAgent.title": "Domyślne ustawienia agenta",
   "devices.actions.edit": "Edytuj",
   "devices.actions.remove": "Usuń",
+  "devices.capabilities.commands.desc": "Bezpiecznie wykonuj polecenia terminalowe w swoim środowisku.",
+  "devices.capabilities.commands.title": "Uruchom polecenia",
+  "devices.capabilities.files.desc": "Pozwól agentom bezpośrednio uzyskiwać dostęp do plików na Twoim komputerze i je organizować.",
+  "devices.capabilities.files.title": "Odczyt i zapis lokalnych plików",
+  "devices.capabilities.title": "Co możesz zrobić po połączeniu",
+  "devices.capabilities.tools.desc": "Połącz lokalne narzędzia, aby rozszerzyć możliwości agentów.",
+  "devices.capabilities.tools.title": "Wywołaj narzędzia systemowe",
   "devices.channel.connected": "Połączono {{time}}",
+  "devices.connectWizard.button": "Połącz urządzenie",
+  "devices.connectWizard.cli.connectDesc": "Uruchom demona w tle, aby utrzymać urządzenie online i gotowe do zdalnych operacji.",
+  "devices.connectWizard.cli.connectTitle": "Uruchom demona",
+  "devices.connectWizard.cli.installDesc": "Zainstaluj LobeHub CLI globalnie za pomocą preferowanego menedżera pakietów, aby umożliwić łączność i zarządzanie urządzeniem.",
+  "devices.connectWizard.cli.installTitle": "Zainstaluj CLI",
+  "devices.connectWizard.cli.loginDesc": "Ukończ autoryzację OAuth w przeglądarce, aby powiązać CLI z Twoim kontem.",
+  "devices.connectWizard.cli.loginTitle": "Zaloguj się",
+  "devices.connectWizard.desktop.downloadLink": "Pobierz LobeHub Desktop",
+  "devices.connectWizard.desktop.step1": "Pobierz aplikację desktopową",
+  "devices.connectWizard.desktop.step1Desc": "Odwiedź stronę pobierania LobeHub i pobierz aplikację dla swojego systemu operacyjnego.",
+  "devices.connectWizard.desktop.step2": "Zaloguj się i otwórz bramę urządzenia",
+  "devices.connectWizard.desktop.step2Desc": "Po zalogowaniu kliknij ikonę bramy urządzenia w prawym górnym rogu i upewnij się, że jest włączona.",
+  "devices.connectWizard.desktop.step3": "Twoje urządzenie pojawi się automatycznie",
+  "devices.connectWizard.desktop.step3Desc": "Aplikacja desktopowa rejestruje się jako urządzenie przy uruchomieniu — zobaczysz je na liście po połączeniu.",
+  "devices.connectWizard.footer": "Rejestrowane są tylko metadane urządzenia — Twoje dane nigdy nie są dostępne.",
+  "devices.connectWizard.method.cli": "Za pomocą CLI",
+  "devices.connectWizard.method.desktop": "Za pomocą aplikacji desktopowej",
+  "devices.connectWizard.subtitle": "Wybierz, jak połączyć swój komputer z LobeHub.",
+  "devices.connectWizard.title": "Połącz urządzenie",
   "devices.currentBadge": "To urządzenie",
   "devices.detail.addDir": "Dodaj katalog",
   "devices.detail.connections": "Połączenia",
@@ -294,7 +320,13 @@
   "devices.edit.friendlyNamePlaceholder": "Nazwa do rozpoznania tego urządzenia",
   "devices.edit.save": "Zapisz",
   "devices.edit.title": "Edytuj urządzenie",
-  "devices.empty": "Brak urządzeń. Połącz jedno za pomocą `lh connect` lub zaloguj się w aplikacji desktopowej.",
+  "devices.empty.desc": "Po połączeniu agenci LobeHub mogą odczytywać/zapisywać pliki, uruchamiać polecenia i wywoływać narzędzia systemowe bezpośrednio na Twoim komputerze.",
+  "devices.empty.methodCli.desc": "Zainstaluj CLI w terminalu — idealne dla serwerów lub urządzeń bez interfejsu graficznego.",
+  "devices.empty.methodCli.title": "Połącz za pomocą CLI",
+  "devices.empty.methodDesktop.badge": "Zalecane",
+  "devices.empty.methodDesktop.desc": "Pobierz aplikację desktopową, zaloguj się, a Twoje urządzenie połączy się automatycznie.",
+  "devices.empty.methodDesktop.title": "Połącz za pomocą aplikacji desktopowej",
+  "devices.empty.title": "Połącz swoje pierwsze urządzenie",
   "devices.fallbackBadge": "Niestabilna tożsamość",
   "devices.fallbackTooltip": "To urządzenie nie mogło zostać zidentyfikowane przez jego identyfikator maszyny, więc ponowna instalacja aplikacji może utworzyć duplikat wpisu.",
   "devices.lastSeen": "Ostatnia aktywność {{time}}",

locales/pt-BR/chat.json

@@ -15,6 +15,8 @@
   "agentBuilder.installPlugin.retry": "Tentar novamente",
   "agentBuilder.title": "Construtor de Agentes",
   "agentBuilder.welcome": "Conte-me seu caso de uso.\n\nEscrita, programação ou análise de dados — qualquer coisa serve. Você define o objetivo e os padrões; eu os transformo em Agentes colaborativos e executáveis.",
+  "agentConfigError.retry": "Tentar novamente",
+  "agentConfigError.title": "Falha ao carregar as configurações do agente",
   "agentDefaultMessage": "Olá, sou **{{name}}**. Uma frase basta.\n\nQuer que eu me adapte melhor ao seu fluxo de trabalho? Vá para [Configurações do Agente]({{url}}) e preencha o Perfil do Agente (você pode editá-lo a qualquer momento).",
   "agentDefaultMessageWithSystemRole": "Olá, sou **{{name}}**. Uma frase basta — você está no controle.",
   "agentDefaultMessageWithoutEdit": "Olá, sou **{{name}}**. Uma frase basta — você está no controle.",
@@ -252,6 +254,10 @@
   "input.costEstimate.tooltip": "Estimado com base no contexto atual, ferramentas e preços do modelo. O custo real pode variar.",
   "input.disclaimer": "Agentes podem cometer erros. Use seu julgamento para informações críticas.",
   "input.errorMsg": "Falha ao enviar: {{errorMsg}}. Tente novamente ou envie mais tarde.",
+  "input.inputCompletionError.desc": "As sugestões de entrada pararam após um erro. Tente novamente ou ajuste o modelo de sugestão nas Configurações.",
+  "input.inputCompletionError.retry": "Tentar novamente",
+  "input.inputCompletionError.settings": "Configurações",
+  "input.inputCompletionError.title": "Sugestões de entrada pausadas",
   "input.more": "Mais",
   "input.send": "Enviar",
   "input.sendWithCmdEnter": "Pressione <key/> para enviar",
@@ -1006,7 +1012,9 @@
   "workingPanel.localFile.closeRight": "Fechar à Direita",
   "workingPanel.localFile.error": "Não foi possível carregar este arquivo",
   "workingPanel.localFile.preview.raw": "Bruto",
+  "workingPanel.localFile.preview.reload": "Recarregar visualização",
   "workingPanel.localFile.preview.render": "Visualizar",
+  "workingPanel.localFile.preview.source": "Fonte",
   "workingPanel.localFile.truncated": "Pré-visualização do arquivo truncada para {{limit}} caracteres",
   "workingPanel.progress": "Progress",
   "workingPanel.progress.allCompleted": "All tasks completed",

locales/pt-BR/modelProvider.json

@@ -239,6 +239,7 @@
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken32k.hint": "Para GLM-5 e GLM-4.7; controla o orçamento de tokens para raciocínio (máximo de 32k).",
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken80k.hint": "Para a série Qwen3; controla o orçamento de tokens para raciocínio (máximo de 80k).",
   "providerModels.item.modelConfig.extendParams.options.reasoningEffort.hint": "Para modelos da OpenAI e outros com capacidade de raciocínio; controla o esforço de raciocínio.",
+  "providerModels.item.modelConfig.extendParams.options.ring2_6ReasoningEffort.hint": "Para a série Ring 2.6; controla a intensidade do raciocínio.",
   "providerModels.item.modelConfig.extendParams.options.step3_5ReasoningEffort.hint": "Para a série Step 3.5; controla a intensidade do raciocínio.",
   "providerModels.item.modelConfig.extendParams.options.textVerbosity.hint": "Para a série GPT-5+; controla a verbosidade da saída.",
   "providerModels.item.modelConfig.extendParams.options.thinking.hint": "Para alguns modelos Doubao; permite que o modelo decida se deve pensar profundamente.",

locales/pt-BR/models.json

@@ -27,15 +27,15 @@
   "DeepSeek-OCR.description": "DeepSeek-OCR é um modelo visão‑linguagem da DeepSeek AI focado em OCR e \"compressão óptica de contexto\". Ele explora a compressão de contexto a partir de imagens, processa documentos de forma eficiente e os converte em texto estruturado (por exemplo, Markdown). Reconhece texto em imagens com alta precisão, sendo ideal para digitalização de documentos, extração de texto e processamento estruturado.",
   "DeepSeek-R1-Distill-Llama-70B.description": "DeepSeek R1, o modelo maior e mais inteligente da suíte DeepSeek, foi destilado na arquitetura Llama 70B. Benchmarks e avaliações humanas mostram que é mais inteligente que o Llama 70B base, especialmente em tarefas de matemática e precisão factual.",
   "DeepSeek-R1-Distill-Qwen-1.5B.description": "Modelo destilado do DeepSeek-R1 baseado no Qwen2.5-Math-1.5B. Aprendizado por reforço e dados de inicialização a frio otimizam o desempenho em raciocínio, estabelecendo novos benchmarks multitarefa para modelos open-source.",
-  "DeepSeek-R1-Distill-Qwen-14B.description": "Os modelos DeepSeek-R1-Distill são ajustados a partir de modelos open-source usando dados de amostra gerados pelo DeepSeek-R1.",
-  "DeepSeek-R1-Distill-Qwen-32B.description": "Os modelos DeepSeek-R1-Distill são ajustados a partir de modelos open-source usando dados de amostra gerados pelo DeepSeek-R1.",
+  "DeepSeek-R1-Distill-Qwen-14B.description": "Um modelo destilado DeepSeek-R1 baseado no Qwen2.5-14B. Aprendizado por reforço e dados de inicialização a frio otimizam o desempenho de raciocínio, estabelecendo novos benchmarks de multitarefa para modelos abertos.",
+  "DeepSeek-R1-Distill-Qwen-32B.description": "A série DeepSeek-R1 melhora o desempenho de raciocínio com aprendizado por reforço e dados de inicialização a frio, estabelecendo novos benchmarks de multitarefa para modelos abertos e superando o OpenAI o1-mini.",
   "DeepSeek-R1-Distill-Qwen-7B.description": "Modelo destilado do DeepSeek-R1 baseado no Qwen2.5-Math-7B. Aprendizado por reforço e dados de inicialização a frio otimizam o desempenho em raciocínio, estabelecendo novos benchmarks multitarefa para modelos open-source.",
-  "DeepSeek-R1.description": "O DeepSeek-R1 aplica aprendizado por reforço em larga escala durante o pós-treinamento, aumentando significativamente o raciocínio com muito poucos dados rotulados. Alcança desempenho comparável ao modelo de produção OpenAI o1 em tarefas de matemática, código e raciocínio em linguagem natural.",
+  "DeepSeek-R1.description": "LLM eficiente de última geração, forte em raciocínio, matemática e programação.",
   "DeepSeek-V3-1.description": "O DeepSeek V3.1 é um modelo de raciocínio de próxima geração com raciocínio complexo aprimorado e cadeia de pensamento, adequado para tarefas de análise profunda.",
   "DeepSeek-V3-Fast.description": "Fornecedor: sophnet. O DeepSeek V3 Fast é a versão de alta TPS do DeepSeek V3 0324, com precisão total (não quantizado), respostas mais rápidas e desempenho superior em código e matemática.",
   "DeepSeek-V3.1-Think.description": "Modo de pensamento do DeepSeek-V3.1: um novo modelo híbrido de raciocínio com modos de pensamento e não pensamento, mais eficiente que o DeepSeek-R1-0528. Otimizações no pós-treinamento melhoram significativamente o uso de ferramentas de agente e o desempenho em tarefas de agente.",
   "DeepSeek-V3.2.description": "deepseek-v3.2 introduz um mecanismo de atenção esparsa, com o objetivo de melhorar a eficiência de treinamento e inferência no processamento de textos longos, com preço menor que o deepseek-v3.1.",
-  "DeepSeek-V3.description": "O DeepSeek-V3 é um modelo MoE desenvolvido pela DeepSeek. Supera outros modelos open-source como Qwen2.5-72B e Llama-3.1-405B em muitos benchmarks e é competitivo com modelos fechados líderes como GPT-4o e Claude 3.5 Sonnet.",
+  "DeepSeek-V3.description": "A implantação aberta do Volcengine da ByteDance é atualmente a mais estável; recomendada. Foi automaticamente atualizada para a versão mais recente (250324).",
   "Doubao-lite-128k.description": "O Doubao-lite oferece respostas ultra rápidas e melhor custo-benefício, com opções flexíveis para diversos cenários. Suporta contexto de 128K para inferência e ajuste fino.",
   "Doubao-lite-32k.description": "O Doubao-lite oferece respostas ultra rápidas e melhor custo-benefício, com opções flexíveis para diversos cenários. Suporta contexto de 32K para inferência e ajuste fino.",
   "Doubao-lite-4k.description": "O Doubao-lite oferece respostas ultra rápidas e melhor custo-benefício, com opções flexíveis para diversos cenários. Suporta contexto de 4K para inferência e ajuste fino.",
@@ -83,13 +83,12 @@
   "Kimi-K2.5.description": "Kimi K2.5 é o modelo mais avançado da linha Kimi, oferecendo desempenho SOTA open-source em tarefas agentivas, programação e compreensão visual. Suporta entradas multimodais e modos com e sem raciocínio.",
   "Kolors.description": "Kolors é um modelo de texto para imagem desenvolvido pela equipe Kolors da Kuaishou. Treinado com bilhões de parâmetros, apresenta vantagens notáveis em qualidade visual, compreensão semântica do chinês e renderização de texto.",
   "Kwai-Kolors/Kolors.description": "Kolors é um modelo de texto para imagem de difusão latente em larga escala da equipe Kolors da Kuaishou. Treinado com bilhões de pares texto-imagem, destaca-se em qualidade visual, precisão semântica complexa e renderização de texto em chinês/inglês, com forte compreensão e geração de conteúdo em chinês.",
+  "Ling-2.5-1T.description": "Como o mais recente modelo em tempo real da série Ling, o Ling-2.5-1T apresenta atualizações abrangentes na arquitetura do modelo, eficiência de tokens e alinhamento de preferências, com o objetivo de elevar a qualidade da IA acessível a um novo nível.",
+  "Ling-2.6-1T.description": "O mais recente modelo de linguagem de grande escala, com suporte para uma janela de contexto de 1M tokens, permitindo um fluxo de trabalho completo desde o raciocínio lógico até a execução de tarefas.",
+  "Ling-2.6-flash.description": "Ling-2.6-flash é a última geração de modelo de alto custo-benefício da série Ling. Adota uma arquitetura Mixture-of-Experts (MoE), com um total de 100B parâmetros e 6.1B parâmetros ativados por token, alcançando um equilíbrio ideal entre desempenho de inferência e custo computacional.",
   "Llama-3.2-11B-Vision-Instruct.description": "Raciocínio visual avançado em imagens de alta resolução, adequado para aplicações de compreensão visual.",
-  "Llama-3.2-90B-Vision-Instruct\t.description": "Raciocínio visual avançado para aplicações de agentes com compreensão visual.",
+  "Llama-3.2-90B-Vision-Instruct.description": "Raciocínio avançado de imagens para aplicações de agentes de compreensão visual.",
   "LongCat-2.0-Preview.description": "Os principais recursos do LongCat-2.0-Preview são: projetado para cenários de desenvolvimento de agentes, com suporte nativo para uso de ferramentas, raciocínio em múltiplas etapas e tarefas de longo contexto; excelente em geração de código, fluxos de trabalho automatizados e execução de instruções complexas; profundamente integrado com ferramentas de produtividade como Claude Code, OpenClaw, OpenCode e Kilo Code.",
-  "LongCat-Flash-Chat.description": "O modelo LongCat-Flash-Chat foi atualizado para uma nova versão. Esta atualização envolve melhorias nas capacidades do modelo apenas; o nome do modelo e o método de invocação da API permanecem inalterados. Baseando-se em sua característica marcante de \"extrema eficiência\" e \"resposta ultrarrápida\", a nova versão fortalece ainda mais a compreensão contextual e o desempenho em programação no mundo real: Capacidades de Codificação Significativamente Aprimoradas: Otimizado profundamente para cenários centrados em desenvolvedores, o modelo oferece melhorias substanciais em geração de código, depuração e tarefas de explicação. Recomenda-se fortemente que os desenvolvedores avaliem e comparem essas melhorias. Suporte para Contexto Ultra-Longo de 256K: A janela de contexto foi dobrada em relação à geração anterior (128K) para 256K, permitindo o processamento eficiente de documentos massivos e tarefas de sequência longa. Desempenho Multilíngue Compreensivamente Melhorado: Oferece suporte robusto para nove idiomas, incluindo espanhol, francês, árabe, português, russo e indonésio. Capacidades de Agente Mais Poderosas: Demonstra maior robustez e eficiência na invocação de ferramentas complexas e execução de tarefas em múltiplas etapas.",
-  "LongCat-Flash-Lite.description": "O modelo LongCat-Flash-Lite foi oficialmente lançado. Ele adota uma arquitetura eficiente de Mistura de Especialistas (MoE), com 68,5 bilhões de parâmetros totais e aproximadamente 3 bilhões de parâmetros ativados. Por meio do uso de uma tabela de incorporação N-gram, alcança uma utilização altamente eficiente de parâmetros e é profundamente otimizado para eficiência de inferência e cenários de aplicação específicos. Comparado a modelos de escala semelhante, seus recursos principais são os seguintes: Eficiência de Inferência Excepcional: Ao aproveitar a tabela de incorporação N-gram para aliviar fundamentalmente o gargalo de I/O inerente às arquiteturas MoE, combinado com mecanismos de cache dedicados e otimizações em nível de kernel, reduz significativamente a latência de inferência e melhora a eficiência geral. Desempenho Forte em Agentes e Código: Demonstra capacidades altamente competitivas em invocação de ferramentas e tarefas de desenvolvimento de software, entregando desempenho excepcional em relação ao seu tamanho de modelo.",
-  "LongCat-Flash-Thinking-2601.description": "O modelo LongCat-Flash-Thinking-2601 foi oficialmente lançado. Como um modelo de raciocínio aprimorado baseado em uma arquitetura de Mistura de Especialistas (MoE), apresenta um total de 560 bilhões de parâmetros. Enquanto mantém forte competitividade em benchmarks tradicionais de raciocínio, melhora sistematicamente as capacidades de raciocínio em nível de Agente por meio de aprendizado por reforço em larga escala e multiambiente. Comparado ao modelo LongCat-Flash-Thinking, as principais atualizações são as seguintes: Robustez Extrema em Ambientes Ruidosos: Por meio de treinamento sistemático em estilo de currículo direcionado ao ruído e incerteza em cenários do mundo real, o modelo demonstra desempenho excepcional em invocação de ferramentas de Agente, busca baseada em Agente e raciocínio integrado a ferramentas, com generalização significativamente aprimorada. Capacidades Poderosas de Agente: Ao construir um gráfico de dependência fortemente acoplado abrangendo mais de 60 ferramentas e escalar o treinamento por meio de expansão multiambiente e aprendizado exploratório em larga escala, o modelo melhora marcadamente sua capacidade de generalizar para cenários complexos e fora da distribuição no mundo real. Modo Avançado de Pensamento Profundo: Expande a amplitude do raciocínio por meio de inferência paralela e aprofunda a capacidade analítica por meio de mecanismos de abstração e sumarização orientados por feedback recursivo, abordando efetivamente problemas altamente desafiadores.",
-  "LongCat-Flash-Thinking.description": "Para garantir desempenho de raciocínio de alto nível, a plataforma LongCat API unificou e atualizou as chamadas para o modelo LongCat-Flash-Thinking. Todas as solicitações existentes usando `model=LongCat-Flash-Thinking` serão automaticamente redirecionadas para a versão mais recente, LongCat-Flash-Thinking-2601, sem necessidade de alterações no código.",
   "M2-her.description": "Um modelo de diálogo em texto projetado para interpretação de papéis e conversas de múltiplas interações, com personalização de personagens e expressão emocional.",
   "Meta-Llama-3-3-70B-Instruct.description": "Llama 3.3 70B é um modelo Transformer versátil para tarefas de conversa e geração.",
   "Meta-Llama-3.1-405B-Instruct.description": "Modelo de texto ajustado por instruções Llama 3.1, otimizado para conversas multilíngues, com desempenho destacado em benchmarks da indústria entre modelos abertos e fechados.",
@@ -187,27 +186,10 @@
   "Qwen2.5-Coder-14B-Instruct.description": "Qwen2.5-Coder-14B-Instruct é um modelo de instrução para programação em larga escala, com forte capacidade de compreensão e geração de código. Ele lida eficientemente com uma ampla gama de tarefas de programação, sendo ideal para codificação inteligente, geração automatizada de scripts e perguntas e respostas sobre programação.",
   "Qwen2.5-Coder-32B-Instruct.description": "Modelo avançado de linguagem para geração de código, raciocínio e correção de bugs em diversas linguagens de programação.",
   "Qwen3-235B-A22B-Instruct-2507-FP8.description": "Qwen3 235B A22B Instruct 2507 é otimizado para raciocínio avançado e seguimento de instruções, utilizando MoE para manter a eficiência em escala.",
-  "Qwen3-235B.description": "Qwen3-235B-A22B é um modelo MoE que introduz um modo híbrido de raciocínio, permitindo alternância fluida entre pensamento e não pensamento. Ele oferece compreensão e raciocínio em 119 idiomas e dialetos, com forte capacidade de uso de ferramentas, competindo com modelos como DeepSeek R1, OpenAI o1, o3-mini, Grok 3 e Google Gemini 2.5 Pro em benchmarks de habilidades gerais, programação, matemática, multilinguismo e raciocínio baseado em conhecimento.",
-  "Qwen3-32B.description": "Qwen3-32B é um modelo denso que introduz um modo híbrido de raciocínio, permitindo alternância entre pensamento e não pensamento. Com melhorias na arquitetura, mais dados e melhor treinamento, seu desempenho é comparável ao Qwen2.5-72B.",
   "Qwen3.5-Plus.description": "Qwen3.5 Plus suporta entrada de texto, imagem e vídeo. Seu desempenho em tarefas puramente textuais é comparável ao Qwen3 Max, com melhor performance e menor custo. Suas capacidades multimodais são significativamente aprimoradas em comparação com a série Qwen3 VL.",
+  "Ring-2.5-1T.description": "Comparado ao Ring-1T lançado anteriormente, o Ring-2.5-1T alcança melhorias significativas em três dimensões principais: Eficiência de Geração**: Utilizando uma alta proporção de mecanismos de atenção linear, o Ring-2.5-1T reduz a sobrecarga de acesso à memória em mais de 10×. Ao processar sequências que excedem 32K tokens, oferece mais de 3× maior rendimento de geração, tornando-o particularmente adequado para raciocínio profundo e execução de tarefas de longo prazo. Raciocínio Profundo**: Com base no RLVR, um mecanismo de recompensa densa é introduzido para fornecer feedback sobre o rigor do processo de raciocínio. Isso permite que o Ring-2.5-1T alcance desempenho de nível medalha de ouro tanto no IMO 2025 quanto no CMO 2025 (autoavaliado). Execução de Tarefas de Longo Prazo**: Por meio de treinamento de aprendizado por reforço totalmente assíncrono em larga escala baseado em agentes, o modelo melhora significativamente sua capacidade de executar tarefas complexas de forma autônoma por períodos prolongados. Isso permite que o Ring-2.5-1T se integre perfeitamente a frameworks de programação de agentes como Claude Code e assistentes pessoais de IA OpenClaw.",
+  "Ring-2.6-1T.description": "Ring-2.6-1T é um modelo de raciocínio em escala de trilhões de parâmetros que ativa aproximadamente 63B parâmetros por inferência. Projetado para fluxos de trabalho de agentes, foca em capacidades de agentes, uso de ferramentas e execução de tarefas de longo prazo, alcançando desempenho líder em benchmarks como PinchBench, ClawEval, TAU2-Bench e GAIA2-search. O modelo é otimizado em qualidade de execução, latência e custo, tornando-o bem adequado para agentes avançados de programação, pipelines complexos de raciocínio e sistemas autônomos em larga escala.",
   "S2V-01.description": "O modelo básico de referência-para-vídeo da série 01.",
-  "SenseChat-128K.description": "Base V4 com janela de contexto de 128K, excelente em compreensão e geração de textos longos.",
-  "SenseChat-32K.description": "Base V4 com janela de contexto de 32K, flexível para diversos cenários.",
-  "SenseChat-5-1202.description": "Versão mais recente baseada no V5.5, com avanços significativos em fundamentos de chinês/inglês, conversação, conhecimento em STEM, humanidades, redação, matemática/lógica e controle de comprimento.",
-  "SenseChat-5-Cantonese.description": "Projetado para os hábitos de diálogo de Hong Kong, gírias e conhecimento local; supera o GPT-4 em compreensão do cantonês e rivaliza com o GPT-4 Turbo em conhecimento, raciocínio, matemática e programação.",
-  "SenseChat-5-beta.description": "Alguns desempenhos superam o SenseChat-5-1202.",
-  "SenseChat-5.description": "Versão mais recente V5.5 com contexto de 128K; grandes avanços em raciocínio matemático, conversação em inglês, seguimento de instruções e compreensão de textos longos, comparável ao GPT-4o.",
-  "SenseChat-Character-Pro.description": "Modelo avançado de conversação com personagens, com contexto de 32K, capacidade aprimorada e suporte a chinês/inglês.",
-  "SenseChat-Character.description": "Modelo padrão de conversação com personagens, com contexto de 8K e alta velocidade de resposta.",
-  "SenseChat-Turbo-1202.description": "Modelo leve mais recente, alcançando mais de 90% da capacidade do modelo completo com custo de inferência significativamente menor.",
-  "SenseChat-Turbo.description": "Adequado para perguntas e respostas rápidas e cenários de ajuste fino de modelos.",
-  "SenseChat-Vision.description": "Versão mais recente V5.5 com entrada de múltiplas imagens e amplas melhorias em reconhecimento de atributos, relações espaciais, detecção de ações/eventos, compreensão de cenas, reconhecimento de emoções, raciocínio de senso comum e compreensão/geração de texto.",
-  "SenseChat.description": "Base V4 com contexto de 4K e forte capacidade geral.",
-  "SenseNova-V6-5-Pro.description": "Com atualizações abrangentes em dados multimodais, linguísticos e de raciocínio, além de otimização da estratégia de treinamento, o novo modelo melhora significativamente o raciocínio multimodal e o seguimento de instruções generalizadas, com suporte a janela de contexto de até 128k, destacando-se em tarefas de OCR e reconhecimento de IPs de turismo cultural.",
-  "SenseNova-V6-5-Turbo.description": "Com atualizações abrangentes em dados multimodais, linguísticos e de raciocínio, além de otimização da estratégia de treinamento, o novo modelo melhora significativamente o raciocínio multimodal e o seguimento de instruções generalizadas, com suporte a janela de contexto de até 128k, destacando-se em tarefas de OCR e reconhecimento de IPs de turismo cultural.",
-  "SenseNova-V6-Pro.description": "Unifica nativamente imagem, texto e vídeo, rompendo barreiras tradicionais entre modalidades; lidera rankings como OpenCompass e SuperCLUE.",
-  "SenseNova-V6-Reasoner.description": "Combina raciocínio profundo em visão e linguagem, com suporte a pensamento lento e cadeia completa de raciocínio.",
-  "SenseNova-V6-Turbo.description": "Unifica nativamente imagem, texto e vídeo, rompendo barreiras tradicionais entre modalidades. Lidera em capacidades centrais multimodais e linguísticas, com classificação de alto nível em diversas avaliações.",
   "Skylark2-lite-8k.description": "Segunda geração do modelo Skylark. O Skylark2-lite oferece respostas rápidas para cenários em tempo real e sensíveis a custo, com menor necessidade de precisão e janela de contexto de 8K.",
   "Skylark2-pro-32k.description": "Segunda geração do modelo Skylark. O Skylark2-pro oferece maior precisão para geração de textos complexos, como redação profissional, escrita de romances e tradução de alta qualidade, com janela de contexto de 32K.",
   "Skylark2-pro-4k.description": "Segunda geração do modelo Skylark. O Skylark2-pro oferece maior precisão para geração de textos complexos, como redação profissional, escrita de romances e tradução de alta qualidade, com janela de contexto de 4K.",
@@ -1197,6 +1179,8 @@
   "r1-1776.description": "R1-1776 é uma variante pós-treinada do DeepSeek R1 projetada para fornecer informações factuais sem censura e imparciais.",
   "seedance-1-5-pro-251215.description": "Seedance 1.5 Pro da ByteDance suporta texto para vídeo, imagem para vídeo (primeiro quadro, primeiro+último quadro) e geração de áudio sincronizado com visuais.",
   "seedream-5-0-260128.description": "ByteDance-Seedream-5.0-lite da BytePlus apresenta geração aumentada por recuperação na web para informações em tempo real, interpretação aprimorada de prompts complexos e consistência de referência melhorada para criação visual profissional.",
+  "sensenova-6.7-flash-lite.description": "Um modelo de agente multimodal leve projetado para fluxos de trabalho do mundo real, suportando conversas baseadas em texto e compreensão de imagens. Leve e eficiente, equilibrando desempenho, custo e capacidade de implantação. Arquitetura multimodal nativa com suporte para compreensão de imagens, incluindo OCR e interpretação de gráficos. Aprimorado para cenários de escritório e produtividade, com suporte estável para tarefas complexas de cadeia longa. Eficiência de tokens aprimorada, permitindo melhor controle de custos para cargas de trabalho complexas. Comprimento de contexto de 256K tokens (entrada máxima: 252K, saída máxima: 64K).",
+  "sensenova-u1-fast.description": "Uma versão acelerada baseada no SenseNova U1, especificamente otimizada para geração de infográficos.",
   "solar-mini-ja.description": "Solar Mini (Ja) estende o Solar Mini com foco no japonês, mantendo desempenho eficiente e forte em inglês e coreano.",
   "solar-mini.description": "Solar Mini é um LLM compacto que supera o GPT-3.5, com forte capacidade multilíngue suportando inglês e coreano, oferecendo uma solução eficiente e de baixo custo.",
   "solar-pro.description": "Solar Pro é um LLM de alta inteligência da Upstage, focado em seguir instruções em uma única GPU, com pontuações IFEval acima de 80. Atualmente suporta inglês; o lançamento completo está previsto para novembro de 2024 com suporte expandido a idiomas e contexto mais longo.",

