---
title: "BroadNet کے مسترد ماڈلز: LLM، اسپیچ، OCR، ایمبیڈنگ | BroadRouter"
description: "BroadNet اپنے ٹیسٹ کیے اور مسترد ماڈلز وجوہات سمیت شائع کرتا ہے: کریڈنشل سیفٹی جانچ میں ناکام چیٹ ماڈلز، اور ہارنے والے اسپیچ، OCR اور ایمبیڈنگ ماڈلز۔"
url: https://broadrouter.com/ur/blog/models-broadnet-ruled-out/
lang: ur
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

یہ صفحہ انگریزی سے AI کی مدد سے ترجمہ کیا گیا ہے۔ [انگریزی اصل پڑھیں](https://broadrouter.com/blog/models-broadnet-ruled-out/) (اپ ڈیٹ: 2026-11-16).

# BroadNet نے کون سے ماڈلز پرکھ کر مسترد کیے، اور کیوں

BroadNet Inference ٹیم · 4 منٹ کی پڑھائی · شائع شدہ 2026-11-15 · اپ ڈیٹ 2026-11-16

BroadNet کا ماڈل کیٹلاگ اپنی لیب میں ٹیسٹ کے بعد تقریباً 30 ماڈلز اور طریقوں کو مسترد قرار دیتا ہے۔ وجوہات زیادہ تر پانچ گروہوں میں آتی ہیں: اسی کام کے لیے کوئی مضبوط ماڈل جیت گیا، کریڈنشل سیفٹی جانچ، ایسا لائسنس جو API سے سرو کرنے سے روکتا ہے، آمنے سامنے مقابلے میں ہارا کوانٹائزیشن فارمیٹ، اور عربی میں گراوٹ۔ تمام نتائج ستمبر 2026 کی BroadNet کی اپنی پیمائشیں ہیں۔

## اہم نکات

-   BroadNet کا کیٹلاگ ہر ماڈل پر PROD، SERVED، BENCH، QUANT، FT یا RULED OUT کا لیبل لگاتا ہے، اور ہر مستردی کی وجہ دیتا ہے۔
-   BroadNet کی کریڈنشل سیفٹی ٹیسٹ بیٹری نے تین چیٹ ماڈلز کو سکیورٹی کرداروں سے باہر رکھا: Qwen3.5 35B A3B، اور GLM 4.7 Flash و Nemotron 3 Nano 30B A3B، جن پر لیبل RULED OUT کے بجائے SERVED ہی رہتا ہے۔
-   EAGLE3 speculative decoding مسترد ہوئی، کیونکہ 32 بیک وقت درخواستوں پر اس نے تھروپٹ کا 69% کم کر دیا۔
-   موجودہ ڈاکیومنٹ پارسنگ ٹول LlamaParse مسترد ہوا: وہ ٹیبلز کھو دیتا تھا، اور BroadNet کے مطابق خود ہوسٹ کرنا فی 1,000 صفحات 98% سستا تھا۔
-   کئی ایمبیڈنگ ماڈلز کی پبلک لیڈر بورڈ پر جیت BroadNet کے اصل عربی ٹریفک پر قائم نہ رہ سکی۔

**اس صفحے پر**

1.  BroadNet نے کون سے چیٹ ماڈلز مسترد کیے؟
2.  کون سے اسپیچ ماڈلز مسترد ہوئے؟
3.  کون سے ڈاکیومنٹ، ایمبیڈنگ اور امیج ماڈلز ہارے؟
4.  ان مستردیوں سے کیا سبق ملتا ہے؟

BroadNet کا [ماڈل کیٹلاگ](https://www.broadnet.ai/inference/models) ہر اس ماڈل کو درج کرتا ہے جسے اس نے، اس کے بقول، اپنے ہارڈویئر پر چلایا، بینچ مارک کیا، کوانٹائز کیا یا فائن ٹیون کیا، اور جنہیں مسترد کیا ان پر وجہ کے ساتھ نشان لگاتا ہے۔ تقریباً 30 ماڈلز اور طریقوں پر RULED OUT کا لیبل ہے۔ نیچے کے اعداد ستمبر 2026 میں BroadNet کی لیب میں ناپے گئے؛ یہ BroadNet کے نتائج ہیں، ہمارے نہیں۔

