Untuk memilih API LLM untuk bahasa Arab, uji setiap kandidat pada pekerjaan yang dilakukan produk Anda: memahami dialek pengguna, menulis bahasa Arab Standar Modern yang alami, menerjemahkan, dan membaca dokumen berbahasa Arab. Nilai setiap pekerjaan secara terpisah bersama penutur asli. “Mendukung bahasa Arab” bisa berarti apa saja, dari dialek Teluk yang fasih sampai teks kaku yang terdengar seperti terjemahan.
Pekerjaan bahasa Arab apa saja yang perlu diuji?
| Pekerjaan | Contoh | Yang dicek |
|---|---|---|
| Memahami dialek | Pelanggan Saudi mengetik dalam bahasa Khaleeji | Apakah model menangkap maksudnya, bukan sekadar kata-katanya? |
| Menulis bahasa Arab | Balasan dalam bahasa Arab Standar Modern yang jelas | Kefasihan, tata bahasa, nada alami, register yang tepat |
| Menerjemahkan | Kontrak atau tiket support Arab ↔ Inggris | Akurasi nama, angka, dan istilah hukum |
| Membaca dokumen | Foto faktur berbahasa Arab | Total, tanggal, dan vendor diekstrak dengan benar |
| Mendengar ucapan | Voice note, panggilan | Itu tugas model speech-to-text, bukan LLM; lihat di bawah |
Sebuah model bisa kuat di satu pekerjaan dan lemah di pekerjaan lain. Nilai setiap pekerjaan secara terpisah.
Apa yang diberitahukan leaderboard bahasa Arab publik?
Beberapa leaderboard publik memeringkat model dalam bahasa Arab. Open Arabic LLM Leaderboard di Hugging Face adalah salah satunya. BALSAM adalah benchmark komunitas dengan 78 tugas dalam 14 kategori dan platform untuk evaluasi buta; penulisnya menulis bahwa performa LLM dalam bahasa Arab tertinggal dari kemajuan yang terlihat dalam bahasa Inggris.
Pakai leaderboard ini untuk membuat shortlist, bukan untuk pilihan akhir. Benchmark sebagian besar berupa soal pilihan ganda dan tugas standar. Benchmark jarang menguji pesan pelanggan dari Teluk, gaya bahasa merek Anda, atau foto struk yang kusut. Padahal hal-hal itulah yang diperhatikan pengguna Anda.
API LLM mana yang mendukung bahasa Arab?
Hampir setiap API chat umum menerima teks bahasa Arab, jadi pertanyaan yang berguna adalah seberapa baik API itu menangani dialek Anda dan apakah Anda bisa memanggil model yang berfokus pada bahasa Arab sama sekali. Kami mengecek empat keluarga model berfokus bahasa Arab yang sering ditanyakan orang pada 14 November 2026. Tidak satu pun punya harga API per token yang dipublikasikan pembuatnya:
| Keluarga model | Pembuat | Cara menjalankannya (dicek 14 November 2026) | Harga |
|---|---|---|---|
| Jais 2 (8B, 70B chat) | MBZUAI, Inception, dan Cerebras | Open weights di Hugging Face dengan lisensi Apache 2.0, konteks 8.192 token. Model card 70B menyebutkan tidak ada Inference Provider yang men-deploy-nya. Jais-30b-chat yang lebih lama dihapus dari GitHub Models pada 31 Oktober 2025. | Tidak dipublikasikan; Anda membayar GPU sendiri |
| Falcon-H1-Arabic (3B, 7B, 34B) | Technology Innovation Institute (TII) | Diumumkan 5 Januari 2026 dengan konteks 128K (3B) atau 256K (7B, 34B). Artikel peluncurannya menautkan demo chat web; tidak menyebut API hosted maupun unduhan weights. | Tidak dipublikasikan |
| ALLaM (allam-1-13b-instruct) | Saudi Data and Artificial Intelligence Authority (SDAIA); HUMAIN memublikasikan pratinjau 7B | Di IBM watsonx.ai sebagai model deploy on demand dengan jendela 4.096 token (input plus output). ALLaM-7B-Instruct-preview terbuka di Hugging Face dengan lisensi Apache 2.0. | watsonx.ai menagih model deploy on demand per jam, bukan per token |
| Fanar | Qatar Computing Research Institute (QCRI) | Fanar menyatakan “provides an API for developers” (Terjemahan BroadRouter: menyediakan API untuk developer); akses lewat formulir permintaan di api.fanar.qa | Tidak dipublikasikan |
Jadi jika Anda menginginkan bahasa Arab dengan bayar per token melalui API yang kompatibel dengan OpenAI, biasanya Anda akan memakai model multibahasa yang kuat, seperti yang di bawah, dan mengujinya pada dialek Anda. Jika Anda membutuhkan model berfokus bahasa Arab tertentu, rencanakan untuk meng-host-nya sendiri, menyewa deployment khusus, atau meminta akses API Fanar; artikel biaya self-hosting vs API menunjukkan perhitungan titik impasnya.
