Để chọn API LLM cho tiếng Ả Rập, hãy test từng ứng viên trên các việc sản phẩm của bạn làm: hiểu phương ngữ của người dùng, viết tiếng Ả Rập chuẩn hiện đại tự nhiên, dịch thuật và đọc tài liệu tiếng Ả Rập. Chấm riêng từng việc cùng một người bản ngữ. “Hỗ trợ tiếng Ả Rập” có thể là bất cứ thứ gì, từ phương ngữ vùng Vịnh trôi chảy đến câu chữ cứng nhắc như văn dịch.
Nên test những tác vụ tiếng Ả Rập nào?
| Tác vụ | Ví dụ | Cần kiểm tra |
|---|---|---|
| Hiểu phương ngữ | Khách hàng Ả Rập Xê Út gõ bằng tiếng Khaleeji | Có nắm được ý định, không chỉ từ ngữ? |
| Viết tiếng Ả Rập | Câu trả lời bằng tiếng Ả Rập chuẩn hiện đại rõ ràng | Trôi chảy, ngữ pháp, giọng tự nhiên, đúng văn phong |
| Dịch | Hợp đồng hoặc ticket hỗ trợ Ả Rập ↔ Anh | Độ chính xác của tên, số và thuật ngữ pháp lý |
| Đọc tài liệu | Ảnh chụp hóa đơn tiếng Ả Rập | Trích đúng tổng tiền, ngày và nhà cung cấp |
| Nghe giọng nói | Tin nhắn thoại, cuộc gọi | Đó là việc của model chuyển giọng nói thành văn bản, không phải LLM; xem bên dưới |
Một model có thể mạnh ở việc này và yếu ở việc khác. Hãy chấm riêng từng việc.
Bảng xếp hạng tiếng Ả Rập công khai cho bạn biết gì?
Có vài bảng xếp hạng công khai đánh giá model bằng tiếng Ả Rập. Open Arabic LLM Leaderboard trên Hugging Face là một. BALSAM là benchmark cộng đồng với 78 tác vụ trong 14 hạng mục và một nền tảng đánh giá mù; các tác giả viết rằng hiệu năng LLM bằng tiếng Ả Rập tụt sau tiến bộ đã thấy ở tiếng Anh.
Dùng chúng để lập danh sách ngắn, không phải để chọn cuối cùng. Benchmark chủ yếu là câu hỏi trắc nghiệm và tác vụ chuẩn. Chúng hiếm khi test tin nhắn khách hàng vùng Vịnh, giọng văn thương hiệu của bạn hay ảnh một tờ biên lai nhàu nát. Đó lại là những thứ người dùng của bạn nhận ra.
Những API LLM nào hỗ trợ tiếng Ả Rập?
Gần như mọi API chat đa năng đều nhận văn bản tiếng Ả Rập, nên câu hỏi hữu ích là nó xử lý phương ngữ của bạn tốt đến đâu, và liệu bạn có gọi được các model ưu tiên tiếng Ả Rập hay không. Ngày 14/11/2026 chúng tôi đã kiểm tra bốn dòng model ưu tiên tiếng Ả Rập mà mọi người hay hỏi. Không dòng nào có giá API theo token do nhà phát triển công bố:
| Dòng model | Nhà phát triển | Cách chạy (kiểm tra ngày 14/11/2026) | Giá |
|---|---|---|---|
| Jais 2 (8B, 70B chat) | MBZUAI, Inception và Cerebras | Open weights trên Hugging Face theo Apache 2.0, context 8.192 token. Model card 70B nói không có Inference Provider nào triển khai nó. Jais-30b-chat cũ hơn đã bị gỡ khỏi GitHub Models ngày 31/10/2025. | Không công bố; bạn trả tiền GPU của mình |
| Falcon-H1-Arabic (3B, 7B, 34B) | Technology Innovation Institute (TII) | Công bố ngày 5/1/2026 với context 128K (3B) hoặc 256K (7B, 34B). Bài ra mắt dẫn tới bản demo chat trên web; không nêu API được host hay link tải weights. | Không công bố |
| ALLaM (allam-1-13b-instruct) | Cơ quan Dữ liệu và Trí tuệ Nhân tạo Ả Rập Xê Út (SDAIA); HUMAIN công bố bản 7B preview | Có trên IBM watsonx.ai dưới dạng model triển khai theo yêu cầu với cửa sổ 4.096 token (input cộng output). ALLaM-7B-Instruct-preview mở trên Hugging Face theo Apache 2.0. | watsonx.ai tính phí model triển khai theo yêu cầu theo giờ, không theo token |
| Fanar | Qatar Computing Research Institute (QCRI) | Fanar nói họ “provides an API for developers” (bản dịch: cung cấp API cho developer); truy cập qua biểu mẫu yêu cầu tại api.fanar.qa | Không công bố |
Vì vậy nếu bạn muốn tiếng Ả Rập trả theo token qua API tương thích OpenAI, thường bạn sẽ dùng một model đa ngôn ngữ mạnh, như các model bên dưới, và test nó trên phương ngữ của bạn. Nếu bạn cần một model ưu tiên tiếng Ả Rập cụ thể, hãy lên kế hoạch tự host, thuê triển khai riêng, hoặc xin quyền truy cập API Fanar; bài chi phí tự host so với API có phép tính hòa vốn.
