---
title: "كيف تختار مزوّد LLM API؟ قائمة تحقق من 20 نقطة | BroadRouter"
description: "عشرون سؤالًا تطرحها قبل اختيار LLM API: الأسعار، والحدود، والتوافق مع OpenAI، والخصوصية، والنماذج، والدعم، ووقت التشغيل، مع ورقة تقييم وخطة اختبار."
url: https://broadrouter.com/ar/blog/choose-llm-api-provider-checklist/
lang: ar
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

تُرجمت هذه الصفحة من الإنجليزية بمساعدة الذكاء الاصطناعي. [اقرأ الأصل الإنجليزي](https://broadrouter.com/blog/choose-llm-api-provider-checklist/) (حُدّث في 2026-11-16).

# كيف تختار مزوّد LLM API: قائمة تحقق من 20 نقطة

بقلم فريق BroadNet Inference · قراءة في 5 دقائق · تاريخ النشر 2026-11-14 · آخر تحديث 2026-11-16

اختر مزوّد LLM API بتقييمه في ستة مجالات: التكلفة الإجمالية لحجم عملك الفعلي، وحدود المعدّل والتزامن، والتوافق مع OpenAI، وشروط الاحتفاظ بالبيانات والتدريب عليها، والنماذج وأحجام السياق التي تحتاجها، والدعم والموثوقية. ثم أجرِ اختبارًا لمدة أسبوع بحركة بياناتك الفعلية قبل الالتزام. السعر لكل رمز وحده دليل ضعيف.

## أبرز النقاط

-   احسب تكلفة حجم عملك الفعلي، بما فيه الإدخال المخزّن مؤقتًا ورموز الاستدلال المنطقي وإعادة المحاولات، لا سعر الإدخال المُعلن وحده.
-   حدود التزامن تعطّل الوكلاء ومهام الدُفعات أكثر مما تفعل حدود الطلبات في الدقيقة.
-   التوافق مع OpenAI يُبقي الانتقال رخيصًا، لكن تحقّق من الاستخدام في البث، واستدعاءات الأدوات، ورموز الأخطاء.
-   احصل على شروط الاحتفاظ بالبيانات والتدريب كتابةً؛ فهي تختلف بين الفئات المجانية والمدفوعة.
-   أجرِ تجربة لمدة أسبوع بحركة بيانات فعلية وسجّل الرموز وزمن الاستجابة والأخطاء قبل أن تلتزم.

**في هذه الصفحة**

1.  كم سيكلّف فعلًا؟ (الأسئلة 1 إلى 4)
2.  أيّ الحدود ستصطدم بها أولًا؟ (الأسئلة 5 إلى 7)
3.  ما مدى توافقه مع شيفرتك؟ (الأسئلة 8 إلى 10)
4.  ماذا يحدث لبياناتك؟ (الأسئلة 11 إلى 13)
5.  هل لديه النماذج التي تحتاجها؟ (الأسئلة 14 إلى 16)
6.  هل سيبقى متاحًا، ومَن يجيبك؟ (الأسئلة 17 إلى 20)
7.  كيف تقارن بين المزوّدين بالتقييم؟
8.  كيف تختبر مزوّدًا في أسبوع واحد؟
9.  كيف تجيب BroadNet Inference عن قائمة التحقق؟

_[image: A chess knight and queen on a board, with the text "The right model. For the next move."]_

لاختيار مزوّد LLM API، قيّم كل مرشّح في ستة مجالات: التكلفة الشهرية لحجم عملك الفعلي، وحدود المعدّل والتزامن، والتوافق مع OpenAI، وشروط الاحتفاظ بالبيانات والتدريب عليها، والنماذج التي تحتاجها، والدعم والموثوقية. ثم اختبر المرشّحَين الأولين بأسبوع من حركة البيانات الفعلية. ستجد أدناه 20 سؤالًا، وورقة تقييم، وخطة الاختبار.

وبعد أن تختار، تتناول [قائمة تحقق الانتقال](https://broadrouter.com/ar/blog/openai-compatible-api-migration-checklist/) عملية التبديل نفسها، ويتناول [كيف تقيّم نموذج LLM قبل الانتقال إليه](https://broadrouter.com/ar/blog/evaluate-llm-before-switching/) اختبار الجودة بالتفصيل.

