La respuesta del modelo en árabe es correcta, pero en pantalla el precio aparece del lado equivocado y el nombre del modelo queda partido en dos. Es un problema de bidi, no del modelo.
Cómo funciona
El texto se guarda en orden lógico, el orden en que se lee y se escribe. UAX #9, el algoritmo bidireccional de Unicode, asigna a cada carácter un tipo de dirección y calcula el orden de visualización de la línea. Los caracteres nunca se mueven en memoria; solo cambia cómo se muestran.
Las letras son fuertes: el árabe va de derecha a izquierda y el latín de izquierda a derecha. Los dígitos y la puntuación son débiles o neutros y toman su posición del texto que los rodea. Los dígitos europeos son de tipo EN y los dígitos arábigo-índicos de tipo AN, y UAX #9 resuelve EN como AN cuando sigue a una letra árabe.
Una cadena mixta típica de un asistente en árabe:
جرّب النموذج broadnet/qwen3.8-27b على 20 رسالة
Si se muestra en un contexto de izquierda a derecha, los tramos árabes se leen de derecha a izquierda pero el párrafo empieza a la izquierda, así que la frase aparece en el orden equivocado y la barra, los puntos y el número 20 pueden pegarse al tramo incorrecto. La solución es fijar la dirección base, no reordenar caracteres.
Cuando no hay marcado disponible, Unicode ofrece caracteres de control invisibles:
| Punto de código | Nombre | Uso |
|---|---|---|
| U+200F | RLM, marca de derecha a izquierda | Empujar un carácter neutro hacia RTL |
| U+061C | ALM, marca de letra árabe | Lo mismo, en contextos árabes |
| U+2067 | RLI, aislamiento de derecha a izquierda | Iniciar un tramo RTL |
| U+2066 | LRI, aislamiento de izquierda a derecha | Iniciar un tramo LTR, como un ID de modelo |
| U+2068 | FSI, aislamiento por primer carácter fuerte | Tomar la dirección del contenido |
| U+2069 | PDI, cierre de aislamiento direccional | Cerrar cualquier aislamiento |
UAX #9 recomienda usar aislamientos en lugar de los antiguos embeddings (U+202A a U+202C) en documentos nuevos, porque los embeddings afectan demasiado al texto circundante, y dice que los overrides (U+202D, U+202E) deben evitarse siempre que sea posible por motivos de seguridad.
Por qué importa
En HTML, el W3C aconseja poner dir="rtl" en el elemento html cuando la página es RTL, y no usar CSS para fijar la dirección base. Para texto cuya dirección usted no conoce, como la respuesta de un modelo o el nombre de un usuario, use dir="auto" o el elemento bdi. El W3C señala que auto decide a partir del primer carácter fuerte, así que un párrafo mayormente en inglés que empieza con una palabra árabe aún puede mostrarse mal.
Para quienes usan la API, los problemas habituales son:
- Interfaces de chat. Una respuesta en streaming empieza en inglés y pasa al árabe. Ponga
dir="auto"en cada mensaje, no una sola vez en la página. - JSON y logs. La salida del modelo puede contener marcas invisibles. Un valor como
"gulf"no será igual a"gulf". Elimine los controles bidi antes de comparar campos de salida estructurada. - Textos de interfaz traducidos. Los marcadores de posición y los nombres de producto dentro del árabe necesitan aislamientos; vea traducir los textos de una app al árabe.
En BroadNet Inference
El endpoint de chat de BroadNet devuelve el árabe como texto normal en la respuesta JSON, como cualquier API compatible con OpenAI, y BroadNet no tiene ninguna función de visualización ni de bidi. La dirección es tarea de su front end. Si además normaliza el texto para búsqueda, elimine los controles bidi en la misma pasada que la normalización Unicode, ya que NFC y NFKC los conservan.
Errores comunes
- Invertir cadenas árabes en el código para “arreglar” la visualización.
- Fijar la dirección solo con CSS.
- Dejar U+200F o U+2067 dentro de IDs, claves o valores de enum.