---
title: "أفضل نموذج لغة للعربية عبر API: ماذا تختبر قبل الاختيار؟"
description: "كيف تختار نموذج لغة لتطبيقات عربية: فهم اللهجات، وجودة الكتابة، والترجمة، وقراءة المستندات والصور العربية، والتكلفة، مع مجموعة اختبار تبنيها في يوم."
url: https://broadrouter.com/ar/blog/choosing-an-llm-for-arabic/
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/choosing-an-llm-for-arabic/) (حُدّث في 2026-11-14).

# اختيار LLM API للغة العربية: ما الذي تختبره؟

بقلم فريق BroadNet Inference · قراءة في 7 دقائق · تاريخ النشر 2026-11-14

اختر نموذج اللغة للعربية باختباره على مهامك أنت: فهم اللهجات الخليجية والمصرية والشامية، وكتابة عربية فصحى سلسة، والترجمة بين العربية والإنجليزية، وقراءة المستندات العربية. في اختبارات BroadNet، كتب Qwen3.8 27B عربية سلسة وفهم اللهجتين الخليجية والمصرية. ويكلّف $0.175 لكل مليون رمز (توكن) إدخال.

## أبرز النقاط

-   اختبر فهم اللهجات، والكتابة بالعربية، والترجمة، وقراءة المستندات كلًّا على حدة. فالنماذج تختلف في كل منها.
-   لوحات الترتيب العربية العامة تساعدك على إعداد قائمة مختصرة، لكنها لا تختبر لهجاتك ولا أسلوبك ولا مستنداتك.
-   في اختبارات BroadNet، كتب Qwen3.8 27B عربية سلسة، وفهم اللهجتين الخليجية والمصرية، وترجم بدقة.
-   نماذج الرؤية تستطيع قراءة الفواتير والإيصالات العربية وإعادة JSON منظَّم.
-   كثيرًا ما تستهلك العربية رموزًا لكل كلمة أكثر من الإنجليزية، فقارن التكلفة على نصوصك الحقيقية، لا لكل كلمة.
-   اربط نموذج اللغة بنموذج لتحويل الكلام العربي إلى نص للرسائل الصوتية والمكالمات.

**في هذه الصفحة**

1.  ما المهام العربية التي ينبغي أن تختبرها؟
2.  ماذا تخبرك لوحات الترتيب العربية العامة؟
3.  ما واجهات LLM API التي تدعم العربية؟
4.  ما نماذج BroadNet التي تتعامل مع العربية؟
5.  كيف تبني مجموعة اختبار عربية؟
6.  كيف تقيّم المخرجات؟
7.  هل يغيّر أمر النظام النتيجة؟
8.  لماذا تكلّف العربية رموزًا أكثر من الإنجليزية؟
9.  هل يستطيع نموذج اللغة قراءة الفواتير والصور العربية؟
10.  ماذا عن الرسائل الصوتية والمكالمات بالعربية؟
11.  لماذا تعود بعض الإجابات العربية فارغة؟
12.  ما الأخطاء التي ينبغي تجنّبها؟
13.  أين تقع BroadNet Inference من هذا؟

لتختار LLM API للعربية، اختبر كل نموذج مرشّح على المهام التي يؤديها منتجك: فهم لهجات مستخدميك، وكتابة عربية فصحى طبيعية، والترجمة، وقراءة المستندات العربية. وقيّم كل مهمة على حدة بمساعدة متحدث أصلي. فعبارة «يدعم العربية» قد تعني أي شيء، من لهجة خليجية سلسة إلى نص متكلّف يبدو مترجمًا.

## ما المهام العربية التي ينبغي أن تختبرها؟

| المهمة | مثال | ما الذي تتحقق منه |
| --- | --- | --- |
| فهم اللهجة | عميل سعودي يكتب باللهجة الخليجية | هل يفهم المقصد، لا الكلمات فقط؟ |
| الكتابة بالعربية | رد بعربية فصحى واضحة | السلاسة، والنحو، والنبرة الطبيعية، والمستوى اللغوي المناسب |
| الترجمة | عقود أو تذاكر دعم بين العربية والإنجليزية | دقة الأسماء والأرقام والمصطلحات القانونية |
| قراءة المستندات | صورة فاتورة عربية | استخراج المجاميع والتواريخ واسم المورّد بشكل صحيح |
| سماع الكلام | الرسائل الصوتية، والمكالمات | هذه مهمة نموذج [تحويل الكلام إلى نص](https://broadrouter.com/ar/glossary/speech-to-text/)، لا نموذج لغة؛ انظر أدناه |

قد يكون النموذج قويًا في مهمة وضعيفًا في أخرى. قيّم كل مهمة على حدة.

