---
title: "LLM terbaik untuk bahasa Arab: yang diuji sebelum memilih"
description: "Cara memilih LLM untuk aplikasi bahasa Arab: pemahaman dialek, kualitas tulisan, terjemahan, dokumen dan gambar Arab, biaya, plus test set yang bisa dibuat sehari."
url: https://broadrouter.com/id/blog/choosing-an-llm-for-arabic/
lang: id
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan dari bahasa Inggris dengan bantuan AI. [Baca versi asli bahasa Inggris](https://broadrouter.com/blog/choosing-an-llm-for-arabic/) (diperbarui 2026-11-14).

# Memilih API LLM untuk bahasa Arab: apa yang perlu diuji

Oleh tim BroadNet Inference · 7 menit baca · Dipublikasikan 2026-11-14

Pilih LLM untuk bahasa Arab dengan mengujinya pada tugas Anda sendiri: memahami dialek Teluk, Mesir, dan Levant, menulis bahasa Arab Standar Modern yang fasih, menerjemahkan bahasa Arab dan Inggris, serta membaca dokumen berbahasa Arab. Dalam pengujian BroadNet, Qwen3.8 27B menulis bahasa Arab dengan fasih dan memahami dialek Teluk dan Mesir. Harganya $0.175 per 1 juta token input.

## Poin penting

-   Uji pemahaman dialek, penulisan bahasa Arab, terjemahan, dan pembacaan dokumen secara terpisah. Model berbeda-beda di setiap aspek.
-   Leaderboard bahasa Arab publik membantu Anda membuat shortlist, tetapi tidak menguji dialek, gaya bahasa, atau dokumen Anda.
-   Dalam pengujian BroadNet, Qwen3.8 27B menulis bahasa Arab dengan fasih, memahami dialek Teluk dan Mesir, dan menerjemahkan dengan akurat.
-   Model vision bisa membaca faktur dan struk berbahasa Arab dan mengembalikan JSON terstruktur.
-   Bahasa Arab sering memakai lebih banyak token per kata daripada bahasa Inggris, jadi bandingkan biaya pada teks nyata Anda, bukan per kata.
-   Pasangkan LLM dengan speech-to-text bahasa Arab untuk voice note dan panggilan.

**Di halaman ini**

1.  Pekerjaan bahasa Arab apa saja yang perlu diuji?
2.  Apa yang diberitahukan leaderboard bahasa Arab publik?
3.  API LLM mana yang mendukung bahasa Arab?
4.  Model BroadNet mana yang bisa menangani bahasa Arab?
5.  Bagaimana menyusun test set bahasa Arab?
6.  Bagaimana menilai output-nya?
7.  Apakah system prompt mengubah hasilnya?
8.  Mengapa bahasa Arab memakan lebih banyak token daripada bahasa Inggris?
9.  Bisakah LLM membaca faktur dan gambar berbahasa Arab?
10.  Bagaimana dengan voice note dan panggilan berbahasa Arab?
11.  Mengapa sebagian jawaban bahasa Arab kembali kosong?
12.  Kesalahan apa yang perlu dihindari?
13.  Posisi BroadNet Inference

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](https://broadrouter.com/id/glossary/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](https://huggingface.co/spaces/OALL/Open-Arabic-LLM-Leaderboard) di Hugging Face adalah salah satunya. [BALSAM](https://arxiv.org/abs/2507.22603) 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](https://broadrouter.com/id/glossary/openai-compatible-api/), 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](https://broadrouter.com/id/blog/self-hosting-llm-vs-api-cost/) menunjukkan perhitungan titik impasnya.

## Model BroadNet mana yang bisa menangani bahasa Arab?

BroadNet memublikasikan pengecekan bahasa Arabnya sendiri di [halaman harganya](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-choosing-an-llm-for-arabic&utm_content=body). Untuk [Qwen3.8 27B](https://broadrouter.com/id/models/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](https://broadrouter.com/id/glossary/tool-calling/) dan [output terstruktur](https://broadrouter.com/id/glossary/structured-output/), serta punya konteks 262.144 token.

Opsi lain di API yang sama:

| Model | Input / output per 1 juta token | Konteks | Gambar |
| --- | --- | --- | --- |
| [Qwen3.8 27B](https://broadrouter.com/id/models/qwen3.8-27b/) | $0.175 / $2.17 | 262.144 | Ya |
| [DeepSeek V4.1 Flash](https://broadrouter.com/id/models/deepseek-v4.1-flash/) | $0.175 / $0.52 | 1.048.576 | Ya |
| [BroadNet Gemma 4 VL 26B](https://broadrouter.com/id/models/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](https://broadrouter.com/compare/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?