locales/pt-BR/plugin.json

@@ -1,11 +1,21 @@
 {
   "arguments.moreParams": "{{count}} parâmetros no total",
   "arguments.title": "Argumentos",
+  "builtins.codex.apiName.collab_tool_call": "Coordenar subagentes",
   "builtins.codex.apiName.command_execution": "Executar comando",
   "builtins.codex.apiName.file_change": "Editar arquivos",
   "builtins.codex.apiName.mcp_tool_call": "Chamar ferramenta MCP",
   "builtins.codex.apiName.todo_list": "Atualizar tarefas",
   "builtins.codex.apiName.web_search": "Pesquisar na web",
+  "builtins.codex.collabTool.agentCount_one": "{{count}} subagente",
+  "builtins.codex.collabTool.agentCount_other": "{{count}} subagentes",
+  "builtins.codex.collabTool.agentLabel": "Subagente {{index}}",
+  "builtins.codex.collabTool.agents": "Subagentes",
+  "builtins.codex.collabTool.closeAgent": "Fechar subagente",
+  "builtins.codex.collabTool.instruction": "Instrução",
+  "builtins.codex.collabTool.sendInput": "Enviar mensagem ao subagente",
+  "builtins.codex.collabTool.spawnAgent": "Criar subagente",
+  "builtins.codex.collabTool.wait": "Aguardar subagentes",
   "builtins.codex.commandExecution.grep": "Pesquisar",
   "builtins.codex.commandExecution.noResults": "Sem resultados",
   "builtins.codex.commandExecution.readFile": "Ler arquivo",
@@ -447,6 +457,15 @@
   "dev.mcp.auth.desc": "Selecione o método de autenticação para o servidor MCP",
   "dev.mcp.auth.label": "Tipo de autenticação",
   "dev.mcp.auth.none": "Sem autenticação",
+  "dev.mcp.auth.oauth": "OAuth",
+  "dev.mcp.auth.oauth.authorize": "Autorizar e Conectar",
+  "dev.mcp.auth.oauth.clientId.desc": "Deixe em branco para registrar um cliente automaticamente (registro dinâmico de cliente)",
+  "dev.mcp.auth.oauth.clientId.label": "ID do Cliente OAuth",
+  "dev.mcp.auth.oauth.clientId.placeholder": "Opcional",
+  "dev.mcp.auth.oauth.clientSecret.desc": "Necessário apenas para clientes OAuth confidenciais",
+  "dev.mcp.auth.oauth.clientSecret.label": "Segredo do Cliente OAuth",
+  "dev.mcp.auth.oauth.clientSecret.placeholder": "Opcional",
+  "dev.mcp.auth.oauth.redirectHint": "URI de redirecionamento para registrar no seu aplicativo OAuth:",
   "dev.mcp.auth.placeholder": "Selecione o tipo de autenticação",
   "dev.mcp.auth.token.desc": "Insira sua chave de API ou token Bearer",
   "dev.mcp.auth.token.label": "Chave de API",

locales/pt-BR/providers.json

@@ -4,6 +4,7 @@
   "ai360.description": "A 360 AI é uma plataforma de modelos e serviços da 360, oferecendo modelos de PLN como 360GPT2 Pro, 360GPT Pro e 360GPT Turbo. Os modelos combinam parâmetros em larga escala e capacidades multimodais para geração de texto, compreensão semântica, chat e código, com preços flexíveis para diferentes necessidades.",
   "aihubmix.description": "O AiHubMix oferece acesso a múltiplos modelos de IA por meio de uma API unificada.",
   "akashchat.description": "Akash é um mercado de recursos em nuvem sem permissão, com preços competitivos em relação aos provedores tradicionais.",
+  "antgroup.description": "Ant Ling é a série de modelos fundamentais do núcleo da iniciativa de Inteligência Geral Artificial (AGI) do Ant Group, dedicada a construir e disponibilizar capacidades avançadas de modelos fundamentais. Acreditamos que o desenvolvimento da inteligência deve avançar em direção à abertura, compartilhamento e escalabilidade—começando com pequenos passos práticos para impulsionar a evolução constante e a implementação no mundo real da AGI.",
   "anthropic.description": "A Anthropic desenvolve modelos de linguagem avançados como Claude 3.5 Sonnet, Claude 3 Sonnet, Claude 3 Opus e Claude 3 Haiku, equilibrando inteligência, velocidade e custo para cargas de trabalho empresariais e de resposta rápida.",
   "azure.description": "O Azure oferece modelos avançados de IA, incluindo as séries GPT-3.5 e GPT-4, para diversos tipos de dados e tarefas complexas, com foco em IA segura, confiável e sustentável.",
   "azureai.description": "O Azure fornece modelos avançados de IA, incluindo as séries GPT-3.5 e GPT-4, para diversos tipos de dados e tarefas complexas, com foco em IA segura, confiável e sustentável.",

locales/pt-BR/setting.json

@@ -280,7 +280,33 @@
   "defaultAgent.title": "Configurações Padrão do Agente",
   "devices.actions.edit": "Editar",
   "devices.actions.remove": "Remover",
+  "devices.capabilities.commands.desc": "Execute comandos de terminal com segurança no seu ambiente.",
+  "devices.capabilities.commands.title": "Executar comandos",
+  "devices.capabilities.files.desc": "Permita que os agentes acessem e organizem diretamente os arquivos no seu computador.",
+  "devices.capabilities.files.title": "Ler e escrever arquivos locais",
+  "devices.capabilities.title": "O que você pode fazer uma vez conectado",
+  "devices.capabilities.tools.desc": "Conecte ferramentas locais para ampliar o que os agentes podem fazer.",
+  "devices.capabilities.tools.title": "Chamar ferramentas do sistema",
   "devices.channel.connected": "Conectado {{time}}",
+  "devices.connectWizard.button": "Conectar Dispositivo",
+  "devices.connectWizard.cli.connectDesc": "Inicie o daemon em segundo plano para manter o dispositivo online e disponível para operações remotas.",
+  "devices.connectWizard.cli.connectTitle": "Iniciar o daemon",
+  "devices.connectWizard.cli.installDesc": "Instale o LobeHub CLI globalmente com seu gerenciador de pacotes preferido para habilitar a conectividade e gerenciamento do dispositivo.",
+  "devices.connectWizard.cli.installTitle": "Instalar o CLI",
+  "devices.connectWizard.cli.loginDesc": "Complete a autorização OAuth no seu navegador para vincular o CLI à sua conta.",
+  "devices.connectWizard.cli.loginTitle": "Entrar",
+  "devices.connectWizard.desktop.downloadLink": "Baixar LobeHub Desktop",
+  "devices.connectWizard.desktop.step1": "Baixe o aplicativo desktop",
+  "devices.connectWizard.desktop.step1Desc": "Visite a página de downloads do LobeHub e obtenha o aplicativo para o seu sistema operacional.",
+  "devices.connectWizard.desktop.step2": "Faça login e abra o gateway do dispositivo",
+  "devices.connectWizard.desktop.step2Desc": "Após fazer login, clique no ícone do gateway do dispositivo no canto superior direito e confirme que está ativado.",
+  "devices.connectWizard.desktop.step3": "Seu dispositivo aparece automaticamente",
+  "devices.connectWizard.desktop.step3Desc": "O aplicativo desktop se registra como um dispositivo ao ser iniciado — você o verá na lista assim que conectado.",
+  "devices.connectWizard.footer": "Apenas os metadados do dispositivo são registrados — seus dados nunca são acessados.",
+  "devices.connectWizard.method.cli": "Via CLI",
+  "devices.connectWizard.method.desktop": "Via Desktop",
+  "devices.connectWizard.subtitle": "Escolha como conectar seu computador ao LobeHub.",
+  "devices.connectWizard.title": "Conectar Dispositivo",
   "devices.currentBadge": "Este dispositivo",
   "devices.detail.addDir": "Adicionar diretório",
   "devices.detail.connections": "Conexões",
@@ -294,7 +320,13 @@
   "devices.edit.friendlyNamePlaceholder": "Um nome para reconhecer este dispositivo",
   "devices.edit.save": "Salvar",
   "devices.edit.title": "Editar dispositivo",
-  "devices.empty": "Nenhum dispositivo ainda. Conecte um com `lh connect` ou fazendo login no aplicativo desktop.",
+  "devices.empty.desc": "Uma vez conectado, os agentes do LobeHub podem ler/escrever arquivos, executar comandos e chamar ferramentas do sistema diretamente no seu computador.",
+  "devices.empty.methodCli.desc": "Instale o CLI no seu terminal — ideal para servidores ou máquinas sem interface gráfica.",
+  "devices.empty.methodCli.title": "Conectar via CLI",
+  "devices.empty.methodDesktop.badge": "Recomendado",
+  "devices.empty.methodDesktop.desc": "Baixe o aplicativo desktop, faça login e seu dispositivo se conecta automaticamente.",
+  "devices.empty.methodDesktop.title": "Conectar via Desktop",
+  "devices.empty.title": "Conecte seu primeiro dispositivo",
   "devices.fallbackBadge": "Identidade instável",
   "devices.fallbackTooltip": "Este dispositivo não pôde ser identificado pelo ID da máquina, então reinstalar o aplicativo pode criar uma entrada duplicada.",
   "devices.lastSeen": "Última atividade {{time}}",

locales/ru-RU/chat.json

@@ -15,6 +15,8 @@
   "agentBuilder.installPlugin.retry": "Повторить",
   "agentBuilder.title": "Конструктор агентов",
   "agentBuilder.welcome": "Расскажите, для чего вы хотите использовать меня.\n\nПисательство, программирование или анализ данных — всё подойдёт. Вы определяете цель и стандарты, а я разобью задачу на исполняемые, совместные действия агентов.",
+  "agentConfigError.retry": "Повторить",
+  "agentConfigError.title": "Не удалось загрузить настройки агента",
   "agentDefaultMessage": "Привет, я **{{name}}**. Одного предложения достаточно.\n\nХотите, чтобы я лучше соответствовал вашему рабочему процессу? Перейдите в [Настройки агента]({{url}}) и заполните профиль агента (вы можете изменить его в любое время).",
   "agentDefaultMessageWithSystemRole": "Привет, я **{{name}}**. Одного предложения достаточно — вы управляете процессом.",
   "agentDefaultMessageWithoutEdit": "Привет, я **{{name}}**. Одного предложения достаточно — вы управляете процессом.",
@@ -252,6 +254,10 @@
   "input.costEstimate.tooltip": "Оценка на основе текущего контекста, инструментов и цен модели. Фактическая стоимость может отличаться.",
   "input.disclaimer": "Агенты могут ошибаться. Используйте собственное суждение для критически важной информации.",
   "input.errorMsg": "Не удалось отправить: {{errorMsg}}. Повторите попытку позже.",
+  "input.inputCompletionError.desc": "Предложения ввода остановлены из-за ошибки. Повторите попытку или измените модель предложений в Настройках.",
+  "input.inputCompletionError.retry": "Повторить",
+  "input.inputCompletionError.settings": "Настройки",
+  "input.inputCompletionError.title": "Предложения ввода приостановлены",
   "input.more": "Ещё",
   "input.send": "Отправить",
   "input.sendWithCmdEnter": "Нажмите <key/>, чтобы отправить",
@@ -1006,7 +1012,9 @@
   "workingPanel.localFile.closeRight": "Закрыть справа",
   "workingPanel.localFile.error": "Не удалось загрузить этот файл",
   "workingPanel.localFile.preview.raw": "Сырой",
+  "workingPanel.localFile.preview.reload": "Перезагрузить предварительный просмотр",
   "workingPanel.localFile.preview.render": "Предпросмотр",
+  "workingPanel.localFile.preview.source": "Источник",
   "workingPanel.localFile.truncated": "Предварительный просмотр файла сокращен до {{limit}} символов",
   "workingPanel.progress": "Progress",
   "workingPanel.progress.allCompleted": "All tasks completed",

locales/ru-RU/modelProvider.json

@@ -239,6 +239,7 @@
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken32k.hint": "Для GLM-5 и GLM-4.7; управляет бюджетом токенов для рассуждений (максимум 32k).",
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken80k.hint": "Для серии Qwen3; управляет бюджетом токенов для рассуждений (максимум 80k).",
   "providerModels.item.modelConfig.extendParams.options.reasoningEffort.hint": "Для моделей OpenAI и других с поддержкой рассуждений; управляет усилиями на рассуждение.",
+  "providerModels.item.modelConfig.extendParams.options.ring2_6ReasoningEffort.hint": "Для серии Ring 2.6; регулирует интенсивность рассуждений.",
   "providerModels.item.modelConfig.extendParams.options.step3_5ReasoningEffort.hint": "Для серии Step 3.5; регулирует интенсивность рассуждений.",
   "providerModels.item.modelConfig.extendParams.options.textVerbosity.hint": "Для серии GPT-5+; управляет подробностью вывода.",
   "providerModels.item.modelConfig.extendParams.options.thinking.hint": "Для некоторых моделей Doubao; позволяет модели решать, нужно ли углублённое мышление.",