## ماذا تخبرك لوحات الترتيب العربية العامة؟

ترتّب عدة لوحات عامة النماذج بالعربية. ومنها [Open Arabic LLM Leaderboard](https://huggingface.co/spaces/OALL/Open-Arabic-LLM-Leaderboard) على Hugging Face. و[BALSAM](https://arxiv.org/abs/2507.22603) مقياس مجتمعي يضم 78 مهمة في 14 فئة، ومنصة للتقييم الأعمى؛ ويكتب مؤلفوه أن أداء نماذج اللغة الكبيرة بالعربية متأخر عن التقدم الذي تحقق في الإنجليزية.

استخدم هذه اللوحات لإعداد قائمة مختصرة، لا لاتخاذ القرار النهائي. فالمقاييس في معظمها أسئلة اختيار من متعدد ومهام قياسية. ونادرًا ما تختبر رسائل العملاء بالخليجية، أو نبرة علامتك التجارية، أو صورة إيصال مجعّد. وهذه هي الأشياء التي يلاحظها مستخدموك.

## ما واجهات LLM API التي تدعم العربية؟

تقبل كل واجهات المحادثة العامة تقريبًا النص العربي، لذا فالسؤال المفيد هو: ما مدى إتقانها للهجاتك، وهل تستطيع أصلًا استدعاء النماذج العربية أولًا؟ راجعنا في 14 نوفمبر 2026 العائلات الأربع من النماذج العربية أولًا التي يسأل عنها الناس. لم يكن لأيٍّ منها سعر API لكل رمز منشور من صانعه:

| عائلة النماذج | الجهة المطوّرة | كيف يمكنك تشغيله (تاريخ المراجعة 14 نوفمبر 2026) | السعر |
| --- | --- | --- | --- |
| Jais 2 (8B، و70B للمحادثة) | MBZUAI وInception وCerebras | أوزان مفتوحة على Hugging Face بترخيص Apache 2.0، وسياق 8,192 رمزًا. تقول بطاقة نموذج 70B إنه لا يوجد Inference Provider ينشره. وأُزيل النموذج الأقدم Jais-30b-chat من GitHub Models في 31 أكتوبر 2025. | لا سعر منشور؛ تدفع تكلفة وحدات GPU الخاصة بك |
| Falcon-H1-Arabic (3B، 7B، 34B) | معهد الابتكار التكنولوجي (TII) | أُعلن عنه في 5 يناير 2026 بسياق 128K (3B) أو 256K (7B و34B). يربط منشور الإطلاق بعرض تجريبي للمحادثة على الويب؛ ولا يذكر واجهة API مستضافة ولا تنزيلًا للأوزان. | لا سعر منشور |
| ALLaM (allam-1-13b-instruct) | الهيئة السعودية للبيانات والذكاء الاصطناعي (سدايا)؛ وتنشر HUMAIN نسخة 7B التجريبية | على IBM watsonx.ai نموذجًا بالنشر عند الطلب، بنافذة 4,096 رمزًا (الإدخال والإخراج معًا). ونموذج ALLaM-7B-Instruct-preview مفتوح على Hugging Face بترخيص Apache 2.0. | تحتسب watsonx.ai نماذج النشر عند الطلب بالساعة، لا لكل رمز |
| فنار (Fanar) | معهد قطر لبحوث الحوسبة (QCRI) | يقول فنار إنه “provides an API for developers” (الترجمة: «يوفّر واجهة API للمطوّرين»)؛ والوصول عبر نموذج طلب على api.fanar.qa | لا سعر منشور |

لذا إن أردت العربية بالدفع لكل رمز عبر [واجهة API متوافقة مع OpenAI](https://broadrouter.com/ar/glossary/openai-compatible-api/)، فستستخدم عادةً نموذجًا قويًا متعدد اللغات، مثل النماذج أدناه، وتختبره على لهجاتك. وإن كنت تحتاج إلى نموذج عربي أولًا بعينه، فخطّط لاستضافته ذاتيًا، أو استئجار نشر مخصص، أو طلب الوصول إلى واجهة فنار؛ ويوضح مقال [تكلفة الاستضافة الذاتية مقابل API](https://broadrouter.com/ar/blog/self-hosting-llm-vs-api-cost/) حساب نقطة التعادل.