1.  **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](https://broadrouter.com/id/blog/arabic-llm-gulf-egyptian-dialects/).
2.  **Tulis jawaban ideal** untuk 20 di antaranya, atau minta penutur asli menuliskannya.
3.  **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.”
4.  **Nilai output secara buta** dengan skala 1 sampai 5 untuk ketepatan dan kealamian. Minta penutur asli yang memberi nilai.
5.  **Cek biaya pada teks nyata.** Baca `prompt_tokens` dan `completion_tokens` dari 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](https://broadrouter.com/id/blog/openai-compatible-api-migration-checklist/).

## 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](https://broadrouter.com/id/blog/arabic-prompt-engineering/) berisi template lengkap. Jaga prompt itu tetap identik di setiap panggilan agar bisa dibaca dari cache pada model yang punya harga [input cache](https://broadrouter.com/id/blog/cached-input-tokens-explained/).

## Mengapa bahasa Arab memakan lebih banyak token daripada bahasa Inggris?

Teks bahasa Arab sering terpecah menjadi lebih banyak [token](https://broadrouter.com/id/glossary/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](https://broadrouter.com/tools/arabic-token-counter/), lalu konfirmasi dengan `prompt_tokens` dari permintaan langsung di setiap kandidat dan proyeksikan tagihan bulanan dengan [kalkulator biaya API LLM](https://broadrouter.com/tools/llm-api-cost-calculator/). Cara mengukur rasio Anda sendiri ada di [token per kata dalam bahasa Arab vs Inggris](https://broadrouter.com/id/blog/tokens-per-word-arabic-english/). Untuk dampaknya pada tagihan di setiap model dan penyedia, lihat [dataset biaya nyata per bahasa](https://broadrouter.com/data/real-cost-by-language/) 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](https://broadrouter.com/id/glossary/vision-language-model/) dan minta JSON. [Panduan faktur bahasa Arab](https://broadrouter.com/id/guides/read-arabic-invoices-with-vision/) berisi kode yang berjalan, dan [OCR bahasa Arab vs LLM vision](https://broadrouter.com/id/blog/arabic-ocr-vision-llm/) 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](https://broadrouter.com/id/blog/arabic-speech-to-text-api-buyers-guide/).

## Mengapa sebagian jawaban bahasa Arab kembali kosong?

DeepSeek V4.1 Flash dan Qwen3.8 27B melakukan penalaran sebelum menjawab, dan [token penalaran](https://broadrouter.com/id/glossary/reasoning-tokens/) 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](https://broadrouter.com/id/guides/reasoning-tokens-empty-response/).

## 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.

Alat gratis untuk topik ini (bahasa Inggris)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[Alat gratis (bahasa Inggris)](https://broadrouter.com/tools/)

## Istilah dalam artikel ini

[Token](https://broadrouter.com/id/glossary/token/)

Token adalah satuan teks yang dibaca dan ditulis model bahasa: sebuah kata, bagian kata, tanda baca, atau urutan byte yang dihasilkan tokenizer model. API LLM menghitung, membatasi, dan biasanya menagih pemakaian dalam token.

[Speech-to-text (ucapan ke teks)](https://broadrouter.com/id/glossary/speech-to-text/)

Speech-to-text, juga disebut automatic speech recognition (ASR), adalah teknologi yang mengubah audio ucapan menjadi teks tertulis. API speech-to-text menerima file atau stream audio dan mengembalikan transkrip, biasanya dihargai per menit audio. Akurasinya diukur dengan word error rate dan bervariasi menurut aksen, dialek, dan kualitas rekaman.

[System prompt (prompt sistem)](https://broadrouter.com/id/glossary/system-prompt/)

System prompt adalah teks instruksi yang dikirim aplikasi ke model bahasa sebelum percakapan, biasanya sebagai pesan dengan peran system atau developer. System prompt menetapkan peran, aturan, gaya bahasa, dan format output model, dan model dirancang untuk mengikutinya di atas pesan pengguna yang bertentangan.