locales/ru-RU/models.json

@@ -27,15 +27,15 @@
   "DeepSeek-OCR.description": "DeepSeek-OCR — это модель восприятия и языка от DeepSeek AI, ориентированная на OCR и «контекстное оптическое сжатие». Она исследует методы сжатия контекста из изображений, эффективно обрабатывает документы и преобразует их в структурированный текст (например, Markdown). Точно распознаёт текст на изображениях и подходит для оцифровки документов, извлечения текста и структурированной обработки.",
   "DeepSeek-R1-Distill-Llama-70B.description": "DeepSeek R1, более крупная и умная модель из набора DeepSeek, дистиллирована в архитектуру Llama 70B. Бенчмарки и оценки людей показывают, что она умнее базовой Llama 70B, особенно в задачах по математике и точности фактов.",
   "DeepSeek-R1-Distill-Qwen-1.5B.description": "Дистиллированная модель DeepSeek-R1 на основе Qwen2.5-Math-1.5B. Обучение с подкреплением и данные холодного старта оптимизируют производительность в логических задачах, устанавливая новые мультизадачные бенчмарки среди открытых моделей.",
-  "DeepSeek-R1-Distill-Qwen-14B.description": "Модели DeepSeek-R1-Distill дообучены на основе открытых моделей с использованием выборок, сгенерированных DeepSeek-R1.",
-  "DeepSeek-R1-Distill-Qwen-32B.description": "Модели DeepSeek-R1-Distill дообучены на основе открытых моделей с использованием выборок, сгенерированных DeepSeek-R1.",
+  "DeepSeek-R1-Distill-Qwen-14B.description": "Дистиллированная модель DeepSeek-R1 на основе Qwen2.5-14B. Обучение с подкреплением и данные для холодного старта оптимизируют производительность в области рассуждений, устанавливая новые эталонные показатели для многозадачных открытых моделей.",
+  "DeepSeek-R1-Distill-Qwen-32B.description": "Серия DeepSeek-R1 улучшает производительность в области рассуждений с помощью обучения с подкреплением и данных для холодного старта, устанавливая новые эталонные показатели для многозадачных открытых моделей и превосходя OpenAI o1-mini.",
   "DeepSeek-R1-Distill-Qwen-7B.description": "Дистиллированная модель DeepSeek-R1 на основе Qwen2.5-Math-7B. Обучение с подкреплением и данные холодного старта оптимизируют производительность в логических задачах, устанавливая новые мультизадачные бенчмарки среди открытых моделей.",
-  "DeepSeek-R1.description": "DeepSeek-R1 применяет масштабное обучение с подкреплением на этапе дообучения, значительно улучшая логическое мышление при минимальной разметке. Сопоставима с OpenAI o1 в задачах по математике, программированию и языковому рассуждению.",
+  "DeepSeek-R1.description": "Современная эффективная LLM, сильная в рассуждениях, математике и программировании.",
   "DeepSeek-V3-1.description": "DeepSeek V3.1 — модель нового поколения для логических задач с улучшенными возможностями сложного рассуждения и цепочек размышлений, подходящая для глубокого анализа.",
   "DeepSeek-V3-Fast.description": "Провайдер: sophnet. DeepSeek V3 Fast — высокоэффективная версия DeepSeek V3 0324, с полной точностью (без квантования), улучшенной производительностью в коде и математике и более быстрыми ответами.",
   "DeepSeek-V3.1-Think.description": "Режим мышления DeepSeek-V3.1: новая гибридная модель рассуждения с режимами мышления и немышления, более эффективная, чем DeepSeek-R1-0528. Оптимизации после обучения значительно улучшают использование инструментов и выполнение агентных задач.",
   "DeepSeek-V3.2.description": "deepseek-v3.2 использует разреженный механизм внимания, что повышает эффективность обучения и инференса при обработке длинных текстов. Стоимость ниже, чем у deepseek-v3.1.",
-  "DeepSeek-V3.description": "DeepSeek-V3 — модель MoE, разработанная DeepSeek. Превосходит другие открытые модели, такие как Qwen2.5-72B и Llama-3.1-405B, по многим бенчмаркам и конкурирует с ведущими закрытыми моделями, такими как GPT-4o и Claude 3.5 Sonnet.",
+  "DeepSeek-V3.description": "Открытое развертывание ByteDance Volcengine в настоящее время является самым стабильным; рекомендуется. Автоматически обновлено до последней версии (250324).",
   "Doubao-lite-128k.description": "Doubao-lite обеспечивает сверхбыстрые ответы и отличное соотношение цены и качества, предлагая гибкие варианты для различных сценариев. Поддерживает контекст объемом 128K для вывода и дообучения.",
   "Doubao-lite-32k.description": "Doubao-lite обеспечивает сверхбыстрые ответы и отличное соотношение цены и качества, предлагая гибкие варианты для различных сценариев. Поддерживает контекст объемом 32K для вывода и дообучения.",
   "Doubao-lite-4k.description": "Doubao-lite обеспечивает сверхбыстрые ответы и отличное соотношение цены и качества, предлагая гибкие варианты для различных сценариев. Поддерживает контекст объемом 4K для вывода и дообучения.",
@@ -83,13 +83,12 @@
   "Kimi-K2.5.description": "Kimi K2.5 — самая мощная модель Kimi, обеспечивающая SOTA среди открытых моделей в агентных задачах, программировании и визуальном понимании. Поддерживает мультимодальные входы и режимы с размышлением и без него.",
   "Kolors.description": "Kolors — это модель преобразования текста в изображение, разработанная командой Kuaishou Kolors. Обученная на миллиардах параметров, она обладает заметными преимуществами в визуальном качестве, понимании китайской семантики и отображении текста.",
   "Kwai-Kolors/Kolors.description": "Kolors — это крупномасштабная латентно-диффузионная модель преобразования текста в изображение от команды Kuaishou Kolors. Обученная на миллиардах пар текст-изображение, она превосходит в визуальном качестве, точности сложной семантики и отображении текста на китайском и английском языках, с сильным пониманием и генерацией китайского контента.",
+  "Ling-2.5-1T.description": "Как последняя флагманская модель реального времени в серии Ling, Ling-2.5-1T представляет собой комплексные улучшения архитектуры модели, эффективности токенов и выравнивания предпочтений, направленные на повышение качества доступного ИИ на новый уровень.",
+  "Ling-2.6-1T.description": "Последняя флагманская модель крупного языкового ИИ, поддерживающая контекстное окно на 1 миллион токенов и обеспечивающая сквозной рабочий процесс от логического рассуждения до выполнения задач.",
+  "Ling-2.6-flash.description": "Ling-2.6-flash — это модель последнего поколения с высокой производительностью и стоимостью в серии Ling. Она использует архитектуру Mixture-of-Experts (MoE) с общим количеством параметров 100 миллиардов и 6,1 миллиарда активированных параметров на токен, достигая оптимального баланса между производительностью вывода и вычислительными затратами.",
   "Llama-3.2-11B-Vision-Instruct.description": "Мощное логическое мышление по изображениям высокого разрешения, подходит для приложений визуального понимания.",
-  "Llama-3.2-90B-Vision-Instruct\t.description": "Продвинутое логическое мышление по изображениям для приложений визуального понимания с агентами.",
+  "Llama-3.2-90B-Vision-Instruct.description": "Продвинутое визуальное рассуждение для приложений агентов визуального понимания.",
   "LongCat-2.0-Preview.description": "Ключевые особенности LongCat-2.0-Preview: создан для разработки агентов, имеет нативную поддержку инструментов, многошаговых рассуждений и задач с длинным контекстом; превосходно справляется с генерацией кода, автоматизацией рабочих процессов и выполнением сложных инструкций; тесно интегрирован с инструментами продуктивности, такими как Claude Code, OpenClaw, OpenCode и Kilo Code.",
-  "LongCat-Flash-Chat.description": "Модель LongCat-Flash-Chat была обновлена до новой версии. Это обновление включает улучшения возможностей модели; название модели и метод вызова API остаются без изменений. Основываясь на своих ключевых характеристиках «экстремальная эффективность» и «молниеносный отклик», новая версия еще больше усиливает понимание контекста и производительность в реальных задачах программирования: Значительно улучшенные возможности кодирования: Глубоко оптимизирована для сценариев, ориентированных на разработчиков, модель обеспечивает значительные улучшения в задачах генерации кода, отладки и объяснения. Разработчикам настоятельно рекомендуется оценить и протестировать эти улучшения. Поддержка 256K ультрадлинного контекста: Окно контекста увеличено вдвое по сравнению с предыдущим поколением (128K) до 256K, что позволяет эффективно обрабатывать массивные документы и задачи с длинными последовательностями. Комплексное улучшение многоязычной производительности: Обеспечивает сильную поддержку девяти языков, включая испанский, французский, арабский, португальский, русский и индонезийский. Более мощные возможности агента: Демонстрирует большую устойчивость и эффективность в сложных вызовах инструментов и выполнении многошаговых задач.",
-  "LongCat-Flash-Lite.description": "Модель LongCat-Flash-Lite была официально выпущена. Она использует эффективную архитектуру Mixture-of-Experts (MoE) с общим количеством параметров 68,5 миллиарда и примерно 3 миллиардами активных параметров. Благодаря использованию таблицы встраивания N-грамм достигается высокая эффективность использования параметров, а также глубокая оптимизация для эффективности вывода и конкретных сценариев применения. По сравнению с моделями аналогичного масштаба, ее основные характеристики следующие: Исключительная эффективность вывода: Используя таблицу встраивания N-грамм для фундаментального устранения узкого места ввода-вывода, присущего архитектурам MoE, в сочетании с выделенными механизмами кэширования и оптимизациями на уровне ядра, она значительно снижает задержку вывода и улучшает общую эффективность. Сильные возможности агента и кода: Демонстрирует высококонкурентные возможности в вызове инструментов и задачах разработки программного обеспечения, обеспечивая исключительную производительность относительно своего размера модели.",
-  "LongCat-Flash-Thinking-2601.description": "Модель LongCat-Flash-Thinking-2601 была официально выпущена. Это обновленная модель рассуждений, построенная на архитектуре Mixture-of-Experts (MoE), с общим количеством параметров 560 миллиардов. Сохраняя сильную конкурентоспособность в традиционных тестах на рассуждения, она систематически улучшает возможности рассуждений на уровне агентов благодаря крупномасштабному обучению с подкреплением в многообразных средах. По сравнению с моделью LongCat-Flash-Thinking, ключевые обновления следующие: Экстремальная устойчивость в шумных средах: Благодаря систематическому обучению в стиле учебного плана, нацеленному на шум и неопределенность в реальных условиях, модель демонстрирует выдающуюся производительность в вызове инструментов агентов, поиске на основе агентов и интегрированных с инструментами рассуждениях с значительно улучшенной обобщающей способностью. Мощные возможности агента: Построив тесно связанный граф зависимостей, охватывающий более 60 инструментов, и масштабируя обучение через расширение многообразных сред и крупномасштабное исследовательское обучение, модель значительно улучшает свою способность обобщать сложные и выходящие за рамки стандартных сценарии реального мира. Расширенный режим глубокого мышления: Расширяет широту рассуждений через параллельный вывод и углубляет аналитические способности через механизмы рекурсивного обратного резюмирования и абстрагирования, эффективно решая высоко сложные задачи.",
-  "LongCat-Flash-Thinking.description": "Чтобы обеспечить вам высочайшую производительность рассуждений, платформа LongCat API унифицировала и обновила обращения к модели LongCat-Flash-Thinking. Все текущие запросы с параметром model=LongCat-Flash-Thinking будут автоматически направлены на последнюю версию — LongCat-Flash-Thinking-2601 — без необходимости изменения кода.",
   "M2-her.description": "Модель текстового диалога, разработанная для ролевых игр и многоходовых разговоров, с возможностью настройки персонажей и выражения эмоций.",
   "Meta-Llama-3-3-70B-Instruct.description": "Llama 3.3 70B — это универсальная модель Transformer для задач чата и генерации.",
   "Meta-Llama-3.1-405B-Instruct.description": "Llama 3.1 — модель, настроенная на выполнение инструкций, оптимизированная для многоязычного чата, демонстрирующая высокие результаты на отраслевых бенчмарках среди открытых и закрытых моделей.",
@@ -187,27 +186,10 @@
   "Qwen2.5-Coder-14B-Instruct.description": "Qwen2.5-Coder-14B-Instruct — это крупномасштабная предварительно обученная модель для программирования, обладающая высокой способностью к пониманию и генерации кода. Она эффективно справляется с широким спектром задач программирования, идеально подходит для интеллектуального кодирования, автоматической генерации скриптов и вопросов по программированию.",
   "Qwen2.5-Coder-32B-Instruct.description": "Продвинутая языковая модель для генерации кода, логического рассуждения и исправления ошибок на основных языках программирования.",
   "Qwen3-235B-A22B-Instruct-2507-FP8.description": "Qwen3 235B A22B Instruct 2507 оптимизирована для продвинутого логического рассуждения и следования инструкциям, использует архитектуру MoE для эффективного масштабирования рассуждений.",
-  "Qwen3-235B.description": "Qwen3-235B-A22B — это модель MoE с гибридным режимом рассуждения, позволяющим пользователям переключаться между режимами мышления и немышления. Она поддерживает понимание и рассуждение на 119 языках и диалектах, обладает мощными возможностями вызова инструментов и конкурирует с ведущими моделями, такими как DeepSeek R1, OpenAI o1, o3-mini, Grok 3 и Google Gemini 2.5 Pro, по общим способностям, программированию, математике, многоязычности и логическому мышлению.",
-  "Qwen3-32B.description": "Qwen3-32B — это плотная модель с гибридным режимом рассуждения, позволяющая пользователям переключаться между режимами мышления и немышления. Благодаря улучшениям в архитектуре, большему объёму данных и более качественному обучению, она демонстрирует производительность, сопоставимую с Qwen2.5-72B.",
   "Qwen3.5-Plus.description": "Qwen3.5 Plus поддерживает ввод текста, изображений и видео. Производительность в текстовых задачах сопоставима с Qwen3 Max, но модель быстрее и дешевле. Мультимодальные возможности значительно улучшены по сравнению с серией Qwen3 VL.",
+  "Ring-2.5-1T.description": "По сравнению с ранее выпущенной Ring-1T, Ring-2.5-1T достигает значительных улучшений по трем ключевым направлениям: эффективность генерации, глубина рассуждений и способность выполнения задач на длинных горизонтах: **Эффективность генерации**: Используя высокую долю линейных механизмов внимания, Ring-2.5-1T снижает накладные расходы на доступ к памяти более чем в 10 раз. При обработке последовательностей, превышающих 32K токенов, она обеспечивает более чем в 3 раза большую пропускную способность генерации, что делает её особенно подходящей для глубоких рассуждений и выполнения задач на длинных горизонтах. **Глубокие рассуждения**: На основе RLVR введен плотный механизм вознаграждения, который предоставляет обратную связь о строгости процесса рассуждений. Это позволяет Ring-2.5-1T достигать уровня золотой медали как на IMO 2025, так и на CMO 2025 (самооценка). **Выполнение задач на длинных горизонтах**: Благодаря крупномасштабному полностью асинхронному обучению с подкреплением на основе агентов, модель значительно улучшает свою способность автономно выполнять сложные задачи в течение длительных периодов. Это позволяет Ring-2.5-1T бесшовно интегрироваться с фреймворками программирования агентов, такими как Claude Code и OpenClaw персональные ИИ-ассистенты.",
+  "Ring-2.6-1T.description": "Ring-2.6-1T — это модель для рассуждений масштаба триллиона параметров, активирующая около 63 миллиардов параметров на один вывод. Разработана для рабочих процессов агентов, с акцентом на возможности агентов, использование инструментов и выполнение задач на длинных горизонтах, достигая ведущих результатов на таких эталонах, как PinchBench, ClawEval, TAU2-Bench и GAIA2-search. Модель оптимизирована по качеству выполнения, задержке и стоимости, что делает её подходящей для продвинутых агентов программирования, сложных конвейеров рассуждений и крупномасштабных автономных систем.",
   "S2V-01.description": "Базовая модель преобразования ссылки в видео серии 01.",
-  "SenseChat-128K.description": "Базовая модель V4 с контекстом 128K, сильна в понимании и генерации длинных текстов.",
-  "SenseChat-32K.description": "Базовая модель V4 с контекстом 32K, гибкая для различных сценариев.",
-  "SenseChat-5-1202.description": "Последняя версия на основе V5.5 с существенными улучшениями в базовых знаниях китайского и английского языков, чатах, знаниях в области STEM и гуманитарных наук, письме, математике/логике и управлении длиной текста.",
-  "SenseChat-5-Cantonese.description": "Разработана с учётом диалоговых привычек Гонконга, сленга и местных знаний; превосходит GPT-4 в понимании кантонского языка и сопоставима с GPT-4 Turbo по знаниям, логике, математике и программированию.",
-  "SenseChat-5-beta.description": "Некоторые характеристики превосходят SenseChat-5-1202.",
-  "SenseChat-5.description": "Последняя версия V5.5 с контекстом 128K; значительные улучшения в математическом рассуждении, английском чате, следовании инструкциям и понимании длинных текстов, сопоставима с GPT-4o.",
-  "SenseChat-Character-Pro.description": "Продвинутая модель для общения с персонажами с контекстом 32K, улучшенными возможностями и поддержкой китайского и английского языков.",
-  "SenseChat-Character.description": "Стандартная модель для общения с персонажами с контекстом 8K и высокой скоростью отклика.",
-  "SenseChat-Turbo-1202.description": "Последняя облегчённая модель, достигающая более 90% возможностей полной модели при значительно меньших затратах на вывод.",
-  "SenseChat-Turbo.description": "Подходит для быстрого ответа на вопросы и сценариев дообучения модели.",
-  "SenseChat-Vision.description": "Последняя версия V5.5 с поддержкой нескольких изображений и широкими улучшениями в распознавании атрибутов, пространственных отношений, действий/событий, понимании сцен, распознавании эмоций, логическом мышлении и понимании/генерации текста.",
-  "SenseChat.description": "Базовая модель V4 с контекстом 4K и высокой общей производительностью.",
-  "SenseNova-V6-5-Pro.description": "Благодаря комплексным обновлениям мультимодальных, языковых и логических данных, а также оптимизации стратегии обучения, новая модель значительно улучшает мультимодальное рассуждение и универсальное следование инструкциям, поддерживает контекст до 128K и превосходно справляется с задачами OCR и распознаванием IP в сфере культуры и туризма.",
-  "SenseNova-V6-5-Turbo.description": "Благодаря комплексным обновлениям мультимодальных, языковых и логических данных, а также оптимизации стратегии обучения, новая модель значительно улучшает мультимодальное рассуждение и универсальное следование инструкциям, поддерживает контекст до 128K и превосходно справляется с задачами OCR и распознаванием IP в сфере культуры и туризма.",
-  "SenseNova-V6-Pro.description": "Нативно объединяет изображение, текст и видео, преодолевая традиционные ограничения мультимодальности; занимает лидирующие позиции в OpenCompass и SuperCLUE.",
-  "SenseNova-V6-Reasoner.description": "Объединяет глубокое логическое мышление в области зрения и языка, поддерживает медленное мышление и полную цепочку рассуждений.",
-  "SenseNova-V6-Turbo.description": "Нативно объединяет изображение, текст и видео, преодолевая традиционные ограничения мультимодальности. Лидирует по основным мультимодальным и языковым возможностям и занимает топовые позиции в различных оценках.",
   "Skylark2-lite-8k.description": "Модель второго поколения Skylark. Skylark2-lite обеспечивает быстрые ответы в реальном времени для задач с ограниченным бюджетом и невысокими требованиями к точности, с контекстом 8K.",
   "Skylark2-pro-32k.description": "Модель второго поколения Skylark. Skylark2-pro обеспечивает высокую точность для сложной генерации текста, такой как профессиональный копирайтинг, написание романов и высококачественный перевод, с контекстом 32K.",
   "Skylark2-pro-4k.description": "Модель второго поколения Skylark. Skylark2-pro обеспечивает высокую точность для сложной генерации текста, такой как профессиональный копирайтинг, написание романов и высококачественный перевод, с контекстом 4K.",
@@ -1197,6 +1179,8 @@
   "r1-1776.description": "R1-1776 — дообученный вариант DeepSeek R1, предназначенный для предоставления нецензурированной, объективной и достоверной информации.",
   "seedance-1-5-pro-251215.description": "Seedance 1.5 Pro от ByteDance поддерживает преобразование текста в видео, изображений в видео (первый кадр, первый+последний кадр) и генерацию аудио, синхронизированного с визуальными эффектами.",
   "seedream-5-0-260128.description": "ByteDance-Seedream-5.0-lite от BytePlus включает генерацию с дополнением веб-поиска для получения актуальной информации, улучшенную интерпретацию сложных запросов и повышенную согласованность референсов для профессионального визуального творчества.",
+  "sensenova-6.7-flash-lite.description": "Легковесная мультимодальная модель-агент, разработанная для рабочих процессов в реальном мире, поддерживающая как текстовые беседы, так и понимание изображений. Легкая и эффективная, сбалансированная по производительности, стоимости и возможностям развертывания. Родная мультимодальная архитектура с поддержкой понимания изображений, включая OCR и интерпретацию диаграмм. Улучшена для офисных и производственных сценариев, со стабильной поддержкой сложных задач с длинной цепочкой. Повышена эффективность токенов, что позволяет лучше контролировать затраты на сложные рабочие нагрузки. Контекстная длина составляет 256K токенов (максимальный ввод: 252K, максимальный вывод: 64K).",
+  "sensenova-u1-fast.description": "Ускоренная версия на основе SenseNova U1, специально оптимизированная для генерации инфографики.",
   "solar-mini-ja.description": "Solar Mini (Ja) расширяет возможности Solar Mini с акцентом на японский язык, сохраняя при этом высокую эффективность и производительность на английском и корейском.",
   "solar-mini.description": "Solar Mini — компактная LLM-модель, превосходящая GPT-3.5, с мощной многоязычной поддержкой английского и корейского языков, предлагающая эффективное решение с малым объемом.",
   "solar-pro.description": "Solar Pro — интеллектуальная LLM-модель от Upstage, ориентированная на следование инструкциям на одном GPU, с результатами IFEval выше 80. В настоящее время поддерживает английский язык; полный релиз с расширенной языковой поддержкой и увеличенным контекстом запланирован на ноябрь 2024 года.",

locales/ru-RU/plugin.json

@@ -1,11 +1,21 @@
 {
   "arguments.moreParams": "Всего параметров: {{count}}",
   "arguments.title": "Аргументы",
+  "builtins.codex.apiName.collab_tool_call": "Координировать субагентов",
   "builtins.codex.apiName.command_execution": "Выполнить команду",
   "builtins.codex.apiName.file_change": "Редактировать файлы",
   "builtins.codex.apiName.mcp_tool_call": "Вызвать инструмент MCP",
   "builtins.codex.apiName.todo_list": "Обновить задачи",
   "builtins.codex.apiName.web_search": "Искать в интернете",
+  "builtins.codex.collabTool.agentCount_one": "{{count}} субагент",
+  "builtins.codex.collabTool.agentCount_other": "{{count}} субагентов",
+  "builtins.codex.collabTool.agentLabel": "Субагент {{index}}",
+  "builtins.codex.collabTool.agents": "Субагенты",
+  "builtins.codex.collabTool.closeAgent": "Закрыть субагента",
+  "builtins.codex.collabTool.instruction": "Инструкция",
+  "builtins.codex.collabTool.sendInput": "Отправить сообщение субагенту",
+  "builtins.codex.collabTool.spawnAgent": "Создать субагента",
+  "builtins.codex.collabTool.wait": "Ожидание субагентов",
   "builtins.codex.commandExecution.grep": "Поиск",
   "builtins.codex.commandExecution.noResults": "Нет результатов",
   "builtins.codex.commandExecution.readFile": "Читать файл",
@@ -447,6 +457,15 @@
   "dev.mcp.auth.desc": "Выберите метод аутентификации для сервера MCP",
   "dev.mcp.auth.label": "Тип авторизации",
   "dev.mcp.auth.none": "Без авторизации",
+  "dev.mcp.auth.oauth": "OAuth",
+  "dev.mcp.auth.oauth.authorize": "Авторизовать и подключить",
+  "dev.mcp.auth.oauth.clientId.desc": "Оставьте пустым для автоматической регистрации клиента (динамическая регистрация клиента)",
+  "dev.mcp.auth.oauth.clientId.label": "ID клиента OAuth",
+  "dev.mcp.auth.oauth.clientId.placeholder": "Необязательно",
+  "dev.mcp.auth.oauth.clientSecret.desc": "Требуется только для конфиденциальных OAuth клиентов",
+  "dev.mcp.auth.oauth.clientSecret.label": "Секрет клиента OAuth",
+  "dev.mcp.auth.oauth.clientSecret.placeholder": "Необязательно",
+  "dev.mcp.auth.oauth.redirectHint": "URI перенаправления для регистрации в вашем OAuth приложении:",
   "dev.mcp.auth.placeholder": "Выберите тип авторизации",
   "dev.mcp.auth.token.desc": "Введите ваш API-ключ или Bearer Token",
   "dev.mcp.auth.token.label": "API-ключ",

locales/ru-RU/providers.json

@@ -4,6 +4,7 @@
   "ai360.description": "360 AI — это платформа моделей и сервисов от компании 360, предлагающая модели обработки естественного языка, такие как 360GPT2 Pro, 360GPT Pro и 360GPT Turbo. Эти модели сочетают в себе масштабные параметры и мультимодальные возможности для генерации текста, семантического понимания, общения и программирования, с гибкой ценовой политикой для различных задач.",
   "aihubmix.description": "AiHubMix предоставляет доступ к нескольким ИИ-моделям через единый API.",
   "akashchat.description": "Akash — это децентрализованный маркетплейс облачных ресурсов с конкурентными ценами по сравнению с традиционными облачными провайдерами.",
+  "antgroup.description": "Ant Ling — это основная серия моделей Ant Group в рамках инициативы Искусственного Общего Интеллекта (AGI), посвященная созданию и внедрению передовых возможностей базовых моделей. Мы верим, что развитие интеллекта должно двигаться в сторону открытости, обмена и масштабируемости — начиная с небольших, практических шагов, чтобы обеспечить устойчивую эволюцию и реальное внедрение AGI.",
   "anthropic.description": "Anthropic разрабатывает передовые языковые модели, такие как Claude 3.5 Sonnet, Claude 3 Sonnet, Claude 3 Opus и Claude 3 Haiku, обеспечивая баланс между интеллектом, скоростью и стоимостью для корпоративных и оперативных задач.",
   "azure.description": "Azure предлагает передовые ИИ-модели, включая серии GPT-3.5 и GPT-4, для работы с различными типами данных и сложными задачами, с акцентом на безопасность, надежность и устойчивость.",
   "azureai.description": "Azure предоставляет передовые ИИ-модели, включая серии GPT-3.5 и GPT-4, для работы с различными типами данных и сложными задачами, с акцентом на безопасность, надежность и устойчивость.",

locales/ru-RU/setting.json

@@ -280,7 +280,33 @@
   "defaultAgent.title": "Настройки агента по умолчанию",
   "devices.actions.edit": "Редактировать",
   "devices.actions.remove": "Удалить",
+  "devices.capabilities.commands.desc": "Безопасно выполняйте команды терминала в вашей среде.",
+  "devices.capabilities.commands.title": "Выполнить команды",
+  "devices.capabilities.files.desc": "Позвольте агентам напрямую получать доступ к файлам на вашем компьютере и организовывать их.",
+  "devices.capabilities.files.title": "Чтение и запись локальных файлов",
+  "devices.capabilities.title": "Что вы можете делать после подключения",
+  "devices.capabilities.tools.desc": "Подключите локальные инструменты, чтобы расширить возможности агентов.",
+  "devices.capabilities.tools.title": "Вызов системных инструментов",
   "devices.channel.connected": "Подключено {{time}}",
+  "devices.connectWizard.button": "Подключить устройство",
+  "devices.connectWizard.cli.connectDesc": "Запустите фоновый демон, чтобы устройство оставалось онлайн и было доступно для удаленных операций.",
+  "devices.connectWizard.cli.connectTitle": "Запустить демон",
+  "devices.connectWizard.cli.installDesc": "Установите LobeHub CLI глобально с помощью предпочитаемого пакетного менеджера для обеспечения подключения и управления устройством.",
+  "devices.connectWizard.cli.installTitle": "Установить CLI",
+  "devices.connectWizard.cli.loginDesc": "Завершите авторизацию OAuth в вашем браузере, чтобы связать CLI с вашей учетной записью.",
+  "devices.connectWizard.cli.loginTitle": "Войти",
+  "devices.connectWizard.desktop.downloadLink": "Скачать LobeHub Desktop",
+  "devices.connectWizard.desktop.step1": "Скачайте приложение для рабочего стола",
+  "devices.connectWizard.desktop.step1Desc": "Посетите страницу загрузок LobeHub и скачайте приложение для вашей операционной системы.",
+  "devices.connectWizard.desktop.step2": "Войдите в систему и откройте шлюз устройства",
+  "devices.connectWizard.desktop.step2Desc": "После входа в систему нажмите на значок шлюза устройства в правом верхнем углу и убедитесь, что он включен.",
+  "devices.connectWizard.desktop.step3": "Ваше устройство появится автоматически",
+  "devices.connectWizard.desktop.step3Desc": "Приложение для рабочего стола регистрирует себя как устройство при запуске — вы увидите его в списке после подключения.",
+  "devices.connectWizard.footer": "Регистрируются только метаданные устройства — ваши данные никогда не используются.",
+  "devices.connectWizard.method.cli": "Через CLI",
+  "devices.connectWizard.method.desktop": "Через Desktop",
+  "devices.connectWizard.subtitle": "Выберите способ подключения вашего компьютера к LobeHub.",
+  "devices.connectWizard.title": "Подключить устройство",
   "devices.currentBadge": "Это устройство",
   "devices.detail.addDir": "Добавить директорию",
   "devices.detail.connections": "Подключения",
@@ -294,7 +320,13 @@
   "devices.edit.friendlyNamePlaceholder": "Имя для идентификации этого устройства",
   "devices.edit.save": "Сохранить",
   "devices.edit.title": "Редактировать устройство",
-  "devices.empty": "Устройств пока нет. Подключите одно с помощью `lh connect` или войдите в приложение для рабочего стола.",
+  "devices.empty.desc": "После подключения агенты LobeHub смогут читать/записывать файлы, выполнять команды и вызывать системные инструменты напрямую на вашем компьютере.",
+  "devices.empty.methodCli.desc": "Установите CLI в вашем терминале — отлично подходит для серверов или машин без графического интерфейса.",
+  "devices.empty.methodCli.title": "Подключение через CLI",
+  "devices.empty.methodDesktop.badge": "Рекомендуется",
+  "devices.empty.methodDesktop.desc": "Скачайте приложение для рабочего стола, войдите в систему, и ваше устройство подключится автоматически.",
+  "devices.empty.methodDesktop.title": "Подключение через Desktop",
+  "devices.empty.title": "Подключите ваше первое устройство",
   "devices.fallbackBadge": "Нестабильная идентификация",
   "devices.fallbackTooltip": "Это устройство не удалось идентифицировать по его ID машины, поэтому переустановка приложения может создать дублирующую запись.",
   "devices.lastSeen": "Последняя активность {{time}}",

locales/tr-TR/chat.json

@@ -15,6 +15,8 @@
   "agentBuilder.installPlugin.retry": "Tekrar Dene",
   "agentBuilder.title": "Ajan Oluşturucu",
   "agentBuilder.welcome": "Kullanım senaryonu bana anlat.\n\nYazma, kodlama veya veri analizi—hepsi olur. Hedef ve standartlar sana ait; ben bunları işbirlikçi, çalıştırılabilir Ajanlara dönüştürürüm.",
+  "agentConfigError.retry": "Tekrar Dene",
+  "agentConfigError.title": "Ajans ayarları yüklenemedi",
   "agentDefaultMessage": "Merhaba, ben **{{name}}**. Bir cümle yeterli.\n\nİş akışına daha iyi uyum sağlamamı ister misin? [Ajan Ayarları]({{url}}) bölümüne gidip Ajan Profilini doldur (istediğin zaman düzenleyebilirsin).",
   "agentDefaultMessageWithSystemRole": "Merhaba, ben **{{name}}**. Bir cümle yeterli—kontrol sende.",
   "agentDefaultMessageWithoutEdit": "Merhaba, ben **{{name}}**. Bir cümle yeterli—kontrol sende.",
@@ -252,6 +254,10 @@
   "input.costEstimate.tooltip": "Mevcut bağlam, araçlar ve model fiyatlandırmasına göre tahmin edilmiştir. Gerçek maliyet değişebilir.",
   "input.disclaimer": "Ajanlar hata yapabilir. Kritik bilgiler için kendi yargınızı kullanın.",
   "input.errorMsg": "Gönderme başarısız: {{errorMsg}}. Tekrar deneyin veya daha sonra yeniden gönderin.",
+  "input.inputCompletionError.desc": "Bir hata nedeniyle giriş önerileri durduruldu. Tekrar deneyin veya Ayarlar'da öneri modelini ayarlayın.",
+  "input.inputCompletionError.retry": "Tekrar Dene",
+  "input.inputCompletionError.settings": "Ayarlar",
+  "input.inputCompletionError.title": "Giriş önerileri duraklatıldı",
   "input.more": "Daha Fazla",
   "input.send": "Gönder",
   "input.sendWithCmdEnter": "Göndermek için <key/> tuşuna basın",
@@ -1006,7 +1012,9 @@
   "workingPanel.localFile.closeRight": "Sağdakileri Kapat",
   "workingPanel.localFile.error": "Bu dosya yüklenemedi",
   "workingPanel.localFile.preview.raw": "Ham",
+  "workingPanel.localFile.preview.reload": "Önizlemeyi Yeniden Yükle",
   "workingPanel.localFile.preview.render": "Önizleme",
+  "workingPanel.localFile.preview.source": "Kaynak",
   "workingPanel.localFile.truncated": "Dosya önizlemesi {{limit}} karakterle sınırlandırıldı",
   "workingPanel.progress": "Progress",
   "workingPanel.progress.allCompleted": "All tasks completed",