## ما نماذج BroadNet التي تتعامل مع العربية؟

تنشر BroadNet فحصها الخاص للعربية في [صفحة الأسعار](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-choosing-an-llm-for-arabic&utm_content=body). وتذكر عن [Qwen3.8 27B](https://broadrouter.com/ar/models/qwen3.8-27b/) أنه يكتب العربية بسلاسة، ويفهم اللهجتين الخليجية والمصرية، ويترجم بدقة بين العربية والإنجليزية. يقبل النموذج النصوص والصور، ويدعم [استدعاء الأدوات](https://broadrouter.com/ar/glossary/tool-calling/) و[المخرجات المنظَّمة](https://broadrouter.com/ar/glossary/structured-output/)، وسياقه 262,144 رمزًا.

خيارات أخرى على الواجهة نفسها:

| النموذج | الإدخال / الإخراج لكل مليون رمز | السياق | الصور |
| --- | --- | --- | --- |
| [Qwen3.8 27B](https://broadrouter.com/ar/models/qwen3.8-27b/) | $0.175 / $2.17 | 262,144 | نعم |
| [DeepSeek V4.1 Flash](https://broadrouter.com/ar/models/deepseek-v4.1-flash/) | $0.175 / $0.52 | 1,048,576 | نعم |
| [BroadNet Gemma 4 VL 26B](https://broadrouter.com/ar/models/gemma-4-vl-26b/) | $0.10 / $0.22 | 32,768 | نعم |

ويتوفر DeepSeek V4.1 Flash أيضًا باستخدام غير محدود في خطة بسعر ثابت ($60 شهريًا لكل جلسة)، وهذا يناسب المحادثة العربية والوكلاء بأحجام كبيرة. وتضع [مقارنة DeepSeek V4.1 Flash وQwen3.8 27B](https://broadrouter.com/compare/deepseek-v4.1-flash-vs-qwen3.8-27b/) المرشّحَين الرئيسيين جنبًا إلى جنب. أما Gemma 4 VL 26B فهو أرخص نماذج BroadNet لكل رمز، ويعمل على الرصيد المبدئي المجاني.

## كيف تبني مجموعة اختبار عربية؟

1.  **اجمع 50 مدخلًا حقيقيًا** من منتجك: محادثات، وتذاكر، ومستندات. وضمّنها 10 على الأقل بكل لهجة يكتب بها مستخدموك. ولاختبار مخصص للهجات، مع طريقة لتصنيف المقاصد، راجع [كيف تتعامل نماذج اللغة مع الخليجية والمصرية والشامية](https://broadrouter.com/ar/blog/arabic-llm-gulf-egyptian-dialects/).
2.  **اكتب الإجابة المثالية** لعشرين منها، أو اطلب ذلك من متحدث أصلي.
3.  **شغّل كل نموذج مرشّح** على الخمسين كلها بأمر النظام نفسه. واذكر في الأمر اللهجة والمستوى اللغوي اللذين تريدهما: «أجب بعربية فصحى واضحة، بنبرة ودودة، وباختصار».
4.  **قيّم المخرجات تقييمًا أعمى** من 1 إلى 5 للصحة والطبيعية. واجعل التقييم لمتحدث أصلي.
5.  **تحقّق من التكلفة على نصوص حقيقية.** اقرأ `prompt_tokens` و`completion_tokens` من كتلة بيانات الاستخدام بدل التقدير من عدد الكلمات.

ولأن الواجهة متوافقة مع OpenAI، فتبديل النموذج تغيير في سطر واحد هو الحقل `model`. راجع [قائمة التحقق للانتقال إلى واجهة متوافقة مع OpenAI](https://broadrouter.com/ar/blog/openai-compatible-api-migration-checklist/).

