---
title: "Данные из арабских счетов через API vision-LLM | BroadRouter"
description: "Отправьте фото счёта или чека vision-модели в BroadNet Inference и получите итог, дату и поставщика в JSON; вопросы можно задавать на арабском или английском."
url: https://broadrouter.com/ru/guides/read-arabic-invoices-with-vision/
lang: ru
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Переведено с английского с помощью ИИ. [Читать оригинал на английском](https://broadrouter.com/guides/read-arabic-invoices-with-vision/) (обновлён 2026-11-16).

# Как читать арабские счета и чеки vision-моделью

Обновлено 2026-11-16

Отправьте изображение как data URL в base64 в содержимом сообщения vision-модели, например broadnet/qwen3.8-27b или broadnet/gemma-4-26b-a4b, и попросите вернуть нужные поля в JSON. Указывайте точный MIME-тип. При оплате по факту изображение считается входными токенами; чем оно больше, тем больше токенов.

Изображения принимают три чат-модели BroadNet Inference: DeepSeek V4.1 Flash, Qwen3.8 27B и BroadNet Gemma 4 VL 26B. GLM 5.3 работает только с текстом. Для арабских документов подходит Qwen3.8 27B — именно её BroadNet тестировала на арабском: беглое письмо, понимание диалектов Залива и египетского, точный перевод между арабским и английским. Gemma 4 VL 26B — самая дешёвая из трёх в BroadNet и работает на бесплатном гранте.

## Вопрос по одному счёту

```python
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)
```

Вопрос в коде на арабском: «Какова итоговая сумма в этом счёте?». Для PNG-файлов указывайте в data URL `image/png`: MIME-тип должен совпадать. Чтобы определить его по имени файла:

```python
import mimetypes
mime = mimetypes.guess_type("invoice.png")[0]   # "image/png"
url = f"data:{mime};base64," + base64.b64encode(open("invoice.png", "rb").read()).decode()
```

