Para elegir una API de LLM para árabe, pruebe a cada candidato en las tareas que hace su producto: entender los dialectos de sus usuarios, redactar árabe estándar moderno natural, traducir y leer documentos en árabe. Califique cada tarea por separado con un hablante nativo. «Compatible con árabe» puede significar cualquier cosa, desde un dialecto del Golfo fluido hasta un texto rígido que suena a traducción.
¿Qué tareas en árabe debe probar?
| Tarea | Ejemplo | Qué revisar |
|---|---|---|
| Entender dialecto | Un cliente saudí escribe en jaliyí | ¿Capta la intención, no solo las palabras? |
| Redactar en árabe | Una respuesta en árabe estándar moderno claro | Fluidez, gramática, tono natural, registro adecuado |
| Traducir | Contratos o tickets de soporte árabe ↔ inglés | Precisión en nombres, números y términos legales |
| Leer documentos | Foto de una factura en árabe | Totales, fechas y proveedor extraídos correctamente |
| Escuchar voz | Notas de voz, llamadas | Eso es un modelo de voz a texto, no un LLM; vea más abajo |
Un modelo puede ser fuerte en una y débil en otra. Califique cada tarea por separado.
¿Qué le dicen las tablas públicas de árabe?
Varias tablas públicas clasifican modelos en árabe. El Open Arabic LLM Leaderboard en Hugging Face es una. BALSAM es un benchmark comunitario con 78 tareas en 14 categorías y una plataforma de evaluación a ciegas; sus autores escriben que el rendimiento de los LLM en árabe va por detrás del progreso visto en inglés.
Úselas para armar una preselección, no para tomar la decisión final. Los benchmarks son sobre todo preguntas de opción múltiple y tareas estándar. Rara vez prueban mensajes de clientes del Golfo, el tono de su marca o la foto de un recibo arrugado. Eso es lo que notan sus usuarios.
¿Qué API de LLM son compatibles con el árabe?
Casi todas las API de chat generales aceptan texto en árabe, así que la pregunta útil es qué tan bien manejan sus dialectos y si puede llamar siquiera a los modelos centrados en el árabe. El 14 de noviembre de 2026 revisamos las cuatro familias centradas en el árabe por las que más se pregunta. Ninguna tenía un precio de API por token publicado por su fabricante:
| Familia de modelos | Quién la hace | Cómo puede ejecutarla (revisado el 14 de noviembre de 2026) | Precio |
|---|---|---|---|
| Jais 2 (8B, 70B chat) | MBZUAI, Inception y Cerebras | Pesos abiertos en Hugging Face con licencia Apache 2.0, contexto de 8,192 tokens. La ficha del modelo 70B dice que ningún Inference Provider lo despliega. El anterior Jais-30b-chat se retiró de GitHub Models el 31 de octubre de 2025. | Ninguno publicado; usted paga sus propias GPU |
| Falcon-H1-Arabic (3B, 7B, 34B) | Technology Innovation Institute (TII) | Anunciado el 5 de enero de 2026 con contexto de 128K (3B) o 256K (7B, 34B). El anuncio enlaza una demo de chat web; no menciona ninguna API alojada ni descarga de pesos. | Ninguno publicado |
| ALLaM (allam-1-13b-instruct) | Autoridad Saudí de Datos e Inteligencia Artificial (SDAIA); HUMAIN publica la versión preliminar 7B | En IBM watsonx.ai como modelo de despliegue bajo demanda con una ventana de 4,096 tokens (entrada más salida). ALLaM-7B-Instruct-preview está abierto en Hugging Face con licencia Apache 2.0. | watsonx.ai factura los modelos de despliegue bajo demanda por hora, no por token |
| Fanar | Qatar Computing Research Institute (QCRI) | Fanar dice que “provides an API for developers” (Traducción: ofrece una API para desarrolladores); el acceso es mediante un formulario de solicitud en api.fanar.qa | Ninguno publicado |
Así que, si quiere árabe con pago por token mediante una API compatible con OpenAI, normalmente usará un modelo multilingüe sólido, como los de abajo, y lo probará con sus dialectos. Si necesita un modelo concreto centrado en el árabe, prevea autoalojarlo, alquilar un despliegue dedicado o solicitar acceso a la API de Fanar; el artículo autoalojar un LLM frente a usar una API: costos muestra el cálculo del punto de equilibrio.
¿Qué modelos de BroadNet manejan el árabe?
BroadNet publica su propia comprobación en árabe en su página de precios. Para Qwen3.8 27B reporta redacción fluida en árabe, comprensión de los dialectos del Golfo y egipcio, y traducción precisa entre árabe e inglés. El modelo acepta texto e imágenes, admite llamadas a herramientas y salida estructurada, y tiene un contexto de 262,144 tokens.
Otras opciones en la misma API:
| Modelo | Entrada / salida por 1M de tokens | Contexto | Imágenes |
|---|---|---|---|
| Qwen3.8 27B | $0.175 / $2.17 | 262,144 | Sí |
| DeepSeek V4.1 Flash | $0.175 / $0.52 | 1,048,576 | Sí |
| BroadNet Gemma 4 VL 26B | $0.10 / $0.22 | 32,768 | Sí |
DeepSeek V4.1 Flash también está disponible ilimitado con un plan de tarifa plana ($60 al mes por sesión), que se adapta al chat y a los agentes en árabe de alto volumen. La comparativa DeepSeek V4.1 Flash vs Qwen3.8 27B pone a los dos candidatos principales lado a lado. Gemma 4 VL 26B es el modelo de BroadNet más barato por token y funciona con el crédito inicial gratuito.