## كيف تقيّم المخرجات؟

| المعيار | الدرجة 1 | الدرجة 5 |
| --- | --- | --- |
| فهم المقصد | يسيء فهم اللهجة | صحيح، بما في ذلك العامية |
| النحو والسلاسة | أخطاء أو خلل في المطابقة | يقرأ كأنه بقلم كاتب أصلي |
| المستوى اللغوي | لهجة خاطئة أو رسمي أكثر من اللازم | بالضبط ما طلبه الأمر |
| الحقائق والأسماء والأرقام | مغيّرة أو مختلقة | دقيقة |
| الكتابة | حروف لاتينية (عربيزي) أو خليط | بالحرف العربي من البداية إلى النهاية |

احسب المتوسط لكل مهمة، لا متوسطًا عامًا. فالنموذج الذي يحصل على 4.5 في الكتابة و2 في اللهجة خيار مختلف عن نموذج يحصل على 3.5 في كلتيهما.

## هل يغيّر أمر النظام النتيجة؟

نعم، بما يكفي لتغيير الترتيب. استخدم أمر النظام نفسه لكل نموذج مرشّح، واذكر فيه اللهجة التي تتوقعها، والمستوى اللغوي الذي تريده في الرد، وكيفية التعامل مع الأرقام والأسماء الإنجليزية. ويتضمن مقال [هندسة الأوامر بالعربية](https://broadrouter.com/ar/blog/arabic-prompt-engineering/) قالبًا كاملًا. وأبقِ ذلك الأمر متطابقًا بين الاستدعاءات حتى يُقرأ من الذاكرة المؤقتة في النماذج التي لها سعر [للإدخال المخزّن مؤقتًا](https://broadrouter.com/ar/blog/cached-input-tokens-explained/).

## لماذا تكلّف العربية رموزًا أكثر من الإنجليزية؟

كثيرًا ما ينقسم النص العربي إلى [رموز](https://broadrouter.com/ar/glossary/token/) لكل كلمة أكثر من الإنجليزية، وتختلف النسبة بين النماذج. فقد يكون لنموذجين بالسعر نفسه لكل رمز تكلفتان مختلفتان لكل رسالة عربية. الصق عيّنة من نصوصك الحقيقية في [عدّاد الرموز العربية](https://broadrouter.com/tools/arabic-token-counter/)، ثم تأكد بقيمة `prompt_tokens` من طلب فعلي على كل مرشّح، وقدّر الفاتورة الشهرية باستخدام [حاسبة تكلفة LLM API](https://broadrouter.com/tools/llm-api-cost-calculator/). وتجد طريقة قياس نسبتك في [عدد الرموز لكل كلمة في العربية مقابل الإنجليزية](https://broadrouter.com/ar/blog/tokens-per-word-arabic-english/). ولمعرفة أثر ذلك على الفاتورة لدى كل نموذج ومزوّد، راجع [مجموعة بيانات التكلفة الفعلية حسب اللغة](https://broadrouter.com/data/real-cost-by-language/)، التي تحسب سعر مليون حرف من العربية ولهجاتها ولغات أخرى بالمُرمِّز الخاص بكل نموذج.

## هل يستطيع نموذج اللغة قراءة الفواتير والصور العربية؟

للفواتير والإيصالات والنماذج، أرسل الصورة إلى [نموذج رؤية ولغة](https://broadrouter.com/ar/glossary/vision-language-model/) واطلب JSON. يتضمن [دليل الفواتير العربية](https://broadrouter.com/ar/guides/read-arabic-invoices-with-vision/) شيفرة عاملة، ويغطي مقال [OCR العربي مقابل نماذج الرؤية](https://broadrouter.com/ar/blog/arabic-ocr-vision-llm/) متى يظل OCR التقليدي الأداة الأفضل. وتحقّق من الأرقام بعناية: فالأرقام العربية المشرقية (٠١٢٣) والأرقام الغربية (0123) تظهر كلتاهما على إيصالات الخليج.

