Trois modèles de chat de BroadNet Inference acceptent des images : DeepSeek V4.1 Flash, Qwen3.8 27B et BroadNet Gemma 4 VL 26B. GLM 5.3 ne traite que du texte. Pour les documents en arabe, Qwen3.8 27B est celui que BroadNet a testé en arabe : rédaction fluide, dialectes du Golfe et égyptien compris, et traduction arabe–anglais précise. Gemma 4 VL 26B est le moins cher des trois chez BroadNet et fonctionne avec le crédit gratuit.
Poser une question sur une facture
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 question demande en arabe « Quel est le montant total de cette facture ? ». Pour les fichiers PNG, mettez image/png dans la data URL : le type MIME doit correspondre. Pour le déduire du nom de fichier :
import mimetypes
mime = mimetypes.guess_type("invoice.png")[0] # "image/png"
url = f"data:{mime};base64," + base64.b64encode(open("invoice.png", "rb").read()).decode()
Récupérer des champs structurés
Demandez du JSON et précisez exactement les clés voulues :
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 raisonne avant de répondre : laissez-lui de la marge. Voir pourquoi les modèles de raisonnement renvoient des réponses vides. La documentation de BroadNet indique la sortie structurée pour Qwen3.8 27B ; voir sortie structurée pour le fonctionnement général des schémas JSON. Analysez la réponse avec json.loads et vérifiez les champs avant de les enregistrer.
Coût
En paiement à l’usage, une image est facturée en tokens d’entrée au prix d’entrée du modèle : redimensionnez donc les très grandes photos au préalable. Le calculateur de tokens d’image indique combien de tokens coûte une taille donnée. Avec un forfait illimité DeepSeek V4.1 Flash, les images font partie de l’usage illimité.
Comparez les prix des modèles de vision, ou voyez comment un modèle de vision se compare à Google, Azure, Textract et Mistral OCR dans le comparatif des API d’OCR arabe.
Dépannage
- Réponse vide de Qwen3.8 27B ou DeepSeek V4.1 Flash. Le raisonnement a épuisé
max_tokens. Augmentez la valeur ou réglezreasoning_effortsurlow. - 400 ou 422 sur l’image. Vérifiez que la data URL commence par
data:image/jpeg;base64,oudata:image/png;base64,et que le type MIME correspond au fichier. - 403 ou erreur sur le modèle. GLM 5.3 n’accepte pas d’images, et Qwen3.8 27B et DeepSeek V4.1 Flash nécessitent une recharge. Utilisez BroadNet Gemma 4 VL 26B avec le crédit gratuit.
- Requête trop volumineuse ou erreurs de contexte. Une grande photo consomme beaucoup de tokens, et Gemma 4 VL 26B a la plus petite fenêtre de contexte des trois (indiquée dans pricing.json). Redimensionnez à une largeur raisonnable ou recadrez sur la zone des totaux.
- Totaux erronés ou chiffres inversés. Les chiffres arabes orientaux (٠١٢٣) et les chiffres latins peuvent cohabiter sur un même reçu. Demandez au modèle de renvoyer les nombres en chiffres latins, et vérifiez dans votre code les totaux par rapport aux lignes.
- JSON invalide. Demandez « JSON only », retirez les éventuelles balises de bloc de code avant l’analyse, et réessayez une fois si l’analyse échoue.