locales/tr-TR/modelProvider.json

@@ -239,6 +239,7 @@
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken32k.hint": "GLM-5 ve GLM-4.7 için; akıl yürütme için token bütçesini kontrol eder (maksimum 32k).",
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken80k.hint": "Qwen3 serisi için; akıl yürütme için token bütçesini kontrol eder (maksimum 80k).",
   "providerModels.item.modelConfig.extendParams.options.reasoningEffort.hint": "OpenAI ve akıl yürütme yeteneğine sahip diğer modeller için; akıl yürütme çabasını kontrol eder.",
+  "providerModels.item.modelConfig.extendParams.options.ring2_6ReasoningEffort.hint": "Ring 2.6 serisi için; akıl yürütme yoğunluğunu kontrol eder.",
   "providerModels.item.modelConfig.extendParams.options.step3_5ReasoningEffort.hint": "Step 3.5 serisi için; akıl yürütme yoğunluğunu kontrol eder.",
   "providerModels.item.modelConfig.extendParams.options.textVerbosity.hint": "GPT-5+ serisi için; çıktıdaki ayrıntı düzeyini kontrol eder.",
   "providerModels.item.modelConfig.extendParams.options.thinking.hint": "Bazı Doubao modelleri için; modelin derin düşünme gerekip gerekmediğine karar vermesine izin verir.",

locales/tr-TR/models.json

@@ -27,15 +27,15 @@
   "DeepSeek-OCR.description": "DeepSeek-OCR, DeepSeek AI tarafından geliştirilen, OCR ve bağlam optik sıkıştırmaya odaklanan bir görsel-dil modelidir. Görsellerden bağlam sıkıştırmayı araştırır, belgeleri verimli şekilde işler ve bunları yapılandırılmış metne (ör. Markdown) dönüştürür. Görsellerdeki metni yüksek doğrulukla tanır; belge dijitalleştirme, metin çıkarma ve yapılandırılmış işleme için uygundur.",
   "DeepSeek-R1-Distill-Llama-70B.description": "DeepSeek R1, DeepSeek serisinin daha büyük ve daha akıllı modeli olarak Llama 70B mimarisine damıtılmıştır. Kıyaslamalar ve insan değerlendirmeleri, özellikle matematik ve bilgi doğruluğu görevlerinde temel Llama 70B'den daha akıllı olduğunu göstermektedir.",
   "DeepSeek-R1-Distill-Qwen-1.5B.description": "Qwen2.5-Math-1.5B tabanlı bir DeepSeek-R1 damıtılmış modelidir. Pekiştirmeli öğrenme ve soğuk başlangıç verileri, akıl yürütme performansını optimize eder ve açık modeller için yeni çok görevli kıyaslamalar belirler.",
-  "DeepSeek-R1-Distill-Qwen-14B.description": "DeepSeek-R1-Distill modelleri, DeepSeek-R1 tarafından üretilen örnek verilerle açık kaynaklı modellerden ince ayarlanmıştır.",
-  "DeepSeek-R1-Distill-Qwen-32B.description": "DeepSeek-R1-Distill modelleri, DeepSeek-R1 tarafından üretilen örnek verilerle açık kaynaklı modellerden ince ayarlanmıştır.",
+  "DeepSeek-R1-Distill-Qwen-14B.description": "Qwen2.5-14B tabanlı bir DeepSeek-R1 distile modeli. Takviyeli öğrenme ve soğuk başlangıç verileri, akıl yürütme performansını optimize ederek açık modeller için yeni çoklu görev ölçütleri belirler.",
+  "DeepSeek-R1-Distill-Qwen-32B.description": "DeepSeek-R1 serisi, takviyeli öğrenme ve soğuk başlangıç verileri ile akıl yürütme performansını artırır, açık modeller için yeni çoklu görev ölçütleri belirler ve OpenAI o1-mini'yi geride bırakır.",
   "DeepSeek-R1-Distill-Qwen-7B.description": "Qwen2.5-Math-7B tabanlı bir DeepSeek-R1 damıtılmış modelidir. Pekiştirmeli öğrenme ve soğuk başlangıç verileri, akıl yürütme performansını optimize eder ve açık modeller için yeni çok görevli kıyaslamalar belirler.",
-  "DeepSeek-R1.description": "DeepSeek-R1, son eğitim aşamasında büyük ölçekli pekiştirmeli öğrenme uygulayarak çok az etiketli veriyle akıl yürütme yeteneğini büyük ölçüde artırır. Matematik, kodlama ve doğal dil akıl yürütme görevlerinde OpenAI o1 üretim modeliyle eşleşir.",
+  "DeepSeek-R1.description": "Akıl yürütme, matematik ve kodlama konularında güçlü, son teknoloji verimli bir LLM.",
   "DeepSeek-V3-1.description": "DeepSeek V3.1, gelişmiş karmaşık akıl yürütme ve düşünce zinciri ile yeni nesil bir akıl yürütme modelidir; derin analiz görevleri için uygundur.",
   "DeepSeek-V3-Fast.description": "Sağlayıcı: sophnet. DeepSeek V3 Fast, DeepSeek V3 0324’ün yüksek TPS sürümüdür; tam hassasiyetlidir (kuantize edilmemiştir), daha güçlü kod ve matematik yeteneklerine sahiptir ve daha hızlı yanıtlar sunar.",
   "DeepSeek-V3.1-Think.description": "DeepSeek-V3.1 düşünme modu: düşünme ve düşünmeme modlarını birleştiren yeni bir hibrit akıl yürütme modeli, DeepSeek-R1-0528’den daha verimlidir. Son eğitim optimizasyonları, ajan araç kullanımı ve görev performansını önemli ölçüde artırır.",
   "DeepSeek-V3.2.description": "deepseek-v3.2, uzun metinleri işlerken eğitim ve çıkarım verimliliğini artırmayı amaçlayan seyrek dikkat (sparse attention) mekanizmasını tanıtır ve deepseek-v3.1’e kıyasla daha düşük maliyetlidir.",
-  "DeepSeek-V3.description": "DeepSeek-V3, DeepSeek tarafından geliştirilen bir MoE modelidir. Qwen2.5-72B ve Llama-3.1-405B gibi diğer açık modelleri birçok kıyaslamada geride bırakır ve GPT-4o ile Claude 3.5 Sonnet gibi önde gelen kapalı modellerle rekabet eder.",
+  "DeepSeek-V3.description": "ByteDance Volcengine’in açık dağıtımı şu anda en istikrarlı olanıdır; önerilir. En son sürüme (250324) otomatik olarak yükseltilmiştir.",
   "Doubao-lite-128k.description": "Doubao-lite, ultra hızlı yanıtlar ve daha iyi değer sunar; senaryolar arasında esnek seçenekler sunar. 128K bağlamı çıkarım ve ince ayar için destekler.",
   "Doubao-lite-32k.description": "Doubao-lite, ultra hızlı yanıtlar ve daha iyi değer sunar; senaryolar arasında esnek seçenekler sunar. 32K bağlamı çıkarım ve ince ayar için destekler.",
   "Doubao-lite-4k.description": "Doubao-lite, ultra hızlı yanıtlar ve daha iyi değer sunar; senaryolar arasında esnek seçenekler sunar. 4K bağlamı çıkarım ve ince ayar için destekler.",
@@ -83,13 +83,12 @@
   "Kimi-K2.5.description": "Kimi K2.5, Kimi modelleri arasında en yetenekli olanıdır; ajan görevleri, kodlama ve görsel anlama alanlarında açık kaynak SOTA performans sunar. Çok modlu girdileri ve hem düşünme hem de düşünmesiz modları destekler.",
   "Kolors.description": "Kolors, Kuaishou Kolors ekibi tarafından geliştirilen bir metinden-görüntüye modeldir. Milyarlarca parametreyle eğitilmiş olup görsel kalite, Çince anlamsal anlama ve metin işleme konularında belirgin avantajlara sahiptir.",
   "Kwai-Kolors/Kolors.description": "Kolors, Kuaishou Kolors ekibi tarafından geliştirilen büyük ölçekli gizli difüzyon metinden-görüntüye modelidir. Milyarlarca metin-görsel çiftiyle eğitilmiş olup görsel kalite, karmaşık anlamsal doğruluk ve Çince/İngilizce metin işleme konularında öne çıkar. Güçlü Çince içerik anlama ve üretim yeteneklerine sahiptir.",
+  "Ling-2.5-1T.description": "Ling serisinin en son amiral gemisi gerçek zamanlı modeli olan Ling-2.5-1T, model mimarisi, token verimliliği ve tercih uyumu alanlarında kapsamlı iyileştirmeler sunarak erişilebilir yapay zekanın kalitesini yeni bir seviyeye taşımayı hedefliyor.",
+  "Ling-2.6-1T.description": "1M-token bağlam penceresi desteği sunan ve mantıksal akıl yürütmeden görev yürütmeye kadar uçtan uca bir iş akışını mümkün kılan en son amiral gemisi büyük dil modeli.",
+  "Ling-2.6-flash.description": "Ling serisinin en son nesil yüksek maliyet-performans modeli olan Ling-2.6-flash, Mixture-of-Experts (MoE) mimarisini benimser, toplamda 100B parametreye ve token başına 6.1B aktif parametreye sahiptir, çıkarım performansı ile hesaplama maliyeti arasında optimal bir denge sağlar.",
   "Llama-3.2-11B-Vision-Instruct.description": "Yüksek çözünürlüklü görsellerde güçlü görsel akıl yürütme; görsel anlama uygulamaları için uygundur.",
-  "Llama-3.2-90B-Vision-Instruct\t.description": "Görsel anlama ajan uygulamaları için gelişmiş görsel akıl yürütme.",
+  "Llama-3.2-90B-Vision-Instruct.description": "Görsel-anlama ajan uygulamaları için gelişmiş görüntü akıl yürütme.",
   "LongCat-2.0-Preview.description": "LongCat-2.0-Preview’ün temel özellikleri şunlardır: Aracı (agent) geliştirme senaryoları için tasarlanmıştır; araç kullanımı, çok adımlı akıl yürütme ve uzun bağlam görevlerini yerel olarak destekler. Kod üretimi, otomatik iş akışları ve karmaşık talimat yürütme konularında üstündür. Claude Code, OpenClaw, OpenCode ve Kilo Code gibi üretkenlik araçlarıyla derin entegrasyon sunar.",
-  "LongCat-Flash-Chat.description": "LongCat-Flash-Chat modeli yeni bir sürüme yükseltildi. Bu güncelleme yalnızca model yeteneklerini geliştirmeyi içerir; model adı ve API çağrı yöntemi değişmeden kalır. “Aşırı verimlilik” ve “yıldırım hızında yanıt” özellikleri üzerine inşa edilen yeni sürüm, bağlamsal anlayış ve gerçek dünya programlama performansını daha da güçlendirir: Önemli Derecede Geliştirilmiş Kodlama Yetenekleri: Geliştirici odaklı senaryolar için derinlemesine optimize edilmiş olan model, kod üretimi, hata ayıklama ve açıklama görevlerinde önemli iyileştirmeler sunar. Geliştiricilerin bu iyileştirmeleri değerlendirmesi ve karşılaştırması şiddetle tavsiye edilir. 256K Ultra-Uzun Bağlam Desteği: Bağlam penceresi önceki nesilden (128K) 256K'ya çıkarılarak büyük belgelerin ve uzun dizilim görevlerinin verimli bir şekilde işlenmesini sağlar. Kapsamlı Olarak Geliştirilmiş Çok Dilli Performans: İspanyolca, Fransızca, Arapça, Portekizce, Rusça ve Endonezce dahil olmak üzere dokuz dile güçlü destek sağlar. Daha Güçlü Aracı Yetenekleri: Karmaşık araç çağrısı ve çok adımlı görev yürütmede daha fazla dayanıklılık ve verimlilik sergiler.",
-  "LongCat-Flash-Lite.description": "LongCat-Flash-Lite modeli resmi olarak piyasaya sürüldü. 68,5 milyar toplam parametre ve yaklaşık 3 milyar aktif parametre ile verimli bir Uzmanlar Karışımı (MoE) mimarisi benimser. N-gram gömme tablosu kullanımı sayesinde, parametre kullanımında yüksek verimlilik sağlar ve çıkarım verimliliği ve belirli uygulama senaryoları için derinlemesine optimize edilmiştir. Benzer ölçekli modellere kıyasla temel özellikleri şunlardır: Olağanüstü Çıkarım Verimliliği: MoE mimarilerinde doğal olarak bulunan I/O darboğazını temelden hafifletmek için N-gram gömme tablosundan yararlanarak, özel önbellek mekanizmaları ve çekirdek düzeyinde optimizasyonlarla birlikte çıkarım gecikmesini önemli ölçüde azaltır ve genel verimliliği artırır. Güçlü Aracı ve Kod Performansı: Araç çağrısı ve yazılım geliştirme görevlerinde son derece rekabetçi yetenekler sergiler, model boyutuna göre olağanüstü performans sunar.",
-  "LongCat-Flash-Thinking-2601.description": "LongCat-Flash-Thinking-2601 modeli resmi olarak piyasaya sürüldü. Uzmanlar Karışımı (MoE) mimarisi üzerine inşa edilmiş yükseltilmiş bir akıl yürütme modeli olarak, toplamda 560 milyar parametreye sahiptir. Geleneksel akıl yürütme ölçütlerinde güçlü rekabet gücünü korurken, büyük ölçekli çoklu ortam pekiştirmeli öğrenme yoluyla Aracı düzeyinde akıl yürütme yeteneklerini sistematik olarak geliştirir. LongCat-Flash-Thinking modeline kıyasla, temel yükseltmeler şunlardır: Gürültülü Ortamlarda Aşırı Dayanıklılık: Gerçek dünya ortamlarındaki gürültü ve belirsizliğe yönelik müfredat tarzı eğitim yoluyla, model Aracı araç çağrısı, Aracı tabanlı arama ve araç entegre akıl yürütmede olağanüstü performans sergiler ve genelleme yeteneğini önemli ölçüde artırır. Güçlü Aracı Yetenekleri: 60'tan fazla aracı kapsayan sıkı bir bağımlılık grafiği oluşturarak ve çoklu ortam genişlemesi ve büyük ölçekli keşif öğrenme yoluyla eğitimi ölçeklendirerek, model gerçek dünya senaryolarında karmaşık ve dağıtım dışı durumlara genelleme yeteneğini önemli ölçüde artırır. Gelişmiş Derin Düşünme Modu: Paralel çıkarım yoluyla akıl yürütme genişliğini artırır ve özetleme ve soyutlama mekanizmalarıyla geri bildirim odaklı derinlemesine analitik yeteneği geliştirerek son derece zorlu problemleri etkili bir şekilde çözer.",
-  "LongCat-Flash-Thinking.description": "En üst düzey akıl yürütme performansı almanız için LongCat API platformu LongCat-Flash-Thinking modeline yapılan çağrıları birleştirip güncelledi. `model=LongCat-Flash-Thinking` kullanan tüm mevcut istekler, herhangi bir kod değişikliği gerektirmeden otomatik olarak en yeni sürüm LongCat-Flash-Thinking-2601’e yönlendirilecektir.",
   "M2-her.description": "Rol yapma ve çoklu dönüşlü konuşmalar için tasarlanmış bir metin diyaloğu modeli olup, karakter özelleştirme ve duygusal ifade yetenekleri sunar.",
   "Meta-Llama-3-3-70B-Instruct.description": "Llama 3.3 70B, sohbet ve üretim görevleri için çok yönlü bir Dönüştürücü modelidir.",
   "Meta-Llama-3.1-405B-Instruct.description": "Llama 3.1, çok dilli sohbet için optimize edilmiş yönerge ayarlı bir metin modelidir. Açık ve kapalı sohbet modelleri arasında yaygın endüstri kıyaslamalarında güçlü performans gösterir.",
@@ -187,27 +186,10 @@
   "Qwen2.5-Coder-14B-Instruct.description": "Qwen2.5-Coder-14B-Instruct, güçlü kod anlama ve üretim yeteneklerine sahip büyük ölçekli bir kodlama talimat modeli olup, akıllı kodlama, otomatik betik üretimi ve programlama soru-cevap gibi görevler için idealdir.",
   "Qwen2.5-Coder-32B-Instruct.description": "Başlıca programlama dilleri için kod üretimi, akıl yürütme ve hata düzeltme alanlarında gelişmiş büyük dil modeli.",
   "Qwen3-235B-A22B-Instruct-2507-FP8.description": "Qwen3 235B A22B Instruct 2507, ölçekli verimli akıl yürütme için MoE kullanan, gelişmiş akıl yürütme ve talimat takibi için optimize edilmiştir.",
-  "Qwen3-235B.description": "Qwen3-235B-A22B, kullanıcıların düşünme ve düşünmeme modları arasında sorunsuz geçiş yapmasına olanak tanıyan hibrit akıl yürütme modunu tanıtan bir MoE modelidir. 119 dil ve lehçede anlama ve akıl yürütmeyi destekler, güçlü araç çağırma yeteneklerine sahiptir ve genel yetenek, kod ve matematik, çok dilli yetenek ve bilgi akıl yürütme ölçütlerinde DeepSeek R1, OpenAI o1, o3-mini, Grok 3 ve Google Gemini 2.5 Pro gibi ana akım modellerle rekabet eder.",
-  "Qwen3-32B.description": "Qwen3-32B, kullanıcıların düşünme ve düşünmeme modları arasında geçiş yapmasına olanak tanıyan hibrit akıl yürütme modunu tanıtan yoğun bir modeldir. Mimari iyileştirmeler, daha fazla veri ve daha iyi eğitimle Qwen2.5-72B ile eşdeğer performans sunar.",
   "Qwen3.5-Plus.description": "Qwen3.5 Plus, metin, görüntü ve video girdilerini destekler. Saf metin görevlerindeki performansı Qwen3 Max ile karşılaştırılabilir olup daha iyi performans ve daha düşük maliyet sunar. Çok modlu yetenekleri, Qwen3 VL serisine kıyasla önemli ölçüde geliştirilmiştir.",
+  "Ring-2.5-1T.description": "Ring-1T'nin önceki sürümüne kıyasla, Ring-2.5-1T üç ana boyutta önemli iyileştirmeler sağlar: Üretim Verimliliği**: Yüksek oranda doğrusal dikkat mekanizmaları kullanarak, Ring-2.5-1T bellek erişim yükünü 10×'dan fazla azaltır. 32K tokeni aşan dizileri işlerken, 3× daha yüksek üretim verimi sunar, bu da onu derin akıl yürütme ve uzun vadeli görev yürütme için özellikle uygun hale getirir. Derin Akıl Yürütme**: RLVR üzerine inşa edilerek, akıl yürütme sürecinin titizliği hakkında geri bildirim sağlayan yoğun bir ödül mekanizması tanıtılır. Bu, Ring-2.5-1T'nin IMO 2025 ve CMO 2025'te (kendi kendine değerlendirme) altın madalya seviyesinde performans elde etmesini sağlar. Uzun Vadeli Görev Yürütme**: Büyük ölçekli tamamen asenkron ajan tabanlı takviyeli öğrenme eğitimi sayesinde, model karmaşık görevleri uzun süre boyunca bağımsız olarak yürütme yeteneğini önemli ölçüde artırır. Bu, Ring-2.5-1T'nin Claude Code ve OpenClaw kişisel yapay zeka asistanları gibi ajan programlama çerçeveleriyle sorunsuz bir şekilde entegre olmasını sağlar.",
+  "Ring-2.6-1T.description": "Ring-2.6-1T, çıkarım başına yaklaşık 63B parametreyi etkinleştiren trilyon parametre ölçeğinde bir akıl yürütme modelidir. Ajan iş akışları için tasarlanmış olup, ajan yetenekleri, araç kullanımı ve uzun vadeli görev yürütme üzerine odaklanır. PinchBench, ClawEval, TAU2-Bench ve GAIA2-search gibi ölçütlerde lider performans elde eder. Model, yürütme kalitesi, gecikme ve maliyet açısından optimize edilmiştir, bu da onu gelişmiş kodlama ajanları, karmaşık akıl yürütme boru hatları ve büyük ölçekli otonom sistemler için uygun hale getirir.",
   "S2V-01.description": "01 serisinin temel referanstan videoya modeli.",
-  "SenseChat-128K.description": "128K bağlam penceresine sahip Base V4 modeli; uzun metin anlama ve üretiminde güçlüdür.",
-  "SenseChat-32K.description": "32K bağlam penceresine sahip Base V4 modeli; çok çeşitli senaryolar için esnektir.",
-  "SenseChat-5-1202.description": "V5.5 tabanlı en son sürüm; Çince/İngilizce temel yetenekler, sohbet, STEM bilgisi, beşeri bilimler, yazma, matematik/mantık ve uzunluk kontrolünde önemli gelişmeler sunar.",
-  "SenseChat-5-Cantonese.description": "Hong Kong konuşma alışkanlıkları, argo ve yerel bilgi için tasarlanmıştır; Kantonca anlama konusunda GPT-4'ü geride bırakır ve bilgi, akıl yürütme, matematik ve kodlama alanlarında GPT-4 Turbo ile rekabet eder.",
-  "SenseChat-5-beta.description": "Bazı performanslar SenseChat-5-1202'yi aşar.",
-  "SenseChat-5.description": "128K bağlam penceresine sahip en son V5.5 sürümü; matematiksel akıl yürütme, İngilizce sohbet, talimat takibi ve uzun metin anlama alanlarında büyük gelişmeler sunar, GPT-4o ile karşılaştırılabilir.",
-  "SenseChat-Character-Pro.description": "32K bağlam penceresi, geliştirilmiş yetenekler ve Çince/İngilizce desteği ile gelişmiş karakter sohbet modeli.",
-  "SenseChat-Character.description": "8K bağlam penceresi ve yüksek yanıt hızı ile standart karakter sohbet modeli.",
-  "SenseChat-Turbo-1202.description": "Tam model yeteneğinin %90+’ına ulaşan, önemli ölçüde daha düşük çıkarım maliyetine sahip en son hafif model.",
-  "SenseChat-Turbo.description": "Hızlı soru-cevap ve model ince ayarı senaryoları için uygundur.",
-  "SenseChat-Vision.description": "Çoklu görsel girdi desteğiyle en son V5.5 sürümü; nitelik tanıma, mekânsal ilişkiler, eylem/olay algılama, sahne anlama, duygu tanıma, sağduyu akıl yürütme ve metin anlama/üretiminde kapsamlı iyileştirmeler sunar.",
-  "SenseChat.description": "4K bağlam penceresine sahip Base V4 modeli; genel yeteneklerde güçlüdür.",
-  "SenseNova-V6-5-Pro.description": "Görsel, dil ve akıl yürütme verilerindeki kapsamlı güncellemeler ile eğitim stratejisi optimizasyonu sayesinde, yeni model çok modlu akıl yürütme ve genelleştirilmiş talimat takibinde önemli gelişmeler sunar. 128k bağlam penceresini destekler ve OCR ile kültürel turizm IP tanıma görevlerinde üstün performans gösterir.",
-  "SenseNova-V6-5-Turbo.description": "Görsel, dil ve akıl yürütme verilerindeki kapsamlı güncellemeler ile eğitim stratejisi optimizasyonu sayesinde, yeni model çok modlu akıl yürütme ve genelleştirilmiş talimat takibinde önemli gelişmeler sunar. 128k bağlam penceresini destekler ve OCR ile kültürel turizm IP tanıma görevlerinde üstün performans gösterir.",
-  "SenseNova-V6-Pro.description": "Görsel, metin ve videoyu doğal olarak birleştirerek geleneksel çok modlu ayrımları ortadan kaldırır; OpenCompass ve SuperCLUE sıralamalarında üst sıralarda yer alır.",
-  "SenseNova-V6-Reasoner.description": "Görsel ve dilsel derin akıl yürütmeyi birleştirir, yavaş düşünmeyi ve tam düşünce zincirini destekler.",
-  "SenseNova-V6-Turbo.description": "Görsel, metin ve videoyu doğal olarak birleştirerek geleneksel çok modlu ayrımları ortadan kaldırır. Temel çok modlu ve dil yeteneklerinde liderdir ve birçok değerlendirmede üst düzey sıralamalara sahiptir.",
   "Skylark2-lite-8k.description": "Skylark 2. nesil model. Skylark2-lite, daha düşük doğruluk gerektiren gerçek zamanlı ve maliyet hassas senaryolar için hızlı yanıtlar sunar, 8K bağlam penceresini destekler.",
   "Skylark2-pro-32k.description": "Skylark 2. nesil model. Skylark2-pro, profesyonel metin yazımı, roman yazımı ve yüksek kaliteli çeviri gibi karmaşık metin üretimi görevleri için daha yüksek doğruluk sunar, 32K bağlam penceresini destekler.",
   "Skylark2-pro-4k.description": "Skylark 2. nesil model. Skylark2-pro, profesyonel metin yazımı, roman yazımı ve yüksek kaliteli çeviri gibi karmaşık metin üretimi görevleri için daha yüksek doğruluk sunar, 4K bağlam penceresini destekler.",
@@ -1197,6 +1179,8 @@
   "r1-1776.description": "R1-1776, sansürsüz ve tarafsız gerçek bilgi sunmak üzere DeepSeek R1 üzerine eğitilmiş bir varyanttır.",
   "seedance-1-5-pro-251215.description": "ByteDance'in Seedance 1.5 Pro modeli, metinden videoya, görüntüden videoya (ilk kare, ilk+son kare) ve görsellerle senkronize ses oluşturmayı destekler.",
   "seedream-5-0-260128.description": "BytePlus tarafından geliştirilen ByteDance-Seedream-5.0-lite, gerçek zamanlı bilgi için web arama ile desteklenen üretim, karmaşık istem yorumlama ve profesyonel görsel oluşturma için geliştirilmiş referans tutarlılığı sunar.",
+  "sensenova-6.7-flash-lite.description": "Gerçek dünya iş akışları için tasarlanmış hafif bir çok modlu ajan modeli, hem metin tabanlı konuşmaları hem de görüntü anlayışını destekler. Hafif ve verimli, performans, maliyet ve dağıtılabilirlik arasında denge sağlar. Görüntü anlayışı, OCR ve grafik yorumlama dahil olmak üzere yerel çok modlu mimari desteği. Ofis ve üretkenlik senaryoları için geliştirilmiş, karmaşık uzun zincir görevler için istikrarlı destek sağlar. Token verimliliği artırılmış, karmaşık iş yükleri için daha iyi maliyet kontrolü sağlar. 256K token bağlam uzunluğu (maksimum giriş: 252K, maksimum çıkış: 64K).",
+  "sensenova-u1-fast.description": "SenseNova U1 tabanlı hızlandırılmış bir sürüm, özellikle bilgi grafiği oluşturma için optimize edilmiştir.",
   "solar-mini-ja.description": "Solar Mini (Ja), Japonca odaklı geliştirilmiş Solar Mini modelidir; İngilizce ve Korece'de de verimli ve güçlü performans sunar.",
   "solar-mini.description": "Solar Mini, GPT-3.5'i geride bırakan kompakt bir LLM'dir. İngilizce ve Korece destekli çok dilli yetenekleriyle verimli ve küçük boyutlu bir çözüm sunar.",
   "solar-pro.description": "Solar Pro, Upstage tarafından geliştirilen yüksek zekaya sahip bir LLM'dir. Tek bir GPU üzerinde talimat izleme odaklıdır ve IFEval skorları 80'in üzerindedir. Şu anda İngilizce desteklidir; tam sürüm Kasım 2024'te daha fazla dil desteği ve uzun bağlamla planlanmıştır.",

