---
title: "アラビア語に強い LLM API の選び方：選定前のテスト項目 | BroadRouter"
description: "アラビア語アプリ向けの LLM の選び方。方言の理解、文章の質、翻訳、アラビア語の文書と画像、コストに加え、1 日で作れるテストセットを紹介します。"
url: https://broadrouter.com/ja/blog/choosing-an-llm-for-arabic/
lang: ja
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

このページは英語の原文を AI の支援を受けて翻訳したものです。[英語の原文を読む](https://broadrouter.com/blog/choosing-an-llm-for-arabic/)（2026-11-14 更新）。

# 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 2026-11-14

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。

## 要点

-   方言の理解、アラビア語の文章作成、翻訳、文書の読み取りは別々にテストしてください。モデルによって得意不得意が異なります。
-   公開されているアラビア語のリーダーボードは候補の絞り込みに役立ちますが、自社の方言、トーン、文書まではテストしていません。
-   BroadNet のテストでは、Qwen3.8 27B は流暢なアラビア語を書き、湾岸方言とエジプト方言を理解し、正確に翻訳しました。
-   ビジョンモデルはアラビア語の請求書やレシートを読み取り、構造化された JSON を返せます。
-   アラビア語は英語より 1 語あたりのトークン数が多いことがよくあるため、コストは語数ではなく実際のテキストで比較してください。
-   ボイスメモや通話には、LLM とアラビア語の音声認識を組み合わせてください。

**このページの内容**

1.  どのアラビア語の仕事をテストすべきですか？
2.  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？
3.  アラビア語に対応している LLM API はどれですか？
4.  BroadNet のどのモデルがアラビア語を扱えますか？
5.  アラビア語のテストセットはどう作るのですか？
6.  出力はどう採点すべきですか？
7.  システムプロンプトで結果は変わりますか？
8.  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？
9.  LLM はアラビア語の請求書や画像を読めますか？
10.  アラビア語のボイスメモや通話はどうしますか？
11.  アラビア語の回答が空で返ってくるのはなぜですか？
12.  避けるべき失敗は何ですか？
13.  BroadNet Inference の位置づけ

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](https://broadrouter.com/ja/glossary/speech-to-text/)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](https://huggingface.co/spaces/OALL/Open-Arabic-LLM-Leaderboard) はその 1 つです。[BALSAM](https://arxiv.org/abs/2507.22603) 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](https://broadrouter.com/ja/glossary/openai-compatible-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](https://broadrouter.com/ja/blog/self-hosting-llm-vs-api-cost/)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](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-choosing-an-llm-for-arabic&utm_content=body)で公開しています。[Qwen3.8 27B](https://broadrouter.com/ja/models/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](https://broadrouter.com/ja/glossary/tool-calling/)と[構造化出力](https://broadrouter.com/ja/glossary/structured-output/)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](https://broadrouter.com/ja/models/qwen3.8-27b/) | $0.175 / $2.17 | 262,144 | 対応 |
| [DeepSeek V4.1 Flash](https://broadrouter.com/ja/models/deepseek-v4.1-flash/) | $0.175 / $0.52 | 1,048,576 | 対応 |
| [BroadNet Gemma 4 VL 26B](https://broadrouter.com/ja/models/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](https://broadrouter.com/compare/deepseek-v4.1-flash-vs-qwen3.8-27b/)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](https://broadrouter.com/ja/blog/arabic-llm-gulf-egyptian-dialects/)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](https://broadrouter.com/ja/blog/openai-compatible-api-migration-checklist/)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](https://broadrouter.com/ja/blog/arabic-prompt-engineering/)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](https://broadrouter.com/ja/blog/cached-input-tokens-explained/)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](https://broadrouter.com/ja/glossary/token/)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](https://broadrouter.com/tools/arabic-token-counter/)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](https://broadrouter.com/tools/llm-api-cost-calculator/)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](https://broadrouter.com/ja/blog/tokens-per-word-arabic-english/)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](https://broadrouter.com/data/real-cost-by-language/)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](https://broadrouter.com/ja/glossary/vision-language-model/)に送り、JSON を求めてください。[アラビア語の請求書ガイド](https://broadrouter.com/ja/guides/read-arabic-invoices-with-vision/)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](https://broadrouter.com/ja/blog/arabic-ocr-vision-llm/)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](https://broadrouter.com/ja/blog/arabic-speech-to-text-api-buyers-guide/)。