## كم سيكلّف فعلًا؟ (الأسئلة 1 إلى 4)

1.  **كم يكلّف حجم عملي الفعلي شهريًا؟** احسب الإدخال و[الإدخال المخزّن مؤقتًا](https://broadrouter.com/ar/glossary/cached-input-tokens/) والإخراج كلًّا على حدة؛ وتفعل ذلك لكل نموذج [حاسبة تكلفة LLM API](https://broadrouter.com/tools/llm-api-cost-calculator/) المجانية. يعيد الوكلاء إرسال السياق نفسه، لذا كثيرًا ما يطغى الإدخال المخزّن مؤقتًا على الفاتورة. ويشرح [دليل الأسعار](https://broadrouter.com/ar/blog/llm-api-pricing-explained/) كل بند.
2.  **هل تُحتسب رموز (توكن) الاستدلال المنطقي إخراجًا؟** قد تنفق نماذج الاستدلال على التفكير رموزًا أكثر مما تنفقه على الإجابة.
3.  **هل هناك خيار بسعر ثابت؟** للوكلاء الذين يعملون بلا توقف، قد تتفوّق الخطة الثابتة على الفوترة لكل رمز. راجع [حساب نقطة التعادل](https://broadrouter.com/ar/blog/flat-rate-vs-pay-per-token-llm-api/).
4.  **هل الأسعار مقروءة آليًا ومؤرّخة؟** يتيح لك ملف أسعار بصيغة JSON تتبّع التغييرات وبناء تنبيهات للتكلفة.

وتقارن مجموعة بياناتنا المفتوحة عن [الفئات المجانية وحدود المعدّل في LLM API](https://broadrouter.com/data/llm-api-free-tiers-and-rate-limits/) ما ينشره 14 مزوّدًا عن الوصول المجاني، وحدود المعدّل المبدئية، واشتراط البطاقة، والتدريب على بيانات الفئة المجانية، مع المصدر والتاريخ لكل قيمة.

## أيّ الحدود ستصطدم بها أولًا؟ (الأسئلة 5 إلى 7)

5.  **ما حدود الطلبات في الدقيقة والتزامن؟** التزامن (الطلبات قيد التنفيذ) هو ما يُوقف الوكلاء المتوازيين ومهام الدُفعات. راجع [حدود المعدّل](https://broadrouter.com/ar/glossary/rate-limit/) و[التزامن](https://broadrouter.com/ar/glossary/concurrency/)، وقِس حركة بياناتك مقابل الحد عبر [حاسبة حدود المعدّل](https://broadrouter.com/tools/llm-rate-limit-calculator/).
6.  **هل هناك سقف للرموز، أو نافذة زمنية متحرّكة، أو حصة أسبوعية؟** كثيرًا ما تحوي الخطط “غير المحدودة” شيئًا من ذلك. اقرأ [ماذا يعني “غير محدود” فعلًا](https://broadrouter.com/ar/blog/what-unlimited-llm-api-really-means/).
7.  **ما نافذة السياق، وهل تُقتطع؟** تحقّق من الحد الأقصى الفعلي لكل طلب، وهل يقتطع المزوّد الأوامر الطويلة بصمت.

## ما مدى توافقه مع شيفرتك؟ (الأسئلة 8 إلى 10)

8.  **هل هو متوافق مع OpenAI، وإلى أي حد؟** ينبغي أن يكفي تغيير [عنوان base URL](https://broadrouter.com/ar/glossary/base-url/). ثم اختبر البث مع بيانات الاستخدام، واستدعاءات الأدوات، والإخراج المنظّم، ورموز الأخطاء. تسرد [قائمة تحقق الانتقال](https://broadrouter.com/ar/blog/openai-compatible-api-migration-checklist/) ما الذي يتعطّل.
9.  **هل يعمل مع أدواتي؟** حزم SDK، وأطر الوكلاء، ومساعدات بيئات التطوير. راجع [أدلة التكامل](https://broadrouter.com/integrations/) لدى المزوّد.
10.  **هل معرّفات النماذج ثابتة؟** تحتاج إلى معرّفات بإصدارات، وإلى إشعار مسبق قبل إيقاف أي نموذج.