کیٹلاگ چھ لیبل استعمال کرتا ہے: PROD (لائیو ٹریفک چلایا)، SERVED (کیٹلاگ کے الفاظ میں “ran on our fleet”، ترجمہ: ہمارے فلیٹ پر چلا)، BENCH (بینچ مارک کیا گیا)، QUANT (کوانٹائزیشن BroadNet نے بنائی)، FT (BroadNet نے فائن ٹیون کیا) اور RULED OUT۔

## BroadNet نے کون سے چیٹ ماڈلز مسترد کیے؟

| ماڈل | BroadNet نے کیا کیا | مسترد ہونے کی وجہ |
| --- | --- | --- |
| Qwen3.5 35B A3B (AWQ 4-bit) | اسپیڈ ٹیئر کے طور پر سرو کیا، تقریباً 164 ٹوکن/s | سکیورٹی کرداروں کے لیے BroadNet کی کریڈنشل سیفٹی ٹیسٹ بیٹری میں ناکام |
| GLM 4.7 Flash (AWQ) | تجرباتی طور پر سرو کیا | لیبل SERVED ہے، RULED OUT نہیں: BroadNet کہتا ہے کہ اس کی کریڈنشل سیفٹی ٹیسٹ بیٹری نے اسے سکیورٹی کرداروں سے باہر کیا اور یہ پروڈکشن سے نیچے رکھا گیا |
| Nemotron 3 Nano 30B A3B (NVFP4) | کسٹم reasoning پارسر کے ساتھ سرو کیا | لیبل SERVED ہے، RULED OUT نہیں: BroadNet کہتا ہے کہ اس کی کریڈنشل سیفٹی ٹیسٹ بیٹری نے اسے سکیورٹی کرداروں سے باہر کیا اور یہ پروڈکشن سے نیچے رکھا گیا |
| Qwen3.6 35B A3B | RTX 5090 اور GB10 پر سرو کیا | چیٹ بوٹ سلاٹ Gemma 4 26B سے ہارا |
| Gemma 4 E4B (AWQ INT4) | GB10 پر شریک کرایہ دار کے طور پر سرو کیا، تقریباً 94 ٹوکن/s | چیٹ بوٹ سلاٹ Gemma 4 26B سے ہارا |
| Gemma 4 26B A4B NVFP4 (تین پبلشرز) | کوانٹائزیشن کی جانچ کی | sm\_120 اور sm\_121 GPUs پر آمنے سامنے موازنے کے بعد AWQ کے حق میں ہٹایا گیا |
| EAGLE3 speculative decoding | پورے لوڈ والی سرونگ کے لیے ٹیسٹ کیا | 32 بیک وقت درخواستوں پر تھروپٹ کا 69% کم ہوا؛ ملٹی ٹوکن پریڈکشن ڈرافٹرز رکھے گئے |

اوپن ماڈل منتخب کرنے والے ہر شخص کے لیے یہ پیٹرن اہم ہے۔ تین مستردیاں معیار کے بارے میں نہیں، حفاظت کے بارے میں ہیں: ایسے ماڈلز جو کافی تیز تھے، مگر کریڈنشلز دہراتے تھے۔ یہی وہ کمزوری ہے جو BroadNet کی [Safety Map اسٹڈی](https://broadrouter.com/ur/blog/llm-safety-map-39-models/) کو چھوٹے فعال حصے والے mixture-of-experts ماڈلز میں سب سے زیادہ ملی۔ چیٹ بوٹ سلاٹ جیتنے والا ماڈل، Gemma 4 26B A4B، وہی ہے جسے BroadNet [Gemma 4 VL 26B](https://broadrouter.com/ur/models/gemma-4-vl-26b/) کے نام سے بیچتا ہے۔

## کون سے اسپیچ ماڈلز مسترد ہوئے؟

| ماڈل | مسترد ہونے کی وجہ |
| --- | --- |
| Gemma 4 E2B، Gemma 4 12B (ٹرانسکرائبر کے طور پر) | ان کی جگہ E4B آڈیو ویریئنٹ رکھا گیا |
| Omnilingual ASR 300M، 1B، 3B اور CTC ویریئنٹس (Meta) | سلاٹ 7B ویریئنٹ کو ملا |
| Voxtral Mini 3B / 4B Realtime (Mistral) | عربی کے لیے مسترد |
| ArTSTv3 (MBZUAI سلسلہ) | عربی سلاٹ کے لیے مسترد؛ Cohere Transcribe Arabic رکھا گیا |
| FireRedVAD، DeepFilterNet، BNR (فرنٹ اینڈز) | آمنے سامنے موازنے کے بعد Silero وائس ایکٹیویٹی ڈیٹیکشن اپنایا گیا |

