Tiga model chat di BroadNet Inference menerima gambar: DeepSeek V4.1 Flash, Qwen3.8 27B, dan BroadNet Gemma 4 VL 26B. GLM 5.3 hanya teks. Untuk dokumen berbahasa Arab, Qwen3.8 27B adalah model yang diuji BroadNet dalam bahasa Arab: tulisannya fasih, memahami dialek Teluk dan Mesir, dan terjemahan Arab–Inggrisnya akurat. Gemma 4 VL 26B adalah yang termurah dari ketiganya di BroadNet dan bisa dipakai dengan kredit gratis.
Bertanya tentang satu faktur
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)
Pertanyaannya, dalam bahasa Arab, berbunyi “Berapa jumlah total di faktur ini?”. Gunakan image/png di data URL untuk file PNG: MIME type harus sesuai. Untuk menentukannya dari nama file:
import mimetypes
mime = mimetypes.guess_type("invoice.png")[0] # "image/png"
url = f"data:{mime};base64," + base64.b64encode(open("invoice.png", "rb").read()).decode()
Mendapatkan field terstruktur
Minta JSON dan sebutkan dengan tepat key apa saja yang Anda inginkan:
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 bernalar sebelum menjawab, jadi beri ruang yang cukup. Lihat kenapa model reasoning mengembalikan jawaban kosong. Dokumentasi BroadNet mencantumkan output terstruktur untuk Qwen3.8 27B; lihat output terstruktur untuk cara kerja JSON schema secara umum. Parse balasannya dengan json.loads dan periksa field-nya sebelum disimpan.
Biaya
Pada bayar sesuai pemakaian, gambar ditagih sebagai token input dengan harga input model, jadi perkecil dulu foto yang sangat besar; kalkulator token gambar menunjukkan berapa token yang dipakai untuk ukuran tertentu. Pada paket unlimited DeepSeek V4.1 Flash, gambar termasuk dalam pemakaian unlimited.
Bandingkan harga model vision, atau lihat bagaimana model vision dibandingkan dengan Google, Azure, Textract, dan Mistral OCR di perbandingan API OCR bahasa Arab.
Troubleshooting
- Jawaban kosong dari Qwen3.8 27B atau DeepSeek V4.1 Flash. Penalaran menghabiskan
max_tokens. Naikkan nilainya atau aturreasoning_effortkelow. - 400 atau 422 pada gambar. Pastikan data URL diawali
data:image/jpeg;base64,ataudata:image/png;base64,dan MIME type-nya sesuai dengan file. - 403 atau error pada model. GLM 5.3 tidak menerima gambar, sedangkan Qwen3.8 27B dan DeepSeek V4.1 Flash memerlukan top up. Gunakan BroadNet Gemma 4 VL 26B dengan kredit gratis.
- Permintaan terlalu besar atau error konteks. Foto besar memakai banyak token, dan Gemma 4 VL 26B punya context window terkecil dari ketiganya (tercantum di pricing.json). Perkecil ke lebar yang wajar atau crop ke area total.
- Total salah atau digit tertukar. Angka Arab-Indik (٠١٢٣) dan angka Latin bisa muncul bersamaan di satu struk. Minta model mengembalikan angka dalam digit Latin, dan cocokkan total dengan item baris di kode Anda.
- JSON tidak valid. Minta “JSON saja”, hapus code fence sebelum parsing, dan coba ulang sekali jika parsing gagal.

