Um eine LLM-API für Arabisch auszuwählen, testen Sie jeden Kandidaten mit den Aufgaben, die Ihr Produkt erledigt: die Dialekte Ihrer Nutzer verstehen, natürliches modernes Hocharabisch schreiben, übersetzen und arabische Dokumente lesen. Bewerten Sie jede Aufgabe getrennt mit einem Muttersprachler. „Unterstützt Arabisch“ kann alles bedeuten, von flüssigem Golf-Dialekt bis zu steifem Text, der nach Übersetzung klingt.
Welche Aufgaben auf Arabisch sollten Sie testen?
| Aufgabe | Beispiel | Was Sie prüfen |
|---|---|---|
| Dialekt verstehen | Ein saudischer Kunde schreibt auf Khaleeji | Erfasst das Modell die Absicht, nicht nur die Wörter? |
| Arabisch schreiben | Eine Antwort in klarem modernem Hocharabisch | Flüssigkeit, Grammatik, natürlicher Ton, passendes Register |
| Übersetzen | Verträge oder Supporttickets Arabisch ↔ Englisch | Genauigkeit bei Namen, Zahlen und Rechtsbegriffen |
| Dokumente lesen | Foto einer arabischen Rechnung | Summen, Daten und Lieferant korrekt extrahiert |
| Sprache hören | Sprachnachrichten, Anrufe | Das ist ein Speech-to-Text-Modell, kein LLM; siehe unten |
Ein Modell kann bei einer Aufgabe stark und bei einer anderen schwach sein. Bewerten Sie jede Aufgabe getrennt.
Was sagen öffentliche Arabisch-Leaderboards aus?
Mehrere öffentliche Leaderboards bewerten Modelle auf Arabisch. Das Open Arabic LLM Leaderboard auf Hugging Face ist eines davon. BALSAM ist ein Community-Benchmark mit 78 Aufgaben in 14 Kategorien und einer Plattform für Blindbewertungen; seine Autoren schreiben, dass die Leistung von LLMs auf Arabisch hinter den Fortschritten im Englischen zurückbleibt.
Nutzen Sie sie für eine Vorauswahl, nicht für die endgültige Entscheidung. Benchmarks bestehen überwiegend aus Multiple-Choice-Fragen und Standardaufgaben. Sie testen selten Kundennachrichten vom Golf, den Ton Ihrer Marke oder das Foto eines zerknitterten Belegs. Genau das bemerken Ihre Nutzer.
Welche LLM-APIs unterstützen Arabisch?
Fast jede allgemeine Chat-API akzeptiert arabischen Text. Die nützliche Frage ist also, wie gut sie mit Ihren Dialekten umgeht und ob Sie die arabisch zentrierten Modelle überhaupt aufrufen können. Wir haben am 14. November 2026 die vier arabisch zentrierten Modellfamilien geprüft, nach denen gefragt wird. Für keine hatte der Hersteller einen API-Preis pro Token veröffentlicht:
| Modellfamilie | Hersteller | Wie Sie es betreiben können (geprüft am 14. November 2026) | Preis |
|---|---|---|---|
| Jais 2 (8B, 70B Chat) | MBZUAI, Inception und Cerebras | Open Weights auf Hugging Face unter Apache 2.0, Kontext von 8.192 Tokens. Laut Model Card des 70B-Modells stellt es kein Inference Provider bereit. Das ältere Jais-30b-chat wurde am 31. Oktober 2025 aus GitHub Models entfernt. | Keiner veröffentlicht; Sie zahlen für Ihre eigenen GPUs |
| Falcon-H1-Arabic (3B, 7B, 34B) | Technology Innovation Institute (TII) | Angekündigt am 5. Januar 2026 mit 128K (3B) oder 256K (7B, 34B) Kontext. Der Launch-Beitrag verlinkt eine Web-Chat-Demo; er nennt keine gehostete API und keinen Download der Gewichte. | Keiner veröffentlicht |
| ALLaM (allam-1-13b-instruct) | Saudi Data and Artificial Intelligence Authority (SDAIA); HUMAIN veröffentlicht die 7B-Preview | Auf IBM watsonx.ai als Deploy-on-Demand-Modell mit einem Fenster von 4.096 Tokens (Input plus Output). ALLaM-7B-Instruct-preview ist offen auf Hugging Face unter Apache 2.0. | watsonx.ai rechnet Deploy-on-Demand-Modelle pro Stunde ab, nicht pro Token |
| Fanar | Qatar Computing Research Institute (QCRI) | Fanar sagt, es „provides an API for developers“ (Übersetzung: „bietet eine API für Entwickler“); Zugang per Antragsformular unter api.fanar.qa | Keiner veröffentlicht |
Wenn Sie Arabisch mit Abrechnung pro Token über eine OpenAI-kompatible API wollen, nutzen Sie also meist ein starkes mehrsprachiges Modell wie die unten genannten und testen es mit Ihren Dialekten. Brauchen Sie ein bestimmtes arabisch zentriertes Modell, planen Sie Selbsthosting, ein gemietetes dediziertes Deployment oder einen Antrag auf Fanar-API-Zugang ein; der Beitrag Selbst hosten vs. API: Kosten zeigt die Break-even-Rechnung.