locales/tr-TR/plugin.json

@@ -1,11 +1,21 @@
 {
   "arguments.moreParams": "Toplam {{count}} parametre",
   "arguments.title": "Argümanlar",
+  "builtins.codex.apiName.collab_tool_call": "Alt ajanları koordine et",
   "builtins.codex.apiName.command_execution": "Komut çalıştır",
   "builtins.codex.apiName.file_change": "Dosyaları düzenle",
   "builtins.codex.apiName.mcp_tool_call": "MCP aracını çağır",
   "builtins.codex.apiName.todo_list": "Görevleri güncelle",
   "builtins.codex.apiName.web_search": "Web'de ara",
+  "builtins.codex.collabTool.agentCount_one": "{{count}} alt ajan",
+  "builtins.codex.collabTool.agentCount_other": "{{count}} alt ajan",
+  "builtins.codex.collabTool.agentLabel": "Alt ajan {{index}}",
+  "builtins.codex.collabTool.agents": "Alt ajanlar",
+  "builtins.codex.collabTool.closeAgent": "Alt ajanı kapat",
+  "builtins.codex.collabTool.instruction": "Talimat",
+  "builtins.codex.collabTool.sendInput": "Alt ajana mesaj gönder",
+  "builtins.codex.collabTool.spawnAgent": "Alt ajan oluştur",
+  "builtins.codex.collabTool.wait": "Alt ajanları bekle",
   "builtins.codex.commandExecution.grep": "Ara",
   "builtins.codex.commandExecution.noResults": "Sonuç yok",
   "builtins.codex.commandExecution.readFile": "Dosyayı oku",
@@ -447,6 +457,15 @@
   "dev.mcp.auth.desc": "MCP sunucusu için kimlik doğrulama yöntemi seçin",
   "dev.mcp.auth.label": "Kimlik doğrulama türü",
   "dev.mcp.auth.none": "Kimlik doğrulama yok",
+  "dev.mcp.auth.oauth": "OAuth",
+  "dev.mcp.auth.oauth.authorize": "Yetkilendir ve Bağlan",
+  "dev.mcp.auth.oauth.clientId.desc": "Bir istemciyi otomatik olarak kaydetmek için boş bırakın (dinamik istemci kaydı)",
+  "dev.mcp.auth.oauth.clientId.label": "OAuth İstemci Kimliği",
+  "dev.mcp.auth.oauth.clientId.placeholder": "Opsiyonel",
+  "dev.mcp.auth.oauth.clientSecret.desc": "Sadece gizli OAuth istemcileri için gereklidir",
+  "dev.mcp.auth.oauth.clientSecret.label": "OAuth İstemci Sırrı",
+  "dev.mcp.auth.oauth.clientSecret.placeholder": "Opsiyonel",
+  "dev.mcp.auth.oauth.redirectHint": "OAuth uygulamanızla kaydedilecek yönlendirme URI'si:",
   "dev.mcp.auth.placeholder": "Kimlik doğrulama türü seçin",
   "dev.mcp.auth.token.desc": "API Anahtarınızı veya Bearer Token girin",
   "dev.mcp.auth.token.label": "API Anahtarı",

locales/tr-TR/providers.json

@@ -4,6 +4,7 @@
   "ai360.description": "360 AI, 360 tarafından sunulan bir model ve hizmet platformudur. 360GPT2 Pro, 360GPT Pro ve 360GPT Turbo gibi NLP modelleri sunar. Bu modeller, metin üretimi, anlamsal anlama, sohbet ve kodlama gibi görevler için büyük ölçekli parametreler ve çok modlu yetenekleri birleştirir. Esnek fiyatlandırma seçenekleriyle çeşitli ihtiyaçlara hitap eder.",
   "aihubmix.description": "AiHubMix, birleşik bir API aracılığıyla birden fazla yapay zeka modeline erişim sağlar.",
   "akashchat.description": "Akash, geleneksel bulut sağlayıcılarına kıyasla rekabetçi fiyatlarla izin gerektirmeyen bir bulut kaynak pazarıdır.",
+  "antgroup.description": "Ant Ling, Ant Group'un Yapay Genel Zeka (AGI) girişiminin temel model serisidir ve ileri düzey temel model yeteneklerini oluşturma ve açma amacına adanmıştır. Zekanın gelişiminin açıklık, paylaşım ve ölçeklenebilirlik yönünde ilerlemesi gerektiğine inanıyoruz—AGI'nin istikrarlı evrimi ve gerçek dünya uygulamasını yönlendirmek için küçük, pratik adımlardan başlayarak.",
   "anthropic.description": "Anthropic, Claude 3.5 Sonnet, Claude 3 Sonnet, Claude 3 Opus ve Claude 3 Haiku gibi gelişmiş dil modelleri geliştirir. Bu modeller, kurumsal iş yüklerinden hızlı yanıt gerektiren senaryolara kadar zeka, hız ve maliyet dengesini sağlar.",
   "azure.description": "Azure, GPT-3.5 ve GPT-4 serisi dahil olmak üzere gelişmiş yapay zeka modelleri sunar. Farklı veri türleri ve karmaşık görevler için güvenli, güvenilir ve sürdürülebilir yapay zeka çözümlerine odaklanır.",
   "azureai.description": "Azure, GPT-3.5 ve GPT-4 serisi dahil olmak üzere gelişmiş yapay zeka modelleri sunar. Farklı veri türleri ve karmaşık görevler için güvenli, güvenilir ve sürdürülebilir yapay zeka çözümlerine odaklanır.",

locales/tr-TR/setting.json

@@ -280,7 +280,33 @@
   "defaultAgent.title": "Varsayılan Temsilci Ayarları",
   "devices.actions.edit": "Düzenle",
   "devices.actions.remove": "Kaldır",
+  "devices.capabilities.commands.desc": "Ortamınızda terminal komutlarını güvenli bir şekilde çalıştırın.",
+  "devices.capabilities.commands.title": "Komutları Çalıştır",
+  "devices.capabilities.files.desc": "Ajanların bilgisayarınızdaki dosyalara doğrudan erişmesini ve düzenlemesini sağlayın.",
+  "devices.capabilities.files.title": "Yerel Dosyaları Oku ve Yaz",
+  "devices.capabilities.title": "Bağlandıktan sonra yapabilecekleriniz",
+  "devices.capabilities.tools.desc": "Ajanların yapabileceklerini genişletmek için yerel araçları bağlayın.",
+  "devices.capabilities.tools.title": "Sistem Araçlarını Çağır",
   "devices.channel.connected": "{{time}} bağlandı",
+  "devices.connectWizard.button": "Cihazı Bağla",
+  "devices.connectWizard.cli.connectDesc": "Cihazı çevrimiçi tutmak ve uzaktan işlemler için dinlemeye devam etmek üzere arka plan daemon'ını başlatın.",
+  "devices.connectWizard.cli.connectTitle": "Daemon'u Başlat",
+  "devices.connectWizard.cli.installDesc": "Cihaz bağlantısı ve yönetimini etkinleştirmek için tercih ettiğiniz paket yöneticisiyle LobeHub CLI'yi global olarak yükleyin.",
+  "devices.connectWizard.cli.installTitle": "CLI'yi Yükle",
+  "devices.connectWizard.cli.loginDesc": "CLI'yi hesabınızla bağlamak için tarayıcınızda OAuth yetkilendirmesini tamamlayın.",
+  "devices.connectWizard.cli.loginTitle": "Giriş Yap",
+  "devices.connectWizard.desktop.downloadLink": "LobeHub Masaüstü Uygulamasını İndir",
+  "devices.connectWizard.desktop.step1": "Masaüstü uygulamasını indirin",
+  "devices.connectWizard.desktop.step1Desc": "LobeHub indirme sayfasını ziyaret edin ve işletim sisteminiz için uygulamayı edinin.",
+  "devices.connectWizard.desktop.step2": "Giriş yapın ve cihaz geçidini açın",
+  "devices.connectWizard.desktop.step2Desc": "Giriş yaptıktan sonra, sağ üst köşedeki cihaz geçidi simgesine tıklayın ve açık olduğundan emin olun.",
+  "devices.connectWizard.desktop.step3": "Cihazınız otomatik olarak görünür",
+  "devices.connectWizard.desktop.step3Desc": "Masaüstü uygulaması başlatıldığında kendini cihaz olarak kaydeder — bağlandıktan sonra listede göreceksiniz.",
+  "devices.connectWizard.footer": "Yalnızca cihaz meta verileri kaydedilir — verilerinize asla erişilmez.",
+  "devices.connectWizard.method.cli": "CLI ile",
+  "devices.connectWizard.method.desktop": "Masaüstü ile",
+  "devices.connectWizard.subtitle": "Bilgisayarınızı LobeHub'a bağlamak için bir yöntem seçin.",
+  "devices.connectWizard.title": "Cihazı Bağla",
   "devices.currentBadge": "Bu cihaz",
   "devices.detail.addDir": "Dizin ekle",
   "devices.detail.connections": "Bağlantılar",
@@ -294,7 +320,13 @@
   "devices.edit.friendlyNamePlaceholder": "Bu cihazı tanımak için bir ad",
   "devices.edit.save": "Kaydet",
   "devices.edit.title": "Cihazı düzenle",
-  "devices.empty": "Henüz cihaz yok. `lh connect` komutuyla veya masaüstü uygulamasına giriş yaparak bir cihaz bağlayın.",
+  "devices.empty.desc": "Bağlandıktan sonra, LobeHub ajanları dosyaları okuyabilir/yazabilir, komutları çalıştırabilir ve bilgisayarınızda sistem araçlarını doğrudan çağırabilir.",
+  "devices.empty.methodCli.desc": "Terminalinizde CLI'yi yükleyin — sunucular veya başsız makineler için harika bir seçenek.",
+  "devices.empty.methodCli.title": "CLI ile Bağlan",
+  "devices.empty.methodDesktop.badge": "Önerilen",
+  "devices.empty.methodDesktop.desc": "Masaüstü uygulamasını indirin, giriş yapın ve cihazınız otomatik olarak bağlanır.",
+  "devices.empty.methodDesktop.title": "Masaüstü ile Bağlan",
+  "devices.empty.title": "İlk cihazınızı bağlayın",
   "devices.fallbackBadge": "Kararsız kimlik",
   "devices.fallbackTooltip": "Bu cihaz makine kimliğiyle tanımlanamadı, bu nedenle uygulamayı yeniden yüklemek bir kopya giriş oluşturabilir.",
   "devices.lastSeen": "Son aktif {{time}}",

locales/vi-VN/chat.json

@@ -15,6 +15,8 @@
   "agentBuilder.installPlugin.retry": "Thử lại",
   "agentBuilder.title": "Trình tạo Tác nhân",
   "agentBuilder.welcome": "Hãy cho tôi biết trường hợp sử dụng của bạn.\n\nViết lách, lập trình hay phân tích dữ liệu—bất cứ điều gì cũng được. Bạn đặt mục tiêu và tiêu chuẩn; tôi sẽ chia nhỏ thành các Tác nhân có thể cộng tác và thực thi.",
+  "agentConfigError.retry": "Thử lại",
+  "agentConfigError.title": "Không tải được cài đặt của tác nhân",
   "agentDefaultMessage": "Chào bạn, tôi là **{{name}}**. Một câu là đủ.\n\nMuốn tôi phù hợp hơn với quy trình làm việc của bạn? Truy cập [Cài đặt Tác nhân]({{url}}) và điền Hồ sơ Tác nhân (bạn có thể chỉnh sửa bất cứ lúc nào).",
   "agentDefaultMessageWithSystemRole": "Chào bạn, tôi là **{{name}}**. Một câu là đủ—bạn là người kiểm soát.",
   "agentDefaultMessageWithoutEdit": "Chào bạn, tôi là **{{name}}**. Một câu là đủ—bạn là người kiểm soát.",
@@ -252,6 +254,10 @@
   "input.costEstimate.tooltip": "Ước tính từ ngữ cảnh hiện tại, công cụ và giá mô hình. Chi phí thực tế có thể thay đổi.",
   "input.disclaimer": "Tác nhân có thể mắc lỗi. Hãy sử dụng phán đoán của bạn với thông tin quan trọng.",
   "input.errorMsg": "Gửi thất bại: {{errorMsg}}. Vui lòng thử lại hoặc gửi sau.",
+  "input.inputCompletionError.desc": "Gợi ý nhập liệu đã dừng do lỗi. Thử lại hoặc điều chỉnh mô hình gợi ý trong Cài đặt.",
+  "input.inputCompletionError.retry": "Thử lại",
+  "input.inputCompletionError.settings": "Cài đặt",
+  "input.inputCompletionError.title": "Gợi ý nhập liệu đã tạm dừng",
   "input.more": "Thêm",
   "input.send": "Gửi",
   "input.sendWithCmdEnter": "Nhấn <key/> để gửi",
@@ -1006,7 +1012,9 @@
   "workingPanel.localFile.closeRight": "Đóng bên Phải",
   "workingPanel.localFile.error": "Không thể tải tệp này",
   "workingPanel.localFile.preview.raw": "Thô",
+  "workingPanel.localFile.preview.reload": "Tải lại bản xem trước",
   "workingPanel.localFile.preview.render": "Xem trước",
+  "workingPanel.localFile.preview.source": "Nguồn",
   "workingPanel.localFile.truncated": "Xem trước tệp bị cắt ngắn đến {{limit}} ký tự",
   "workingPanel.progress": "Progress",
   "workingPanel.progress.allCompleted": "All tasks completed",

locales/vi-VN/modelProvider.json

@@ -239,6 +239,7 @@
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken32k.hint": "Dành cho GLM-5 và GLM-4.7; kiểm soát ngân sách token cho suy luận (tối đa 32k).",
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken80k.hint": "Dành cho dòng Qwen3; kiểm soát ngân sách token cho suy luận (tối đa 80k).",
   "providerModels.item.modelConfig.extendParams.options.reasoningEffort.hint": "Dành cho OpenAI và các mô hình có khả năng suy luận khác; điều chỉnh mức độ suy luận.",
+  "providerModels.item.modelConfig.extendParams.options.ring2_6ReasoningEffort.hint": "Dành cho dòng Ring 2.6; điều chỉnh cường độ lập luận.",
   "providerModels.item.modelConfig.extendParams.options.step3_5ReasoningEffort.hint": "Đối với dòng Step 3.5; kiểm soát cường độ suy luận.",
   "providerModels.item.modelConfig.extendParams.options.textVerbosity.hint": "Dành cho dòng GPT-5+; điều chỉnh độ dài và chi tiết của đầu ra.",
   "providerModels.item.modelConfig.extendParams.options.thinking.hint": "Dành cho một số mô hình Doubao; cho phép mô hình quyết định có nên suy nghĩ sâu hay không.",