## ماذا عن الرسائل الصوتية والمكالمات بالعربية؟

للرسائل الصوتية والمكالمات، فرّغها أولًا بنموذج لتحويل الكلام العربي إلى نص، ثم أرسل النص إلى نموذج اللغة. يكلّف BroadNet Transcribe Arabic $0.0042 لكل دقيقة صوت. راجع [كيف تختار API لتحويل الصوت العربي إلى نص](https://broadrouter.com/ar/blog/arabic-speech-to-text-api-buyers-guide/).

## لماذا تعود بعض الإجابات العربية فارغة؟

يستدلّ DeepSeek V4.1 Flash وQwen3.8 27B منطقيًا قبل الإجابة، وتُحسب [رموز الاستدلال المنطقي](https://broadrouter.com/ar/glossary/reasoning-tokens/) هذه ضمن `max_tokens`. والإجابات العربية قد تطول، فاترك هامشًا كافيًا، وإلا عادت الإجابة الظاهرة فارغة. راجع [لماذا يحدث ذلك وكيف تصلحه](https://broadrouter.com/ar/guides/reasoning-tokens-empty-response/).

## ما الأخطاء التي ينبغي تجنّبها؟

-   **التقييم بمتحدثين غير أصليين.** مشكلات السلاسة لا يراها متعلّمو اللغة.
-   **خلط اللهجات في درجة واحدة.** افصل نتائج الخليجية والمصرية والشامية.
-   **الثقة بمجموعات اختبار مترجمة.** النص المترجم من الإنجليزية لا يشبه ما يكتبه المستخدمون العرب فعلًا.
-   **نسيان العرض من اليمين إلى اليسار.** الأسطر التي تخلط العربية والإنجليزية قد تظهر بترتيب خاطئ في واجهتك. اختبر العرض، لا النص وحده.

## أين تقع BroadNet Inference من هذا؟

تقدّم BroadNet نموذج محادثة مُختبَرًا بالعربية، وبديلين أحدهما أرخص والآخر متاح باستخدام غير محدود، وتحويل الكلام العربي إلى نص، كلها على مفتاح واحد متوافق مع OpenAI، دون الاحتفاظ بأي محتوى. ولا تنشر BroadNet نتائج مقاييس عربية لنماذج المحادثة لديها غير اختباراتها الخاصة، لذا شغّل مجموعة الاختبار أعلاه قبل أن تلتزم. وإن تفوّق نموذج لدى جهة أخرى في لهجتك، فتلك النتيجة أهم من أي كتالوج.

أدوات مجانية لهذا الموضوع (بالإنجليزية)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

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

## مصطلحات في هذا المقال

[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.

[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.

[تحويل الصوت إلى نص (Speech-to-text)](https://broadrouter.com/ar/glossary/speech-to-text/)

تحويل الكلام إلى نص، ويسمّى أيضًا التعرّف التلقائي على الكلام (ASR)، هو تقنية تحوّل الصوت المنطوق إلى نص مكتوب. تستقبل واجهة تحويل الصوت إلى نص ملفًا صوتيًا أو بثًا وتُرجع نصًا مفرّغًا، يُسعَّر عادةً لكل دقيقة صوت. وتُقاس الدقة بمعدل الخطأ في الكلمات، وتتفاوت بحسب اللكنة واللهجة وجودة التسجيل.

[التعرّف الضوئي على الحروف (OCR)](https://broadrouter.com/ar/glossary/ocr/)

التعرّف الضوئي على الحروف (OCR) تقنية تكتشف النص المطبوع أو المكتوب بخط اليد في صورة أو مستند ممسوح أو ملف PDF وتحوّله إلى حروف قابلة للقراءة آليًا. يُخرج OCR التقليدي النص وموضعه في الصفحة، أما النماذج اللغوية البصرية فتقرأ النص وتجيب عن أسئلة حوله مباشرة.

[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.

[أمر النظام (System prompt)](https://broadrouter.com/ar/glossary/system-prompt/)

أمر النظام (system prompt) هو نص التعليمات الذي يرسله التطبيق إلى النموذج اللغوي قبل المحادثة، عادةً في رسالة بالدور system أو developer. وهو يحدد دور النموذج وقواعده ونبرته وصيغة مخرجاته، ويُفترض أن يلتزم به النموذج إذا تعارض مع رسائل المستخدم.

