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?
- **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。
- **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。
- **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」。
- **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。
- **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。
