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 definareasoning_effortcomolow. - 400 o 422 en la imagen. Compruebe que el data URL empiece por
data:image/jpeg;base64,odata: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.