BroadNet بتاتا ہے کہ اس کا رکھا ہوا ماڈل، Cohere Transcribe Arabic 07-2026، اس کے اپنے ٹیسٹ میں MASC لہجے والی اسپیچ پر 21.1 ورڈ ایرر ریٹ دیتا ہے، جبکہ ElevenLabs Scribe v2 کا 22.3 اور Whisper large-v3 کا 31.5 ہے۔ وہ اس ماڈل کو [BroadNet Transcribe Arabic](https://broadrouter.com/ur/models/cohere-transcribe-arabic/) کے طور پر سرو کرتا ہے۔ کیٹلاگ یہ بھی بتاتا ہے کہ Whisper large-v3 کو فال بیک کے طور پر بینچ مارک کیا گیا۔

## کون سے ڈاکیومنٹ، ایمبیڈنگ اور امیج ماڈلز ہارے؟

**OCR اور ڈاکیومنٹ پارسنگ**

-   **LlamaParse**، یعنی موجودہ API، نے BroadNet کے OmniDocBench سب سیٹ پر 16.6 اسکور کیا۔ BroadNet نے اسے اس لیے مسترد کیا کہ “it loses tables, and self-hosting is 98% cheaper per 1,000 pages” (ترجمہ: یہ ٹیبلز کھو دیتا ہے، اور خود ہوسٹ کرنا فی 1,000 صفحات 98% سستا ہے)۔
-   **olmOCR-2، HunyuanOCR، GOT-OCR 2.0 اور Nanonets OCR2** کی جانچ ہوئی اور وہ مسترد ہوئے؛ Nanonets لائسنس کی شرائط پر۔ dots.mocr کو پروڈکشن کے لیے چنا گیا، کیونکہ وہ پارس بھی کرتا ہے اور اشکال کی وضاحت بھی، حالانکہ PaddleOCR-VL 1.6 کا اسکور زیادہ تھا (86.81 کے مقابلے میں 94.74)۔

**ایمبیڈنگز**

-   **gemini-embedding-2** عربی کے لیے مسترد ہوا، کیونکہ وہ gemini-embedding-001 سے پیچھے گیا (BroadNet کے ریٹریول بینچ مارک پر 0.824 کے مقابلے میں 0.767)۔
-   **nomic-embed-text v1.5**، جو پہلے استعمال میں تھا، نے مجموعی طور پر 0.468 اور عربی پر 0.130 اسکور کیا، اور ہٹا دیا گیا۔
-   **Octen 8B، Harrier 0.6B اور Nemotron Embed 1B** سرو کیے گئے اور اصل عربی ٹریفک پر مسترد ہوئے، “where our podium held despite their public-board wins” (ترجمہ: جہاں ان کی پبلک بورڈ والی جیت کے باوجود ہمارے سرفہرست ماڈلز آگے رہے)۔

BroadNet ایک اور نتیجہ شامل کرتا ہے جو ماڈل کے انتخاب سے بھی زیادہ اہم نکلا: ورک لوڈ کے لیے مخصوص کوئری ہدایت نے ریٹریول کے معیار (nDCG) کو 0.048 بدلا، جو 4B سے 8B ایمبیڈنگ ماڈل پر جانے سے بھی زیادہ تھا۔

**امیج جنریشن اور حفاظت**

-   **Cosmos3 Super 64B اور HunyuanImage 3.0 80B** ہارڈویئر میں فٹ نہ ہونے اور لائسنس کی شرائط پر مسترد ہوئے۔
-   **openai/privacy-filter 1.5B** نے BroadNet کے لیک کارپس میں 100% کریڈنشلز پکڑے، مگر تنخواہ کے اعداد 0%، اس لیے اسے فائر وال کے طور پر مسترد کیا گیا۔

## ان مستردیوں سے کیا سبق ملتا ہے؟

چار سبق BroadNet کے اپنے اسٹیک سے آگے بھی لاگو ہوتے ہیں:

1.  **لیڈر بورڈ نہیں، کام کو ٹیسٹ کریں۔** پبلک بورڈ پر جیتنے والے کئی ایمبیڈنگ ماڈلز اصل عربی ٹریفک پر ہار گئے۔
2.  **حفاظت ایک الگ جانچ ہے۔** تیز اور قابل ماڈل بھی کریڈنشل ٹیسٹ میں ناکام ہو سکتا ہے۔ کسی ماڈل کے سیکرٹس دیکھنے سے پہلے یہ ٹیسٹ چلائیں؛ BroadNet کا [جانچ کا طریقہ](https://broadrouter.com/ur/blog/llm-sensitive-data-safety-evaluation-method/) ایک آغاز ہے۔
3.  **لائسنس طے کرتے ہیں کہ کیا سرو ہو سکتا ہے۔** Voxtral 4B TTS اور Higgs Audio v3 جیسے غیر تجارتی ماڈلز کیٹلاگ میں صرف معیار کی بالائی حد کے طور پر آتے ہیں۔
4.  **سرونگ کے فیصلے بھی ناپے جاتے ہیں۔** کوانٹائزیشن فارمیٹس اور ڈرافٹنگ کے طریقے آمنے سامنے کے اعداد پر مسترد ہوئے، بطور ڈیفالٹ نہیں۔ دیکھیں [BroadNet کا GPU ہارڈویئر اور سرونگ کا طریقہ](https://broadrouter.com/ur/blog/broadnet-gpu-fleet-and-serving/)۔

یہاں کا ہر عدد ایک کمپنی کی لیب اور ٹریفک سے ہے۔ اسے ٹیسٹ کرنے لائق چیزوں کی مختصر فہرست کے طور پر استعمال کریں، پھر بدلنے سے پہلے [اپنے ڈیٹا پر جانچ کریں](https://broadrouter.com/ur/blog/evaluate-llm-before-switching/)۔ مسترد یا بینچ مارک والی قطار ایسی چیز بھی نہیں جسے آپ کال کر سکیں؛ [ماڈل کیٹلاگ کیسے پڑھیں](https://broadrouter.com/ur/blog/understand-model-status/) بتاتا ہے کہ لائیو، درخواست پر ملنے والی اور تحقیقی اندراجات میں فرق کیسے کریں۔

اس موضوع کے مفت ٹولز (انگریزی میں)

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [LLM token counter](https://broadrouter.com/tools/token-counter/) Exact token counts with each model's real tokenizer, with a token view and cost.
-   [Context window calculator](https://broadrouter.com/tools/context-window-calculator/) Will it fit? Window used per model, room left for output, cost to send.

[مفت ٹولز (انگریزی میں)](https://broadrouter.com/tools/)

## اس مضمون کی اصطلاحات

[ایمبیڈنگز (embeddings)](https://broadrouter.com/ur/glossary/embeddings/)

ایمبیڈنگز فلوٹنگ پوائنٹ اعداد کی فہرستیں (ویکٹرز) ہیں جو کوئی ماڈل متن، تصویر یا دوسرے ان پٹ کی نمائندگی کے لیے بناتا ہے۔ ملتے جلتے معنی والے ان پٹس کے ویکٹرز ایک دوسرے کے قریب ہوتے ہیں، اس لیے ویکٹرز کا فاصلہ سرچ نتائج کی درجہ بندی، دستاویزات کی گروہ بندی یا متعلقہ چیزوں کی تلاش میں کام آتا ہے۔

[AWQ (activation-aware weight quantization)](https://broadrouter.com/ur/glossary/awq/)

AWQ (activation-aware weight quantization) ایک post-training طریقہ ہے جو LLM کے weights کو کم پریسیژن، عموماً 4-bit integers، میں دباتا ہے۔ یہ چھوٹے calibration سیٹ کے activation اعداد سے اہم ترین weight چینلز پہچان کر انہیں scale کرتا ہے، تاکہ ان کی درستی کم گھٹے۔ اسے backpropagation نہیں چاہیے۔

[ٹوکن (token)](https://broadrouter.com/ur/glossary/token/)

ٹوکن متن کی وہ اکائی ہے جسے لینگویج ماڈل پڑھتا اور لکھتا ہے: کوئی لفظ، لفظ کا حصہ، رموزِ اوقاف کی کوئی علامت یا بائٹس کا سلسلہ، جو ماڈل کا ٹوکنائزر بناتا ہے۔ LLM API استعمال کو ٹوکنز میں گنتے ہیں، انہی میں حدیں لگاتے ہیں اور عموماً بل بھی بناتے ہیں۔

