Drei Chatmodelle auf BroadNet Inference nehmen Bilder entgegen: DeepSeek V4.1 Flash, Qwen3.8 27B und BroadNet Gemma 4 VL 26B. GLM 5.3 verarbeitet nur Text. Für arabische Dokumente ist Qwen3.8 27B das Modell, das BroadNet auf Arabisch getestet hat: flüssiges Schreiben, Verständnis der Golf- und ägyptischen Dialekte und genaue Übersetzung zwischen Arabisch und Englisch. Gemma 4 VL 26B ist bei BroadNet das günstigste der drei und läuft mit dem kostenlosen Guthaben.
Eine Frage zu einer Rechnung stellen
import base64, os
from openai import OpenAI
client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
invoice = base64.b64encode(open("invoice.jpg", "rb").read()).decode()
response = client.chat.completions.create(
model="broadnet/gemma-4-26b-a4b",
messages=[{"role": "user", "content": [
{"type": "text", "text": "ما هو المبلغ الإجمالي في هذه الفاتورة؟"},
{"type": "image_url", "image_url": {"url": "data:image/jpeg;base64," + invoice}},
]}],
)
print(response.choices[0].message.content)
Die Frage lautet auf Arabisch „Wie hoch ist der Gesamtbetrag dieser Rechnung?“. Verwenden Sie für PNG-Dateien image/png in der Data-URL: Der MIME-Typ muss passen. So setzen Sie ihn anhand des Dateinamens:
import mimetypes
mime = mimetypes.guess_type("invoice.png")[0] # "image/png"
url = f"data:{mime};base64," + base64.b64encode(open("invoice.png", "rb").read()).decode()
Strukturierte Felder zurückbekommen
Fordern Sie JSON an und nennen Sie genau die Keys, die Sie brauchen:
prompt = (
"Read this invoice. Reply with JSON only, keys: vendor, date (YYYY-MM-DD), "
"currency, total (number), vat (number or null). Keep the vendor name in Arabic if it is written in Arabic."
)
response = client.chat.completions.create(
model="broadnet/qwen3.8-27b",
max_tokens=2000, # Qwen3.8 27B reasons first
messages=[{"role": "user", "content": [
{"type": "text", "text": prompt},
{"type": "image_url", "image_url": {"url": "data:image/jpeg;base64," + invoice}},
]}],
)
Qwen3.8 27B denkt vor der Antwort nach (Reasoning), geben Sie ihm also Spielraum. Siehe warum Reasoning-Modelle leere Antworten liefern. Die Dokumentation von BroadNet listet strukturierte Ausgabe für Qwen3.8 27B; wie JSON-Schemas allgemein funktionieren, erklärt strukturierte Ausgabe. Parsen Sie die Antwort mit json.loads und prüfen Sie die Felder, bevor Sie sie speichern.
Kosten
Bei Pay-as-you-go wird ein Bild als Input-Token zum Input-Preis des Modells abgerechnet, verkleinern Sie sehr große Fotos also vorher; der Bild-Token-Rechner zeigt, wie viele Token eine bestimmte Größe kostet. In einem unbegrenzten Plan für DeepSeek V4.1 Flash gehören Bilder zur unbegrenzten Nutzung.
Preise der Vision-Modelle vergleichen oder im Vergleich arabischer OCR-APIs nachlesen, wie ein Vision-Modell gegen Google, Azure, Textract und Mistral OCR abschneidet.
Fehlerbehebung
- Leere Antwort von Qwen3.8 27B oder DeepSeek V4.1 Flash. Reasoning hat
max_tokensaufgebraucht. Erhöhen Sie den Wert oder setzen Siereasoning_effortauflow. - 400 oder 422 beim Bild. Prüfen Sie, ob die Data-URL mit
data:image/jpeg;base64,oderdata:image/png;base64,beginnt und der MIME-Typ zur Datei passt. - 403 oder ein Fehler beim Modell. GLM 5.3 nimmt keine Bilder an, und Qwen3.8 27B sowie DeepSeek V4.1 Flash erfordern eine Aufladung. Nutzen Sie BroadNet Gemma 4 VL 26B mit dem kostenlosen Guthaben.
- Anfrage zu groß oder Kontextfehler. Ein großes Foto verbraucht viele Token, und Gemma 4 VL 26B hat von den dreien das kleinste Kontextfenster (in pricing.json aufgeführt). Verkleinern Sie auf eine sinnvolle Breite oder schneiden Sie auf den Bereich mit den Summen zu.
- Falsche Summen oder vertauschte Ziffern. Arabisch-indische Ziffern (٠١٢٣) und lateinische Ziffern können auf demselben Beleg vorkommen. Bitten Sie das Modell, Zahlen in lateinischen Ziffern zurückzugeben, und prüfen Sie Summen in Ihrem Code gegen die Einzelposten.
- Ungültiges JSON. Fordern Sie „JSON only“ an, entfernen Sie vor dem Parsen eventuelle Code-Fences und versuchen Sie es einmal erneut, wenn das Parsen fehlschlägt.

