Su BroadNet Inference tre modelli di chat accettano immagini: DeepSeek V4.1 Flash, Qwen3.8 27B e BroadNet Gemma 4 VL 26B. GLM 5.3 è solo testo. Per i documenti in arabo, Qwen3.8 27B è quello che BroadNet ha testato in arabo: scrittura fluente, comprensione dei dialetti del Golfo ed egiziano, e traduzione accurata tra arabo e inglese. Gemma 4 VL 26B è il più economico dei tre su BroadNet e funziona con il credito gratuito.
Fai una domanda su una fattura
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 domanda chiede in arabo “Qual è l’importo totale di questa fattura?”. Per i file PNG usa image/png nel data URL: il MIME type deve corrispondere. Per ricavarlo dal nome del 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()
Ottieni campi strutturati
Chiedi JSON e indica esattamente quali chiavi vuoi:
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 ragiona prima di rispondere, quindi lasciagli spazio. Vedi perché i modelli di ragionamento restituiscono risposte vuote. La documentazione di BroadNet indica l’output strutturato per Qwen3.8 27B; per capire come funzionano in generale i JSON schema vedi output strutturato. Interpreta la risposta con json.loads e controlla i campi prima di salvarli.
Costi
Con il piano a consumo un’immagine viene fatturata come token di input al prezzo di input del modello, quindi ridimensiona prima le foto molto grandi; il calcolatore di token per immagini mostra quanti token costa una certa dimensione. Con un piano illimitato DeepSeek V4.1 Flash, le immagini rientrano nell’uso illimitato.
Confronta i prezzi dei modelli vision, oppure guarda come un modello vision si confronta con Google, Azure, Textract e Mistral OCR nel confronto tra API OCR per l’arabo.
Risoluzione dei problemi
- Risposta vuota da Qwen3.8 27B o DeepSeek V4.1 Flash. Il ragionamento ha esaurito
max_tokens. Alzalo o impostareasoning_effortsulow. - 400 o 422 sull’immagine. Controlla che il data URL inizi con
data:image/jpeg;base64,odata:image/png;base64,e che il MIME type corrisponda al file. - 403 o un errore sul modello. GLM 5.3 non accetta immagini, e Qwen3.8 27B e DeepSeek V4.1 Flash richiedono una ricarica. Usa BroadNet Gemma 4 VL 26B con il credito gratuito.
- Richiesta troppo grande o errori di contesto. Una foto grande usa molti token, e Gemma 4 VL 26B ha la finestra di contesto più piccola dei tre (indicata in pricing.json). Ridimensionala a una larghezza ragionevole o ritaglia la zona dei totali.
- Totali sbagliati o cifre invertite. Sullo stesso scontrino possono comparire sia cifre arabo-indiche (٠١٢٣) sia cifre latine. Chiedi al modello di restituire i numeri in cifre latine e verifica nel codice i totali rispetto alle singole righe.
- JSON non valido. Chiedi “solo JSON”, togli eventuali code fence prima del parsing e riprova una volta se il parsing fallisce.