locales/vi-VN/models.json

@@ -27,15 +27,15 @@
   "DeepSeek-OCR.description": "DeepSeek-OCR là mô hình thị giác-ngôn ngữ của DeepSeek AI, tập trung vào OCR và “nén ngữ cảnh quang học”. Mô hình khám phá cách nén ngữ cảnh từ hình ảnh, xử lý tài liệu hiệu quả và chuyển đổi chúng thành văn bản có cấu trúc (ví dụ: Markdown). Nó nhận dạng văn bản trong hình ảnh với độ chính xác cao, phù hợp cho số hóa tài liệu, trích xuất văn bản và xử lý có cấu trúc.",
   "DeepSeek-R1-Distill-Llama-70B.description": "DeepSeek R1, mô hình lớn và thông minh hơn trong bộ DeepSeek, được chưng cất vào kiến trúc Llama 70B. Các bài đánh giá và đánh giá người dùng cho thấy mô hình thông minh hơn Llama 70B gốc, đặc biệt trong các tác vụ toán học và độ chính xác tri thức.",
   "DeepSeek-R1-Distill-Qwen-1.5B.description": "Mô hình chưng cất DeepSeek-R1 dựa trên Qwen2.5-Math-1.5B. Học tăng cường và dữ liệu khởi đầu lạnh được sử dụng để tối ưu hóa hiệu suất suy luận, thiết lập các chuẩn mới cho mô hình mã nguồn mở đa nhiệm.",
-  "DeepSeek-R1-Distill-Qwen-14B.description": "Các mô hình DeepSeek-R1-Distill được tinh chỉnh từ các mô hình mã nguồn mở bằng cách sử dụng dữ liệu mẫu do DeepSeek-R1 tạo ra.",
-  "DeepSeek-R1-Distill-Qwen-32B.description": "Các mô hình DeepSeek-R1-Distill được tinh chỉnh từ các mô hình mã nguồn mở bằng cách sử dụng dữ liệu mẫu do DeepSeek-R1 tạo ra.",
+  "DeepSeek-R1-Distill-Qwen-14B.description": "Mô hình DeepSeek-R1 được chưng cất dựa trên Qwen2.5-14B. Học tăng cường và dữ liệu khởi động lạnh tối ưu hóa hiệu suất suy luận, thiết lập các tiêu chuẩn mới về đa nhiệm cho các mô hình mở.",
+  "DeepSeek-R1-Distill-Qwen-32B.description": "Dòng DeepSeek-R1 cải thiện hiệu suất suy luận với học tăng cường và dữ liệu khởi động lạnh, thiết lập các tiêu chuẩn mới về đa nhiệm cho các mô hình mở và vượt qua OpenAI o1-mini.",
   "DeepSeek-R1-Distill-Qwen-7B.description": "Mô hình chưng cất DeepSeek-R1 dựa trên Qwen2.5-Math-7B. Học tăng cường và dữ liệu khởi đầu lạnh được sử dụng để tối ưu hóa hiệu suất suy luận, thiết lập các chuẩn mới cho mô hình mã nguồn mở đa nhiệm.",
-  "DeepSeek-R1.description": "DeepSeek-R1 áp dụng học tăng cường quy mô lớn trong giai đoạn hậu huấn luyện, giúp tăng cường khả năng suy luận với rất ít dữ liệu gán nhãn. Mô hình đạt hiệu suất tương đương với OpenAI o1 trong các tác vụ toán học, lập trình và suy luận ngôn ngữ tự nhiên.",
+  "DeepSeek-R1.description": "Mô hình LLM hiệu quả tiên tiến, mạnh mẽ trong suy luận, toán học và lập trình.",
   "DeepSeek-V3-1.description": "DeepSeek V3.1 là mô hình suy luận thế hệ tiếp theo với khả năng suy luận phức tạp và chuỗi suy nghĩ được cải thiện, phù hợp với các tác vụ phân tích chuyên sâu.",
   "DeepSeek-V3-Fast.description": "Nhà cung cấp: sophnet. DeepSeek V3 Fast là phiên bản tốc độ cao của DeepSeek V3 0324, sử dụng độ chính xác đầy đủ (không nén) với khả năng lập trình và toán học mạnh hơn cùng phản hồi nhanh hơn.",
   "DeepSeek-V3.1-Think.description": "Chế độ suy nghĩ DeepSeek-V3.1: mô hình suy luận kết hợp mới với chế độ suy nghĩ và không suy nghĩ, hiệu quả hơn DeepSeek-R1-0528. Tối ưu hóa hậu huấn luyện cải thiện đáng kể việc sử dụng công cụ đại lý và hiệu suất tác vụ đại lý.",
   "DeepSeek-V3.2.description": "deepseek-v3.2 giới thiệu cơ chế attention thưa, nhằm cải thiện hiệu quả huấn luyện và suy luận khi xử lý văn bản dài, với mức giá thấp hơn deepseek-v3.1.",
-  "DeepSeek-V3.description": "DeepSeek-V3 là mô hình MoE do DeepSeek phát triển. Mô hình vượt qua các mô hình mã nguồn mở khác như Qwen2.5-72B và Llama-3.1-405B trên nhiều bảng đánh giá và cạnh tranh với các mô hình đóng hàng đầu như GPT-4o và Claude 3.5 Sonnet.",
+  "DeepSeek-V3.description": "Triển khai mở của ByteDance Volcengine hiện là ổn định nhất; được khuyến nghị. Đã được tự động nâng cấp lên phiên bản mới nhất (250324).",
   "Doubao-lite-128k.description": "Doubao-lite cung cấp phản hồi siêu nhanh và giá trị tốt hơn, với các tùy chọn linh hoạt cho nhiều tình huống. Hỗ trợ ngữ cảnh 128K cho suy luận và tinh chỉnh.",
   "Doubao-lite-32k.description": "Doubao-lite cung cấp phản hồi siêu nhanh và giá trị tốt hơn, với các tùy chọn linh hoạt cho nhiều tình huống. Hỗ trợ ngữ cảnh 32K cho suy luận và tinh chỉnh.",
   "Doubao-lite-4k.description": "Doubao-lite cung cấp phản hồi siêu nhanh và giá trị tốt hơn, với các tùy chọn linh hoạt cho nhiều tình huống. Hỗ trợ ngữ cảnh 4K cho suy luận và tinh chỉnh.",
@@ -83,13 +83,12 @@
   "Kimi-K2.5.description": "Kimi K2.5 là mô hình mạnh mẽ nhất trong dòng Kimi, đạt SOTA mã nguồn mở trong tác vụ agent, lập trình và hiểu hình ảnh. Mô hình hỗ trợ đầu vào đa phương thức và hai chế độ tư duy và không tư duy.",
   "Kolors.description": "Kolors là một mô hình chuyển văn bản thành hình ảnh do nhóm Kuaishou Kolors phát triển. Được huấn luyện với hàng tỷ tham số, mô hình có ưu thế nổi bật về chất lượng hình ảnh, hiểu ngữ nghĩa tiếng Trung và hiển thị văn bản.",
   "Kwai-Kolors/Kolors.description": "Kolors là một mô hình chuyển văn bản thành hình ảnh quy mô lớn dựa trên khuếch tán tiềm ẩn do nhóm Kuaishou Kolors phát triển. Được huấn luyện trên hàng tỷ cặp văn bản-hình ảnh, mô hình vượt trội về chất lượng hình ảnh, độ chính xác ngữ nghĩa phức tạp và hiển thị văn bản tiếng Trung/Anh, với khả năng hiểu và tạo nội dung tiếng Trung mạnh mẽ.",
+  "Ling-2.5-1T.description": "Là mô hình thời gian thực hàng đầu mới nhất trong dòng Ling, Ling-2.5-1T mang đến các nâng cấp toàn diện về kiến trúc mô hình, hiệu quả token và căn chỉnh ưu tiên, nhằm nâng cao chất lượng AI dễ tiếp cận lên một tầm cao mới.",
+  "Ling-2.6-1T.description": "Mô hình ngôn ngữ lớn hàng đầu mới nhất, hỗ trợ cửa sổ ngữ cảnh 1 triệu token và cho phép quy trình làm việc từ suy luận logic đến thực thi nhiệm vụ.",
+  "Ling-2.6-flash.description": "Ling-2.6-flash là mô hình thế hệ mới nhất với hiệu suất chi phí cao trong dòng Ling. Nó áp dụng kiến trúc Mixture-of-Experts (MoE), với tổng số tham số là 100 tỷ và 6,1 tỷ tham số được kích hoạt trên mỗi token, đạt được sự cân bằng tối ưu giữa hiệu suất suy luận và chi phí tính toán.",
   "Llama-3.2-11B-Vision-Instruct.description": "Khả năng suy luận hình ảnh mạnh mẽ trên hình ảnh độ phân giải cao, phù hợp cho các ứng dụng hiểu thị giác.",
-  "Llama-3.2-90B-Vision-Instruct\t.description": "Khả năng suy luận hình ảnh tiên tiến cho các ứng dụng tác tử hiểu thị giác.",
+  "Llama-3.2-90B-Vision-Instruct.description": "Suy luận hình ảnh tiên tiến cho các ứng dụng đại lý hiểu biết hình ảnh.",
   "LongCat-2.0-Preview.description": "Các tính năng cốt lõi của LongCat-2.0-Preview bao gồm: Được thiết kế cho các kịch bản phát triển tác nhân, hỗ trợ gốc cho việc sử dụng công cụ, lý luận nhiều bước và các nhiệm vụ ngữ cảnh dài; Xuất sắc trong việc tạo mã, quy trình làm việc tự động và thực thi hướng dẫn phức tạp; Tích hợp sâu với các công cụ năng suất như Claude Code, OpenClaw, OpenCode và Kilo Code.",
-  "LongCat-Flash-Chat.description": "Mô hình LongCat-Flash-Chat đã được nâng cấp lên phiên bản mới. Bản cập nhật này chỉ cải thiện khả năng của mô hình; tên mô hình và phương pháp gọi API vẫn không thay đổi. Dựa trên đặc điểm nổi bật “hiệu suất cực cao” và “phản hồi nhanh như chớp,” phiên bản mới tăng cường khả năng hiểu ngữ cảnh và hiệu suất lập trình thực tế: Khả năng Lập Trình Được Nâng Cao Đáng Kể: Được tối ưu hóa sâu cho các tình huống tập trung vào nhà phát triển, mô hình mang lại cải tiến đáng kể trong các nhiệm vụ tạo mã, gỡ lỗi và giải thích. Các nhà phát triển được khuyến khích mạnh mẽ để đánh giá và so sánh các cải tiến này. Hỗ Trợ Ngữ Cảnh Siêu Dài 256K: Cửa sổ ngữ cảnh đã tăng gấp đôi từ thế hệ trước (128K) lên 256K, cho phép xử lý hiệu quả các tài liệu lớn và nhiệm vụ chuỗi dài. Hiệu Suất Đa Ngôn Ngữ Được Cải Thiện Toàn Diện: Cung cấp hỗ trợ mạnh mẽ cho chín ngôn ngữ, bao gồm tiếng Tây Ban Nha, tiếng Pháp, tiếng Ả Rập, tiếng Bồ Đào Nha, tiếng Nga và tiếng Indonesia. Khả Năng Tác Nhân Mạnh Mẽ Hơn: Thể hiện sự ổn định và hiệu quả cao hơn trong việc gọi công cụ phức tạp và thực hiện nhiệm vụ nhiều bước.",
-  "LongCat-Flash-Lite.description": "Mô hình LongCat-Flash-Lite đã được chính thức phát hành. Nó áp dụng kiến trúc Mixture-of-Experts (MoE) hiệu quả, với tổng số 68,5 tỷ tham số và khoảng 3 tỷ tham số được kích hoạt. Thông qua việc sử dụng bảng nhúng N-gram, nó đạt được hiệu quả sử dụng tham số cao và được tối ưu hóa sâu cho hiệu quả suy luận và các tình huống ứng dụng cụ thể. So với các mô hình có quy mô tương tự, các tính năng cốt lõi của nó như sau: Hiệu Quả Suy Luận Nổi Bật: Bằng cách tận dụng bảng nhúng N-gram để giảm thiểu cơ bản nút thắt I/O vốn có trong các kiến trúc MoE, kết hợp với các cơ chế lưu trữ chuyên dụng và tối ưu hóa cấp độ kernel, nó giảm đáng kể độ trễ suy luận và cải thiện hiệu quả tổng thể. Hiệu Suất Tác Nhân và Lập Trình Mạnh Mẽ: Nó thể hiện khả năng cạnh tranh cao trong các nhiệm vụ gọi công cụ và phát triển phần mềm, mang lại hiệu suất xuất sắc so với kích thước mô hình của nó.",
-  "LongCat-Flash-Thinking-2601.description": "Mô hình LongCat-Flash-Thinking-2601 đã được chính thức phát hành. Là một mô hình suy luận nâng cấp dựa trên kiến trúc Mixture-of-Experts (MoE), nó có tổng số 560 tỷ tham số. Trong khi duy trì tính cạnh tranh mạnh mẽ trên các tiêu chuẩn suy luận truyền thống, nó tăng cường có hệ thống khả năng suy luận cấp độ Tác Nhân thông qua học tăng cường đa môi trường quy mô lớn. So với mô hình LongCat-Flash-Thinking, các nâng cấp chính như sau: Độ Ổn Định Cực Cao Trong Môi Trường Nhiễu: Thông qua đào tạo theo kiểu giáo trình có hệ thống nhắm vào nhiễu và sự không chắc chắn trong các tình huống thực tế, mô hình thể hiện hiệu suất xuất sắc trong việc gọi công cụ Tác Nhân, tìm kiếm dựa trên Tác Nhân và suy luận tích hợp công cụ, với khả năng tổng quát được cải thiện đáng kể. Khả Năng Tác Nhân Mạnh Mẽ: Bằng cách xây dựng đồ thị phụ thuộc chặt chẽ bao gồm hơn 60 công cụ, và mở rộng đào tạo thông qua mở rộng đa môi trường và học khám phá quy mô lớn, mô hình cải thiện đáng kể khả năng tổng quát hóa đối với các tình huống thực tế phức tạp và ngoài phân phối. Chế Độ Suy Nghĩ Sâu Tiên Tiến: Nó mở rộng phạm vi suy luận thông qua suy luận song song và làm sâu sắc khả năng phân tích thông qua các cơ chế tóm tắt và trừu tượng hóa dựa trên phản hồi đệ quy, giải quyết hiệu quả các vấn đề rất thách thức.",
-  "LongCat-Flash-Thinking.description": "Để đảm bảo bạn nhận được hiệu suất lý luận hàng đầu, nền tảng API LongCat đã thống nhất và nâng cấp các cuộc gọi đến mô hình LongCat-Flash-Thinking. Tất cả các yêu cầu hiện có sử dụng `model=LongCat-Flash-Thinking` sẽ tự động được chuyển hướng đến phiên bản mới nhất, LongCat-Flash-Thinking-2601, mà không cần thay đổi mã.",
   "M2-her.description": "Một mô hình đối thoại văn bản được thiết kế cho nhập vai và hội thoại nhiều lượt, với khả năng tùy chỉnh nhân vật và biểu đạt cảm xúc.",
   "Meta-Llama-3-3-70B-Instruct.description": "Llama 3.3 70B là một mô hình Transformer đa năng cho các tác vụ trò chuyện và tạo nội dung.",
   "Meta-Llama-3.1-405B-Instruct.description": "Llama 3.1 là mô hình văn bản được tinh chỉnh theo hướng dẫn, tối ưu cho trò chuyện đa ngôn ngữ, đạt hiệu suất cao trên các tiêu chuẩn ngành phổ biến trong cả mô hình mở và đóng.",
@@ -187,27 +186,10 @@
   "Qwen2.5-Coder-14B-Instruct.description": "Qwen2.5-Coder-14B-Instruct là mô hình hướng dẫn lập trình quy mô lớn được huấn luyện trước với khả năng hiểu và tạo mã mạnh mẽ. Mô hình xử lý hiệu quả nhiều tác vụ lập trình, lý tưởng cho lập trình thông minh, tạo script tự động và hỏi đáp lập trình.",
   "Qwen2.5-Coder-32B-Instruct.description": "LLM tiên tiến cho tạo mã, suy luận và sửa lỗi trên các ngôn ngữ lập trình chính.",
   "Qwen3-235B-A22B-Instruct-2507-FP8.description": "Qwen3 235B A22B Instruct 2507 được tối ưu hóa cho lập luận nâng cao và tuân theo hướng dẫn, sử dụng MoE để duy trì hiệu quả suy luận ở quy mô lớn.",
-  "Qwen3-235B.description": "Qwen3-235B-A22B là một mô hình MoE giới thiệu chế độ suy luận lai, cho phép người dùng chuyển đổi mượt mà giữa trạng thái suy nghĩ và không suy nghĩ. Mô hình hỗ trợ hiểu và suy luận trên 119 ngôn ngữ và phương ngữ, có khả năng gọi công cụ mạnh mẽ, cạnh tranh với các mô hình phổ biến như DeepSeek R1, OpenAI o1, o3-mini, Grok 3 và Google Gemini 2.5 Pro trong các bài kiểm tra về năng lực tổng quát, lập trình và toán học, khả năng đa ngôn ngữ và suy luận kiến thức.",
-  "Qwen3-32B.description": "Qwen3-32B là một mô hình dense giới thiệu chế độ suy luận lai, cho phép người dùng chuyển đổi giữa trạng thái suy nghĩ và không suy nghĩ. Với cải tiến kiến trúc, dữ liệu phong phú hơn và huấn luyện tốt hơn, mô hình đạt hiệu suất tương đương với Qwen2.5-72B.",
   "Qwen3.5-Plus.description": "Qwen3.5 Plus hỗ trợ đầu vào văn bản, hình ảnh và video. Hiệu suất trên tác vụ văn bản thuần tương đương Qwen3 Max, nhưng với chi phí thấp hơn và hiệu quả hơn. Khả năng đa phương thức được cải thiện đáng kể so với dòng Qwen3 VL.",
+  "Ring-2.5-1T.description": "So với Ring-1T đã phát hành trước đó, Ring-2.5-1T đạt được những cải tiến đáng kể trên ba khía cạnh chính: Hiệu quả Tạo Dữ Liệu**: Bằng cách tận dụng tỷ lệ cao các cơ chế chú ý tuyến tính, Ring-2.5-1T giảm chi phí truy cập bộ nhớ hơn 10 lần. Khi xử lý các chuỗi vượt quá 32K token, nó cung cấp thông lượng tạo dữ liệu cao hơn 3 lần, đặc biệt phù hợp cho suy luận sâu và thực thi nhiệm vụ dài hạn. Suy Luận Sâu**: Dựa trên RLVR, một cơ chế thưởng dày đặc được giới thiệu để cung cấp phản hồi về độ chính xác của quá trình suy luận. Điều này cho phép Ring-2.5-1T đạt được hiệu suất cấp huy chương vàng trong cả IMO 2025 và CMO 2025 (tự đánh giá). Thực Thi Nhiệm Vụ Dài Hạn**: Thông qua đào tạo học tăng cường dựa trên đại lý không đồng bộ quy mô lớn, mô hình này tăng cường đáng kể khả năng tự động thực hiện các nhiệm vụ phức tạp trong thời gian dài. Điều này cho phép Ring-2.5-1T tích hợp liền mạch với các khung lập trình đại lý như Claude Code và trợ lý AI cá nhân OpenClaw.",
+  "Ring-2.6-1T.description": "Ring-2.6-1T là mô hình suy luận quy mô nghìn tỷ tham số, kích hoạt khoảng 63 tỷ tham số trên mỗi lần suy luận. Được thiết kế cho quy trình làm việc của đại lý, nó tập trung vào khả năng của đại lý, sử dụng công cụ và thực thi nhiệm vụ dài hạn, đạt được hiệu suất hàng đầu trên các tiêu chuẩn như PinchBench, ClawEval, TAU2-Bench và GAIA2-search. Mô hình được tối ưu hóa về chất lượng thực thi, độ trễ và chi phí, làm cho nó phù hợp với các đại lý lập trình tiên tiến, các quy trình suy luận phức tạp và các hệ thống tự động quy mô lớn.",
   "S2V-01.description": "Mô hình cơ bản tham chiếu thành video của dòng 01.",
-  "SenseChat-128K.description": "Phiên bản Base V4 với ngữ cảnh 128K, mạnh về hiểu và tạo văn bản dài.",
-  "SenseChat-32K.description": "Phiên bản Base V4 với ngữ cảnh 32K, linh hoạt cho nhiều tình huống sử dụng.",
-  "SenseChat-5-1202.description": "Phiên bản mới nhất dựa trên V5.5, cải thiện đáng kể về nền tảng tiếng Trung/Anh, trò chuyện, kiến thức STEM, nhân văn, viết lách, toán học/lôgic và kiểm soát độ dài.",
-  "SenseChat-5-Cantonese.description": "Thiết kế phù hợp với thói quen hội thoại, tiếng lóng và kiến thức địa phương của Hồng Kông; vượt GPT-4 về hiểu tiếng Quảng Đông và ngang tầm GPT-4 Turbo về kiến thức, suy luận, toán học và lập trình.",
-  "SenseChat-5-beta.description": "Một số hiệu suất vượt trội hơn SenseChat-5-1202.",
-  "SenseChat-5.description": "Phiên bản V5.5 mới nhất với ngữ cảnh 128K; cải thiện lớn về suy luận toán học, trò chuyện tiếng Anh, tuân theo hướng dẫn và hiểu văn bản dài, tương đương GPT-4o.",
-  "SenseChat-Character-Pro.description": "Mô hình trò chuyện nhân vật nâng cao với ngữ cảnh 32K, năng lực cải thiện và hỗ trợ tiếng Trung/Anh.",
-  "SenseChat-Character.description": "Mô hình trò chuyện nhân vật tiêu chuẩn với ngữ cảnh 8K và tốc độ phản hồi cao.",
-  "SenseChat-Turbo-1202.description": "Mô hình nhẹ mới nhất đạt hơn 90% năng lực của mô hình đầy đủ với chi phí suy luận thấp hơn đáng kể.",
-  "SenseChat-Turbo.description": "Phù hợp cho các tình huống hỏi đáp nhanh và tinh chỉnh mô hình.",
-  "SenseChat-Vision.description": "Phiên bản V5.5 mới nhất hỗ trợ đầu vào đa hình ảnh và cải tiến toàn diện về nhận diện thuộc tính, quan hệ không gian, phát hiện hành động/sự kiện, hiểu cảnh, nhận diện cảm xúc, suy luận thông thường và hiểu/tạo văn bản.",
-  "SenseChat.description": "Phiên bản Base V4 với ngữ cảnh 4K và năng lực tổng quát mạnh.",
-  "SenseNova-V6-5-Pro.description": "Với cập nhật toàn diện về dữ liệu đa phương thức, ngôn ngữ và suy luận cùng tối ưu hóa chiến lược huấn luyện, mô hình mới cải thiện đáng kể khả năng suy luận đa phương thức và tuân theo hướng dẫn tổng quát, hỗ trợ cửa sổ ngữ cảnh lên đến 128K và xuất sắc trong các tác vụ nhận diện OCR và IP du lịch văn hóa.",
-  "SenseNova-V6-5-Turbo.description": "Với cập nhật toàn diện về dữ liệu đa phương thức, ngôn ngữ và suy luận cùng tối ưu hóa chiến lược huấn luyện, mô hình mới cải thiện đáng kể khả năng suy luận đa phương thức và tuân theo hướng dẫn tổng quát, hỗ trợ cửa sổ ngữ cảnh lên đến 128K và xuất sắc trong các tác vụ nhận diện OCR và IP du lịch văn hóa.",
-  "SenseNova-V6-Pro.description": "Hợp nhất tự nhiên hình ảnh, văn bản và video, phá vỡ rào cản truyền thống của mô hình đa phương thức; đạt vị trí hàng đầu trên OpenCompass và SuperCLUE.",
-  "SenseNova-V6-Reasoner.description": "Kết hợp suy luận sâu giữa thị giác và ngôn ngữ, hỗ trợ tư duy chậm và chuỗi suy nghĩ đầy đủ.",
-  "SenseNova-V6-Turbo.description": "Hợp nhất tự nhiên hình ảnh, văn bản và video, phá vỡ rào cản truyền thống của mô hình đa phương thức. Dẫn đầu về năng lực cốt lõi đa phương thức và ngôn ngữ, xếp hạng hàng đầu trong nhiều đánh giá.",
   "Skylark2-lite-8k.description": "Mô hình Skylark thế hệ thứ hai. Skylark2-lite phản hồi nhanh cho các tình huống thời gian thực, nhạy cảm về chi phí với yêu cầu độ chính xác thấp hơn, hỗ trợ ngữ cảnh 8K.",
   "Skylark2-pro-32k.description": "Mô hình Skylark thế hệ thứ hai. Skylark2-pro cung cấp độ chính xác cao hơn cho các tác vụ tạo văn bản phức tạp như viết nội dung chuyên nghiệp, tiểu thuyết và dịch chất lượng cao, hỗ trợ ngữ cảnh 32K.",
   "Skylark2-pro-4k.description": "Mô hình Skylark thế hệ thứ hai. Skylark2-pro cung cấp độ chính xác cao hơn cho các tác vụ tạo văn bản phức tạp như viết nội dung chuyên nghiệp, tiểu thuyết và dịch chất lượng cao, hỗ trợ ngữ cảnh 4K.",
@@ -1197,6 +1179,8 @@
   "r1-1776.description": "R1-1776 là biến thể hậu huấn luyện của DeepSeek R1 được thiết kế để cung cấp thông tin thực tế không kiểm duyệt, không thiên lệch.",
   "seedance-1-5-pro-251215.description": "Seedance 1.5 Pro của ByteDance hỗ trợ chuyển văn bản thành video, chuyển hình ảnh thành video (khung đầu tiên, khung đầu tiên + cuối cùng) và tạo âm thanh đồng bộ với hình ảnh.",
   "seedream-5-0-260128.description": "ByteDance-Seedream-5.0-lite của BytePlus có tính năng tạo nội dung tăng cường truy xuất web theo thời gian thực, cải thiện diễn giải lệnh phức tạp và tăng cường tính nhất quán tham chiếu cho sáng tạo hình ảnh chuyên nghiệp.",
+  "sensenova-6.7-flash-lite.description": "Mô hình đại lý đa phương tiện nhẹ được thiết kế cho các quy trình làm việc thực tế, hỗ trợ cả hội thoại dựa trên văn bản và hiểu hình ảnh. Nhẹ và hiệu quả, cân bằng giữa hiệu suất, chi phí và khả năng triển khai. Kiến trúc đa phương tiện gốc với hỗ trợ hiểu hình ảnh, bao gồm OCR và diễn giải biểu đồ. Tăng cường cho các kịch bản văn phòng và năng suất, với hỗ trợ ổn định cho các nhiệm vụ chuỗi dài phức tạp. Cải thiện hiệu quả token, cho phép kiểm soát chi phí tốt hơn cho các khối lượng công việc phức tạp. Độ dài ngữ cảnh lên đến 256K token (đầu vào tối đa: 252K, đầu ra tối đa: 64K).",
+  "sensenova-u1-fast.description": "Phiên bản tăng tốc dựa trên SenseNova U1, được tối ưu hóa đặc biệt cho việc tạo đồ họa thông tin.",
   "solar-mini-ja.description": "Solar Mini (Ja) mở rộng Solar Mini với trọng tâm vào tiếng Nhật trong khi vẫn duy trì hiệu suất mạnh mẽ và hiệu quả với tiếng Anh và tiếng Hàn.",
   "solar-mini.description": "Solar Mini là mô hình ngôn ngữ nhỏ gọn vượt trội hơn GPT-3.5, với khả năng đa ngôn ngữ mạnh mẽ hỗ trợ tiếng Anh và tiếng Hàn, mang lại giải pháp hiệu quả với dung lượng nhỏ.",
   "solar-pro.description": "Solar Pro là mô hình ngôn ngữ thông minh cao từ Upstage, tập trung vào tuân thủ hướng dẫn trên một GPU duy nhất, với điểm IFEval trên 80. Hiện hỗ trợ tiếng Anh; bản phát hành đầy đủ dự kiến vào tháng 11 năm 2024 với hỗ trợ ngôn ngữ mở rộng và ngữ cảnh dài hơn.",

locales/vi-VN/plugin.json

@@ -1,11 +1,21 @@
 {
   "arguments.moreParams": "Tổng cộng có {{count}} tham số",
   "arguments.title": "Tham số",
+  "builtins.codex.apiName.collab_tool_call": "Phối hợp các tác nhân phụ",
   "builtins.codex.apiName.command_execution": "Chạy lệnh",
   "builtins.codex.apiName.file_change": "Chỉnh sửa tệp",
   "builtins.codex.apiName.mcp_tool_call": "Gọi công cụ MCP",
   "builtins.codex.apiName.todo_list": "Cập nhật nhiệm vụ",
   "builtins.codex.apiName.web_search": "Tìm kiếm trên web",
+  "builtins.codex.collabTool.agentCount_one": "{{count}} tác nhân phụ",
+  "builtins.codex.collabTool.agentCount_other": "{{count}} tác nhân phụ",
+  "builtins.codex.collabTool.agentLabel": "Tác nhân phụ {{index}}",
+  "builtins.codex.collabTool.agents": "Các tác nhân phụ",
+  "builtins.codex.collabTool.closeAgent": "Đóng tác nhân phụ",
+  "builtins.codex.collabTool.instruction": "Hướng dẫn",
+  "builtins.codex.collabTool.sendInput": "Gửi tin nhắn cho tác nhân phụ",
+  "builtins.codex.collabTool.spawnAgent": "Tạo tác nhân phụ",
+  "builtins.codex.collabTool.wait": "Chờ các tác nhân phụ",
   "builtins.codex.commandExecution.grep": "Tìm kiếm",
   "builtins.codex.commandExecution.noResults": "Không có kết quả",
   "builtins.codex.commandExecution.readFile": "Đọc tệp",
@@ -447,6 +457,15 @@
   "dev.mcp.auth.desc": "Chọn phương thức xác thực cho máy chủ MCP",
   "dev.mcp.auth.label": "Loại xác thực",
   "dev.mcp.auth.none": "Không xác thực",
+  "dev.mcp.auth.oauth": "OAuth",
+  "dev.mcp.auth.oauth.authorize": "Ủy quyền & Kết nối",
+  "dev.mcp.auth.oauth.clientId.desc": "Để trống để tự động đăng ký một client (đăng ký client động)",
+  "dev.mcp.auth.oauth.clientId.label": "ID Client OAuth",
+  "dev.mcp.auth.oauth.clientId.placeholder": "Không bắt buộc",
+  "dev.mcp.auth.oauth.clientSecret.desc": "Chỉ yêu cầu đối với các client OAuth bảo mật",
+  "dev.mcp.auth.oauth.clientSecret.label": "Bí mật Client OAuth",
+  "dev.mcp.auth.oauth.clientSecret.placeholder": "Không bắt buộc",
+  "dev.mcp.auth.oauth.redirectHint": "URI chuyển hướng để đăng ký với ứng dụng OAuth của bạn:",
   "dev.mcp.auth.placeholder": "Chọn loại xác thực",
   "dev.mcp.auth.token.desc": "Nhập API Key hoặc Bearer Token",
   "dev.mcp.auth.token.label": "API Key",

locales/vi-VN/providers.json

@@ -4,6 +4,7 @@
   "ai360.description": "360 AI là nền tảng mô hình và dịch vụ từ 360, cung cấp các mô hình NLP như 360GPT2 Pro, 360GPT Pro và 360GPT Turbo. Các mô hình này kết hợp tham số quy mô lớn và khả năng đa phương thức để tạo văn bản, hiểu ngữ nghĩa, trò chuyện và lập trình, với mức giá linh hoạt phù hợp nhiều nhu cầu.",
   "aihubmix.description": "AiHubMix cung cấp quyền truy cập vào nhiều mô hình AI thông qua một API thống nhất.",
   "akashchat.description": "Akash là thị trường tài nguyên đám mây không cần cấp phép với mức giá cạnh tranh so với các nhà cung cấp đám mây truyền thống.",
+  "antgroup.description": "Ant Ling là dòng mô hình nền tảng cốt lõi trong sáng kiến Trí tuệ Nhân tạo Tổng quát (AGI) của Ant Group, dành riêng cho việc xây dựng và mở rộng các khả năng mô hình nền tảng tiên tiến. Chúng tôi tin rằng sự phát triển của trí tuệ phải hướng tới sự mở rộng, chia sẻ và khả năng mở rộng—bắt đầu từ những bước nhỏ, thiết thực để thúc đẩy sự tiến hóa ổn định và triển khai AGI trong thực tế.",
   "anthropic.description": "Anthropic phát triển các mô hình ngôn ngữ tiên tiến như Claude 3.5 Sonnet, Claude 3 Sonnet, Claude 3 Opus và Claude 3 Haiku, cân bằng giữa trí tuệ, tốc độ và chi phí cho các tác vụ từ doanh nghiệp đến phản hồi nhanh.",
   "azure.description": "Azure cung cấp các mô hình AI tiên tiến, bao gồm GPT-3.5 và GPT-4, cho nhiều loại dữ liệu và tác vụ phức tạp, tập trung vào AI an toàn, đáng tin cậy và bền vững.",
   "azureai.description": "Azure cung cấp các mô hình AI tiên tiến, bao gồm GPT-3.5 và GPT-4, cho nhiều loại dữ liệu và tác vụ phức tạp, tập trung vào AI an toàn, đáng tin cậy và bền vững.",

