---
title: "Dialek Arab dan LLM: Teluk, Mesir, Levant | BroadRouter"
description: "Cara LLM mengendalikan bahasa Arab Teluk, Mesir dan Levant: di mana ia gagal, cara prompt untuk dialek, cara mengujinya, dan laporan BroadNet bagi Qwen3.8 27B."
url: https://broadrouter.com/ms/blog/arabic-llm-gulf-egyptian-dialects/
lang: ms
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan daripada bahasa Inggeris dengan bantuan AI. [Baca versi asal dalam bahasa Inggeris](https://broadrouter.com/blog/arabic-llm-gulf-egyptian-dialects/) (dikemas kini 2026-11-14).

# Bahasa Arab Teluk, Mesir dan Levant: cara LLM mengendalikan dialek

Oleh pasukan BroadNet Inference · 6 minit bacaan · Diterbitkan 2026-11-14

LLM mengendalikan dialek Arab secara tidak sekata: ia biasanya lebih memahami bahasa Arab Mesir dan Teluk daripada menulisnya, dan kualiti menurun bagi dialek yang lebih jarang. Uji pemahaman dan penulisan secara berasingan pada mesej anda sendiri. Dalam ujian BroadNet sendiri, Qwen3.8 27B memahami dialek Teluk dan Mesir serta menulis bahasa Arab yang lancar. Kosnya $0.175 setiap 1M token input.

## Perkara utama

-   Memahami dialek dan menulisnya dengan baik ialah dua kemahiran berbeza. Beri skor secara berasingan.
-   BroadNet melaporkan Qwen3.8 27B memahami dialek Teluk dan Mesir dalam ujiannya. BroadNet tidak menerbitkan keputusan Levant, jadi uji Levant sendiri.
-   Bagi kebanyakan produk yang berhadapan pelanggan, balas dalam bahasa Arab Standard Moden yang ringkas walaupun pelanggan menulis dalam dialek.
-   Namakan dialek, negara dan laras dalam prompt sistem. "Reply in Arabic" tidak memadai.
-   Bina set ujian kecil bagi setiap dialek daripada mesej sebenar yang dianonimkan sebelum memilih model.

**Dalam halaman ini**

1.  Sejauh manakah perbezaan antara dialek?
2.  Di manakah LLM gagal pada dialek Arab?
3.  Apakah yang telah diuji BroadNet pada dialek Arab?
4.  Bagaimanakah membuat prompt LLM untuk dialek tertentu?
5.  Patutkah anda membalas dalam dialek?
6.  Bagaimanakah menguji pengendalian dialek dalam sehari?
7.  Bagaimana pula dengan dialek dalam nota suara?

LLM biasanya lebih memahami bahasa Arab Teluk dan Mesir daripada menulisnya, dan prestasinya lebih lemah pada dialek yang jarang. Pelanggan di Riyadh, Kaherah dan Beirut boleh bertanya “anda mahu apa?” dalam tiga ayat yang berbeza, dan model yang mengendalikan bahasa Arab Standard Moden (MSA) dengan baik masih boleh tersalah baca. Uji pemahaman dan penulisan secara berasingan.

Artikel ini membincangkan apa yang berubah antara kumpulan dialek utama, di mana LLM cenderung gagal, dan cara menguji model sebelum anda mempercayainya dengan pelanggan sebenar.

## Sejauh manakah perbezaan antara dialek?

Sangat berbeza dalam perkataan harian, jauh lebih dekat dalam kosa kata formal. Korpus penyelidikan menunjukkan skalanya: [korpus MADAR](https://aclanthology.org/L18-1535/) menterjemah ayat perjalanan yang sama ke dalam dialek 25 bandar Arab. Jadual menunjukkan beberapa frasa biasa. Lajur MSA ialah apa yang akan dicetak dalam buku teks; yang lain ialah bentuk lisan dan teks yang biasa. Ejaan berbeza dari orang ke orang, dan itu sebahagian daripada masalahnya.