## Структурированные поля в ответе

Попросите JSON и точно перечислите нужные ключи. Промпт ниже просит вернуть только JSON с ключами vendor, date, currency, total и vat и оставить имя поставщика по-арабски, если оно так написано; комментарий напоминает, что Qwen3.8 27B сначала рассуждает:

```python
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 рассуждает перед ответом, поэтому дайте ей запас. См. [почему модели с рассуждениями возвращают пустые ответы](https://broadrouter.com/ru/guides/reasoning-tokens-empty-response/). Документация BroadNet заявляет для Qwen3.8 27B структурированный вывод; как в целом работают JSON-схемы, см. [структурированный вывод](https://broadrouter.com/ru/glossary/structured-output/) в глоссарии. Разберите ответ через `json.loads` и проверьте поля, прежде чем сохранять их.

## Стоимость

При оплате по факту изображение тарифицируется как входные токены по цене входа модели, поэтому очень большие фотографии сначала уменьшайте; [калькулятор токенов для изображений](https://broadrouter.com/tools/image-token-calculator/) показывает, сколько токенов стоит изображение заданного размера. На [безлимитном тарифе DeepSeek V4.1 Flash](https://broadrouter.com/ru/guides/unlimited-llm-api-sessions/) изображения входят в безлимитное использование.

[Сравните цены vision-моделей](https://broadrouter.com/ru/pricing/) или посмотрите, как vision-модель выглядит на фоне Google, Azure, Textract и Mistral OCR, в [сравнении API для OCR арабского текста](https://broadrouter.com/ru/blog/arabic-ocr-api-comparison/).

## Решение проблем

-   **Пустой ответ от Qwen3.8 27B или DeepSeek V4.1 Flash.** Рассуждения израсходовали `max_tokens`. Увеличьте лимит или задайте `reasoning_effort` равным `low`.
-   **400 или 422 на изображении.** Проверьте, что data URL начинается с `data:image/jpeg;base64,` или `data:image/png;base64,` и что MIME-тип соответствует файлу.
-   **403 или ошибка модели.** GLM 5.3 не принимает изображения, а для Qwen3.8 27B и DeepSeek V4.1 Flash нужно пополнить баланс. На бесплатном гранте используйте BroadNet Gemma 4 VL 26B.
-   **Слишком большой запрос или ошибки контекста.** Большое фото расходует много токенов, а у Gemma 4 VL 26B самое маленькое контекстное окно из трёх (указано в pricing.json). Уменьшите изображение до разумной ширины или обрежьте до области с итогами.
-   **Неверные итоги или переставленные цифры.** На одном чеке могут встречаться и арабско-индийские цифры (٠١٢٣), и латинские. Попросите модель возвращать числа латинскими цифрами и сверяйте итоги со строками в своём коде.
-   **Невалидный JSON.** Просите «JSON only» (только JSON), перед разбором удаляйте ограждения блоков кода и повторите запрос один раз, если разбор не удался.

_[image: An Arabic and English invoice beside a phone showing the JSON {"total":125.00,"currency":"AED"}, with the text "From documents to structured data."]_

Illustrative example; the figures are not real output.

## Термины в этом руководстве

[Визуально-языковая модель (VLM)](https://broadrouter.com/ru/glossary/vision-language-model/)

Визуально-языковая модель (vision-language model, VLM) — это модель, которая принимает на вход изображения вместе с текстом и выдаёт текст, поэтому может описывать картинки, отвечать на вопросы о них и читать документы, графики и скриншоты. VLM также называют моделями image-text-to-text или мультимодальными моделями.

[Входные и выходные токены (input and output tokens)](https://broadrouter.com/ru/glossary/input-and-output-tokens/)

Входные токены — это токены, которые языковая модель читает в запросе: системный промпт, история диалога, описания инструментов и изображения. Выходные токены — это токены, которые она генерирует в ответ, включая рассуждения. LLM API обычно тарифицируют их по отдельности, и выход, как правило, дороже.

[Вызов инструментов (tool calling)](https://broadrouter.com/ru/glossary/tool-calling/)

Вызов инструментов (function calling) — это функция LLM API, при которой модель возвращает структурированный запрос на выполнение функции, заданной разработчиком, с аргументами в JSON. Приложение выполняет функцию и отправляет результат обратно; сама модель код никогда не выполняет.

[Токен (token)](https://broadrouter.com/ru/glossary/token/)

Токен — это единица текста, которую языковая модель читает и пишет: слово, часть слова, знак препинания или последовательность байтов, которую выдаёт токенизатор модели. LLM API считают, ограничивают и обычно тарифицируют использование в токенах.

## Вопросы и ответы

### Какие модели BroadNet умеют читать изображения?

DeepSeek V4.1 Flash, Qwen3.8 27B и BroadNet Gemma 4 VL 26B принимают изображения через chat completions. GLM 5.3 работает только с текстом, а модели транскрибации принимают аудио.

### Как отправить локальный файл изображения в API vision-LLM?

Прочитайте файл, закодируйте его в base64 и вставьте в часть содержимого image\_url как data URL, например data:image/jpeg;base64, а за ним закодированные байты. MIME-тип в URL должен соответствовать файлу.

### Можно ли извлекать данные из счетов на бесплатном гранте?

Да, с BroadNet Gemma 4 VL 26B: она работает на бесплатном стартовом гранте. Qwen3.8 27B и DeepSeek V4.1 Flash становятся доступны после пополнения баланса.

### Можно ли отправить счёт в PDF?

Документация BroadNet описывает изображения, отправленные как data URL, а не PDF-файлы. Сначала превратите каждую страницу PDF в JPEG или PNG, например с помощью pdftoppm, и отправьте страницы как изображения.

## Похожие руководства

-   [API распознавания арабской речи: пошаговое руководство](https://broadrouter.com/ru/guides/arabic-speech-to-text-api/)
-   [OpenAI Python SDK и BroadNet Inference](https://broadrouter.com/ru/guides/openai-python-sdk/)
-   [Почему рассуждающая модель возвращает пустой ответ](https://broadrouter.com/ru/guides/reasoning-tokens-empty-response/)

Проверьте на своей реальной нагрузке. Новые аккаунты получают стартовый грант US$5 на Gemma и распознавание речи. Для DeepSeek, GLM и Qwen3.8 нужно пополнить баланс.

[Начать](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-guides-read-arabic-invoices-with-vision&utm_content=page-cta) ·

**Источники**

-   [Справочник API BroadNet Inference, чат с изображением (на английском)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-guides-read-arabic-invoices-with-vision&utm_content=sources#requests)
-   [Цены BroadNet Inference (заметки о тесте Qwen3.8 27B на арабском) (на английском)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-guides-read-arabic-invoices-with-vision&utm_content=sources)
-   [Машиночитаемый список моделей с модальностями и длиной контекста (pricing.json) (на английском)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-guides-read-arabic-invoices-with-vision&utm_content=sources)
