BroadRouter

Lea facturas y recibos en árabe con un modelo de visión

Actualizado

Envíe la imagen como data URL en base64 dentro del contenido del mensaje a un modelo de visión, como broadnet/qwen3.8-27b o broadnet/gemma-4-26b-a4b, y pida en JSON los campos que necesita. Indique el tipo MIME correcto. Con pago por uso, una imagen cuenta como tokens de entrada; las imágenes más grandes consumen más.

Tres modelos de chat de BroadNet Inference aceptan imágenes: DeepSeek V4.1 Flash, Qwen3.8 27B y BroadNet Gemma 4 VL 26B. GLM 5.3 es solo de texto. Para documentos en árabe, Qwen3.8 27B es el que BroadNet probó en árabe: redacción fluida, comprensión de los dialectos del Golfo y egipcio, y traducción precisa entre árabe e inglés. Gemma 4 VL 26B es el más barato de los tres en BroadNet y funciona con el crédito gratuito.

Haga una pregunta sobre una factura

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)

La pregunta dice en árabe “¿Cuál es el importe total de esta factura?”. Use image/png en el data URL para archivos PNG: el tipo MIME debe coincidir. Para obtenerlo a partir del nombre del archivo:

import mimetypes
mime = mimetypes.guess_type("invoice.png")[0]   # "image/png"
url = f"data:{mime};base64," + base64.b64encode(open("invoice.png", "rb").read()).decode()

Obtenga los campos estructurados

Pida JSON e indique exactamente qué claves quiere:

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 razona antes de responder, así que déjele margen. Consulte por qué los modelos de razonamiento devuelven respuestas vacías. La documentación de BroadNet indica salida estructurada para Qwen3.8 27B; consulte salida estructurada para ver cómo funcionan los JSON schemas en general. Analice la respuesta con json.loads y valide los campos antes de guardarlos.

Costo

Con pago por uso, una imagen se factura como tokens de entrada al precio de entrada del modelo, así que reduzca primero las fotos muy grandes; la calculadora de tokens de imagen muestra cuántos tokens cuesta un tamaño dado. Con un plan ilimitado de DeepSeek V4.1 Flash, las imágenes forman parte del uso ilimitado.

Compare los precios de los modelos de visión, o vea cómo se compara un modelo de visión con Google, Azure, Textract y Mistral OCR en la comparativa de APIs de OCR en árabe.

Solución de problemas

  • Respuesta vacía de Qwen3.8 27B o DeepSeek V4.1 Flash. El razonamiento agotó max_tokens. Auméntelo o defina reasoning_effort como low.
  • 400 o 422 en la imagen. Compruebe que el data URL empiece por data:image/jpeg;base64, o data:image/png;base64, y que el tipo MIME coincida con el archivo.
  • 403 o un error en el modelo. GLM 5.3 no acepta imágenes, y Qwen3.8 27B y DeepSeek V4.1 Flash requieren una recarga. Use BroadNet Gemma 4 VL 26B con el crédito gratuito.
  • Solicitud demasiado grande o errores de contexto. Una foto grande consume muchos tokens, y Gemma 4 VL 26B tiene la ventana de contexto más pequeña de los tres (indicada en pricing.json). Reduzca la imagen a un ancho razonable o recorte la zona de los totales.
  • Totales incorrectos o dígitos intercambiados. En un mismo recibo pueden aparecer dígitos arábigo-índicos (٠١٢٣) y dígitos latinos. Pida al modelo que devuelva los números con dígitos latinos y compruebe en su código los totales contra las líneas de la factura.
  • JSON no válido. Pida “solo JSON”, elimine los code fences antes de analizar la respuesta y reintente una vez si el análisis falla.
An Arabic and English invoice beside a phone showing the JSON {"total":125.00,"currency":"AED"}, with the text "From documents to structured data."
Illustrative example; the figures are not real output.

Preguntas frecuentes

¿Qué modelos de BroadNet pueden leer imágenes?

DeepSeek V4.1 Flash, Qwen3.8 27B y BroadNet Gemma 4 VL 26B aceptan imágenes mediante chat completions. GLM 5.3 es solo de texto, y los modelos de transcripción reciben audio.

¿Cómo envío un archivo de imagen local a una API de LLM con visión?

Lea el archivo, codifíquelo en base64 y colóquelo en una parte de contenido image_url como data URL, por ejemplo data:image/jpeg;base64, seguido de los bytes codificados. El tipo MIME de la URL debe coincidir con el archivo.

¿Puedo extraer datos de facturas con el crédito gratuito?

Sí, con BroadNet Gemma 4 VL 26B, que funciona con el crédito inicial gratuito. Qwen3.8 27B y DeepSeek V4.1 Flash se habilitan después de una recarga.

¿Puedo enviar una factura en PDF?

La documentación de BroadNet describe imágenes enviadas como data URL, no archivos PDF. Convierta primero cada página del PDF a JPEG o PNG, por ejemplo con pdftoppm, y envíe las páginas como imágenes.

Leer en MarkdownPreguntar a ChatGPTPreguntar a ClaudePreguntar a Perplexity