Para pumili ng LLM API para sa Arabic, i-test ang bawat kandidato sa mga trabahong ginagawa ng produkto mo: pag-intindi sa mga dialect ng mga user mo, pagsulat ng natural na Modern Standard Arabic, pag-translate, at pagbasa ng mga Arabic na dokumento. I-score nang hiwalay ang bawat trabaho kasama ang isang native speaker. Puwedeng mangahulugan ang “Supports Arabic” ng kahit ano, mula sa matatas na Gulf dialect hanggang sa matigas na text na parang isinalin lang.
Aling mga Arabic na trabaho ang dapat mong i-test?
| Trabaho | Halimbawa | Ano ang susuriin |
|---|---|---|
| Intindihin ang dialect | Nagta-type sa Khaleeji ang isang Saudi na customer | Nakukuha ba nito ang intent, hindi lang ang mga salita? |
| Sumulat ng Arabic | Sagot sa malinaw na Modern Standard Arabic | Katatasan, grammar, natural na tono, tamang register |
| Mag-translate | Arabic ↔ English na kontrata o support ticket | Katumpakan ng mga pangalan, numero at legal na termino |
| Magbasa ng dokumento | Larawan ng Arabic na invoice | Tamang na-extract ang total, petsa at vendor |
| Makinig sa pananalita | Mga voice note, tawag | Speech-to-text model iyan, hindi LLM; tingnan sa ibaba |
Puwedeng malakas ang isang model sa isa at mahina sa iba. I-score nang hiwalay ang bawat trabaho.
Ano ang sinasabi ng mga pampublikong Arabic leaderboard?
May ilang pampublikong leaderboard na nagra-ranggo ng mga model sa Arabic. Isa ang Open Arabic LLM Leaderboard sa Hugging Face. Ang BALSAM ay isang community benchmark na may 78 task sa 14 na kategorya at platform para sa blind evaluation; isinusulat ng mga may-akda nito na nahuhuli ang performance ng LLM sa Arabic kumpara sa progresong nakikita sa English.
Gamitin ang mga ito para bumuo ng shortlist, hindi para sa huling desisyon. Karamihan ng benchmark ay multiple-choice na tanong at standard na task. Bihira nilang i-test ang mga mensahe ng Gulf na customer, ang tono ng brand mo, o ang larawan ng lukot na resibo. Iyan ang mga napapansin ng mga user mo.
Aling mga LLM API ang sumusuporta sa Arabic?
Halos lahat ng general chat API ay tumatanggap ng Arabic text, kaya ang kapaki-pakinabang na tanong ay kung gaano kahusay nito hinahawakan ang mga dialect mo at kung matatawag mo man lang ang mga Arabic-first na model. Sinuri namin noong Nobyembre 14, 2026 ang apat na Arabic-first na pamilyang madalas itanong. Wala ni isa ang may per-token na API price na inilathala ng gumawa:
| Pamilya ng model | Gumawa | Paano mo ito mapapatakbo (sinuri noong Nobyembre 14, 2026) | Presyo |
|---|---|---|---|
| Jais 2 (8B, 70B chat) | MBZUAI, Inception at Cerebras | Open weights sa Hugging Face sa ilalim ng Apache 2.0, 8,192-token na context. Sinasabi ng 70B model card na walang Inference Provider na nagde-deploy nito. Tinanggal sa GitHub Models ang mas lumang Jais-30b-chat noong Oktubre 31, 2025. | Walang nailathala; ikaw ang magbabayad sa sarili mong mga GPU |
| Falcon-H1-Arabic (3B, 7B, 34B) | Technology Innovation Institute (TII) | Inanunsyo noong Enero 5, 2026 na may 128K (3B) o 256K (7B, 34B) na context. May link ang launch post sa isang web chat demo; wala itong binabanggit na hosted API o download ng weights. | Walang nailathala |
| ALLaM (allam-1-13b-instruct) | Saudi Data and Artificial Intelligence Authority (SDAIA); inilalathala ng HUMAIN ang 7B preview | Nasa IBM watsonx.ai bilang deploy-on-demand na model na may 4,096-token na window (input at output). Open sa Hugging Face sa ilalim ng Apache 2.0 ang ALLaM-7B-Instruct-preview. | Kada oras, hindi kada token, ang singil ng watsonx.ai sa mga deploy-on-demand na model |
| Fanar | Qatar Computing Research Institute (QCRI) | Sinasabi ng Fanar na ito ay “provides an API for developers” (salin: nagbibigay ng API para sa mga developer); sa request form sa api.fanar.qa ang access | Walang nailathala |
Kaya kung gusto mo ng pay-per-token na Arabic sa pamamagitan ng isang OpenAI-compatible API, kadalasang malakas na multilingual na model ang gagamitin mo, gaya ng nasa ibaba, at ite-test mo ito sa mga dialect mo. Kung kailangan mo ng partikular na Arabic-first na model, magplanong i-self-host ito, umupa ng dedicated deployment, o humiling ng Fanar API access; ipinapakita ng post na self-hosting vs API cost ang kuwenta ng break-even.