Model BroadNet mana yang bisa menangani bahasa Arab?
BroadNet memublikasikan pengecekan bahasa Arabnya sendiri di halaman harganya. Untuk Qwen3.8 27B, BroadNet melaporkan tulisan bahasa Arab yang fasih, pemahaman dialek Teluk dan Mesir, dan terjemahan Arab–Inggris yang akurat. Model ini menerima teks dan gambar, mendukung tool calling dan output terstruktur, serta punya konteks 262.144 token.
Opsi lain di API yang sama:
| Model | Input / output per 1 juta token | Konteks | Gambar |
|---|---|---|---|
| Qwen3.8 27B | $0.175 / $2.17 | 262.144 | Ya |
| DeepSeek V4.1 Flash | $0.175 / $0.52 | 1.048.576 | Ya |
| BroadNet Gemma 4 VL 26B | $0.10 / $0.22 | 32.768 | Ya |
DeepSeek V4.1 Flash juga tersedia unlimited di paket flat ($60 per bulan per sesi), yang cocok untuk chat dan agen bahasa Arab bervolume tinggi. Perbandingan DeepSeek V4.1 Flash vs Qwen3.8 27B menyandingkan dua kandidat utama itu. Gemma 4 VL 26B adalah model BroadNet termurah per token dan bisa dipakai dengan kredit awal gratis.
Bagaimana menyusun test set bahasa Arab?
- Kumpulkan 50 input nyata dari produk Anda: chat, tiket, dokumen. Sertakan minimal 10 untuk setiap dialek yang ditulis pengguna Anda. Untuk tes khusus dialek, dengan metode pelabelan intent, lihat cara LLM menangani bahasa Arab Teluk, Mesir, dan Levant.
- Tulis jawaban ideal untuk 20 di antaranya, atau minta penutur asli menuliskannya.
- Jalankan setiap model kandidat pada ke-50 input dengan system prompt yang sama. Sebutkan dialek dan register yang Anda inginkan di prompt: “Balas dalam bahasa Arab Standar Modern yang jelas, ramah, singkat.”
- Nilai output secara buta dengan skala 1 sampai 5 untuk ketepatan dan kealamian. Minta penutur asli yang memberi nilai.
- Cek biaya pada teks nyata. Baca
prompt_tokensdancompletion_tokensdari blok usage, jangan memperkirakan dari jumlah kata.
Karena API-nya kompatibel dengan OpenAI, berganti model cukup dengan mengubah satu baris di field model. Lihat checklist migrasi API yang kompatibel dengan OpenAI.
Bagaimana menilai output-nya?
| Kriteria | Skor 1 | Skor 5 |
|---|---|---|
| Maksud dipahami | Salah membaca dialek | Benar, termasuk slang |
| Tata bahasa dan kefasihan | Ada kesalahan atau kesesuaian kata yang rusak | Terbaca seperti tulisan penutur asli |
| Register | Dialek salah atau terlalu formal | Persis seperti yang diminta prompt |
| Fakta, nama, angka | Diubah atau dikarang | Persis |
| Aksara | Transliterasi Latin atau campuran | Aksara Arab sepenuhnya |
Rata-ratakan per pekerjaan, bukan secara keseluruhan. Model yang mendapat 4,5 untuk menulis dan 2 untuk dialek adalah pilihan yang berbeda dari model yang mendapat 3,5 untuk keduanya.