[ترخيص النموذج (Model license)](https://broadrouter.com/ar/glossary/model-license/)

ترخيص النموذج هو الشروط القانونية التي يجوز بموجبها استخدام أوزان النموذج وشيفرته ومخرجاته وتعديلها ومشاركتها. وتستخدم النماذج مفتوحة الأوزان تراخيص برمجيات قياسية مثل Apache 2.0 أو MIT، أو تراخيص خاصة بالنماذج قد تضيف شروطًا، مثل قيود على الخدمات التجارية الكبيرة.

[مزوّد الاستدلال (Inference provider)](https://broadrouter.com/ar/glossary/inference-provider/)

مزوّد الاستدلال هو شركة تشغّل نماذج تعلّم الآلة، وغالبًا نماذج LLM مفتوحة الأوزان، على وحدات GPU تملكها أو تستأجرها، وتبيع الوصول إليها عبر API، يُسعَّر عادةً لكل رمز أو لكل طلب أو لكل وحدة زمنية. ويتولى التشغيل والتوسّع والعتاد.

## أسئلة شائعة

### ما أفضل نموذج لدى BroadNet للعربية؟

اختبرت BroadNet نموذج Qwen3.8 27B بالعربية، وتذكر أنه يكتب بسلاسة، ويفهم اللهجتين الخليجية والمصرية، ويترجم بدقة بين العربية والإنجليزية. اختبره، واختبر DeepSeek V4.1 Flash، على أوامرك أنت.

### ما أفضل نموذج لغة للعربية؟

يعتمد ذلك على المهمة واللهجة. استخدم لوحات الترتيب العامة مثل Open Arabic LLM Leaderboard أو BALSAM لإعداد قائمة مختصرة، ثم قيّم نماذجها على 50 مدخلًا من مدخلاتك بمساعدة متحدث أصلي. فالنموذج الذي يتصدر مقياسًا ما قد يبدو متكلّفًا بلهجتك.

### هل يستطيع نموذج اللغة قراءة المستندات والصور العربية؟

نماذج الرؤية مثل Qwen3.8 27B وDeepSeek V4.1 Flash وBroadNet Gemma 4 VL 26B تقبل الصور، فتستطيع قراءة صور الفواتير والإيصالات والنماذج العربية وإعادة JSON.

### ما واجهات LLM API التي تدعم العربية؟

تقبل معظم واجهات المحادثة العامة العربية، لكن الجودة تختلف باختلاف اللهجة. أما النماذج العربية أولًا مثل Jais 2 وFalcon-H1-Arabic وALLaM وفنار، فلم يكن لأيٍّ منها في 14 نوفمبر 2026 سعر API لكل رمز منشور من صانعه. Jais 2 مفتوح الأوزان للاستضافة الذاتية، وALLaM يعمل على IBM watsonx.ai بنشر مخصص يُحتسب بالساعة، وفنار يتيح الوصول إلى API بالطلب.

### لماذا يستهلك النص العربي رموزًا أكثر من الإنجليزي؟

كثيرًا ما تُدرَّب المُرمِّزات (tokenizers) على نصوص إنجليزية أكثر من العربية، فتميل الكلمات العربية إلى الانقسام إلى رموز أكثر. ويختلف هذا الأثر من نموذج إلى آخر، فقارن prompt\_tokens على النص العربي نفسه لكل نموذج مرشّح.

### هل يستطيع نموذج اللغة الرد باللهجة الخليجية أو المصرية؟

كثير منها يستطيع، لكن الجودة تتفاوت أكثر مما في العربية الفصحى المعاصرة. اطلب اللهجة صراحةً في أمر النظام، واجعل متحدثًا أصليًا يقيّم الردود.

