Tiga model chat pada BroadNet Inference menerima imej: DeepSeek V4.1 Flash, Qwen3.8 27B dan BroadNet Gemma 4 VL 26B. GLM 5.3 hanya teks. Untuk dokumen Arab, Qwen3.8 27B ialah model yang diuji oleh BroadNet dalam bahasa Arab: penulisan yang fasih, memahami dialek Teluk dan Mesir, dan terjemahan Arab–Inggeris yang tepat. Gemma 4 VL 26B ialah yang paling murah antara ketiga-tiganya di BroadNet dan berfungsi dengan kredit percuma.
Tanya soalan tentang satu invois
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)
Soalan itu bertanya “What is the total amount on this invoice?” (Berapakah jumlah keseluruhan dalam invois ini?) dalam bahasa Arab. Gunakan image/png dalam data URL untuk fail PNG: jenis MIME mesti sepadan. Untuk menetapkannya daripada nama fail:
import mimetypes
mime = mimetypes.guess_type("invoice.png")[0] # "image/png"
url = f"data:{mime};base64," + base64.b64encode(open("invoice.png", "rb").read()).decode()
Dapatkan medan berstruktur
Minta JSON dan nyatakan dengan tepat kunci yang anda mahu:
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 membuat penaakulan sebelum menjawab, jadi beri ia ruang. Lihat mengapa model penaakulan memulangkan jawapan kosong. Dokumentasi BroadNet menyenaraikan output berstruktur untuk Qwen3.8 27B; lihat output berstruktur untuk cara skema JSON berfungsi secara umum. Huraikan balasan dengan json.loads dan semak medan sebelum anda menyimpannya.
Kos
Pada bayar ikut guna, imej dibilkan sebagai token input pada harga input model, jadi kecilkan foto yang sangat besar dahulu; kalkulator token imej menunjukkan berapa token bagi sesuatu saiz. Pada pelan DeepSeek V4.1 Flash tanpa had, imej termasuk dalam penggunaan tanpa had.
Bandingkan harga model vision, atau lihat perbandingan model vision dengan Google, Azure, Textract dan Mistral OCR dalam perbandingan API OCR Arab.
Penyelesaian masalah
- Jawapan kosong daripada Qwen3.8 27B atau DeepSeek V4.1 Flash. Penaakulan telah menghabiskan
max_tokens. Naikkannya atau tetapkanreasoning_effortkepadalow. - 400 atau 422 pada imej. Pastikan data URL bermula dengan
data:image/jpeg;base64,ataudata:image/png;base64,dan jenis MIME sepadan dengan fail. - 403 atau ralat pada model. GLM 5.3 tidak menerima imej, dan Qwen3.8 27B serta DeepSeek V4.1 Flash memerlukan tambah nilai. Gunakan BroadNet Gemma 4 VL 26B dengan kredit percuma.
- Permintaan terlalu besar atau ralat konteks. Foto besar menggunakan banyak token, dan Gemma 4 VL 26B mempunyai tetingkap konteks paling kecil antara ketiga-tiganya (disenaraikan dalam pricing.json). Kecilkan kepada lebar yang munasabah atau potong ke bahagian jumlah.
- Jumlah salah atau digit tertukar. Digit Arab-Hindi (٠١٢٣) dan digit Latin boleh muncul pada resit yang sama. Minta model memulangkan nombor dalam digit Latin, dan semak jumlah berbanding item baris dalam kod anda.
- JSON tidak sah. Minta “JSON only” (JSON sahaja), buang sebarang pagar kod sebelum menghurai, dan cuba semula sekali jika penghuraian gagal.

