La risposta in arabo del modello è corretta, ma a schermo il prezzo sta dal lato sbagliato e il nome del modello è spezzato a metà. È un problema di bidi, non del modello.
Come funziona
Il testo si memorizza in ordine logico, l’ordine in cui si legge e si digita. UAX #9, l’algoritmo bidirezionale Unicode (Unicode Bidirectional Algorithm), assegna a ogni carattere un tipo di direzione e calcola l’ordine di visualizzazione della riga. I caratteri non si spostano mai in memoria; cambia solo il modo in cui vengono mostrati.
Le lettere sono forti: l’arabo va da destra a sinistra, il latino da sinistra a destra. Cifre e punteggiatura sono deboli o neutre e prendono la posizione dal testo che le circonda. Le cifre europee sono di tipo EN, quelle arabo-indiane di tipo AN, e UAX #9 risolve EN in AN dopo una lettera araba.
Una tipica stringa mista prodotta da un assistente in arabo:
جرّب النموذج broadnet/qwen3.8-27b على 20 رسالة
Mostrata in un contesto da sinistra a destra, le parti in arabo si leggono da destra a sinistra ma il paragrafo parte da sinistra: la frase appare nell’ordine sbagliato, e la barra, i punti e il numero 20 possono attaccarsi al blocco sbagliato. La soluzione è impostare la direzione di base, non riordinare i caratteri.
Quando non puoi usare il markup, Unicode offre caratteri di controllo invisibili:
| Code point | Nome | Uso |
|---|---|---|
| U+200F | RLM, right-to-left mark | Spinge un carattere neutro verso RTL |
| U+061C | ALM, Arabic letter mark | Lo stesso, nei contesti arabi |
| U+2067 | RLI, right-to-left isolate | Apre un tratto RTL |
| U+2066 | LRI, left-to-right isolate | Apre un tratto LTR, per esempio un ID di modello |
| U+2068 | FSI, first strong isolate | Prende la direzione dal contenuto |
| U+2069 | PDI, pop directional isolate | Chiude qualsiasi isolate |
Nei documenti nuovi UAX #9 incoraggia gli isolate al posto dei vecchi embedding (da U+202A a U+202C), perché gli embedding influenzano troppo il testo circostante, e dice che gli override (U+202D, U+202E) vanno evitati quando possibile per motivi di sicurezza.
Perché è importante
In HTML, il W3C consiglia di mettere dir="rtl" sull’elemento html quando la pagina è RTL, e di non usare il CSS per impostare la direzione di base. Per il testo di cui non conosci la direzione, come la risposta di un modello o il nome di un utente, usa dir="auto" o l’elemento bdi. Il W3C osserva che auto decide in base al primo carattere forte, quindi un paragrafo quasi tutto in inglese che inizia con una parola araba può comunque essere mostrato male.
Per chi usa un’API, i problemi tipici sono:
- Interfacce di chat. Una risposta in streaming inizia in inglese e poi passa all’arabo. Imposta
dir="auto"su ogni messaggio, non una volta sola sulla pagina. - JSON e log. L’output del modello può contenere mark invisibili. Un valore come
"gulf"non sarà uguale a"gulf". Elimina i controlli bidi prima di confrontare i campi dell’output strutturato. - Stringhe dell’interfaccia tradotte. Segnaposto e nomi di prodotto dentro un testo arabo hanno bisogno di isolate; vedi tradurre le stringhe di un’app in arabo.
Su BroadNet Inference
L’endpoint di chat di BroadNet restituisce l’arabo come normale testo nella risposta JSON, come qualsiasi API compatibile con OpenAI, e BroadNet non ha funzioni di visualizzazione o di bidi. La direzione è compito del tuo front end. Se normalizzi anche il testo per la ricerca, rimuovi i controlli bidi nello stesso passaggio della normalizzazione Unicode, perché NFC e NFKC li lasciano dove sono.
Errori comuni
- Invertire le stringhe arabe nel codice per «sistemare» la visualizzazione.
- Impostare la direzione solo con il CSS.
- Lasciare U+200F o U+2067 dentro ID, chiavi o valori enum.