## ماذا يحدث لبياناتك؟ (الأسئلة 11 إلى 13)

11.  **هل تُخزَّن الأوامر والمخرجات، وإلى متى؟** يحتفظ كثير من المزوّدين بمحتوى API حتى 30 يومًا افتراضيًا. قارن الصياغات الرسمية في [مقارنة الاحتفاظ بالبيانات في LLM API](https://broadrouter.com/ar/blog/llm-api-data-retention-compared/).
12.  **هل تُستخدم بياناتي في التدريب؟** تحقّق من الإعداد الافتراضي لفئتك، كتابةً.
13.  **هل يمكنني توقيع اتفاقية معالجة بيانات (DPA)، والاطلاع على المعالِجين الفرعيين، وتقييد المفاتيح؟** استخدم [قائمة تحقق GDPR](https://broadrouter.com/ar/blog/gdpr-llm-api-checklist/) إن كنت تعالج بيانات شخصية من الاتحاد الأوروبي، واطلب قوائم سماح لعناوين IP.

## هل لديه النماذج التي تحتاجها؟ (الأسئلة 14 إلى 16)

14.  **هل لدى المزوّد أحجام النماذج والقدرات التي أحتاجها؟** الرؤية، واستدعاء الأدوات، والاستدلال المنطقي، والسياق الطويل، والكلام.
15.  **كيف يؤدي كل نموذج في مهامي؟** ابنِ 30 إلى 50 حالة اختبار حقيقية وقيّمها. المقاييس المعيارية مرشّح أول فقط؛ ويسرد [أين تقارن نماذج LLM](https://broadrouter.com/ar/blog/artificial-analysis-alternatives/) لوحات الصدارة وما يقيسه كلٌّ منها. ويوضح [دليل التقييم](https://broadrouter.com/ar/blog/evaluate-llm-before-switching/) كيف تبني المجموعة وتتجنّب تحيّز المُقيِّم.
16.  **مفتوح الأوزان أم مغلق؟** يمكن لعدة مزوّدين استضافة النماذج مفتوحة الأوزان، مما يقلّل الارتباط بمزوّد واحد. راجع [النماذج مفتوحة الأوزان مقابل المغلقة](https://broadrouter.com/ar/blog/open-weight-vs-closed-models/).

## هل سيبقى متاحًا، ومَن يجيبك؟ (الأسئلة 17 إلى 20)

17.  **هل توجد صفحة حالة وسجل للأعطال؟**
18.  **هل توجد اتفاقية مستوى خدمة (SLA) مكتوبة للإنتاج؟**
19.  **مَن يشغّل وحدات معالجة الرسومات (GPU)؟** عتاد خاص، أو سحابة، أو سعة مُعاد بيعها من API أخرى. كلٌّ منها يضيف طرفًا إلى مسار البيانات والموثوقية.
20.  **كيف أصل إلى إنسان؟** أوقات الاستجابة، والقنوات، وهل يستطيع فريق الدعم رؤية محتوى طلباتك.

## كيف تقارن بين المزوّدين بالتقييم؟

امنح كل سؤال 0 (لا أو غير معروف)، أو 1 (جزئيًا)، أو 2 (نعم، كتابةً). ورجّح المجموعات حسب حالة استخدامك:

| المجموعة | الأسئلة | الوزن لوكيل ذكاء اصطناعي | الوزن لتطبيق خاضع للتنظيم |
| --- | --- | --- | --- |
| الأسعار | 1 إلى 4 | مرتفع | متوسط |
| الحدود | 5 إلى 7 | مرتفع | متوسط |
| التوافق | 8 إلى 10 | متوسط | متوسط |
| الخصوصية | 11 إلى 13 | متوسط | مرتفع |
| النماذج | 14 إلى 16 | مرتفع | مرتفع |
| الدعم والموثوقية | 17 إلى 20 | متوسط | مرتفع |

يحصل “غير معروف” على 0 لسبب وجيه: إن لم يستطع المزوّد الإجابة، فلا يمكنك الاعتماد عليه.

## كيف تختبر مزوّدًا في أسبوع واحد؟

1.  اختر المزوّدَين الأولين من ورقة التقييم.
2.  وجّه جزءًا من حركة البيانات الفعلية إلى كلٍّ منهما عبر OpenAI SDK نفسها، مع حفظ معرّفات النماذج وعناوين base URL في الإعدادات.
3.  سجّل لكل طلب: النموذج، ورموز الأمر، والرموز المخزّنة مؤقتًا، ورموز الإكمال، وزمن الاستجابة، ورمز الحالة. لا تسجّل المحتوى أبدًا.
4.  حاكِ ذروتك: شغّل مهمة الدُفعات أو الوكلاء المتوازيين، وراقب أخطاء 429. يوضح [دليل الأخطاء وإعادة المحاولة](https://broadrouter.com/ar/guides/errors-and-retries/) التراجع الصحيح (back-off).
5.  اضرب رموز الأسبوع في نحو 4.3 واحسب تكلفة الشهر لكل مزوّد.
6.  قيّم المخرجات على مجموعة الاختبار لديك.