Welche BroadNet-Modelle kommen mit Arabisch zurecht?
BroadNet veröffentlicht seinen eigenen Arabisch-Test auf seiner Preisseite. Für Qwen3.8 27B meldet es flüssiges arabisches Schreiben, Verständnis von Golf- und ägyptischem Dialekt und genaue Übersetzung zwischen Arabisch und Englisch. Das Modell verarbeitet Text und Bilder, unterstützt Tool Calling und strukturierte Ausgabe und hat einen Kontext von 262.144 Tokens.
Weitere Optionen über dieselbe API:
| Modell | Input / Output pro 1 Mio. Tokens | Kontext | Bilder |
|---|---|---|---|
| Qwen3.8 27B | $0.175 / $2.17 | 262.144 | Ja |
| DeepSeek V4.1 Flash | $0.175 / $0.52 | 1.048.576 | Ja |
| BroadNet Gemma 4 VL 26B | $0.10 / $0.22 | 32.768 | Ja |
DeepSeek V4.1 Flash gibt es außerdem unbegrenzt in einem Flatrate-Plan ($60 pro Monat und Session), was zu arabischem Chat und Agenten mit hohem Volumen passt. Der Vergleich DeepSeek V4.1 Flash vs. Qwen3.8 27B stellt die beiden Hauptkandidaten nebeneinander. Gemma 4 VL 26B ist das günstigste BroadNet-Modell pro Token und funktioniert mit dem kostenlosen Startguthaben.
Wie baut man ein Testset für Arabisch?
- Sammeln Sie 50 echte Eingaben aus Ihrem Produkt: Chats, Tickets, Dokumente. Nehmen Sie mindestens 10 in jedem Dialekt auf, in dem Ihre Nutzer schreiben. Einen reinen Dialekttest mit einer Methode zur Kennzeichnung von Absichten finden Sie unter Wie LLMs mit Golf-, ägyptischem und levantinischem Arabisch umgehen.
- Schreiben Sie die ideale Antwort für 20 davon, oder lassen Sie das einen Muttersprachler tun.
- Lassen Sie jedes Kandidatenmodell mit demselben System-Prompt über alle 50 laufen. Nennen Sie im Prompt den gewünschten Dialekt und das Register: „Antworte in klarem modernem Hocharabisch, freundlich, kurz.“
- Bewerten Sie die Ausgaben blind von 1 bis 5 nach Korrektheit und Natürlichkeit. Lassen Sie die Bewertung von einem Muttersprachler vornehmen.
- Prüfen Sie die Kosten an echtem Text. Lesen Sie
prompt_tokensundcompletion_tokensaus dem Usage-Block, statt anhand von Wortzahlen zu schätzen.
Da die API OpenAI-kompatibel ist, ist ein Modellwechsel eine einzeilige Änderung im Feld model. Siehe die Migrations-Checkliste für OpenAI-kompatible APIs.
Wie sollten Sie die Ausgaben bewerten?
| Kriterium | Note 1 | Note 5 |
|---|---|---|
| Absicht verstanden | Missversteht den Dialekt | Korrekt, einschließlich Slang |
| Grammatik und Flüssigkeit | Fehler oder fehlerhafte Kongruenz | Liest sich wie von einem Muttersprachler |
| Register | Falscher Dialekt oder zu formell | Genau das, was der Prompt verlangt hat |
| Fakten, Namen, Zahlen | Verändert oder erfunden | Exakt |
| Schrift | Lateinische Transliteration oder gemischt | Durchgehend arabische Schrift |
Mitteln Sie pro Aufgabe, nicht insgesamt. Ein Modell mit 4,5 beim Schreiben und 2 beim Dialekt ist eine andere Wahl als eines mit 3,5 bei beidem.