Aling mga BroadNet model ang kaya ang Arabic?
Inilalathala ng BroadNet ang sarili nitong Arabic check sa pricing page nito. Para sa Qwen3.8 27B, iniuulat nitong matatas itong sumulat ng Arabic, naiintindihan ang Gulf at Egyptian na dialect, at tumpak mag-translate ng Arabic–English. Tumatanggap ang model ng text at larawan, sumusuporta sa tool calling at structured output, at may 262,144-token na context.
Iba pang opsyon sa parehong API:
| Model | Input / output kada 1M token | Context | Larawan |
|---|---|---|---|
| Qwen3.8 27B | $0.175 / $2.17 | 262,144 | Oo |
| DeepSeek V4.1 Flash | $0.175 / $0.52 | 1,048,576 | Oo |
| BroadNet Gemma 4 VL 26B | $0.10 / $0.22 | 32,768 | Oo |
Available din nang unlimited ang DeepSeek V4.1 Flash sa isang flat na plan ($60 kada buwan kada session), na bagay sa high-volume na Arabic chat at mga agent. Pinagtatabi ng paghahambing ng DeepSeek V4.1 Flash vs Qwen3.8 27B ang dalawang pangunahing kandidato. Ang Gemma 4 VL 26B ang pinakamurang BroadNet model kada token at gumagana sa libreng panimulang credit.
Paano bumuo ng Arabic test set?
- Mangolekta ng 50 totoong input mula sa produkto mo: chat, ticket, dokumento. Isama ang hindi bababa sa 10 sa bawat dialect na isinusulat ng mga user mo. Para sa test na dialect lang, na may paraan ng pag-label ng intent, tingnan ang kung paano hinahawakan ng mga LLM ang Gulf, Egyptian at Levantine Arabic.
- Isulat ang ideal na sagot para sa 20 sa mga ito, o ipagawa ito sa isang native speaker.
- Patakbuhin ang bawat kandidatong model sa lahat ng 50 gamit ang parehong system prompt. Sabihin sa prompt ang dialect at register na gusto mo: “Reply in clear Modern Standard Arabic, friendly, short.” (salin: Sumagot sa malinaw na Modern Standard Arabic, magiliw, maikli.)
- I-blind-rate ang mga output mula 1 hanggang 5 para sa katumpakan at pagiging natural. Ipagawa ang rating sa isang native speaker.
- Suriin ang gastos sa totoong text. Basahin ang
prompt_tokensatcompletion_tokensmula sa usage block sa halip na tantiyahin mula sa bilang ng salita.
Dahil OpenAI-compatible ang API, isang linya lang ang pagpapalit ng model: ang model field. Tingnan ang OpenAI-compatible migration checklist.
Paano dapat i-score ang mga output?
| Pamantayan | Score 1 | Score 5 |
|---|---|---|
| Naintindihan ang intent | Mali ang basa sa dialect | Tama, kasama ang slang |
| Grammar at katatasan | May mali o sirang agreement | Parang native na manunulat |
| Register | Maling dialect o sobrang pormal | Eksaktong hiningi ng prompt |
| Facts, pangalan, numero | Binago o inimbento | Eksakto |
| Script | Latin transliteration o halo | Arabic script sa kabuuan |
Mag-average kada trabaho, hindi sa kabuuan. Ibang pagpipilian ang model na 4.5 sa pagsulat at 2 sa dialect kumpara sa model na 3.5 sa dalawa.
