BroadRouter

アラビア語向け LLM API の選び方:何をテストすべきか

BroadNet Inference チーム · 約 7 分で読めます · 公開日

アラビア語向け LLM は自社のタスクでテストして選びます。湾岸・エジプト・レバント方言の理解、流暢な現代標準アラビア語の文章、アラビア語と英語の翻訳、アラビア語文書の読み取りです。BroadNet のテストでは Qwen3.8 27B が流暢なアラビア語を書き、湾岸・エジプト方言を理解しました。入力 100 万トークンあたり $0.175 です。

アラビア語向けの LLM API を選ぶには、自社のプロダクトが担う仕事で各候補をテストします。ユーザーの方言の理解、自然な現代標準アラビア語の文章、翻訳、アラビア語文書の読み取りです。仕事ごとに、ネイティブスピーカーに別々に採点してもらってください。「アラビア語対応」が意味するものは、流暢な湾岸方言から、ぎこちない翻訳調の文章まで幅があります。

どのアラビア語の仕事をテストすべきですか?

仕事 例 確認すること
方言の理解 サウジの顧客が湾岸方言(Khaleeji)で入力する 単語だけでなく意図をつかめているか
アラビア語で書く 明快な現代標準アラビア語での返信 流暢さ、文法、自然なトーン、適切な文体
翻訳 アラビア語 ↔ 英語の契約書やサポートチケット 名前、数字、法律用語の正確さ
文書を読む アラビア語の請求書の写真 合計、日付、取引先が正しく抽出されるか
音声を聞く ボイスメモ、通話 これは LLM ではなく音声認識モデルの仕事です。後述

あるモデルが 1 つの仕事に強く、別の仕事に弱いことはよくあります。仕事ごとに別々に採点してください。

公開されているアラビア語のリーダーボードから何がわかりますか?

アラビア語でモデルを順位付けする公開リーダーボードはいくつかあります。Hugging Face の Open Arabic LLM Leaderboard はその 1 つです。BALSAM は 14 カテゴリ 78 タスクからなるコミュニティベンチマークで、ブラインド評価のプラットフォームも備えています。作者は、アラビア語での LLM の性能は英語での進歩に後れを取っていると書いています。

これらは候補リストの作成に使い、最終決定には使わないでください。ベンチマークの大半は多肢選択問題と標準的なタスクです。湾岸方言の顧客メッセージ、自社ブランドのトーン、くしゃくしゃになったレシートの写真をテストすることはまずありません。そしてユーザーが気づくのは、まさにそういうところです。

アラビア語に対応している LLM API はどれですか?

ほぼすべての汎用チャット API はアラビア語のテキストを受け付けます。ですから役に立つ問いは、自社の方言をどれだけうまく扱えるか、そしてアラビア語特化モデルをそもそも呼び出せるか、です。よく質問される 4 つのアラビア語特化モデルファミリーを 2026 年 11 月 14 日に確認したところ、開発元がトークン単価の API 料金を公開しているものはありませんでした。

モデルファミリー 開発元 実行方法(2026 年 11 月 14 日確認) 料金
Jais 2(8B、70B chat) MBZUAI、Inception、Cerebras Hugging Face で Apache 2.0 のオープンウェイトとして公開、コンテキストは 8,192 トークン。70B のモデルカードには、デプロイしている Inference Provider はないとある。旧版の Jais-30b-chat は 2025 年 10 月 31 日に GitHub Models から削除された。 公開なし。自前の GPU 代を払う
Falcon-H1-Arabic(3B、7B、34B) Technology Innovation Institute(TII) 2026 年 1 月 5 日に発表、コンテキストは 128K(3B)または 256K(7B、34B)。発表記事はウェブのチャットデモにリンクしているが、ホスト型 API や重みのダウンロードには触れていない。 公開なし
ALLaM(allam-1-13b-instruct) サウジデータ・AI 庁(SDAIA)。7B プレビュー版は HUMAIN が公開 IBM watsonx.ai でデプロイオンデマンドのモデルとして提供、ウィンドウは 4,096 トークン(入力と出力の合計)。ALLaM-7B-Instruct-preview は Hugging Face で Apache 2.0 として公開。 watsonx.ai はデプロイオンデマンドのモデルをトークン単位ではなく時間単位で課金
Fanar カタール計算研究所(QCRI) Fanar は “provides an API for developers”(訳:開発者向けに API を提供している)としているが、利用は api.fanar.qa の申請フォームからの申請制 公開なし

つまり、OpenAI 互換 API でトークン単位の従量課金でアラビア語を使いたいなら、通常は以下のような強力な多言語モデルを使い、自社の方言でテストすることになります。特定のアラビア語特化モデルが必要なら、セルフホストするか、専用デプロイを借りるか、Fanar の API 利用を申請する計画を立ててください。損益分岐の計算はセルフホストと API のコスト比較で示しています。

BroadNet のどのモデルがアラビア語を扱えますか?