Verändert der System-Prompt das Ergebnis?
Ja, und zwar so stark, dass sich die Rangfolge ändern kann. Verwenden Sie für jeden Kandidaten denselben System-Prompt und nennen Sie den erwarteten Dialekt, das gewünschte Register der Antwort und den Umgang mit Zahlen und englischen Namen. Prompt Engineering auf Arabisch enthält eine vollständige Vorlage. Halten Sie diesen Prompt über alle Aufrufe identisch, damit er bei Modellen mit Preis für gecachten Input aus dem Cache gelesen werden kann.
Warum kostet Arabisch mehr Tokens als Englisch?
Arabischer Text zerfällt oft in mehr Tokens pro Wort als englischer, und das Verhältnis unterscheidet sich zwischen Modellen. Zwei Modelle mit demselben Preis pro Token können unterschiedliche Kosten pro arabischer Nachricht haben. Fügen Sie eine Probe Ihres echten Texts in den arabischen Token-Zähler ein, bestätigen Sie das Ergebnis mit prompt_tokens aus einer echten Anfrage bei jedem Kandidaten und rechnen Sie die Monatsrechnung mit dem LLM-API-Kostenrechner hoch. Wie Sie Ihr eigenes Verhältnis messen, steht in Tokens pro Wort: Arabisch vs. Englisch. Was das für die Rechnung bei jedem Modell und Anbieter bedeutet, zeigt unser Datensatz zu den realen Kosten nach Sprache, der 1 Mio. Zeichen Arabisch, seiner Dialekte und anderer Sprachen mit dem jeweils eigenen Tokenizer jedes Modells bepreist.
Kann ein LLM arabische Rechnungen und Bilder lesen?
Für Rechnungen, Belege und Formulare senden Sie das Foto an ein Vision-Language-Modell und fordern JSON an. Der Leitfaden zu arabischen Rechnungen enthält funktionierenden Code, und Arabische OCR vs. Vision-LLMs zeigt, wann klassische OCR noch das bessere Werkzeug ist. Prüfen Sie Zahlen sorgfältig: Auf Belegen vom Golf kommen sowohl ostarabische Ziffern (٠١٢٣) als auch westliche Ziffern (0123) vor.
Was ist mit arabischen Sprachnachrichten und Anrufen?
Transkribieren Sie Sprachnachrichten und Anrufe zuerst mit einem arabischen Speech-to-Text-Modell und senden Sie dann den Text an das LLM. BroadNet Transcribe Arabic kostet $0.0042 pro Audiominute. So wählen Sie eine arabische Speech-to-Text-API.
Warum kommen manche arabischen Antworten leer zurück?
DeepSeek V4.1 Flash und Qwen3.8 27B denken nach, bevor sie antworten, und diese Reasoning-Tokens zählen zu max_tokens. Arabische Antworten können lang sein; lassen Sie also Spielraum, sonst kommt die sichtbare Antwort leer zurück. Warum das passiert und wie Sie es beheben.
Welche Fehler sollten Sie vermeiden?
- Bewertung durch Nicht-Muttersprachler. Probleme mit der Flüssigkeit sind für Lernende unsichtbar.
- Dialekte in einer Note mischen. Halten Sie Ergebnisse für Golf-, ägyptisches und levantinisches Arabisch getrennt.
- Übersetzten Testsets vertrauen. Aus dem Englischen übersetzter Text liest sich nicht wie echte arabische Nutzer.
- Die Anzeige von rechts nach links vergessen. Gemischte arabisch-englische Zeilen können in Ihrer UI in falscher Reihenfolge erscheinen. Testen Sie die Anzeige, nicht nur den Text.
Wo BroadNet Inference einzuordnen ist
BroadNet bietet ein auf Arabisch getestetes Chat-Modell, zwei günstigere oder unbegrenzte Alternativen und arabisches Speech-to-Text über einen OpenAI-kompatiblen Schlüssel, ohne Inhalte zu speichern. Über die eigenen Tests hinaus veröffentlicht es keine Arabisch-Benchmarkwerte für seine Chat-Modelle; führen Sie also das Testset oben durch, bevor Sie sich festlegen. Gewinnt ein Modell anderswo bei Ihrem Dialekt, zählt dieses Ergebnis mehr als jeder Katalog.