## 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](https://broadrouter.com/ja/glossary/reasoning-tokens/)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](https://broadrouter.com/ja/guides/reasoning-tokens-empty-response/)。

## 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。

関連する無料ツール（英語）

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[無料ツール（英語）](https://broadrouter.com/tools/)

## この記事の用語

[トークン（token）](https://broadrouter.com/ja/glossary/token/)

トークンとは、言語モデルが読み書きするテキストの単位です。モデルのトークナイザーが作る単語、単語の一部、句読点、バイト列のいずれかにあたります。LLM API は利用量をトークンで数え、上限を設け、通常はトークン単位で課金します。

[OpenAI 互換 API（OpenAI-compatible API）](https://broadrouter.com/ja/glossary/openai-compatible-api/)

OpenAI 互換 API とは、POST /v1/chat/completions など OpenAI API と同じリクエスト形式とレスポンス形式を受け付ける HTTP API です。OpenAI の SDK やツールは、ベース URL、API キー、モデル名を変えるだけで利用できます。

[現代標準アラビア語（MSA）](https://broadrouter.com/ja/glossary/msa/)

現代標準アラビア語（MSA）とは、アラブ世界全体で書き言葉、ニュース、教育、公式のスピーチに使われる標準化されたアラビア語です。誰の日常の母語でもなく、人々はエジプト方言や湾岸方言などの地域方言を話し、改まった場面で MSA に切り替えます。

[アラビア語の方言（dialectal Arabic）](https://broadrouter.com/ja/glossary/dialectal-arabic/)

アラビア語の方言とは、エジプト、湾岸、レバント、マグリブなど、地域や都市で日常的に話されるアラビア語です。音、語彙、文法が現代標準アラビア語と異なり、標準的な綴りがなく、ネットで書かれることも増え、言語モデルには扱いにくい対象です。

[LLM ベンチマーク（LLM benchmark）](https://broadrouter.com/ja/glossary/llm-benchmark/)

LLM ベンチマークとは、知識問題、コーディング、音声認識など 1 つの能力で言語モデルを測り比べるための、固定された（通常は公開の）タスクと採点方法です。スコアはそのテストでの相対的な能力を示し、自社のワークロードでの実力は示しません。

[OCR（光学文字認識）](https://broadrouter.com/ja/glossary/ocr/)

OCR（光学文字認識）とは、画像、スキャン、PDF 内の印刷文字や手書き文字を検出し、機械で読める文字に変換する技術です。従来の OCR は文字とページ上の位置を出力し、視覚言語モデルは文字を読んでその内容についての質問に直接答えられます。

[ツール呼び出し（Function Calling、tool calling）](https://broadrouter.com/ja/glossary/tool-calling/)

ツール呼び出し（Function Calling とも呼ばれます）とは、開発者が定義した関数の実行を求める構造化されたリクエストを、モデルが JSON の引数付きで返す LLM API の機能です。関数を実行して結果を返すのはアプリケーションで、モデル自身がコードを実行することはありません。

[モデルライセンス（model license）](https://broadrouter.com/ja/glossary/model-license/)

モデルライセンスとは、モデルの重み、コード、出力の利用・改変・共有の条件を定めた法的な取り決めです。オープンウェイトモデルは Apache 2.0 や MIT などの標準ライセンス、または大規模な商用サービスへの制限などの条件を加えうる独自ライセンスで公開されます。