[کوانٹائزیشن (quantization)](https://broadrouter.com/ur/glossary/quantization/)

کوانٹائزیشن، نیورل نیٹ ورک کے اعداد، بنیادی طور پر اس کے weights، کو 16-bit کے بجائے 8-bit یا 4-bit جیسے کم پریسیژن فارمیٹ میں رکھنے کا عمل ہے، تاکہ ماڈل کم میموری لے اور اکثر تیز چلے۔ اچھے طریقے درستی میں ہونے والے نقصان کو کم رکھتے ہیں۔

[فائن ٹیوننگ (fine-tuning)](https://broadrouter.com/ur/glossary/fine-tuning/)

فائن ٹیوننگ پہلے سے تربیت یافتہ لینگویج ماڈل کو کسی چھوٹے، کام کے لحاظ سے مخصوص ڈیٹاسیٹ، جیسے مثالی گفتگو، پر مزید تربیت دینے کا عمل ہے، تاکہ اس کے ویٹس بدلیں اور وہ ہر پرامپٹ میں لمبی ہدایات یا مثالوں کے بغیر وہ کام یا انداز زیادہ بھروسے سے انجام دے۔

[اسپیچ ٹو ٹیکسٹ (speech-to-text)](https://broadrouter.com/ur/glossary/speech-to-text/)

اسپیچ ٹو ٹیکسٹ، جسے automatic speech recognition (ASR) بھی کہتے ہیں، بولے گئے آڈیو کو تحریری متن میں بدلنے کی ٹیکنالوجی ہے۔ speech-to-text API آڈیو فائل یا اسٹریم لے کر ٹرانسکرپٹ لوٹاتا ہے، عموماً فی آڈیو منٹ قیمت پر۔ درستگی ورڈ ایرر ریٹ سے ناپی جاتی ہے اور لہجے، بولی اور ریکارڈنگ کے معیار کے ساتھ بدلتی ہے۔

[اسپیکیولیٹو ڈیکوڈنگ (speculative decoding)](https://broadrouter.com/ur/glossary/speculative-decoding/)

اسپیکیولیٹو ڈیکوڈنگ ایک انفرنس تکنیک ہے جس میں چھوٹا، تیز ڈرافٹ ماڈل اگلے کئی ٹوکنز تجویز کرتا ہے اور بڑا ٹارگٹ ماڈل انہیں ایک ہی forward pass میں جانچ کر قبول شدہ ٹوکنز رکھتا ہے۔ یہ آؤٹ پٹ کی ڈسٹری بیوشن بدلے بغیر جنریشن تیز کرتی ہے۔

[اوپن ویٹ ماڈل (open-weight model)](https://broadrouter.com/ur/glossary/open-weight-model/)

اوپن ویٹ ماڈل ایسا مشین لرننگ ماڈل ہے جس کے ٹرین شدہ weights ہر کسی کے ڈاؤن لوڈ کرنے اور چلانے کے لیے شائع کیے جاتے ہیں، عموماً شرائط والے لائسنس کے ساتھ۔ مکمل اوپن سورس AI اس کے علاوہ ٹریننگ کوڈ اور ٹریننگ ڈیٹا کی تفصیل بھی جاری کرتا ہے، تاکہ دوسرے ماڈل کو سمجھ اور دوبارہ بنا سکیں۔

## عام سوالات

### BroadNet اپنے مسترد کیے گئے ماڈلز کیوں شائع کرتا ہے؟

اس کا کیٹلاگ کہتا ہے کہ وہ "what we rule out as carefully as what we ship" (ترجمہ: جو ہم مسترد کرتے ہیں، اسے اتنی ہی احتیاط سے جتنا جو ہم لانچ کرتے ہیں) شائع کرتا ہے، تاکہ خریدار ہر سفارش کے پیچھے کی دلیل دیکھ سکیں۔ وجہ کے ساتھ مستردی ایسا ثبوت ہے جسے آپ اپنے ورک لوڈ پر پرکھ سکتے ہیں۔

### کیا "ruled out" کا مطلب ہے کہ ماڈل خراب ہے؟

نہیں۔ زیادہ تر مستردیاں BroadNet کی اپنی پائپ لائن کے کسی ایک سلاٹ کے لیے ہیں، BroadNet کے بتائے ہوئے سیٹ اپ اور ٹریفک پر۔ Qwen3.6 35B A3B اور Gemma 4 E4B چیٹ بوٹ سلاٹ Gemma 4 26B سے ہار گئے؛ پھر بھی وہ آپ کے کام کے لیے موزوں ہو سکتے ہیں۔