[API kompatibel OpenAI](https://broadrouter.com/id/glossary/openai-compatible-api/)

API kompatibel OpenAI adalah API HTTP yang menerima format permintaan dan respons yang sama dengan API OpenAI, seperti POST /v1/chat/completions, sehingga SDK dan tool OpenAI bisa memakainya hanya dengan mengganti base URL, kunci API, dan nama model.

[Tool calling (function calling)](https://broadrouter.com/id/glossary/tool-calling/)

Tool calling, disebut juga function calling, adalah fitur API LLM di mana model mengembalikan permintaan terstruktur untuk menjalankan fungsi yang didefinisikan developer, lengkap dengan argumen JSON. Aplikasi yang menjalankan fungsi itu dan mengirim hasilnya kembali; model tidak pernah menjalankan kode sendiri.

[Bahasa Arab Standar Modern (MSA, Fusha)](https://broadrouter.com/id/glossary/msa/)

Bahasa Arab Standar Modern (MSA) adalah bentuk baku bahasa Arab yang dipakai dalam tulisan, berita, pendidikan, dan pidato formal di seluruh dunia Arab. MSA bukan bahasa ibu sehari-hari siapa pun: orang berbicara dalam dialek daerah seperti Arab Mesir atau Teluk dan beralih ke MSA dalam situasi formal.

[Dialek bahasa Arab (dialectal Arabic)](https://broadrouter.com/id/glossary/dialectal-arabic/)

Dialek bahasa Arab adalah bahasa Arab lisan sehari-hari di suatu wilayah atau kota, seperti bahasa Arab Mesir, Teluk, Levant, atau Maghribi. Dialek berbeda dari Bahasa Arab Standar Modern dalam bunyi, kosakata, dan tata bahasa, tidak punya ejaan baku, dan makin sering ditulis di internet, sehingga lebih sulit bagi model bahasa.

[Lisensi model (model license)](https://broadrouter.com/id/glossary/model-license/)

Lisensi model adalah ketentuan hukum yang mengatur bagaimana bobot, kode, dan output sebuah model boleh dipakai, diubah, dan dibagikan. Model open-weight memakai lisensi perangkat lunak standar seperti Apache 2.0 atau MIT, atau lisensi model khusus yang bisa menambahkan syarat, misalnya batasan bagi layanan komersial besar.

## Pertanyaan umum

### Model BroadNet mana yang terbaik untuk bahasa Arab?

BroadNet menguji Qwen3.8 27B dalam bahasa Arab dan melaporkan tulisan yang fasih, pemahaman dialek Teluk dan Mesir, serta terjemahan Arab–Inggris yang akurat. Uji model itu, dan juga DeepSeek V4.1 Flash, dengan prompt Anda sendiri.

### Apa LLM terbaik untuk bahasa Arab?

Tergantung tugas dan dialeknya. Pakai leaderboard publik seperti Open Arabic LLM Leaderboard atau BALSAM untuk membuat shortlist, lalu nilai shortlist itu pada 50 input Anda sendiri bersama penutur asli. Model yang unggul di benchmark tetap bisa terdengar kaku dalam dialek Anda.

### Bisakah LLM membaca dokumen dan gambar berbahasa Arab?

Model vision seperti Qwen3.8 27B, DeepSeek V4.1 Flash, dan BroadNet Gemma 4 VL 26B menerima gambar, jadi bisa membaca foto faktur, struk, dan formulir berbahasa Arab lalu mengembalikan JSON.

### API LLM mana yang mendukung bahasa Arab?

Sebagian besar API chat umum menerima bahasa Arab, tetapi kualitasnya berbeda per dialek. Model yang berfokus pada bahasa Arab seperti Jais 2, Falcon-H1-Arabic, ALLaM, dan Fanar belum punya harga API per token yang dipublikasikan pembuatnya per 14 November 2026. Jais 2 adalah open weights untuk di-host sendiri, ALLaM berjalan di IBM watsonx.ai sebagai deployment khusus yang ditagih per jam, dan Fanar memberi akses API atas permintaan.

### Mengapa teks bahasa Arab memakan lebih banyak token daripada bahasa Inggris?

Tokenizer sering dilatih dengan lebih banyak teks bahasa Inggris daripada bahasa Arab, sehingga kata Arab cenderung terpecah menjadi lebih banyak token. Efeknya berbeda per model, jadi bandingkan prompt\_tokens pada teks Arab yang sama untuk setiap kandidat.