BroadNet は独自のアラビア語チェックの結果を料金ページで公開しています。Qwen3.8 27B については、流暢なアラビア語の文章、湾岸方言とエジプト方言の理解、正確なアラビア語と英語の翻訳を報告しています。このモデルはテキストと画像を受け付け、ツール呼び出しと構造化出力に対応し、コンテキストは 262,144 トークンです。

同じ API で使えるほかの選択肢:

モデル 100 万トークンあたりの入力 / 出力 コンテキスト 画像
Qwen3.8 27B $0.175 / $2.17 262,144 対応
DeepSeek V4.1 Flash $0.175 / $0.52 1,048,576 対応
BroadNet Gemma 4 VL 26B $0.10 / $0.22 32,768 対応

DeepSeek V4.1 Flash は定額プラン(1 セッションあたり月 $60)で無制限にも使えるので、大量のアラビア語チャットやエージェントに向いています。DeepSeek V4.1 Flash と Qwen3.8 27B の比較では、2 つの主要候補を並べて比べています。Gemma 4 VL 26B はトークン単価が BroadNet で最も安いモデルで、無料の初回クレジットで使えます。

アラビア語のテストセットはどう作るのですか?

  1. **実際の入力を 50 件集める。**自社プロダクトのチャット、チケット、文書から集めます。ユーザーが書く方言ごとに少なくとも 10 件を含めてください。意図のラベル付けを使った方言だけのテストについては、LLM は湾岸・エジプト・レバント方言をどう扱うかをご覧ください。
  2. **そのうち 20 件について理想的な回答を書く。**またはネイティブスピーカーに書いてもらいます。
  3. **すべての候補モデルで 50 件すべてを実行する。**システムプロンプトは同じものを使います。求める方言と文体をプロンプトに書いてください。たとえば「明快な現代標準アラビア語で、親しみやすく、短く返信してください」。
  4. **出力をブラインドで評価する。**正確さと自然さを 1〜5 で採点します。採点はネイティブスピーカーに任せてください。
  5. **実際のテキストでコストを確認する。**語数から見積もるのではなく、usage ブロックから prompt_tokens と completion_tokens を読み取ってください。

API は OpenAI 互換なので、モデルの切り替えは model フィールドを 1 行変えるだけです。OpenAI 互換 API 移行チェックリストをご覧ください。

出力はどう採点すべきですか?

基準 1 点 5 点
意図の理解 方言を読み違える スラングを含めて正確
文法と流暢さ 誤りや一致の崩れがある ネイティブが書いたように読める
文体 方言が違う、または堅すぎる プロンプトの指示どおり
事実、名前、数字 変更または捏造されている 正確
文字 ラテン文字の音写や混在 最後までアラビア文字

平均は全体ではなく仕事ごとに出してください。文章作成 4.5 点・方言 2 点のモデルと、どちらも 3.5 点のモデルとでは、選ぶ意味が違います。

システムプロンプトで結果は変わりますか?

はい、順位が入れ替わるほど変わります。すべての候補で同じシステムプロンプトを使い、想定する方言、返信の文体、数字や英語の名前の扱いを明記してください。アラビア語のプロンプトエンジニアリングに完全なテンプレートがあります。そのプロンプトを呼び出しのたびに同一に保てば、キャッシュ入力の料金があるモデルでは、キャッシュから読み込まれます。

アラビア語はなぜ英語よりトークンが多くかかるのですか?

アラビア語のテキストは英語より 1 語あたり多くのトークンに分割されることが多く、その比率はモデルによって異なります。トークン単価が同じ 2 つのモデルでも、アラビア語のメッセージ 1 件あたりのコストは異なることがあります。実際のテキストのサンプルをアラビア語トークンカウンターに貼り付け、各候補へのリクエストで返る prompt_tokens で確認し、LLM API コスト計算ツールで月額を見積もってください。自社の比率の測り方はアラビア語と英語の 1 語あたりのトークン数で解説しています。これが各モデルとプロバイダーの請求額にどう影響するかは、言語別の実コストデータセットをご覧ください。各モデル自身のトークナイザーで、アラビア語、その方言、ほかの言語の 100 万文字あたりの料金を算出しています。

LLM はアラビア語の請求書や画像を読めますか?