locales/vi-VN/setting.json

@@ -280,7 +280,33 @@
   "defaultAgent.title": "Cài đặt Agent Mặc định",
   "devices.actions.edit": "Chỉnh sửa",
   "devices.actions.remove": "Xóa",
+  "devices.capabilities.commands.desc": "Thực thi lệnh terminal một cách an toàn trong môi trường của bạn.",
+  "devices.capabilities.commands.title": "Chạy lệnh",
+  "devices.capabilities.files.desc": "Cho phép các tác nhân truy cập trực tiếp và tổ chức các tệp trên máy tính của bạn.",
+  "devices.capabilities.files.title": "Đọc & ghi tệp cục bộ",
+  "devices.capabilities.title": "Những gì bạn có thể làm sau khi kết nối",
+  "devices.capabilities.tools.desc": "Kết nối các công cụ cục bộ để mở rộng khả năng của các tác nhân.",
+  "devices.capabilities.tools.title": "Gọi công cụ hệ thống",
   "devices.channel.connected": "Đã kết nối {{time}}",
+  "devices.connectWizard.button": "Kết nối Thiết bị",
+  "devices.connectWizard.cli.connectDesc": "Khởi động daemon nền để giữ thiết bị trực tuyến và lắng nghe các thao tác từ xa.",
+  "devices.connectWizard.cli.connectTitle": "Khởi động daemon",
+  "devices.connectWizard.cli.installDesc": "Cài đặt LobeHub CLI toàn cầu bằng trình quản lý gói ưa thích của bạn để kích hoạt kết nối và quản lý thiết bị.",
+  "devices.connectWizard.cli.installTitle": "Cài đặt CLI",
+  "devices.connectWizard.cli.loginDesc": "Hoàn tất ủy quyền OAuth trong trình duyệt của bạn để liên kết CLI với tài khoản của bạn.",
+  "devices.connectWizard.cli.loginTitle": "Đăng nhập",
+  "devices.connectWizard.desktop.downloadLink": "Tải xuống LobeHub Desktop",
+  "devices.connectWizard.desktop.step1": "Tải xuống ứng dụng desktop",
+  "devices.connectWizard.desktop.step1Desc": "Truy cập trang tải xuống LobeHub và lấy ứng dụng cho hệ điều hành của bạn.",
+  "devices.connectWizard.desktop.step2": "Đăng nhập và mở cổng thiết bị",
+  "devices.connectWizard.desktop.step2Desc": "Sau khi đăng nhập, nhấp vào biểu tượng cổng thiết bị ở góc trên bên phải và xác nhận rằng nó đã được bật.",
+  "devices.connectWizard.desktop.step3": "Thiết bị của bạn xuất hiện tự động",
+  "devices.connectWizard.desktop.step3Desc": "Ứng dụng desktop tự động đăng ký làm thiết bị khi khởi chạy — bạn sẽ thấy nó trong danh sách sau khi kết nối.",
+  "devices.connectWizard.footer": "Chỉ siêu dữ liệu thiết bị được đăng ký — dữ liệu của bạn không bao giờ bị truy cập.",
+  "devices.connectWizard.method.cli": "Qua CLI",
+  "devices.connectWizard.method.desktop": "Qua Desktop",
+  "devices.connectWizard.subtitle": "Chọn cách kết nối máy tính của bạn với LobeHub.",
+  "devices.connectWizard.title": "Kết nối Thiết bị",
   "devices.currentBadge": "Thiết bị này",
   "devices.detail.addDir": "Thêm thư mục",
   "devices.detail.connections": "Kết nối",
@@ -294,7 +320,13 @@
   "devices.edit.friendlyNamePlaceholder": "Tên để nhận diện thiết bị này",
   "devices.edit.save": "Lưu",
   "devices.edit.title": "Chỉnh sửa thiết bị",
-  "devices.empty": "Chưa có thiết bị nào. Kết nối một thiết bị bằng `lh connect` hoặc đăng nhập vào ứng dụng máy tính để bàn.",
+  "devices.empty.desc": "Sau khi kết nối, các tác nhân LobeHub có thể đọc/ghi tệp, chạy lệnh và gọi các công cụ hệ thống trực tiếp trên máy tính của bạn.",
+  "devices.empty.methodCli.desc": "Cài đặt CLI trong terminal của bạn — lý tưởng cho máy chủ hoặc máy không có giao diện.",
+  "devices.empty.methodCli.title": "Kết nối qua CLI",
+  "devices.empty.methodDesktop.badge": "Được khuyến nghị",
+  "devices.empty.methodDesktop.desc": "Tải xuống ứng dụng desktop, đăng nhập và thiết bị của bạn sẽ tự động kết nối.",
+  "devices.empty.methodDesktop.title": "Kết nối qua Desktop",
+  "devices.empty.title": "Kết nối thiết bị đầu tiên của bạn",
   "devices.fallbackBadge": "Danh tính không ổn định",
   "devices.fallbackTooltip": "Thiết bị này không thể được nhận diện bằng ID máy, vì vậy việc cài đặt lại ứng dụng có thể tạo ra một mục trùng lặp.",
   "devices.lastSeen": "Hoạt động lần cuối {{time}}",

locales/zh-CN/models.json

@@ -27,15 +27,15 @@
   "DeepSeek-OCR.description": "DeepSeek-OCR 是 DeepSeek AI 推出的视觉语言模型，专注于 OCR 与“上下文光学压缩”。它探索如何从图像中压缩上下文，高效处理文档并将其转换为结构化文本（如 Markdown）。该模型能够精准识别图像中的文字，适用于文档数字化、文本提取与结构化处理等场景。",
   "DeepSeek-R1-Distill-Llama-70B.description": "DeepSeek R1 是 DeepSeek 系列中更大更智能的模型，已蒸馏至 Llama 70B 架构。基准测试和人工评估显示其在数学和事实精度任务上优于原始 Llama 70B。",
   "DeepSeek-R1-Distill-Qwen-1.5B.description": "基于 Qwen2.5-Math-1.5B 的 DeepSeek-R1 蒸馏模型。通过强化学习与冷启动数据优化推理性能，在开源模型中树立多任务新基准。",
-  "DeepSeek-R1-Distill-Qwen-14B.description": "DeepSeek-R1-Distill 模型基于开源模型，使用 DeepSeek-R1 生成的样本数据进行微调。",
-  "DeepSeek-R1-Distill-Qwen-32B.description": "DeepSeek-R1-Distill 模型基于开源模型，使用 DeepSeek-R1 生成的样本数据进行微调。",
+  "DeepSeek-R1-Distill-Qwen-14B.description": "基于Qwen2.5-14B的DeepSeek-R1蒸馏模型。通过强化学习和冷启动数据优化推理性能，为开放模型设立了新的多任务基准。",
+  "DeepSeek-R1-Distill-Qwen-32B.description": "DeepSeek-R1系列通过强化学习和冷启动数据提升推理性能，为开放模型设立了新的多任务基准，并超越了OpenAI o1-mini。",
   "DeepSeek-R1-Distill-Qwen-7B.description": "基于 Qwen2.5-Math-7B 的 DeepSeek-R1 蒸馏模型。通过强化学习与冷启动数据优化推理性能，在开源模型中树立多任务新基准。",
-  "DeepSeek-R1.description": "DeepSeek-R1 在后训练阶段应用大规模强化学习，在极少标注数据下显著提升推理能力，在数学、编程和自然语言推理任务上可与 OpenAI o1 生产模型相媲美。",
+  "DeepSeek-R1.description": "最先进的高效大语言模型，擅长推理、数学和编程。",
   "DeepSeek-V3-1.description": "DeepSeek V3.1 是新一代推理模型，提升了复杂推理与思维链能力，适用于深度分析任务。",
   "DeepSeek-V3-Fast.description": "提供方：sophnet。DeepSeek V3 Fast 是 DeepSeek V3 0324 的高 TPS 版本，采用全精度（非量化），在代码与数学方面更强，响应更快。",
   "DeepSeek-V3.1-Think.description": "DeepSeek-V3.1 思考模式：新型混合推理模型，支持思考与非思考模式，效率优于 DeepSeek-R1-0528。后训练优化显著提升智能体工具使用与任务表现。",
   "DeepSeek-V3.2.description": "deepseek-v3.2 引入稀疏注意力机制，旨在提升处理长文本时的训练与推理效率，且价格低于 deepseek-v3.1。",
-  "DeepSeek-V3.description": "DeepSeek-V3 是 DeepSeek 开发的 MoE 模型，在多个基准测试中超越 Qwen2.5-72B 和 Llama-3.1-405B 等开源模型，并与 GPT-4o 和 Claude 3.5 Sonnet 等领先闭源模型竞争。",
+  "DeepSeek-V3.description": "字节跳动火山引擎的开放部署目前是最稳定的；推荐使用。已自动升级至最新版本（250324）。",
   "Doubao-lite-128k.description": "豆包-lite 提供超快响应和更高性价比，适用于多种场景，支持 128K 上下文推理与微调。",
   "Doubao-lite-32k.description": "豆包-lite 提供超快响应和更高性价比，适用于多种场景，支持 32K 上下文推理与微调。",
   "Doubao-lite-4k.description": "豆包-lite 提供超快响应和更高性价比，适用于多种场景，支持 4K 上下文推理与微调。",
@@ -83,13 +83,12 @@
   "Kimi-K2.5.description": "Kimi K2.5 是目前最强大的 Kimi 模型，在智能体任务、编码与视觉理解方面达成开源 SOTA。支持多模态输入，并提供思维模式与非思维模式两种运行方式。",
   "Kolors.description": "Kolors 是快手 Kolors 团队开发的文本生成图像模型。拥有数十亿参数，在视觉质量、中文语义理解和文本渲染方面具有显著优势。",
   "Kwai-Kolors/Kolors.description": "Kolors 是快手 Kolors 团队推出的大规模潜变量扩散文本生成图像模型。基于数十亿图文对训练，在视觉质量、复杂语义准确性以及中英文文本渲染方面表现出色，具备强大的中文内容理解与生成能力。",
+  "Ling-2.5-1T.description": "作为Ling系列最新的旗舰实时模型，Ling-2.5-1T在模型架构、令牌效率和偏好对齐方面进行了全面升级，旨在将可访问AI的质量提升到一个新高度。",
+  "Ling-2.6-1T.description": "最新的旗舰大语言模型，支持100万令牌上下文窗口，实现从逻辑推理到任务执行的端到端工作流程。",
+  "Ling-2.6-flash.description": "Ling-2.6-flash是Ling系列最新一代高性价比模型。采用专家混合（MoE）架构，总参数量为1000亿，每个令牌激活参数为61亿，在推理性能和计算成本之间实现了最佳平衡。",
   "Llama-3.2-11B-Vision-Instruct.description": "在高分辨率图像上具备强大的图像推理能力，适用于视觉理解类应用。",
-  "Llama-3.2-90B-Vision-Instruct\t.description": "面向视觉理解智能体应用的高级图像推理模型。",
+  "Llama-3.2-90B-Vision-Instruct.description": "为视觉理解代理应用提供高级图像推理能力。",
   "LongCat-2.0-Preview.description": "LongCat-2.0-Preview 的核心特性如下：专为 Agent 开发场景设计，原生支持工具调用、多步推理和长上下文任务；在代码生成、自动化流程和复杂指令执行方面表现突出；与 Claude Code、OpenClaw、OpenCode 和 Kilo Code 等生产力工具深度集成。",
-  "LongCat-Flash-Chat.description": "LongCat-Flash-Chat 模型已升级至新版本。本次更新仅涉及模型能力的增强，模型名称和 API 调用方式保持不变。在其标志性的“极致高效”和“闪电般响应”基础上，新版本进一步强化了上下文理解和实际编程性能：显著增强的编码能力：针对开发者场景进行了深度优化，模型在代码生成、调试和解释任务中表现出显著提升。强烈建议开发者评估和基准测试这些改进。支持 256K 超长上下文：上下文窗口从上一代的 128K 翻倍至 256K，能够高效处理海量文档和长序列任务。全面提升的多语言性能：对包括西班牙语、法语、阿拉伯语、葡萄牙语、俄语和印尼语在内的九种语言提供强大支持。更强大的代理能力：在复杂工具调用和多步骤任务执行中表现出更高的鲁棒性和效率。",
-  "LongCat-Flash-Lite.description": "LongCat-Flash-Lite 模型已正式发布。它采用高效的专家混合（MoE）架构，总参数量为 685 亿，激活参数约为 30 亿。通过使用 N-gram 嵌入表，实现了高效的参数利用，并针对推理效率和特定应用场景进行了深度优化。与同规模模型相比，其核心特点如下：卓越的推理效率：通过利用 N-gram 嵌入表从根本上缓解 MoE 架构固有的 I/O 瓶颈，结合专用缓存机制和内核级优化，大幅降低推理延迟并提升整体效率。强大的代理和代码性能：在工具调用和软件开发任务中表现出极具竞争力的能力，相较于其模型规模，性能尤为出色。",
-  "LongCat-Flash-Thinking-2601.description": "LongCat-Flash-Thinking-2601 模型已正式发布。作为基于专家混合（MoE）架构的升级推理模型，其总参数量达到 5600 亿。在保持传统推理基准强竞争力的同时，通过大规模多环境强化学习系统性地增强了代理级推理能力。与 LongCat-Flash-Thinking 模型相比，关键升级如下：噪声环境中的极致鲁棒性：通过针对现实环境中的噪声和不确定性进行系统化课程式训练，模型在代理工具调用、基于代理的搜索和工具集成推理中表现出卓越性能，并显著提升了泛化能力。强大的代理能力：通过构建包含 60 多种工具的紧密耦合依赖图，并通过多环境扩展和大规模探索性学习进行训练，模型显著提升了对复杂和分布外现实场景的泛化能力。高级深度思考模式：通过并行推理扩展推理广度，并通过递归反馈驱动的总结和抽象机制加深分析能力，有效解决高度复杂的问题。",
-  "LongCat-Flash-Thinking.description": "为确保您获得顶级推理性能，LongCat API 平台已统一并升级对 LongCat-Flash-Thinking 模型的调用。所有使用 `model=LongCat-Flash-Thinking` 的现有请求将自动路由至最新版本 LongCat-Flash-Thinking-2601，无需进行任何代码修改。",
   "M2-her.description": "一个专为角色扮演和多轮对话设计的文本对话模型，支持角色定制和情感表达。",
   "Meta-Llama-3-3-70B-Instruct.description": "Llama 3.3 70B 是一款多用途的 Transformer 模型，适用于对话和文本生成任务。",
   "Meta-Llama-3.1-405B-Instruct.description": "Llama 3.1 是一款经过指令微调的文本模型，专为多语言对话优化，在开放与闭源聊天模型中，在行业通用基准测试中表现出色。",
@@ -187,27 +186,10 @@
   "Qwen2.5-Coder-14B-Instruct.description": "Qwen2.5-Coder-14B-Instruct 是一款大规模预训练的编程指令模型，具备强大的代码理解与生成能力，能够高效处理多种编程任务，适用于智能编程、自动脚本生成与编程问答。",
   "Qwen2.5-Coder-32B-Instruct.description": "高级 LLM，支持多种主流编程语言的代码生成、推理与错误修复。",
   "Qwen3-235B-A22B-Instruct-2507-FP8.description": "Qwen3 235B A22B Instruct 2507 通过 MoE 架构优化推理效率，专为高级推理与指令跟随任务设计。",
-  "Qwen3-235B.description": "Qwen3-235B-A22B 是一款 MoE 模型，引入混合推理模式，用户可在“思考”与“非思考”之间无缝切换。支持 119 种语言与方言的理解与推理，具备强大的工具调用能力，在通用能力、代码与数学、多语种能力及知识推理等多个基准测试中，与 DeepSeek R1、OpenAI o1、o3-mini、Grok 3 及 Google Gemini 2.5 Pro 等主流模型展开竞争。",
-  "Qwen3-32B.description": "Qwen3-32B 是一款稠密模型，引入混合推理模式，用户可在“思考”与“非思考”之间切换。通过架构改进、数据增强与训练优化，其性能可与 Qwen2.5-72B 相媲美。",
   "Qwen3.5-Plus.description": "Qwen3.5 Plus 支持文本、图像与视频输入，在纯文本任务上的表现可比肩 Qwen3 Max，且成本更低。其多模态能力相较 Qwen3 VL 系列有显著提升。",
+  "Ring-2.5-1T.description": "与之前发布的Ring-1T相比，Ring-2.5-1T在生成效率、推理深度和长时间任务执行能力三个关键维度上实现了显著提升：**生成效率**：通过采用高比例的线性注意力机制，Ring-2.5-1T将内存访问开销减少了10倍以上。在处理超过32K令牌的序列时，其生成吞吐量提高了3倍以上，非常适合深度推理和长时间任务执行。**深度推理**：基于RLVR，引入了密集奖励机制，为推理过程的严谨性提供反馈。这使得Ring-2.5-1T在IMO 2025和CMO 2025（自评）中达到了金牌级表现。**长时间任务执行**：通过大规模完全异步的基于代理的强化学习训练，模型显著增强了其在长时间内自主执行复杂任务的能力。这使得Ring-2.5-1T能够无缝集成到Claude Code和OpenClaw个人AI助手等代理编程框架中。",
+  "Ring-2.6-1T.description": "Ring-2.6-1T是一个万亿参数规模的推理模型，每次推理激活约630亿参数。专为代理工作流设计，重点关注代理能力、工具使用和长时间任务执行，在PinchBench、ClawEval、TAU2-Bench和GAIA2-search等基准测试中表现领先。模型在执行质量、延迟和成本方面进行了优化，非常适合高级编程代理、复杂推理管道和大规模自主系统。",
   "S2V-01.description": "01系列的基础参考转视频模型。",
-  "SenseChat-128K.description": "基于V4的128K上下文模型，擅长长文本理解与生成。",
-  "SenseChat-32K.description": "基于V4的32K上下文模型，适用于多种场景，灵活高效。",
-  "SenseChat-5-1202.description": "基于V5.5的最新版本，在中英文基础能力、对话、理工知识、人文知识、写作、数学/逻辑及长度控制方面有显著提升。",
-  "SenseChat-5-Cantonese.description": "专为香港本地对话习惯、俚语及本地知识设计；粤语理解超越GPT-4，知识、推理、数学与编程能力媲美GPT-4 Turbo。",
-  "SenseChat-5-beta.description": "部分性能超越SenseChat-5-1202。",
-  "SenseChat-5.description": "最新V5.5版本，支持128K上下文；在数学推理、英文对话、指令理解及长文本处理方面有重大提升，整体表现可与GPT-4o媲美。",
-  "SenseChat-Character-Pro.description": "高级角色对话模型，支持32K上下文，能力增强，支持中英文。",
-  "SenseChat-Character.description": "标准角色对话模型，支持8K上下文，响应速度快。",
-  "SenseChat-Turbo-1202.description": "最新轻量模型，在推理成本大幅降低的同时，达到90%以上的全模型能力。",
-  "SenseChat-Turbo.description": "适用于快速问答及模型微调场景。",
-  "SenseChat-Vision.description": "最新V5.5版本，支持多图输入，在属性识别、空间关系、动作/事件检测、场景理解、情感识别、常识推理及文本理解/生成方面全面提升。",
-  "SenseChat.description": "基于V4的4K上下文模型，具备强大的通用能力。",
-  "SenseNova-V6-5-Pro.description": "通过多模态、语言与推理数据的全面更新及训练策略优化，新模型在多模态推理与通用指令理解方面显著提升，支持最多128K上下文窗口，擅长OCR与文旅IP识别任务。",
-  "SenseNova-V6-5-Turbo.description": "通过多模态、语言与推理数据的全面更新及训练策略优化，新模型在多模态推理与通用指令理解方面显著提升，支持最多128K上下文窗口，擅长OCR与文旅IP识别任务。",
-  "SenseNova-V6-Pro.description": "原生统一图像、文本与视频，打破传统多模态壁垒；在OpenCompass与SuperCLUE等评测中名列前茅。",
-  "SenseNova-V6-Reasoner.description": "融合视觉与语言的深度推理，支持慢思考与完整思维链。",
-  "SenseNova-V6-Turbo.description": "原生统一图像、文本与视频，打破传统多模态壁垒；在核心多模态与语言能力方面领先，在多项评测中表现优异。",
   "Skylark2-lite-8k.description": "Skylark第二代模型。Skylark2-lite响应迅速，适用于对准确率要求不高的实时、成本敏感场景，支持8K上下文窗口。",
   "Skylark2-pro-32k.description": "Skylark第二代模型。Skylark2-pro具备更高准确率，适用于专业文案、小说创作及高质量翻译等复杂文本生成任务，支持32K上下文窗口。",
   "Skylark2-pro-4k.description": "Skylark第二代模型。Skylark2-pro具备更高准确率，适用于专业文案、小说创作及高质量翻译等复杂文本生成任务，支持4K上下文窗口。",
@@ -1197,6 +1179,8 @@
   "r1-1776.description": "R1-1776 是 DeepSeek R1 的后训练版本，旨在提供无审查、无偏见的真实信息。",
   "seedance-1-5-pro-251215.description": "字节跳动推出的 Seedance 1.5 Pro 支持文本生成视频、图像生成视频（首帧、首+尾帧）以及与视觉同步的音频生成。",
   "seedream-5-0-260128.description": "字节跳动 BytePlus 推出的 Seedream 5.0-lite，支持基于网络检索增强的实时信息生成，改进复杂提示的解析能力，并提升参考一致性，适用于专业视觉创作。",
+  "sensenova-6.7-flash-lite.description": "一款为真实工作流设计的轻量级多模态代理模型，支持基于文本的对话和图像理解。轻量高效，平衡性能、成本和可部署性。原生多模态架构，支持图像理解，包括OCR和图表解析。针对办公和生产力场景进行了增强，稳定支持复杂的长链任务。改进了令牌效率，为复杂工作负载提供更好的成本控制。上下文长度为256K令牌（最大输入：252K，最大输出：64K）。",
+  "sensenova-u1-fast.description": "基于SenseNova U1的加速版本，专为信息图生成进行了优化。",
   "solar-mini-ja.description": "Solar Mini (Ja) 是 Solar Mini 的日语增强版本，同时保持在英语和韩语中的高效强性能。",
   "solar-mini.description": "Solar Mini 是一款紧凑型大语言模型，性能超越 GPT-3.5，具备强大的多语言能力，支持英语和韩语，提供高效的小体积解决方案。",
   "solar-pro.description": "Solar Pro 是 Upstage 推出的高智能大语言模型，专注于单 GPU 上的指令跟随任务，IFEval 得分超过 80。目前支持英语，完整版本计划于 2024 年 11 月发布，届时将扩展语言支持并提升上下文长度。",

locales/zh-TW/chat.json

@@ -15,6 +15,8 @@
   "agentBuilder.installPlugin.retry": "重試",
   "agentBuilder.title": "助手建構專家",
   "agentBuilder.welcome": "說說你的需求場景？專業夥伴應運而生。\n\n無論是寫作、程式設計，還是資料分析，我都能幫你打造專屬助理！",
+  "agentConfigError.retry": "重試",
+  "agentConfigError.title": "載入代理設定失敗",
   "agentDefaultMessage": "你好，我是 **{{name}}**，你可以立即與我開始對話，也可以前往 [助手設定]({{url}}) 完善我的資訊。",
   "agentDefaultMessageWithSystemRole": "你好，我是 **{{name}}**，有什麼我可以幫忙的嗎？",
   "agentDefaultMessageWithoutEdit": "你好，我是 **{{name}}**，有什麼我可以幫忙的嗎？",
@@ -252,6 +254,10 @@
   "input.costEstimate.tooltip": "根據當前上下文、工具和模型定價估算。實際成本可能有所不同。",
   "input.disclaimer": "AI 也可能會犯錯，請檢查重要資訊",
   "input.errorMsg": "訊息發送失敗，請檢查網路後重試：{{errorMsg}}",
+  "input.inputCompletionError.desc": "因錯誤導致輸入建議停止。請重試，或在設定中調整建議模型。",
+  "input.inputCompletionError.retry": "重試",
+  "input.inputCompletionError.settings": "設定",
+  "input.inputCompletionError.title": "輸入建議已暫停",
   "input.more": "更多",
   "input.send": "發送",
   "input.sendWithCmdEnter": "按 <key/> 鍵發送",
@@ -1006,7 +1012,9 @@
   "workingPanel.localFile.closeRight": "關閉右側",
   "workingPanel.localFile.error": "無法載入此檔案",
   "workingPanel.localFile.preview.raw": "原始檔案",
+  "workingPanel.localFile.preview.reload": "重新載入預覽",
   "workingPanel.localFile.preview.render": "預覽",
+  "workingPanel.localFile.preview.source": "來源",
   "workingPanel.localFile.truncated": "檔案預覽已截斷至 {{limit}} 個字元",
   "workingPanel.progress": "進度",
   "workingPanel.progress.allCompleted": "所有任務已完成",

locales/zh-TW/modelProvider.json

@@ -239,6 +239,7 @@
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken32k.hint": "適用於 GLM-5 和 GLM-4.7；控制推理的 Token 預算（最大 32k）。",
   "providerModels.item.modelConfig.extendParams.options.reasoningBudgetToken80k.hint": "適用於 Qwen3 系列；控制推理的 Token 預算（最大 80k）。",
   "providerModels.item.modelConfig.extendParams.options.reasoningEffort.hint": "適用於 OpenAI 及其他具推理能力的模型；控制推理程度。",
+  "providerModels.item.modelConfig.extendParams.options.ring2_6ReasoningEffort.hint": "適用於 Ring 2.6 系列；控制推理強度。",
   "providerModels.item.modelConfig.extendParams.options.step3_5ReasoningEffort.hint": "適用於 Step 3.5 系列；控制推理強度。",
   "providerModels.item.modelConfig.extendParams.options.textVerbosity.hint": "適用於 GPT-5+ 系列；控制輸出內容的詳盡程度。",
   "providerModels.item.modelConfig.extendParams.options.thinking.hint": "適用於部分豆包模型；允許模型自行決定是否進行深入思考。",