| Maksud | MSA | Teluk (Saudi / Emirati) | Mesir | Levant |
| --- | --- | --- | --- | --- |
| Anda mahu apa? | ماذا تريد؟ | وش تبي؟ / شو تبي؟ | عايز إيه؟ | شو بدّك؟ |
| Apa khabar? | كيف حالك؟ | شلونك؟ | إزيك؟ | كيفك؟ |
| sekarang | الآن | الحين | دلوقتي | هلّق |
| Saya tidak tahu | لا أعرف | ما أدري | مش عارف | ما بعرف |
| sangat / banyak | جداً | وايد | أوي | كتير |

Tiga corak penting bagi LLM:

-   **Kata fungsi berubah.** Kata tanya, penafian dan “mahu” berbeza sepenuhnya antara dialek. Ini perkataan pendek yang kerap digunakan dan menentukan makna ayat, jadi salah baca satu sahaja boleh menterbalikkan niat.
-   **Ejaan tidak piawai.** Dialek kebanyakannya dituturkan, jadi orang menulisnya mengikut bunyi. Perkataan yang sama boleh muncul dengan huruf berbeza, dengan atau tanpa hamza, atau dalam skrip Rumi ([Arabizi](https://broadrouter.com/ms/blog/arabizi-llm-handling/)).
-   **[Pertukaran kod](https://broadrouter.com/ms/glossary/code-switching/) adalah biasa.** Mesej perniagaan Teluk bercampur nama produk Inggeris; penutur Levant dan Maghreb bercampur bahasa Perancis. Model perlu mengendalikan kedua-dua skrip dalam satu ayat.

## Di manakah LLM gagal pada dialek Arab?

Model belajar daripada teks yang dilihatnya, dan teks awam bagi dialek yang lebih kecil seperti Emirati atau Sudan jauh lebih sedikit berbanding bahasa Arab Standard Moden. Secara praktikal, ini muncul sebagai beberapa ralat berulang:

1.  **Membaca perkataan dialek sebagai perkataan MSA lain.** “أبي” Teluk (saya mahu) kelihatan seperti “أبي” MSA (bapa saya). Konteks biasanya menyelesaikannya, tetapi model kecil kadangkala tidak.
2.  **Menjawab niat yang salah.** Aduan ringkas Mesir seperti “الطلب لسه موصلش” (pesanan masih belum sampai) memerlukan model tahu bahawa “لسه” bermaksud “masih” dan “موصلش” ialah kata kerja penafian.
3.  **Menulis dialek bercampur.** Apabila diminta membalas “in Gulf Arabic”, model yang lebih lemah menghasilkan campuran Mesir, Levant dan MSA yang tidak akan ditulis oleh mana-mana penutur asli. Ini lebih biasa daripada salah faham.
4.  **Membetulkan secara berlebihan.** Sesetengah model “membetulkan” dialek pelanggan ke MSA walaupun anda meminta ia dipetik, yang merosakkan tugas pengekstrakan.

Peraturan umumnya: **model lebih memahami dialek daripada menulisnya.** Rancang produk anda berdasarkan itu.

## Apakah yang telah diuji BroadNet pada dialek Arab?

BroadNet menerbitkan semakan bahasa Arabnya sendiri di [halaman harga](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-arabic-llm-gulf-egyptian-dialects&utm_content=body)nya. Bagi [Qwen3.8 27B](https://broadrouter.com/ms/models/qwen3.8-27b/), ia melaporkan:

-   penulisan bahasa Arab yang lancar,
-   dialek Teluk dan Mesir difahami,
-   terjemahan Arab–Inggeris yang tepat.

Itulah yang dinyatakan BroadNet, dan tidak lebih. Ia tidak menerbitkan keputusan Levant, Iraq atau Maghreb, dan tidak menerbitkan skor penulisan dialek. Jika pelanggan Levant penting bagi anda, uji sendiri dengan kaedah di bawah.