Binabago ba ng system prompt ang resulta?
Oo, sapat para mabago ang ranggo. Gamitin ang parehong system prompt sa bawat kandidato, at sabihin ang dialect na inaasahan mo, ang register na gusto mong ibalik, at kung paano tratuhin ang mga numero at English na pangalan. May kumpletong template sa Arabic prompt engineering. Panatilihing pareho ang prompt na iyon sa bawat call para mabasa ito mula sa cache sa mga model na may presyo para sa cached input.
Bakit mas maraming token ang Arabic kaysa sa English?
Kadalasang nahahati ang Arabic text sa mas maraming token kada salita kaysa sa English, at nag-iiba ang ratio sa pagitan ng mga model. Puwedeng magkaiba ang gastos kada Arabic na mensahe ng dalawang model na pareho ang presyo kada token. I-paste ang sample ng totoong text mo sa Arabic token counter, saka kumpirmahin gamit ang prompt_tokens mula sa live na request sa bawat kandidato at i-project ang buwanang bill gamit ang LLM API cost calculator. Nasa tokens per word sa Arabic vs English kung paano sukatin ang sarili mong ratio. Para sa epekto nito sa bill sa bawat model at provider, tingnan ang aming real cost by language dataset, na nagpe-presyo ng 1M character ng Arabic, ng mga dialect nito at ng ibang wika gamit ang sariling tokenizer ng bawat model.
Kaya bang basahin ng LLM ang mga Arabic na invoice at larawan?
Para sa mga invoice, resibo at form, ipadala ang larawan sa isang vision-language model at humingi ng JSON. May gumaganang code sa Arabic invoice guide, at ipinapaliwanag ng Arabic OCR vs vision LLM kung kailan mas mahusay pa ring tool ang classic OCR. Suriing mabuti ang mga numero: parehong lumalabas sa mga resibo sa Gulf ang Eastern Arabic numerals (٠١٢٣) at Western numerals (0123).
Paano naman ang mga Arabic na voice note at tawag?
Para sa mga voice note at tawag, mag-transcribe muna gamit ang Arabic speech-to-text model, saka ipadala ang text sa LLM. $0.0042 kada minuto ng audio ang BroadNet Transcribe Arabic. Paano pumili ng Arabic speech-to-text API.
Bakit walang laman ang ilang Arabic na sagot?
Nagre-reason muna ang DeepSeek V4.1 Flash at Qwen3.8 27B bago sumagot, at kasama sa max_tokens ang mga reasoning token na iyon. Puwedeng mahaba ang mga Arabic na sagot, kaya mag-iwan ng espasyo, o walang laman ang makikitang sagot. Kung bakit ito nangyayari at paano ito ayusin.
Anong mga pagkakamali ang dapat iwasan?
- Pagpa-rate sa mga hindi native speaker. Hindi nakikita ng mga nag-aaral pa lang ang mga problema sa katatasan.
- Paghahalo ng mga dialect sa iisang score. Paghiwalayin ang resulta ng Gulf, Egyptian at Levantine.
- Pagtitiwala sa mga isinaling test set. Hindi parang totoong Arabic na user ang text na isinalin mula sa English.
- Pagkalimot sa right-to-left na display. Puwedeng magulo ang pagkakasunod ng magkahalong Arabic at English na linya sa UI mo. I-test ang display, hindi lang ang text.
Saan pumapasok ang BroadNet Inference
Nag-aalok ang BroadNet ng chat model na nasubok sa Arabic, dalawang alternatibong mas mura o unlimited, at Arabic speech-to-text sa iisang OpenAI-compatible na key, nang walang itinatagong content. Wala itong inilalathalang Arabic benchmark score para sa mga chat model nito bukod sa sarili nitong mga test, kaya patakbuhin ang test set sa itaas bago ka mag-commit. Kung may model sa ibang lugar na mas mahusay sa dialect mo, mas mahalaga ang resultang iyon kaysa sa kahit anong catalogue.