### Bisakah LLM membalas dalam dialek Teluk atau Mesir?

Banyak yang bisa, tetapi kualitasnya lebih bervariasi daripada bahasa Arab Standar Modern. Minta dialeknya secara eksplisit di system prompt dan minta penutur asli menilai balasannya.

## Baca juga

-   [PDPL Saudi dan UEA untuk API LLM: checklist transfer lintas negara](https://broadrouter.com/id/blog/saudi-uae-pdpl-llm-api-checklist/)
-   [API speech-to-text bahasa Arab: cara memilihnya di 2026](https://broadrouter.com/id/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Pindah ke API kompatibel OpenAI: checklist migrasi](https://broadrouter.com/id/blog/openai-compatible-api-migration-checklist/)
-   [Token input cache: cara memangkas tagihan API LLM](https://broadrouter.com/id/blog/cached-input-tokens-explained/)
-   [Menambahkan harakat ke teks Arab dengan LLM: prompt, cek, DER](https://broadrouter.com/id/blog/arabic-diacritization-llm/)
-   [Koreksi tata bahasa dan ejaan Arab dengan LLM: panduan praktis](https://broadrouter.com/id/blog/arabic-grammar-spelling-correction-llm/)
-   [Panduan: Membaca faktur dan struk berbahasa Arab dengan model vision](https://broadrouter.com/id/guides/read-arabic-invoices-with-vision/)
-   [Panduan: API speech-to-text bahasa Arab, langkah demi langkah](https://broadrouter.com/id/guides/arabic-speech-to-text-api/)
-   [Panduan: Kenapa model reasoning mengembalikan jawaban kosong](https://broadrouter.com/id/guides/reasoning-tokens-empty-response/)

Coba dengan beban kerja Anda yang sebenarnya. Akun baru mendapat kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM, dan Qwen3.8 memerlukan top up.

[Mulai](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-choosing-an-llm-for-arabic&utm_content=page-cta) ·

**Sumber**

-   [Halaman harga BroadNet Inference, catatan "Tested in Arabic" untuk Qwen3.8 27B (diakses 2026-11-14) (bahasa Inggris)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-choosing-an-llm-for-arabic&utm_content=sources)
-   [Harga BroadNet Inference yang bisa dibaca mesin, pricing.json (diakses 2026-11-14) (bahasa Inggris)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-choosing-an-llm-for-arabic&utm_content=sources)
-   [Referensi API BroadNet Inference (diakses 2026-11-14) (bahasa Inggris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-choosing-an-llm-for-arabic&utm_content=sources)
-   [Open Arabic LLM Leaderboard (OALL) di Hugging Face (diakses 2026-11-14)](https://huggingface.co/spaces/OALL/Open-Arabic-LLM-Leaderboard)
-   [BALSAM: A Platform for Benchmarking Arabic Large Language Models (arXiv 2507.22603; diakses 2026-11-14)](https://arxiv.org/abs/2507.22603)
-   [Hugging Face, model card inceptionai/Jais-2-70B-Chat: Apache 2.0, konteks 8.192, tanpa Inference Provider (dicek 2026-11-14)](https://huggingface.co/inceptionai/Jais-2-70B-Chat)
-   [Changelog GitHub, model deprecated di GitHub Models: Jais-30b-chat dihapus (31 Oktober 2025; dicek 2026-11-14)](https://github.blog/changelog/2025-10-31-deprecated-models-in-github-models)
-   [Blog Hugging Face, memperkenalkan Falcon-H1-Arabic (5 Januari 2026; dicek 2026-11-14)](https://huggingface.co/blog/tiiuae/falcon-h1-arabic)
-   [IBM watsonx.ai, foundation model yang didukung: allam-1-13b-instruct deploy on demand (dicek 2026-11-14)](https://www.ibm.com/docs/en/SSYOK8/wsj/analyze-data/fm-models.html)
-   [IBM watsonx.ai, rincian penagihan aset AI generatif: deploy on demand ditagih per jam (dicek 2026-11-14)](https://www.ibm.com/docs/en/SSYOK8/wsj/getting-started/wxai-runtime-plans-genai.html)
-   [Hugging Face, model card humain-ai/ALLaM-7B-Instruct-preview: Apache 2.0 (dicek 2026-11-14)](https://huggingface.co/humain-ai/ALLaM-7B-Instruct-preview)
-   [Fanar, platform AI bahasa Arab dari QCRI: akses API atas permintaan (dicek 2026-11-14)](https://fanar.qa/en)