Qwen3.8 27B menerima teks dan imej, menyokong alat (tools) dan output berstruktur, membuat penaakulan sebelum menjawab dan mempunyai konteks 262,144 token. Setiap 1M token, kosnya $0.175 untuk input dan $2.17 untuk output. Bandingkan model chat lain di [halaman harga](https://broadrouter.com/ms/pricing/), dan lihat [memilih API LLM untuk bahasa Arab](https://broadrouter.com/ms/blog/choosing-an-llm-for-arabic/) untuk senarai semak yang lebih luas yang turut meliputi penulisan, terjemahan dan dokumen.

## Bagaimanakah membuat prompt LLM untuk dialek tertentu?

Nyatakan dialek yang anda jangka, dialek yang anda mahu sebagai balasan dan tahap formaliti. Prompt sistem yang berfungsi dengan baik untuk peti masuk runcit Saudi:

```python
import os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

system = (
    "You are a customer-service assistant for a Saudi online store. "
    "Customers write in Gulf Arabic (often Saudi), MSA, English or Arabizi. "
    "Understand all of them. Reply in simple, polite Modern Standard Arabic, "
    "in two or three short sentences. If the customer writes in English, reply in English. "
    "Never invent order details."
)

response = client.chat.completions.create(
    model="broadnet/qwen3.8-27b",
    max_tokens=2000,  # the model reasons first; leave room for the answer
    messages=[
        {"role": "system", "content": system},
        {"role": "user", "content": "السلام عليكم، طلبي للحين ما وصل، وش السالفة؟"},
    ],
)
print(response.choices[0].message.content)
```

Mesej pelanggan itu dalam bahasa Arab Teluk: “Hello, my order still hasn’t arrived, what’s going on?” (Helo, pesanan saya masih belum sampai, apa yang berlaku?). Perkataan “للحين” (masih) dan “وش السالفة” (apa ceritanya / apa yang berlaku) ialah bentuk Teluk. Balasan yang baik mengakui kelewatan dalam MSA dan meminta nombor pesanan.

Beberapa lagi tabiat prompt yang membantu:

-   **Namakan negara, bukan wilayah sahaja.** “Gulf Arabic” meliputi pertuturan Saudi, Emirati, Kuwait, Qatar, Bahrain dan Oman, yang berbeza-beza. Jika anda tahu pasarannya, nyatakan.
-   **Minta label dialek dalam tugas pengekstrakan.** Untuk penghalaan atau analitik, minta model memulangkan `{"dialect": "gulf" | "egyptian" | "levantine" | "msa" | "other", "intent": ...}` menggunakan [output berstruktur](https://broadrouter.com/ms/blog/structured-output-json-schema/). Ini cara murah untuk mengenali pelanggan anda.
-   **Kekalkan arahan dalam satu bahasa.** Arahan Inggeris dengan kandungan Arab berfungsi dengan baik pada kebanyakan model. Arahan Arab juga berfungsi; mencampurkan kedua-duanya dalam satu prompt sistem cenderung mengaburkan laras. Lebih lanjut dalam [kejuruteraan prompt bahasa Arab](https://broadrouter.com/ms/blog/arabic-prompt-engineering/).

## Patutkah anda membalas dalam dialek?

Bagi kebanyakan perniagaan, tidak. MSA yang ringkas (kadangkala dipanggil bahasa Arab “putih” atau neutral) difahami oleh setiap pembaca bahasa Arab, kelihatan profesional dan mengelakkan risiko balasan yang berbunyi seperti dari negara yang salah. Balasan dialek masuk akal untuk jenama tidak formal, salinan pemasaran untuk satu pasaran, dan produk suara di mana MSA kedengaran kaku. Jika anda memilih jalan itu, minta penutur asli dialek tersebut menyemak sampel output setiap minggu.