### کریڈنشل سیفٹی ٹیسٹ بیٹری کیا ہے؟

BroadNet کا یہ ٹیسٹ کہ کیا کوئی ماڈل دیکھے ہوئے کریڈنشلز دہراتا ہے، اس کے شائع شدہ حساس ڈیٹا کی جانچ کے طریقے پر مبنی۔ جو ماڈلز ناکام ہوتے ہیں، انہیں سکیورٹی کرداروں کے لیے پروڈکشن سے نیچے رکھا جاتا ہے۔

### لائسنس کی وجہ سے ماڈلز کیوں مسترد ہوتے ہیں؟

Voxtral 4B TTS اور Higgs Audio v3 جیسے کچھ مضبوط ماڈلز غیر تجارتی ہیں، اس لیے BroadNet انہیں صرف معیار کی بالائی حد کے طور پر بینچ مارک کرتا ہے اور ادائیگی والے API سے سرو نہیں کر سکتا۔

### کیا مسترد کیے گئے ماڈلز BroadNet Inference پر دستیاب ہیں؟

نہیں۔ API چھ ماڈلز بیچتا ہے، اور تین مزید درخواست پر دستیاب ہیں۔ جن ماڈلز پر ruled out لکھا ہے، وہ پیش نہیں کیے جاتے۔

## مزید پڑھیں

-   [BroadNet کا GPU ہارڈویئر اور سروِنگ کا طریقہ، BroadNet کی زبانی](https://broadrouter.com/ur/blog/broadnet-gpu-fleet-and-serving/)
-   [فراہم کنندہ بدلنے سے پہلے LLM کی جانچ کیسے کریں](https://broadrouter.com/ur/blog/evaluate-llm-before-switching/)
-   [Safety Map: 39 LLMs حساس ڈیٹا کو کیسے سنبھالتے ہیں](https://broadrouter.com/ur/blog/llm-safety-map-39-models/)
-   [عربی speech-to-text API: 2026 میں درست API کیسے منتخب کریں](https://broadrouter.com/ur/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Live، on request، research: ماڈل کیٹلاگ کو واضح طور پر کیسے پڑھیں](https://broadrouter.com/ur/blog/understand-model-status/)
-   [Artificial Analysis کے متبادل: 2026 میں LLMs کا موازنہ کہاں کریں](https://broadrouter.com/ur/blog/artificial-analysis-alternatives/)
-   [LLM API SLA موازنہ: Azure، Bedrock، Google، OpenAI کے وعدے](https://broadrouter.com/ur/blog/llm-api-sla-uptime-compared/)
-   [گائیڈ: BroadNet Inference کو براؤزر میں آزمائیں، اکاؤنٹ کے بغیر](https://broadrouter.com/ur/guides/try-broadnet-inference-playground/)

اسے اپنے اصل کام پر آزمائیں۔ نئے اکاؤنٹس Gemma اور ٹرانسکرپشن کے لیے US$5 کے کریڈٹ سے شروع ہوتے ہیں۔ DeepSeek، GLM، اور Qwen3.8 کے لیے ٹاپ اپ ضروری ہے۔

[شروع کریں](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-blog-models-broadnet-ruled-out&utm_content=page-cta) ·

**ذرائع**

-   [BroadNet ماڈل کیٹلاگ: ہر وہ ماڈل جسے وہ چلاتا، بینچ مارک، کوانٹائز یا فائن ٹیون کرتا ہے، مسترد ماڈلز سمیت (ستمبر 2026 میں ناپا گیا؛ حاصل کیا گیا 2026-11-15) (انگریزی میں)](https://www.broadnet.ai/inference/models)
-   [BroadNet Research: speculative decoding اور سرونگ پر نتائج (حاصل کیا گیا 2026-11-15) (انگریزی میں)](https://www.broadnet.ai/research)
-   [BroadNet Gemma 4 VL 26B ماڈل صفحہ (حاصل کیا گیا 2026-11-15) (انگریزی میں)](https://www.broadnet.ai/inference/models/gemma-4-vl-26b)
-   [BroadNet Transcribe Arabic ماڈل صفحہ (حاصل کیا گیا 2026-11-15) (انگریزی میں)](https://www.broadnet.ai/inference/models/cohere-transcribe-arabic)