## 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。

## 続けて読む

-   [サウジ・UAE の PDPL と LLM API：越境移転チェックリスト](https://broadrouter.com/ja/blog/saudi-uae-pdpl-llm-api-checklist/)
-   [アラビア語の音声認識 API：2026 年の選び方](https://broadrouter.com/ja/blog/arabic-speech-to-text-api-buyers-guide/)
-   [OpenAI 互換 API への移行チェックリスト](https://broadrouter.com/ja/blog/openai-compatible-api-migration-checklist/)
-   [キャッシュ入力トークンとは：LLM API の請求額を下げる方法](https://broadrouter.com/ja/blog/cached-input-tokens-explained/)
-   [LLM でアラビア語に母音記号を付ける：プロンプト、検証、DER](https://broadrouter.com/ja/blog/arabic-diacritization-llm/)
-   [LLM でアラビア語の文法・スペルを校正する方法](https://broadrouter.com/ja/blog/arabic-grammar-spelling-correction-llm/)
-   [ガイド：ビジョンモデルでアラビア語の請求書とレシートを読み取る](https://broadrouter.com/ja/guides/read-arabic-invoices-with-vision/)
-   [ガイド：アラビア語の音声認識 API を使う手順](https://broadrouter.com/ja/guides/arabic-speech-to-text-api/)
-   [ガイド：推論モデルが空の回答を返す理由](https://broadrouter.com/ja/guides/reasoning-tokens-empty-response/)

実際のワークロードで試してください。新規アカウントには US$5 の初回クレジットがあり、Gemma、文字起こし に使えます。DeepSeek、GLM、Qwen3.8 はチャージが必要です。

[始める](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-choosing-an-llm-for-arabic&utm_content=page-cta) ·

**出典**

-   [BroadNet Inference 料金ページ、Qwen3.8 27B の “Tested in Arabic” の注記（2026-11-14 取得）（英語）](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-choosing-an-llm-for-arabic&utm_content=sources)
-   [BroadNet Inference の機械可読な価格、pricing.json（2026-11-14 取得）（英語）](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-choosing-an-llm-for-arabic&utm_content=sources)
-   [BroadNet Inference API リファレンス（2026-11-14 取得）（英語）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-choosing-an-llm-for-arabic&utm_content=sources)
-   [Hugging Face 上の Open Arabic LLM Leaderboard（OALL）（2026-11-14 取得）](https://huggingface.co/spaces/OALL/Open-Arabic-LLM-Leaderboard)
-   [BALSAM: A Platform for Benchmarking Arabic Large Language Models（arXiv 2507.22603、2026-11-14 取得）](https://arxiv.org/abs/2507.22603)
-   [Hugging Face、inceptionai/Jais-2-70B-Chat のモデルカード：Apache 2.0、8,192 コンテキスト、Inference Provider なし（2026-11-14 確認）](https://huggingface.co/inceptionai/Jais-2-70B-Chat)
-   [GitHub の変更履歴、GitHub Models の非推奨モデル：Jais-30b-chat の削除（2025 年 10 月 31 日、2026-11-14 確認）](https://github.blog/changelog/2025-10-31-deprecated-models-in-github-models)
-   [Hugging Face ブログ、Introducing Falcon-H1-Arabic（2026 年 1 月 5 日、2026-11-14 確認）](https://huggingface.co/blog/tiiuae/falcon-h1-arabic)
-   [IBM watsonx.ai のサポート対象基盤モデル：allam-1-13b-instruct のデプロイオンデマンド（2026-11-14 確認）](https://www.ibm.com/docs/en/SSYOK8/wsj/analyze-data/fm-models.html)
-   [IBM watsonx.ai の生成 AI アセットの課金詳細：デプロイオンデマンドは時間単位の課金（2026-11-14 確認）](https://www.ibm.com/docs/en/SSYOK8/wsj/getting-started/wxai-runtime-plans-genai.html)
-   [Hugging Face、humain-ai/ALLaM-7B-Instruct-preview のモデルカード：Apache 2.0（2026-11-14 確認）](https://huggingface.co/humain-ai/ALLaM-7B-Instruct-preview)
-   [Fanar、QCRI のアラビア語 AI プラットフォーム：API は申請制（2026-11-14 確認）](https://fanar.qa/en)