## تابع القراءة

-   [نظام حماية البيانات الشخصية في السعودية والإمارات وLLM API: قائمة تحقق](https://broadrouter.com/ar/blog/saudi-uae-pdpl-llm-api-checklist/)
-   [API تحويل الصوت العربي إلى نص: كيف تختار الأنسب في 2026؟](https://broadrouter.com/ar/blog/arabic-speech-to-text-api-buyers-guide/)
-   [الانتقال إلى واجهة API متوافقة مع OpenAI: قائمة تحقق للترحيل](https://broadrouter.com/ar/blog/openai-compatible-api-migration-checklist/)
-   [رموز الإدخال المخزّنة مؤقتًا: كيف تخفّض فاتورة LLM API](https://broadrouter.com/ar/blog/cached-input-tokens-explained/)
-   [تشكيل النص العربي بنموذج LLM: الأمر والتحقق ومعدل DER](https://broadrouter.com/ar/blog/arabic-diacritization-llm/)
-   [التدقيق الإملائي والنحوي للنص العربي بنموذج LLM: دليل عملي](https://broadrouter.com/ar/blog/arabic-grammar-spelling-correction-llm/)
-   [دليل: قراءة الفواتير والإيصالات العربية بنموذج رؤية](https://broadrouter.com/ar/guides/read-arabic-invoices-with-vision/)
-   [دليل: API لتحويل الصوت العربي إلى نص خطوة بخطوة](https://broadrouter.com/ar/guides/arabic-speech-to-text-api/)
-   [دليل: لماذا يعيد نموذج الاستدلال إجابة فارغة؟](https://broadrouter.com/ar/guides/reasoning-tokens-empty-response/)

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-choosing-an-llm-for-arabic&utm_content=page-cta) ·

**المصادر**

-   [صفحة أسعار BroadNet Inference، ملاحظة "Tested in Arabic" (مُختبَر بالعربية) لنموذج Qwen3.8 27B (تاريخ المراجعة 2026-11-14)](https://inference.broadnet.ai/ar/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-choosing-an-llm-for-arabic&utm_content=sources)
-   [أسعار BroadNet Inference بصيغة قابلة للقراءة آليًا، pricing.json (تاريخ المراجعة 2026-11-14) (بالإنجليزية)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-choosing-an-llm-for-arabic&utm_content=sources)
-   [المرجع التقني لواجهة BroadNet Inference (تاريخ المراجعة 2026-11-14) (بالإنجليزية)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-choosing-an-llm-for-arabic&utm_content=sources)
-   [لوحة Open Arabic LLM Leaderboard (OALL) على Hugging Face (تاريخ المراجعة 2026-11-14)](https://huggingface.co/spaces/OALL/Open-Arabic-LLM-Leaderboard)
-   [BALSAM: منصة لقياس أداء نماذج اللغة الكبيرة العربية (arXiv 2507.22603؛ تاريخ المراجعة 2026-11-14)](https://arxiv.org/abs/2507.22603)
-   [Hugging Face، بطاقة نموذج inceptionai/Jais-2-70B-Chat: ترخيص Apache 2.0، وسياق 8,192، ولا يوجد Inference Provider (تاريخ المراجعة 2026-11-14)](https://huggingface.co/inceptionai/Jais-2-70B-Chat)
-   [سجل تغييرات GitHub، النماذج المتقادمة في GitHub Models: إزالة Jais-30b-chat (31 أكتوبر 2025؛ تاريخ المراجعة 2026-11-14)](https://github.blog/changelog/2025-10-31-deprecated-models-in-github-models)
-   [مدونة Hugging Face، تقديم Falcon-H1-Arabic (5 يناير 2026؛ تاريخ المراجعة 2026-11-14)](https://huggingface.co/blog/tiiuae/falcon-h1-arabic)
-   [IBM watsonx.ai، النماذج الأساسية المدعومة: allam-1-13b-instruct بالنشر عند الطلب (تاريخ المراجعة 2026-11-14)](https://www.ibm.com/docs/en/SSYOK8/wsj/analyze-data/fm-models.html)
-   [IBM watsonx.ai، تفاصيل الفوترة لأصول الذكاء الاصطناعي التوليدي: النشر عند الطلب يُحتسب بالساعة (تاريخ المراجعة 2026-11-14)](https://www.ibm.com/docs/en/SSYOK8/wsj/getting-started/wxai-runtime-plans-genai.html)
-   [Hugging Face، بطاقة نموذج humain-ai/ALLaM-7B-Instruct-preview: ترخيص Apache 2.0 (تاريخ المراجعة 2026-11-14)](https://huggingface.co/humain-ai/ALLaM-7B-Instruct-preview)
-   [فنار (Fanar)، منصة الذكاء الاصطناعي العربية من QCRI: الوصول إلى API بالطلب (تاريخ المراجعة 2026-11-14)](https://fanar.qa/en)