請求書、レシート、申込書は、写真をビジョン言語モデルに送り、JSON を求めてください。アラビア語の請求書ガイドには動作するコードがあり、アラビア語 OCR とビジョン LLM の比較では、従来の OCR のほうがまだ適している場面を説明しています。数字は慎重に確認してください。湾岸地域のレシートには、東アラビア数字(٠١٢٣)と西洋数字(0123)の両方が登場します。

アラビア語のボイスメモや通話はどうしますか?

ボイスメモや通話は、まずアラビア語の音声認識モデルで文字起こしし、そのテキストを LLM に送ります。BroadNet Transcribe Arabic は音声 1 分あたり $0.0042 です。アラビア語音声認識 API の選び方。

アラビア語の回答が空で返ってくるのはなぜですか?

DeepSeek V4.1 Flash と Qwen3.8 27B は回答の前に推論し、その推論トークンは max_tokens に含まれます。アラビア語の回答は長くなることがあるので、余裕を持たせてください。そうしないと、表示される回答が空になります。原因と対処法。

避けるべき失敗は何ですか?

  • **ネイティブでない人に採点させる。**流暢さの問題は、学習者には見えません。
  • **複数の方言を 1 つのスコアにまとめる。**湾岸、エジプト、レバントの結果は分けてください。
  • **翻訳されたテストセットを信じる。**英語から翻訳したテキストは、実際のアラビア語ユーザーの文章のようには読めません。
  • **右から左への表示を忘れる。**アラビア語と英語が混在する行は、UI 上で順序が崩れることがあります。テキストだけでなく表示もテストしてください。

BroadNet Inference の位置づけ

BroadNet は、アラビア語でテスト済みのチャットモデル、より安価な、または無制限に使える 2 つの代替モデル、そしてアラビア語の音声認識を、1 つの OpenAI 互換キーで提供しており、内容は一切保持しません。チャットモデルについて、自社テスト以外のアラビア語ベンチマークのスコアは公開していないので、決める前に上記のテストセットを実行してください。他社のモデルが自社の方言で勝るなら、その結果はどんなカタログよりも重要です。

よくある質問

BroadNet のモデルでアラビア語に一番向いているのはどれですか?

BroadNet は Qwen3.8 27B をアラビア語でテストし、流暢な文章、湾岸方言とエジプト方言の理解、正確なアラビア語と英語の翻訳を報告しています。このモデルと DeepSeek V4.1 Flash を、自社のプロンプトでテストしてください。

アラビア語に一番強い LLM はどれですか?

用途と方言によります。Open Arabic LLM Leaderboard や BALSAM などの公開リーダーボードで候補を絞り込み、ネイティブスピーカーに自社の入力 50 件で候補を評価してもらってください。ベンチマークで首位のモデルでも、自社の方言ではぎこちなく聞こえることがあります。

LLM はアラビア語の文書や画像を読めますか?

Qwen3.8 27B、DeepSeek V4.1 Flash、BroadNet Gemma 4 VL 26B などのビジョンモデルは画像を受け付けるので、アラビア語の請求書、レシート、申込書の写真を読み取り、JSON を返せます。

アラビア語に対応している LLM API はどれですか?

ほとんどの汎用チャット API はアラビア語を受け付けますが、品質は方言によって異なります。Jais 2、Falcon-H1-Arabic、ALLaM、Fanar などのアラビア語特化モデルには、2026 年 11 月 14 日時点で開発元が公開するトークン単価の API 料金がありませんでした。Jais 2 はセルフホスト用のオープンウェイト、ALLaM は IBM watsonx.ai 上で時間課金の専用デプロイ、Fanar の API は申請制です。

アラビア語のテキストはなぜ英語よりトークンが多くなるのですか?

トークナイザーはアラビア語より英語の多いデータで学習されていることが多く、アラビア語の単語はより多くのトークンに分割されがちです。影響はモデルによって異なるため、同じアラビア語テキストで各候補の prompt_tokens を比べてください。

LLM は湾岸方言やエジプト方言で返信できますか?

多くのモデルはできますが、品質のばらつきは現代標準アラビア語より大きくなります。システムプロンプトで方言を明示的に指定し、ネイティブスピーカーに返信を評価してもらってください。

Markdown で読むChatGPT に聞くClaude に聞くPerplexity に聞く