## كيف تجيب BroadNet Inference عن قائمة التحقق؟

| # | BroadNet Inference |
| --- | --- |
| 1، 4 | أسعار لكل رمز منشورة في [pricing.json](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-choose-llm-api-provider-checklist&utm_content=body)، مُحدَّثة في 2026-11-14 |
| 3 | خطط بسعر ثابت لـ [DeepSeek V4.1 Flash](https://broadrouter.com/ar/models/deepseek-v4.1-flash/): $60 شهريًا، أو $15 أسبوعيًا، أو $1 للساعة لكل جلسة |
| 5 | الدفع حسب الاستخدام: 30 طلبًا في الدقيقة، و4 قيد التنفيذ؛ وتنفّذ جلسات الخطط طلبًا واحدًا في كل مرة |
| 6 | الخطط: لا عدّاد للرموز، ولا نافذة زمنية متحرّكة، ولا سقف أسبوعي |
| 7 | حتى 1,048,576 رمزًا في DeepSeek V4.1 Flash وGLM 5.3؛ وتقول صفحة الخطط إن السياق لا يُقتطع أبدًا |
| 8 | متوافقة مع OpenAI على `https://inference.broadnet.ai/v1` |
| 11، 12 | لا يُحتفظ بأي أوامر أو مخرجات؛ ولا تُستخدم لتدريب النماذج أو ضبطها الدقيق أو تقييمها |
| 13 | قوائم سماح لعناوين IP حتى 32 إدخالًا؛ وقائمة المعالِجين الفرعيين عند الطلب؛ واطلب اتفاقية معالجة البيانات (DPA) |
| 14 | أربعة نماذج محادثة، إضافةً إلى نموذجين لتحويل الكلام إلى نص |
| 19 | يقول بيان الخصوصية لدى BroadNet إن نماذجها الخاصة والنماذج مفتوحة الأوزان التي تستضيفها تعمل على عتاد تملكه BroadNet أو تستأجره في الولايات المتحدة، مع سعة من شركاء احتياطيًا؛ والنماذج التي يقدّمها الشركاء، مثل DeepSeek V4.1 Flash، تعمل لدى شركاء استدلال في الولايات المتحدة بشروط عدم الاحتفاظ بالبيانات (ZDR) |

ما لم نجده في وثائق BroadNet أو صفحات خططها (بتاريخ 14 نوفمبر 2026): اتفاقية مستوى خدمة (SLA)، أو صفحة حالة، أو سياسة لإيقاف النماذج. اطلبها إن كانت تهمّك، واحتفظ بمزوّد ثانٍ للمسارات الحرجة. كما أن الكتالوج أصغر من كتالوج المجمّعات: إن كنت تحتاج إلى نماذج GPT أو Claude أو Gemini، فليست BroadNet المزوّد المناسب لتلك الحركة. ويكفي الرصيد المبدئي البالغ $5 للخطوة 3 من خطة الاختبار مع حجم عمل خفيف، لكنه لا يغطي من نماذج المحادثة إلا Gemma 4 VL 26B (ويغطي أيضًا نموذجي Transcribe للنسخ الصوتي)؛ أما نماذج المحادثة الأخرى فتحتاج إلى شحن الرصيد.

أدوات مجانية لهذا الموضوع (بالإنجليزية)

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [LLM token counter](https://broadrouter.com/tools/token-counter/) Exact token counts with each model's real tokenizer, with a token view and cost.
-   [Context window calculator](https://broadrouter.com/tools/context-window-calculator/) Will it fit? Window used per model, room left for output, cost to send.

[أدوات مجانية (بالإنجليزية)](https://broadrouter.com/tools/)

## مصطلحات في هذا المقال

[التزامن (Concurrency)](https://broadrouter.com/ar/glossary/concurrency/)

التزامن (concurrency) هو عدد الطلبات التي تكون لدى العميل قيد التنفيذ في الوقت نفسه. وكثيرًا ما تضع واجهات LLM API سقفًا له لكل مفتاح أو خطة، بمعزل عن عدد الطلبات في الدقيقة، لأن كل طلب مفتوح يشغل قدرة من وحدة GPU حتى تكتمل استجابته.