## Bagaimanakah menguji pengendalian dialek dalam sehari?

1.  **Kumpul mesej sebenar.** Ambil 30 hingga 50 mesej yang dianonimkan bagi setiap dialek daripada peti masuk, log chat atau [nota suara yang ditranskripsikan](https://broadrouter.com/ms/guides/transcribe-whatsapp-voice-notes/). Buang nama, nombor telefon dan nombor pesanan.
2.  **Labelkan niat.** Bagi setiap mesej, tulis niat yang betul dan apa-apa fakta yang patut diekstrak model (nombor pesanan, produk, tarikh).
3.  **Uji pemahaman.** Minta setiap model calon memulangkan niat dan medan sebagai JSON. Skor padanan tepat. Inilah angka yang menentukan sama ada penghalaan berfungsi.
4.  **Uji penulisan.** Bagi sepuluh mesej setiap dialek, minta balasan. Minta penutur asli menilai setiap balasan 1–3 untuk ketepatan, nada dan keaslian. Jangan menilai dialek yang anda tidak tuturkan.
5.  **Semak kos dan kelajuan.** Rekod `usage.prompt_tokens`, `usage.completion_tokens` dan kependaman setiap panggilan. Teks dialek boleh ditokenkan secara berbeza daripada MSA, jadi ukur dan bukan meneka; [pengira token bahasa Arab](https://broadrouter.com/tools/arabic-token-counter/) percuma memberi anggaran awal yang pantas.
6.  **Ulang untuk setiap model.** Jalankan set yang sama pada [Qwen3.8 27B](https://broadrouter.com/ms/models/qwen3.8-27b/), [DeepSeek V4.1 Flash](https://broadrouter.com/ms/models/deepseek-v4.1-flash/) dan [GLM 5.3](https://broadrouter.com/ms/models/glm-5.3/). Ketiga-tiganya menggunakan API serasi OpenAI yang sama, jadi hanya id model yang berubah.

Qwen3.8 27B, DeepSeek V4.1 Flash dan GLM 5.3 berfungsi selepas tambah nilai; dalam kalangan model chat, kredit permulaan $5 percuma hanya meliputi [BroadNet Gemma 4 VL 26B](https://broadrouter.com/ms/models/gemma-4-vl-26b/), yang berbaloi ditambah sebagai garis dasar kos rendah. Hasil yang berguna sering kali ialah susunan terbahagi: satu model untuk pemahaman dan penghalaan, dengan balasan didraf dalam MSA.

## Bagaimana pula dengan dialek dalam nota suara?

Jika pelanggan anda menghantar nota suara, pengendalian dialek bermula lebih awal, dalam speech-to-text. Model transkripsi boleh tersalah dengar perkataan dialek sebelum LLM melihatnya. BroadNet melaporkan [kadar ralat perkataan](https://broadrouter.com/ms/glossary/word-error-rate/) dialek 23.4 bagi [BroadNet Transcribe Arabic](https://broadrouter.com/ms/models/cohere-transcribe-arabic/), berbanding 3.8 pada pertuturan dibaca FLEURS; lihat [WER bahasa Arab: penjelasan](https://broadrouter.com/ms/blog/arabic-asr-wer-explained/) untuk maksud angka tersebut. Uji keseluruhan rantaian, daripada nota suara hingga balasan, bukan setiap bahagian secara bersendirian.

Alat percuma untuk topik ini (Bahasa Inggeris)

-   [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.

[Alatan percuma (Bahasa Inggeris)](https://broadrouter.com/tools/)

## Istilah dalam artikel ini

[Bahasa Arab Standard Moden (MSA)](https://broadrouter.com/ms/glossary/msa/)

Bahasa Arab Standard Moden (MSA) ialah bentuk bahasa Arab yang diseragamkan untuk penulisan, berita, pendidikan dan pertuturan rasmi di seluruh dunia Arab. Ia bukan bahasa harian asli sesiapa: orang bertutur dalam dialek serantau seperti bahasa Arab Mesir atau Teluk dan beralih kepada MSA dalam situasi rasmi.