locales/zh-TW/models.json

@@ -27,15 +27,15 @@
   "DeepSeek-OCR.description": "DeepSeek-OCR 是 DeepSeek AI 推出的視覺語言模型，專注於 OCR 與「脈絡光學壓縮」。其核心在於從影像中壓縮脈絡、有效處理文件，並將其轉換為結構化文字（如 Markdown）。能精準辨識影像文字，適用於文件數位化、文字擷取與結構化處理。",
   "DeepSeek-R1-Distill-Llama-70B.description": "DeepSeek R1 是 DeepSeek 系列中更大更智慧的模型，已蒸餾至 Llama 70B 架構。基準測試與人工評估顯示其在數學與事實精確任務上優於原始 Llama 70B。",
   "DeepSeek-R1-Distill-Qwen-1.5B.description": "基於 Qwen2.5-Math-1.5B 的 DeepSeek-R1 蒸餾模型。透過強化學習與冷啟動資料優化推理表現，為開源模型樹立多任務新基準。",
-  "DeepSeek-R1-Distill-Qwen-14B.description": "DeepSeek-R1-Distill 模型是從開源模型出發，使用 DeepSeek-R1 生成的樣本資料進行微調。",
-  "DeepSeek-R1-Distill-Qwen-32B.description": "DeepSeek-R1-Distill 模型是從開源模型出發，使用 DeepSeek-R1 生成的樣本資料進行微調。",
+  "DeepSeek-R1-Distill-Qwen-14B.description": "基於 Qwen2.5-14B 的 DeepSeek-R1 精煉模型。透過強化學習與冷啟動數據優化推理性能，為開放模型樹立了新的多任務基準。",
+  "DeepSeek-R1-Distill-Qwen-32B.description": "DeepSeek-R1 系列透過強化學習與冷啟動數據提升推理性能，為開放模型樹立了新的多任務基準，並超越了 OpenAI o1-mini。",
   "DeepSeek-R1-Distill-Qwen-7B.description": "基於 Qwen2.5-Math-7B 的 DeepSeek-R1 蒸餾模型。透過強化學習與冷啟動資料優化推理表現，為開源模型樹立多任務新基準。",
-  "DeepSeek-R1.description": "DeepSeek-R1 在後訓練階段應用大規模強化學習，僅需極少標註資料即可大幅提升推理能力，在數學、程式碼與自然語言推理任務上與 OpenAI o1 生產模型表現相當。",
+  "DeepSeek-R1.description": "最先進的高效大型語言模型，擅長推理、數學和編程。",
   "DeepSeek-V3-1.description": "DeepSeek V3.1 是新一代推理模型，強化複雜推理與思維鏈能力，適用於深度分析任務。",
   "DeepSeek-V3-Fast.description": "提供者：sophnet。DeepSeek V3 Fast 是 DeepSeek V3 0324 的高 TPS 版本，為全精度（非量化）模型，具備更強的程式碼與數學能力，回應速度更快。",
   "DeepSeek-V3.1-Think.description": "DeepSeek-V3.1 思考模式：新型混合推理模型，具備思考與非思考模式，效率優於 DeepSeek-R1-0528。後訓練優化顯著提升代理工具使用與任務表現。",
   "DeepSeek-V3.2.description": "deepseek-v3.2 採用稀疏注意力機制，旨在提升處理長文本時的訓練與推理效率，成本低於 deepseek-v3.1。",
-  "DeepSeek-V3.description": "DeepSeek-V3 是 DeepSeek 開發的 MoE 模型，在多項基準測試中超越 Qwen2.5-72B 與 Llama-3.1-405B 等開源模型，並與 GPT-4o、Claude 3.5 Sonnet 等主流封閉模型競爭。",
+  "DeepSeek-V3.description": "字節跳動火山引擎的開放部署目前是最穩定的；推薦使用。已自動升級至最新版本（250324）。",
   "Doubao-lite-128k.description": "Doubao-lite 提供超快速回應與更高性價比，適用於多種場景，支援 128K 上下文推理與微調。",
   "Doubao-lite-32k.description": "Doubao-lite 提供超快速回應與更高性價比，適用於多種場景，支援 32K 上下文推理與微調。",
   "Doubao-lite-4k.description": "Doubao-lite 提供超快速回應與更高性價比，適用於多種場景，支援 4K 上下文推理與微調。",
@@ -83,13 +83,12 @@
   "Kimi-K2.5.description": "Kimi K2.5 是最強大的 Kimi 模型，在智能體任務、編碼與視覺理解上達到開源 SOTA。支援多模態輸入，並具備思考模式與非思考模式。",
   "Kolors.description": "Kolors 是由快手 Kolors 團隊開發的文字轉圖像模型。該模型擁有數十億參數，在視覺品質、中文語義理解與文字渲染方面具有顯著優勢。",
   "Kwai-Kolors/Kolors.description": "Kolors 是快手 Kolors 團隊推出的大型潛變分布式文字轉圖像模型。訓練資料涵蓋數十億組圖文對，在視覺品質、複雜語義準確性與中英文文字渲染方面表現出色，具備強大的中文內容理解與生成能力。",
+  "Ling-2.5-1T.description": "作為 Ling 系列最新的旗艦實時模型，Ling-2.5-1T 在模型架構、令牌效率和偏好對齊方面進行了全面升級，旨在將可訪問 AI 的質量提升到新高度。",
+  "Ling-2.6-1T.description": "最新的旗艦大型語言模型，支持 1M 令牌上下文窗口，實現從邏輯推理到任務執行的端到端工作流程。",
+  "Ling-2.6-flash.description": "Ling-2.6-flash 是 Ling 系列最新一代高性價比模型。採用專家混合（MoE）架構，總參數量為 1000 億，每個令牌激活參數數量為 61 億，在推理性能與計算成本之間實現了最佳平衡。",
   "Llama-3.2-11B-Vision-Instruct.description": "具備高解析度圖像的強大圖像推理能力，適用於視覺理解應用。",
-  "Llama-3.2-90B-Vision-Instruct\t.description": "先進的圖像推理能力，適用於視覺理解代理應用。",
+  "Llama-3.2-90B-Vision-Instruct.description": "為視覺理解代理應用提供先進的圖像推理能力。",
   "LongCat-2.0-Preview.description": "LongCat-2.0-Preview 的核心特點如下：專為代理開發場景設計，原生支援工具使用、多步推理與長上下文任務；擅長程式碼生成、自動化流程與複雜指令執行；與 Claude Code、OpenClaw、OpenCode、Kilo Code 等生產力工具深度整合。",
-  "LongCat-Flash-Chat.description": "LongCat-Flash-Chat 模型已升級至新版本。本次更新僅涉及模型能力的增強，模型名稱和 API 調用方式保持不變。在其標誌性的「極高效率」和「閃電般快速響應」基礎上，新版本進一步加強了上下文理解和實際編程性能：顯著增強的編程能力：針對開發者場景進行深度優化，模型在代碼生成、調試和解釋任務中表現出顯著提升。強烈建議開發者評估和基準測試這些改進。支持 256K 超長上下文：上下文窗口從上一代的 128K 增加到 256K，能夠高效處理大規模文檔和長序列任務。全面提升的多語言性能：對包括西班牙語、法語、阿拉伯語、葡萄牙語、俄語和印尼語在內的九種語言提供強大支持。更強大的代理能力：在複雜工具調用和多步任務執行中展現出更高的穩健性和效率。",
-  "LongCat-Flash-Lite.description": "LongCat-Flash-Lite 模型已正式發布。它採用高效的專家混合（MoE）架構，總參數量為 685 億，激活參數約為 30 億。通過使用 N-gram 嵌入表，實現了高效的參數利用，並針對推理效率和特定應用場景進行了深度優化。與同等規模的模型相比，其核心特點如下：卓越的推理效率：通過利用 N-gram 嵌入表從根本上緩解 MoE 架構固有的 I/O 瓶頸，結合專用緩存機制和內核級優化，大幅降低推理延遲並提高整體效率。強大的代理和編程性能：在工具調用和軟件開發任務中表現出高度競爭力，與其模型規模相比，性能卓越。",
-  "LongCat-Flash-Thinking-2601.description": "LongCat-Flash-Thinking-2601 模型已正式發布。作為基於專家混合（MoE）架構的升級推理模型，其總參數量達到 5600 億。在保持傳統推理基準競爭力的同時，通過大規模多環境強化學習系統性地增強了代理級推理能力。與 LongCat-Flash-Thinking 模型相比，主要升級如下：在噪聲環境中的極端穩健性：通過針對現實場景中的噪聲和不確定性進行系統性課程式訓練，模型在代理工具調用、代理搜索和工具集成推理中表現出色，泛化能力顯著提升。強大的代理能力：通過構建包含超過 60 種工具的緊密耦合依賴圖，並通過多環境擴展和大規模探索性學習進行訓練，模型顯著提高了對複雜和分佈外現實場景的泛化能力。先進的深度思考模式：通過並行推理擴展推理廣度，並通過遞歸反饋驅動的總結和抽象機制加深分析能力，有效解決高度挑戰性的問題。",
-  "LongCat-Flash-Thinking.description": "為確保您獲得頂尖推理效能，LongCat API 平台已統一升級 LongCat-Flash-Thinking 模型的調用。所有使用 `model=LongCat-Flash-Thinking` 的請求將自動路由至最新版本 LongCat-Flash-Thinking-2601，無需修改任何程式碼。",
   "M2-her.description": "一款專為角色扮演和多輪對話設計的文本對話模型，支持角色定制和情感表達。",
   "Meta-Llama-3-3-70B-Instruct.description": "Llama 3.3 70B 是一款多功能 Transformer 模型，適用於對話與生成任務。",
   "Meta-Llama-3.1-405B-Instruct.description": "Llama 3.1 是針對多語言對話優化的指令微調文字模型，在開源與封閉聊天模型中於多項業界基準測試中表現優異。",
@@ -187,27 +186,10 @@
   "Qwen2.5-Coder-14B-Instruct.description": "Qwen2.5-Coder-14B-Instruct 是一款大型預訓練程式指令模型，具備強大的程式理解與生成能力。能高效處理各類程式任務，適用於智慧編碼、自動腳本生成與程式問答。",
   "Qwen2.5-Coder-32B-Instruct.description": "進階語言模型，支援多種程式語言的程式碼生成、推理與錯誤修復。",
   "Qwen3-235B-A22B-Instruct-2507-FP8.description": "Qwen3 235B A22B Instruct 2507 針對高階推理與指令遵循進行最佳化，採用 MoE 架構以在大規模下保持推理效率。",
-  "Qwen3-235B.description": "Qwen3-235B-A22B 是一款 MoE 模型，導入混合推理模式，讓使用者能在思考與非思考之間無縫切換。它支援 119 種語言與方言的理解與推理，具備強大的工具調用能力，在通用能力、程式碼與數學、多語言能力與知識推理等基準測試中，與 DeepSeek R1、OpenAI o1、o3-mini、Grok 3 和 Google Gemini 2.5 Pro 等主流模型競爭。",
-  "Qwen3-32B.description": "Qwen3-32B 是一款密集模型，導入混合推理模式，讓使用者能在思考與非思考之間切換。透過架構改進、更多資料與更佳訓練，其表現與 Qwen2.5-72B 相當。",
   "Qwen3.5-Plus.description": "Qwen3.5 Plus 支援文字、影像與影片輸入，在純文字任務上的效能接近 Qwen3 Max，但成本更低、表現更佳；多模態能力也較 Qwen3 VL 系列大幅提升。",
+  "Ring-2.5-1T.description": "與先前發布的 Ring-1T 相比，Ring-2.5-1T 在生成效率、推理深度和長期任務執行能力三個關鍵維度上實現了顯著提升：**生成效率**：通過採用高比例的線性注意力機制，Ring-2.5-1T 將內存訪問開銷降低了超過 10 倍。在處理超過 32K 令牌的序列時，其生成吞吐量提高了超過 3 倍，特別適合深度推理和長期任務執行。**深度推理**：基於 RLVR，引入了一種密集獎勵機制，為推理過程的嚴謹性提供反饋。這使得 Ring-2.5-1T 在 IMO 2025 和 CMO 2025（自評）中達到了金牌級別的表現。**長期任務執行**：通過大規模完全異步的基於代理的強化學習訓練，該模型顯著增強了其在長時間內自主執行複雜任務的能力。這使得 Ring-2.5-1T 能夠無縫集成到 Claude Code 和 OpenClaw 個人 AI 助手等代理編程框架中。",
+  "Ring-2.6-1T.description": "Ring-2.6-1T 是一個擁有萬億參數規模的推理模型，每次推理激活約 630 億參數。專為代理工作流程設計，專注於代理能力、工具使用和長期任務執行，在 PinchBench、ClawEval、TAU2-Bench 和 GAIA2-search 等基準測試中達到領先性能。該模型在執行質量、延遲和成本方面進行了優化，非常適合高級編程代理、複雜推理管道和大規模自主系統。",
   "S2V-01.description": "01系列的基礎參考影像生成模型。",
-  "SenseChat-128K.description": "Base V4，支援 128K 上下文，擅長長文本理解與生成。",
-  "SenseChat-32K.description": "Base V4，支援 32K 上下文，靈活應用於多種場景。",
-  "SenseChat-5-1202.description": "基於 V5.5 的最新版本，在中英文基礎能力、對話、STEM 知識、人文知識、寫作、數學/邏輯與長度控制方面有顯著提升。",
-  "SenseChat-5-Cantonese.description": "專為香港對話習慣、俚語與在地知識設計；在粵語理解上超越 GPT-4，並在知識、推理、數學與程式碼方面可與 GPT-4 Turbo 匹敵。",
-  "SenseChat-5-beta.description": "部分性能超越 SenseChat-5-1202。",
-  "SenseChat-5.description": "最新 V5.5 版本，支援 128K 上下文；在數學推理、英文對話、指令遵循與長文本理解方面有重大提升，表現可比擬 GPT-4o。",
-  "SenseChat-Character-Pro.description": "進階角色對話模型，支援 32K 上下文，能力提升，支援中英文。",
-  "SenseChat-Character.description": "標準角色對話模型，支援 8K 上下文，回應速度快。",
-  "SenseChat-Turbo-1202.description": "最新輕量模型，在大幅降低推理成本的同時達到 90% 以上的完整模型能力。",
-  "SenseChat-Turbo.description": "適用於快速問答與模型微調場景。",
-  "SenseChat-Vision.description": "最新 V5.5 版本，支援多圖輸入，在屬性辨識、空間關係、動作/事件偵測、場景理解、情緒辨識、常識推理與文字理解/生成等核心能力上全面提升。",
-  "SenseChat.description": "Base V4，支援 4K 上下文，具備強大通用能力。",
-  "SenseNova-V6-5-Pro.description": "透過多模態、語言與推理資料的全面升級及訓練策略優化，該模型大幅提升多模態推理與通用指令遵循能力，支援最高 128K 上下文，並在 OCR 與文化旅遊 IP 辨識任務中表現優異。",
-  "SenseNova-V6-5-Turbo.description": "透過多模態、語言與推理資料的全面升級及訓練策略優化，該模型大幅提升多模態推理與通用指令遵循能力，支援最高 128K 上下文，並在 OCR 與文化旅遊 IP 辨識任務中表現優異。",
-  "SenseNova-V6-Pro.description": "原生整合圖像、文字與影片，打破傳統多模態隔閡；在 OpenCompass 與 SuperCLUE 中名列前茅。",
-  "SenseNova-V6-Reasoner.description": "結合視覺與語言的深度推理，支援慢思考與完整思路鏈。",
-  "SenseNova-V6-Turbo.description": "原生整合圖像、文字與影片，打破傳統多模態隔閡。在多模態與語言核心能力上領先，於多項評測中名列前茅。",
   "Skylark2-lite-8k.description": "Skylark 第二代模型。Skylark2-lite 回應快速，適用於即時、成本敏感但精度要求較低的場景，支援 8K 上下文。",
   "Skylark2-pro-32k.description": "Skylark 第二代模型。Skylark2-pro 精度更高，適用於專業文案、小說創作與高品質翻譯等複雜文本生成任務，支援 32K 上下文。",
   "Skylark2-pro-4k.description": "Skylark 第二代模型。Skylark2-pro 精度更高，適用於專業文案、小說創作與高品質翻譯等複雜文本生成任務，支援 4K 上下文。",
@@ -1197,6 +1179,8 @@
   "r1-1776.description": "R1-1776 是 DeepSeek R1 的後訓練版本，旨在提供未經審查、無偏見的事實資訊。",
   "seedance-1-5-pro-251215.description": "字節跳動的 Seedance 1.5 Pro 支持文本生成視頻、圖像生成視頻（首幀、首幀+末幀）以及與視覺同步的音頻生成。",
   "seedream-5-0-260128.description": "字節跳動 BytePlus 的 Seedream-5.0-lite 提供基於網絡檢索增強的生成功能，用於實時信息，增強複雜提示解釋，以及改進參考一致性以進行專業視覺創作。",
+  "sensenova-6.7-flash-lite.description": "一款為現實工作流程設計的輕量級多模態代理模型，支持基於文本的對話和圖像理解。輕量高效，平衡性能、成本和可部署性。原生多模態架構，支持圖像理解，包括 OCR 和圖表解讀。針對辦公和生產力場景進行增強，穩定支持複雜的長鏈任務。改進的令牌效率，實現對複雜工作負載的更好成本控制。上下文長度為 256K 令牌（最大輸入：252K，最大輸出：64K）。",
+  "sensenova-u1-fast.description": "基於 SenseNova U1 的加速版本，專為信息圖生成進行了優化。",
   "solar-mini-ja.description": "Solar Mini (Ja) 是 Solar Mini 的日文強化版本，同時維持在英文與韓文上的高效能表現。",
   "solar-mini.description": "Solar Mini 是一款緊湊型大型語言模型，效能超越 GPT-3.5，具備強大的多語言能力，支援英文與韓文，提供高效能且佔用資源小的解決方案。",
   "solar-pro.description": "Solar Pro 是 Upstage 推出的高智慧大型語言模型，專注於單 GPU 上的指令遵循任務，IFEval 分數超過 80。目前支援英文，完整版本預計於 2024 年 11 月推出，將擴展語言支援與上下文長度。",

locales/zh-TW/plugin.json

@@ -1,11 +1,21 @@
 {
   "arguments.moreParams": "總共有 {{count}} 個參數",
   "arguments.title": "參數清單",
+  "builtins.codex.apiName.collab_tool_call": "協調子代理",
   "builtins.codex.apiName.command_execution": "執行指令",
   "builtins.codex.apiName.file_change": "編輯檔案",
   "builtins.codex.apiName.mcp_tool_call": "呼叫MCP工具",
   "builtins.codex.apiName.todo_list": "更新任務",
   "builtins.codex.apiName.web_search": "搜尋網頁",
+  "builtins.codex.collabTool.agentCount_one": "{{count}} 個子代理",
+  "builtins.codex.collabTool.agentCount_other": "{{count}} 個子代理",
+  "builtins.codex.collabTool.agentLabel": "子代理 {{index}}",
+  "builtins.codex.collabTool.agents": "子代理",
+  "builtins.codex.collabTool.closeAgent": "關閉子代理",
+  "builtins.codex.collabTool.instruction": "指令",
+  "builtins.codex.collabTool.sendInput": "向子代理發送訊息",
+  "builtins.codex.collabTool.spawnAgent": "生成子代理",
+  "builtins.codex.collabTool.wait": "等待子代理",
   "builtins.codex.commandExecution.grep": "搜尋",
   "builtins.codex.commandExecution.noResults": "無結果",
   "builtins.codex.commandExecution.readFile": "讀取檔案",
@@ -447,6 +457,15 @@
   "dev.mcp.auth.desc": "選擇 MCP 伺服器的認證方式",
   "dev.mcp.auth.label": "認證類型",
   "dev.mcp.auth.none": "無需認證",
+  "dev.mcp.auth.oauth": "OAuth",
+  "dev.mcp.auth.oauth.authorize": "授權並連接",
+  "dev.mcp.auth.oauth.clientId.desc": "留空以自動註冊客戶端（動態客戶端註冊）",
+  "dev.mcp.auth.oauth.clientId.label": "OAuth 客戶端 ID",
+  "dev.mcp.auth.oauth.clientId.placeholder": "可選",
+  "dev.mcp.auth.oauth.clientSecret.desc": "僅對保密的 OAuth 客戶端需要",
+  "dev.mcp.auth.oauth.clientSecret.label": "OAuth 客戶端密鑰",
+  "dev.mcp.auth.oauth.clientSecret.placeholder": "可選",
+  "dev.mcp.auth.oauth.redirectHint": "要與您的 OAuth 應用註冊的重定向 URI:",
   "dev.mcp.auth.placeholder": "請選擇認證類型",
   "dev.mcp.auth.token.desc": "輸入你的 API Key 或 Bearer Token",
   "dev.mcp.auth.token.label": "API Key",

locales/zh-TW/providers.json

@@ -4,6 +4,7 @@
   "ai360.description": "360 AI 是來自 360 的模型與服務平台，提供 NLP 模型如 360GPT2 Pro、360GPT Pro 與 360GPT Turbo，結合大規模參數與多模態能力，支援文本生成、語意理解、對話與程式碼處理，並具備彈性定價以滿足多元需求。",
   "aihubmix.description": "AiHubMix 透過統一的 API 提供多種 AI 模型的存取。",
   "akashchat.description": "Akash 是一個無需許可的雲端資源市場，與傳統雲端供應商相比，其定價具有競爭力。",
+  "antgroup.description": "螞蟻靈是螞蟻集團人工通用智能（AGI）計劃的核心基礎模型系列，致力於構建並開放尖端的基礎模型能力。我們相信，智能的發展必須朝向開放、共享和可擴展性邁進——從小而實用的步驟開始，推動AGI的穩步演進和實際應用。",
   "anthropic.description": "Anthropic 開發先進語言模型，如 Claude 3.5 Sonnet、Claude 3 Sonnet、Claude 3 Opus 與 Claude 3 Haiku，兼顧智慧、速度與成本，適用於企業與即時應用場景。",
   "azure.description": "Azure 提供先進的 AI 模型，包括 GPT-3.5 與 GPT-4 系列，支援多樣資料類型與複雜任務，並強調安全、可靠與永續的 AI 發展。",
   "azureai.description": "Azure 提供先進的 AI 模型，包括 GPT-3.5 與 GPT-4 系列，支援多樣資料類型與複雜任務，並強調安全、可靠與永續的 AI 發展。",

locales/zh-TW/setting.json

@@ -280,7 +280,33 @@
   "defaultAgent.title": "預設助手設定",
   "devices.actions.edit": "編輯",
   "devices.actions.remove": "移除",
+  "devices.capabilities.commands.desc": "安全地在您的環境中執行終端指令。",
+  "devices.capabilities.commands.title": "執行指令",
+  "devices.capabilities.files.desc": "讓代理直接存取並整理您電腦上的檔案。",
+  "devices.capabilities.files.title": "讀取與寫入本地檔案",
+  "devices.capabilities.title": "連接後您可以執行的操作",
+  "devices.capabilities.tools.desc": "連接本地工具以擴展代理的功能。",
+  "devices.capabilities.tools.title": "調用系統工具",
   "devices.channel.connected": "已連接 {{time}}",
+  "devices.connectWizard.button": "連接設備",
+  "devices.connectWizard.cli.connectDesc": "啟動背景守護程式以保持設備在線並準備接收遠端操作。",
+  "devices.connectWizard.cli.connectTitle": "啟動守護程式",
+  "devices.connectWizard.cli.installDesc": "使用您偏好的套件管理器全域安裝 LobeHub CLI，以啟用設備連接和管理功能。",
+  "devices.connectWizard.cli.installTitle": "安裝 CLI",
+  "devices.connectWizard.cli.loginDesc": "在瀏覽器中完成 OAuth 授權，將 CLI 與您的帳戶連結。",
+  "devices.connectWizard.cli.loginTitle": "登入",
+  "devices.connectWizard.desktop.downloadLink": "下載 LobeHub 桌面應用程式",
+  "devices.connectWizard.desktop.step1": "下載桌面應用程式",
+  "devices.connectWizard.desktop.step1Desc": "造訪 LobeHub 下載頁面，取得適用於您操作系統的應用程式。",
+  "devices.connectWizard.desktop.step2": "登入並開啟設備閘道",
+  "devices.connectWizard.desktop.step2Desc": "登入後，點擊右上角的設備閘道圖示並確認已啟用。",
+  "devices.connectWizard.desktop.step3": "您的設備會自動顯示",
+  "devices.connectWizard.desktop.step3Desc": "桌面應用程式啟動時會自動註冊為設備——連接後您會在列表中看到它。",
+  "devices.connectWizard.footer": "僅註冊設備元數據——您的資料絕不會被存取。",
+  "devices.connectWizard.method.cli": "透過 CLI",
+  "devices.connectWizard.method.desktop": "透過桌面應用程式",
+  "devices.connectWizard.subtitle": "選擇如何將您的電腦連接到 LobeHub。",
+  "devices.connectWizard.title": "連接設備",
   "devices.currentBadge": "此裝置",
   "devices.detail.addDir": "新增目錄",
   "devices.detail.connections": "連接",
@@ -294,7 +320,13 @@
   "devices.edit.friendlyNamePlaceholder": "用於識別此裝置的名稱",
   "devices.edit.save": "儲存",
   "devices.edit.title": "編輯裝置",
-  "devices.empty": "尚無裝置。使用 `lh connect` 或登入桌面應用程式以連接一個。",
+  "devices.empty.desc": "連接後，LobeHub 代理可以直接在您的電腦上讀取/寫入檔案、執行指令以及調用系統工具。",
+  "devices.empty.methodCli.desc": "在終端中安裝 CLI——非常適合伺服器或無頭機器。",
+  "devices.empty.methodCli.title": "透過 CLI 連接",
+  "devices.empty.methodDesktop.badge": "推薦",
+  "devices.empty.methodDesktop.desc": "下載桌面應用程式，登入後您的設備會自動連接。",
+  "devices.empty.methodDesktop.title": "透過桌面應用程式連接",
+  "devices.empty.title": "連接您的第一個設備",
   "devices.fallbackBadge": "不穩定的身份",
   "devices.fallbackTooltip": "此裝置無法通過其機器 ID 識別，因此重新安裝應用程式可能會創建重複的條目。",
   "devices.lastSeen": "最後活躍 {{time}}",