Apakah system prompt mengubah hasilnya?
Ya, cukup untuk mengubah peringkat. Pakai system prompt yang sama untuk setiap kandidat, dan sebutkan dialek yang Anda harapkan, register balasan yang Anda inginkan, serta cara memperlakukan angka dan nama berbahasa Inggris. Prompt engineering bahasa Arab berisi template lengkap. Jaga prompt itu tetap identik di setiap panggilan agar bisa dibaca dari cache pada model yang punya harga input cache.
Mengapa bahasa Arab memakan lebih banyak token daripada bahasa Inggris?
Teks bahasa Arab sering terpecah menjadi lebih banyak token per kata daripada bahasa Inggris, dan rasionya berbeda antarmodel. Dua model dengan harga per token yang sama bisa punya biaya berbeda per pesan berbahasa Arab. Tempelkan contoh teks nyata Anda ke penghitung token bahasa Arab, lalu konfirmasi dengan prompt_tokens dari permintaan langsung di setiap kandidat dan proyeksikan tagihan bulanan dengan kalkulator biaya API LLM. Cara mengukur rasio Anda sendiri ada di token per kata dalam bahasa Arab vs Inggris. Untuk dampaknya pada tagihan di setiap model dan penyedia, lihat dataset biaya nyata per bahasa kami, yang menghitung harga 1 juta karakter bahasa Arab, dialek-dialeknya, dan bahasa lain dengan tokenizer masing-masing model.
Bisakah LLM membaca faktur dan gambar berbahasa Arab?
Untuk faktur, struk, dan formulir, kirim fotonya ke vision-language model dan minta JSON. Panduan faktur bahasa Arab berisi kode yang berjalan, dan OCR bahasa Arab vs LLM vision membahas kapan OCR klasik masih menjadi alat yang lebih baik. Cek angka dengan teliti: angka Arab Timur (٠١٢٣) dan angka Barat (0123) sama-sama muncul di struk dari Teluk.
Bagaimana dengan voice note dan panggilan berbahasa Arab?
Untuk voice note dan panggilan, transkripsikan dulu dengan model speech-to-text bahasa Arab, lalu kirim teksnya ke LLM. BroadNet Transcribe Arabic berharga $0.0042 per menit audio. Cara memilih API speech-to-text bahasa Arab.
Mengapa sebagian jawaban bahasa Arab kembali kosong?
DeepSeek V4.1 Flash dan Qwen3.8 27B melakukan penalaran sebelum menjawab, dan token penalaran itu dihitung dalam max_tokens. Jawaban bahasa Arab bisa panjang, jadi sisakan ruang, atau jawaban yang terlihat akan kembali kosong. Mengapa itu terjadi dan cara memperbaikinya.
Kesalahan apa yang perlu dihindari?
- Penilaian oleh penutur non-asli. Masalah kefasihan tidak terlihat oleh pembelajar.
- Mencampur dialek dalam satu skor. Pisahkan hasil Teluk, Mesir, dan Levant.
- Memercayai test set hasil terjemahan. Teks yang diterjemahkan dari bahasa Inggris tidak terbaca seperti pengguna Arab sungguhan.
- Melupakan tampilan kanan-ke-kiri. Baris campuran Arab dan Inggris bisa tampil dengan urutan yang salah di UI Anda. Uji tampilannya, bukan hanya teksnya.
Posisi BroadNet Inference
BroadNet menawarkan model chat yang sudah diuji dalam bahasa Arab, dua alternatif yang lebih murah atau unlimited, dan speech-to-text bahasa Arab dalam satu kunci API yang kompatibel dengan OpenAI, tanpa menyimpan konten. BroadNet tidak memublikasikan skor benchmark bahasa Arab untuk model chat-nya selain pengujiannya sendiri, jadi jalankan test set di atas sebelum Anda berkomitmen. Jika model di tempat lain menang pada dialek Anda, hasil itu lebih penting daripada katalog mana pun.