[Dialek Arab (dialectal Arabic)](https://broadrouter.com/ms/glossary/dialectal-arabic/)

Dialek Arab ialah bahasa Arab pertuturan harian di sesuatu rantau atau bandar, seperti bahasa Arab Mesir, Teluk, Levant atau Maghribi. Dialek berbeza daripada Bahasa Arab Standard Moden dari segi bunyi, perkataan dan tatabahasa, tiada ejaan standard, dan semakin banyak ditulis dalam talian, menjadikannya lebih sukar bagi model bahasa.

[Token](https://broadrouter.com/ms/glossary/token/)

Token ialah unit teks yang dibaca dan ditulis oleh model bahasa: satu perkataan, sebahagian perkataan, tanda baca atau jujukan bait yang dihasilkan oleh tokenizer model itu. API LLM mengira, mengehadkan dan biasanya mengebil penggunaan dalam token.

[Hamzah (hamza)](https://broadrouter.com/ms/glossary/hamza/)

Hamzah (ء) ialah huruf bahasa Arab bagi hentian glotis. Ia ditulis sendirian atau di atas kerusi: alif (أ إ), wau (ؤ) atau ya (ئ), manakala آ menggabungkan alif dengan madd. Oleh sebab teks yang ditaip tidak konsisten, enjin carian dan pemarkahan pertuturan sering menyatukan bentuk alif kepada ا.

[Kadar ralat perkataan (word error rate, WER)](https://broadrouter.com/ms/glossary/word-error-rate/)

Kadar ralat perkataan (WER) ialah ukuran ketepatan standard untuk pengecaman pertuturan: bilangan penggantian, pemadaman dan penyisipan perkataan yang diperlukan untuk menukar transkrip kepada rujukan yang betul, dibahagi dengan bilangan perkataan dalam rujukan. Lebih rendah lebih baik.

[Output berstruktur (structured output)](https://broadrouter.com/ms/glossary/structured-output/)

Output berstruktur ialah ciri API LLM yang mengehadkan balasan model kepada format yang ditetapkan oleh pembangun, biasanya JSON Schema, supaya kod boleh menghuraikannya dengan boleh dipercayai. Ia lebih ketat daripada JSON mode, yang menjamin JSON yang sah tetapi bukan bentuk tertentu.

[Pengecaman dialek Arab (Arabic dialect identification)](https://broadrouter.com/ms/glossary/arabic-dialect-identification/)

Pengecaman dialek Arab ialah tugas menentukan varian bahasa Arab yang digunakan dalam sesuatu teks atau rakaman, seperti Mesir, Teluk, Levant, Maghribi atau Bahasa Arab Standard Moden, pada peringkat rantau, negara atau bandar. Ia digunakan untuk menghalakan mesej, memilih prompt dan membahagikan set penilaian.

[Penukaran kod (code-switching)](https://broadrouter.com/ms/glossary/code-switching/)

Penukaran kod ialah penggunaan dua atau lebih bahasa, atau varian satu bahasa, dalam perbualan atau ayat yang sama, sama ada dalam pertuturan atau penulisan. Contohnya penutur Arab yang mencampurkan perkataan Inggeris ke dalam dialek, atau bertukar antara Bahasa Arab Standard Moden dan dialek mereka.

## Soalan lazim

### Patutkah chatbot saya membalas dalam dialek pelanggan?

Biasanya tidak secara lalai. Bahasa Arab Standard Moden yang ringkas difahami di mana-mana dan kelihatan profesional. Gunakan balasan dialek hanya di tempat suara jenama anda memerlukannya, dan hanya selepas penutur asli menyemak output.

### Model BroadNet manakah yang diuji BroadNet pada dialek Arab?

Qwen3.8 27B. BroadNet melaporkan penulisan bahasa Arab yang lancar, pemahaman dialek Teluk dan Mesir, serta terjemahan Arab–Inggeris yang tepat. Ia belum menerbitkan keputusan Levant atau Maghreb.

