A resposta do modelo em árabe está correta, mas na tela o preço aparece do lado errado e o nome do modelo fica partido ao meio. Isso é um problema de bidi, não do modelo.
Como funciona
O texto é armazenado em ordem lógica, a ordem em que é lido e digitado. O UAX #9, o algoritmo bidirecional do Unicode (Unicode Bidirectional Algorithm), atribui a cada caractere um tipo de direção e calcula a ordem de exibição da linha. Os caracteres nunca mudam de lugar na memória; só a exibição muda.
Letras são fortes: o árabe vai da direita para a esquerda, o latim da esquerda para a direita. Dígitos e pontuação são fracos ou neutros e herdam a posição do texto ao redor. Dígitos europeus são do tipo EN e dígitos arábico-índicos do tipo AN, e o UAX #9 resolve EN como AN depois de uma letra árabe.
Uma string mista típica de um assistente em árabe:
جرّب النموذج broadnet/qwen3.8-27b على 20 رسالة
Exibidos em um contexto da esquerda para a direita, os trechos em árabe são lidos da direita para a esquerda, mas o parágrafo começa à esquerda: a frase aparece na ordem errada, e a barra, os pontos e o número 20 podem grudar no trecho errado. A solução é definir a direção base, não reordenar caracteres.
Quando não dá para usar marcação, o Unicode tem caracteres de controle invisíveis:
| Code point | Nome | Uso |
|---|---|---|
| U+200F | RLM, right-to-left mark | Empurra um caractere neutro para RTL |
| U+061C | ALM, Arabic letter mark | O mesmo, em contextos árabes |
| U+2067 | RLI, right-to-left isolate | Abre um trecho RTL |
| U+2066 | LRI, left-to-right isolate | Abre um trecho LTR, como um ID de modelo |
| U+2068 | FSI, first strong isolate | Pega a direção do conteúdo |
| U+2069 | PDI, pop directional isolate | Fecha qualquer isolate |
Em documentos novos, o UAX #9 recomenda isolates em vez dos antigos embeddings (U+202A a U+202C), porque os embeddings afetam demais o texto ao redor, e diz que os overrides (U+202D, U+202E) devem ser evitados sempre que possível por questões de segurança.
Por que isso importa
Em HTML, o W3C recomenda colocar dir="rtl" no elemento html quando a página é RTL, e não usar CSS para definir a direção base. Para texto cuja direção você não conhece, como a resposta de um modelo ou o nome de um usuário, use dir="auto" ou o elemento bdi. O W3C observa que auto decide pelo primeiro caractere forte, então um parágrafo quase todo em inglês que começa com uma palavra em árabe ainda pode ser exibido errado.
Para quem usa uma API, os problemas mais comuns são:
- Interfaces de chat. Uma resposta em streaming começa em inglês e passa para o árabe. Defina
dir="auto"em cada mensagem, não uma vez só na página. - JSON e logs. A saída do modelo pode conter marks invisíveis. Um valor como
"gulf"não vai ser igual a"gulf". Remova os controles bidi antes de comparar campos de saída estruturada. - Strings de interface traduzidas. Placeholders e nomes de produto dentro de um texto em árabe precisam de isolates; veja como traduzir strings de app para árabe.
Na BroadNet Inference
O endpoint de chat da BroadNet devolve o árabe como texto comum na resposta JSON, como qualquer API compatível com a OpenAI, e a BroadNet não tem nenhum recurso de exibição ou de bidi. A direção é tarefa do seu front-end. Se você também normaliza o texto para busca, remova os controles bidi na mesma etapa da normalização Unicode, já que NFC e NFKC os mantêm.
Erros comuns
- Inverter strings em árabe no código para “consertar” a exibição.
- Definir a direção só com CSS.
- Deixar U+200F ou U+2067 dentro de IDs, chaves ou valores de enum.