[الرمز (التوكن، Token)](https://broadrouter.com/ar/glossary/token/)

الرمز (التوكن) هو وحدة النص التي يقرؤها نموذج اللغة ويكتبها: كلمة، أو جزء من كلمة، أو علامة ترقيم، أو تسلسل بايتات ينتجه مجزّئ النموذج (tokenizer). وتَعُدّ واجهات LLM API الاستهلاك بالرموز، وتضع حدودها بها، وتحتسب تكلفتها بها عادةً.

[اتفاقية معالجة البيانات (DPA)](https://broadrouter.com/ar/glossary/dpa/)

اتفاقية معالجة البيانات (DPA) هي العقد بين المتحكم والمعالج الذي يحكم طريقة تعامل المعالج مع البيانات الشخصية. تشترطها المادة 28(3) من GDPR وتحدد محتواها: تعليمات موثقة، والسرية، والأمن، وقواعد المعالجين الفرعيين، وحذف البيانات أو إعادتها، والتدقيق.

[استدعاء الأدوات (Tool calling)](https://broadrouter.com/ar/glossary/tool-calling/)

استدعاء الأدوات، ويُسمّى أيضًا استدعاء الدوال (function calling)، ميزة في واجهات LLM API يُرجع فيها النموذج طلبًا منظَّمًا لتشغيل دالة عرّفها المطوّر، مع معاملات بصيغة JSON. ويشغّل التطبيق الدالة ويعيد النتيجة؛ فالنموذج لا يشغّل الشيفرة بنفسه أبدًا.

[العنوان الأساسي (Base URL)](https://broadrouter.com/ar/glossary/base-url/)

العنوان الأساسي (base URL) هو الجذر الثابت لعنوان الواجهة، مثل https://api.example.com/v1، الذي يضعه العميل قبل كل مسار نقطة نهاية، مثل /chat/completions. وفي حزم SDK المتوافقة مع OpenAI، يكفي تغيير العنوان الأساسي، مع مفتاح API ومعرّف النموذج، لتوجيه الشيفرة نفسها إلى مزوّد آخر.

[الدفع حسب الاستخدام (Pay-as-you-go)](https://broadrouter.com/ar/glossary/pay-as-you-go/)

الدفع حسب الاستخدام هو نموذج تسعير تدفع فيه مقابل ما تستخدمه فقط، مقيسًا بوحدات مثل الرموز (التوكنات) أو الطلبات أو دقائق الصوت، دون اشتراك أو حد أدنى للالتزام. وتحتسب معظم واجهات LLM API تكلفتها بهذه الطريقة، من رصيد مدفوع مسبقًا أو بفاتورة دورية.

[اتفاقية مستوى الخدمة (SLA)](https://broadrouter.com/ar/glossary/sla/)

اتفاقية مستوى الخدمة (SLA) التزام تعاقدي من المزوّد بمستوى خدمة قابل للقياس، عادةً نسبة توفر شهرية، مع تعويض محدد، عادةً أرصدة خدمة، إذا لم يتحقق. وتحدد الاتفاقية ما يُعدّ توقفًا، وما هو مستثنى، وكيفية المطالبة.

[التقييم (Eval)](https://broadrouter.com/ar/glossary/eval/)

التقييم (eval، اختصار evaluation) اختبار قابل للتكرار لنموذج لغوي أو أمر: مجموعة ثابتة من المدخلات، ووصف لما تبدو عليه المخرجات الجيدة، ومصحِّح (شيفرة أو إنسان أو نموذج آخر) يمنح كل مخرج درجة حتى يمكن المقارنة بين الإصدارات.

## أسئلة شائعة

### ما الذي أبحث عنه في مزوّد LLM API؟

التكلفة الإجمالية لحجم عملك، وحدود المعدّل والتزامن، والتوافق مع OpenAI، وشروط الاحتفاظ بالبيانات والتدريب عليها، والنماذج وأحجام السياق التي تحتاجها، والدعم والموثوقية. قيّم كل مجال، ثم اختبر بحركة بيانات فعلية.

### هل أرخص LLM API هو الخيار الأفضل؟

ليس دائمًا. فأسعار الإدخال المخزّن مؤقتًا، ورموز الاستدلال المنطقي، وإعادة المحاولات بسبب حدود المعدّل، ووقت الهندسة اللازم للالتفاف على الميزات الناقصة، قد تفوق كلها فرق السعر المُعلن الأقل. قارن الفاتورة الشهرية لحجم عملك الفعلي.