### Berapakah mesej ujian yang saya perlukan bagi setiap dialek?

Tiga puluh hingga lima puluh mesej sebenar bagi setiap dialek sudah cukup untuk melihat perbezaan jelas antara model. Tambah lagi untuk dialek yang digunakan oleh kebanyakan pelanggan anda.

### Adakah mesej dialek menggunakan lebih banyak token?

Mungkin. Bilangan token bergantung pada tokenizer dan ejaan, dan teks dialek sering mempunyai ejaan tidak piawai. Tampal sampel ke dalam pengira token dan sahkan dengan prompt\_tokens pada mesej anda sendiri dan bukan membuat andaian.

### Bolehkah LLM memahami bahasa Arab Mesir?

Selalunya boleh, tetapi semak pada mesej anda sendiri. BroadNet melaporkan Qwen3.8 27B memahami bahasa Arab Mesir dan Teluk dalam ujiannya; model lain berbeza-beza. Menulis dialek biasanya kurang boleh dipercayai berbanding membacanya, jadi skor ketepatan niat dan kualiti balasan secara berasingan pada 30 hingga 50 mesej sebenar.

## Teruskan membaca

-   [Memilih API LLM untuk bahasa Arab: apa yang perlu diuji](https://broadrouter.com/ms/blog/choosing-an-llm-for-arabic/)
-   [Kejuruteraan prompt bahasa Arab: laras, RTL, angka dan teks bercampur](https://broadrouter.com/ms/blog/arabic-prompt-engineering/)
-   [Arabizi dan LLM: mengendalikan Franco-Arab dengan nombor 3 dan 7](https://broadrouter.com/ms/blog/arabizi-llm-handling/)
-   [Kadar ralat perkataan (WER) ASR bahasa Arab: penjelasan](https://broadrouter.com/ms/blog/arabic-asr-wer-explained/)
-   [Tambah baris pada teks Arab dengan LLM: prompt, semakan dan DER](https://broadrouter.com/ms/blog/arabic-diacritization-llm/)
-   [Pembetulan tatabahasa dan ejaan bahasa Arab dengan LLM: panduan](https://broadrouter.com/ms/blog/arabic-grammar-spelling-correction-llm/)
-   [Panduan: Baca invois dan resit Arab dengan model vision](https://broadrouter.com/ms/guides/read-arabic-invoices-with-vision/)
-   [Panduan: Cara tukar nota suara WhatsApp kepada teks dengan API](https://broadrouter.com/ms/guides/transcribe-whatsapp-voice-notes/)

Cuba dengan beban kerja sebenar anda. Akaun baharu bermula dengan kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM dan Qwen3.8 memerlukan tambah nilai.

[Mulakan](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-arabic-llm-gulf-egyptian-dialects&utm_content=page-cta) ·

**Sumber**

-   [Halaman harga BroadNet Inference, nota "Tested in Arabic" Qwen3.8 27B (disemak 2026-11-14) (Bahasa Inggeris)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-arabic-llm-gulf-egyptian-dialects&utm_content=sources)
-   [Harga BroadNet Inference yang boleh dibaca mesin, pricing.json (disemak 2026-11-14) (Bahasa Inggeris)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-arabic-llm-gulf-egyptian-dialects&utm_content=sources)
-   [Katalog model BroadNet, angka WER Cohere Transcribe Arabic seperti yang dilaporkan oleh BroadNet (disemak 2026-11-14) (Bahasa Inggeris)](https://www.broadnet.ai/inference/models)
-   [Bouamor et al., The MADAR Arabic Dialect Corpus and Lexicon (LREC 2018; disemak 2026-11-14)](https://aclanthology.org/L18-1535/)
-   [Varieties of Arabic, gambaran keseluruhan (disemak 2026-11-14)](https://en.wikipedia.org/wiki/Varieties_of_Arabic)