¿Cómo se arma un conjunto de prueba en árabe?
- Reúna 50 entradas reales de su producto: chats, tickets, documentos. Incluya al menos 10 en cada dialecto en que escriben sus usuarios. Para una prueba solo de dialectos, con un método de etiquetado de intenciones, consulte cómo manejan los LLM el árabe del Golfo, egipcio y levantino.
- Escriba la respuesta ideal para 20 de ellas, o pida a un hablante nativo que lo haga.
- Ejecute cada modelo candidato con las 50 y el mismo prompt de sistema. Indique en el prompt el dialecto y el registro que quiere: «Responda en árabe estándar moderno claro, amable y breve».
- Califique las salidas a ciegas de 1 a 5 en corrección y naturalidad. Que la calificación la haga un hablante nativo.
- Compruebe el costo con texto real. Lea
prompt_tokensycompletion_tokensdel bloque usage en lugar de estimar a partir del número de palabras.
Como la API es compatible con OpenAI, cambiar de modelo es cambiar una línea, el campo model. Consulte el checklist de migración a una API compatible con OpenAI.
¿Cómo debe calificar las salidas?
| Criterio | Puntuación 1 | Puntuación 5 |
|---|---|---|
| Intención entendida | Malinterpreta el dialecto | Correcta, incluida la jerga |
| Gramática y fluidez | Errores o concordancia rota | Se lee como un escritor nativo |
| Registro | Dialecto equivocado o demasiado formal | Exactamente lo que pidió el prompt |
| Datos, nombres, números | Cambiados o inventados | Exactos |
| Escritura | Transliteración latina o mezcla | Alfabeto árabe en todo el texto |
Promedie por tarea, no en general. Un modelo con 4.5 en redacción y 2 en dialecto es una elección distinta de uno con 3.5 en ambas.
¿El prompt de sistema cambia el resultado?
Sí, lo bastante como para cambiar la clasificación. Use el mismo prompt de sistema para todos los candidatos, e indique el dialecto que espera, el registro que quiere en la respuesta y cómo tratar los números y los nombres en inglés. Ingeniería de prompts en árabe tiene una plantilla completa. Mantenga ese prompt idéntico entre llamadas para que pueda leerse desde la caché en los modelos con precio de entrada en caché.
¿Por qué el árabe cuesta más tokens que el inglés?
El texto árabe suele dividirse en más tokens por palabra que el inglés, y la proporción cambia entre modelos. Dos modelos con el mismo precio por token pueden tener costos distintos por mensaje en árabe. Pegue una muestra de su texto real en el contador de tokens en árabe, confírmelo luego con prompt_tokens de una solicitud real en cada candidato y proyecte la factura mensual con la calculadora de costo de API de LLM. Cómo medir su propia proporción se explica en tokens por palabra en árabe frente a inglés. Para ver qué supone esto en la factura de cada modelo y proveedor, consulte nuestro conjunto de datos de costo real por idioma, que calcula el precio de 1M de caracteres de árabe, sus dialectos y otros idiomas con el tokenizador de cada modelo.
¿Puede un LLM leer facturas e imágenes en árabe?
Para facturas, recibos y formularios, envíe la foto a un modelo de visión y lenguaje y pida JSON. La guía de facturas en árabe tiene código funcional, y OCR árabe frente a LLM de visión explica cuándo el OCR clásico sigue siendo la mejor herramienta. Revise los números con cuidado: en los recibos del Golfo aparecen tanto cifras arábigo-orientales (٠١٢٣) como occidentales (0123).
¿Y las notas de voz y llamadas en árabe?
Para notas de voz y llamadas, transcriba primero con un modelo de voz a texto en árabe y luego envíe el texto al LLM. BroadNet Transcribe Arabic cuesta $0.0042 por minuto de audio. Cómo elegir una API de voz a texto en árabe.
¿Por qué algunas respuestas en árabe llegan vacías?
DeepSeek V4.1 Flash y Qwen3.8 27B razonan antes de responder, y esos tokens de razonamiento cuentan dentro de max_tokens. Las respuestas en árabe pueden ser largas, así que deje margen, o la respuesta visible llegará vacía. Por qué ocurre y cómo solucionarlo.
¿Qué errores debe evitar?
- Calificar con hablantes no nativos. Los problemas de fluidez son invisibles para quien aprende el idioma.
- Mezclar dialectos en una sola puntuación. Mantenga separados los resultados del Golfo, egipcio y levantino.
- Confiar en conjuntos de prueba traducidos. El texto traducido del inglés no se lee como el de usuarios árabes reales.
- Olvidar la visualización de derecha a izquierda. Las líneas que mezclan árabe e inglés pueden mostrarse desordenadas en su interfaz. Pruebe la visualización, no solo el texto.
Dónde encaja BroadNet Inference
BroadNet ofrece un modelo de chat probado en árabe, dos alternativas más baratas o ilimitadas, y voz a texto en árabe con una sola clave compatible con OpenAI, sin conservar contenido. No publica puntuaciones de benchmarks en árabe para sus modelos de chat más allá de sus propias pruebas, así que ejecute el conjunto de prueba anterior antes de comprometerse. Si un modelo de otro proveedor gana en su dialecto, ese resultado importa más que cualquier catálogo.