### كيف أتجنّب الارتباط بمزوّد واحد في LLM API؟

استخدم API متوافقة مع OpenAI عبر SDK قياسية، واحفظ معرّفات النماذج وعناوين base URL في الإعدادات، وتجنّب الميزات الخاصة بمزوّد واحد في مسارك الأساسي، واحتفظ بمزوّد ثانٍ مُختبَر.

### كم أختبر LLM API قبل الالتزام؟

نحو أسبوع من حركة البيانات الفعلية يكفي لرؤية استهلاك الرموز، ونسبة الإصابة في الذاكرة المؤقتة، وزمن الاستجابة، ومعدلات الأخطاء، وسلوك حدود المعدّل. اضرب نتيجة الأسبوع في نحو 4.3 لتقدير الشهر.

### ما نسبة وقت التشغيل التي ينبغي أن يقدّمها مزوّد LLM API؟

اطلب صفحة حالة منشورة، وسجلًا للأعطال، واتفاقية مستوى خدمة (SLA) مكتوبة للاستخدام في الإنتاج. وإن لم يكن لدى المزوّد شيء من ذلك، فخطّط لمزوّد بديل لمساراتك الحرجة.

## تابع القراءة

-   [عناوين base URL لواجهات API المتوافقة مع OpenAI: فحص 14 مزوّدًا](https://broadrouter.com/ar/blog/openai-compatible-api-base-urls/)
-   [كيف تقيّم نموذج LLM قبل الانتقال إلى مزوّد آخر](https://broadrouter.com/ar/blog/evaluate-llm-before-switching/)
-   [الانتقال إلى واجهة API متوافقة مع OpenAI: قائمة تحقق للترحيل](https://broadrouter.com/ar/blog/openai-compatible-api-migration-checklist/)
-   [ما معنى «غير محدود» فعلًا في خطط API نماذج اللغة؟](https://broadrouter.com/ar/blog/what-unlimited-llm-api-really-means/)
-   [اللائحة العامة لحماية البيانات (GDPR) وLLM API: 15 سؤالًا لمزوّدك](https://broadrouter.com/ar/blog/gdpr-llm-api-checklist/)
-   [النماذج المفتوحة مقابل المغلقة للشركات: التكلفة والتحكم والمخاطر](https://broadrouter.com/ar/blog/open-weight-vs-closed-models/)
-   [أمان مفاتيح LLM API: التخزين والتدوير وقوائم عناوين IP المسموحة](https://broadrouter.com/ar/blog/llm-api-key-security/)
-   [بدائل Artificial Analysis: أين تقارن نماذج LLM في 2026](https://broadrouter.com/ar/blog/artificial-analysis-alternatives/)
-   [مقارنة SLA لـ LLM API: بماذا تتعهد Azure وBedrock وGoogle وOpenAI؟](https://broadrouter.com/ar/blog/llm-api-sla-uptime-compared/)
-   [دليل: رموز أخطاء BroadNet Inference ومتى تعيد المحاولة](https://broadrouter.com/ar/guides/errors-and-retries/)
-   [دليل: اربط مفاتيح API بخوادمك عبر قوائم عناوين IP المسموح بها](https://broadrouter.com/ar/guides/api-keys-ip-allow-lists/)

جرّبه على مهامك الفعلية. تبدأ الحسابات الجديدة برصيد قدره $5 لاستخدام Gemma والتفريغ الصوتي. أما DeepSeek وGLM وQwen3.8 فتتطلب شحن الرصيد.

[ابدأ الآن](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-choose-llm-api-provider-checklist&utm_content=page-cta) ·

**المصادر**

-   [المرجع التقني لواجهة BroadNet Inference: الحدود والأخطاء والبيانات (تاريخ الاطلاع 2026-11-14) (بالإنجليزية)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-choose-llm-api-provider-checklist&utm_content=sources)
-   [ملف أسعار BroadNet Inference المقروء آليًا، pricing.json (تاريخ الاطلاع 2026-11-14) (بالإنجليزية)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-choose-llm-api-provider-checklist&utm_content=sources)
-   [خطط BroadNet Inference (تاريخ الاطلاع 2026-11-14)](https://inference.broadnet.ai/ar/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-choose-llm-api-provider-checklist&utm_content=sources)
-   [بيان الخصوصية لـ BroadNet Inference (ساري منذ سبتمبر 2026؛ تاريخ الاطلاع 2026-11-14)](https://www.broadnet.ai/ar/inference-privacy)
-   [المرجع التقني لـ OpenAI API، chat completions، أساس التوافق (تاريخ الاطلاع 2026-11-14)](https://developers.openai.com/api/reference/resources/chat)