Model BroadNet nào xử lý được tiếng Ả Rập?
BroadNet công bố kết quả kiểm tra tiếng Ả Rập của chính họ trên trang giá. Với Qwen3.8 27B, họ báo cáo viết tiếng Ả Rập trôi chảy, hiểu phương ngữ vùng Vịnh và Ai Cập, và dịch Ả Rập–Anh chính xác. Model nhận văn bản và hình ảnh, hỗ trợ tool calling và structured output, và có context 262.144 token.
Các lựa chọn khác trên cùng API:
| Model | Input / output mỗi 1 triệu token | Context | Hình ảnh |
|---|---|---|---|
| Qwen3.8 27B | $0.175 / $2.17 | 262.144 | Có |
| DeepSeek V4.1 Flash | $0.175 / $0.52 | 1.048.576 | Có |
| BroadNet Gemma 4 VL 26B | $0.10 / $0.22 | 32.768 | Có |
DeepSeek V4.1 Flash cũng có dạng không giới hạn trong gói giá cố định ($60 mỗi tháng cho mỗi phiên), phù hợp với chat và agent tiếng Ả Rập khối lượng lớn. Bài so sánh DeepSeek V4.1 Flash và Qwen3.8 27B đặt hai ứng viên chính cạnh nhau. Gemma 4 VL 26B là model BroadNet rẻ nhất tính theo token và dùng được bằng tín dụng ban đầu miễn phí.
Xây bộ test tiếng Ả Rập như thế nào?
- Thu 50 input thật từ sản phẩm của bạn: chat, ticket, tài liệu. Đưa vào ít nhất 10 input cho mỗi phương ngữ người dùng của bạn viết. Với bài test chỉ về phương ngữ, kèm phương pháp gắn nhãn ý định, xem LLM xử lý tiếng Ả Rập vùng Vịnh, Ai Cập và Levant ra sao.
- Viết câu trả lời lý tưởng cho 20 input trong đó, hoặc nhờ người bản ngữ viết.
- Chạy mọi model ứng viên trên cả 50 với cùng một system prompt. Nêu phương ngữ và văn phong bạn muốn trong prompt: “Trả lời bằng tiếng Ả Rập chuẩn hiện đại rõ ràng, thân thiện, ngắn gọn.”
- Chấm mù các output từ 1 đến 5 về độ đúng và độ tự nhiên. Hãy để người bản ngữ chấm.
- Kiểm tra chi phí trên văn bản thật. Đọc
prompt_tokensvàcompletion_tokenstrong khối usage thay vì ước tính từ số từ.
Vì API tương thích OpenAI, đổi model chỉ là sửa một dòng ở trường model. Xem checklist chuyển sang API tương thích OpenAI.
Nên chấm điểm output như thế nào?
| Tiêu chí | 1 điểm | 5 điểm |
|---|---|---|
| Hiểu ý định | Hiểu sai phương ngữ | Đúng, kể cả tiếng lóng |
| Ngữ pháp và độ trôi chảy | Có lỗi hoặc sai hòa hợp | Đọc như người bản ngữ viết |
| Văn phong | Sai phương ngữ hoặc quá trang trọng | Đúng như prompt yêu cầu |
| Sự kiện, tên, số | Bị đổi hoặc bịa ra | Chính xác |
| Chữ viết | Phiên âm Latin hoặc lẫn lộn | Chữ Ả Rập từ đầu đến cuối |
Lấy trung bình theo từng tác vụ, không lấy trung bình chung. Một model đạt 4,5 về viết và 2 về phương ngữ là lựa chọn khác hẳn một model đạt 3,5 ở cả hai.
System prompt có làm thay đổi kết quả không?
Có, đủ để làm thay đổi thứ hạng. Dùng cùng một system prompt cho mọi ứng viên, và nêu phương ngữ bạn dự kiến, văn phong muốn nhận lại, và cách xử lý số và tên tiếng Anh. Prompt engineering cho tiếng Ả Rập có một mẫu đầy đủ. Giữ prompt đó giống hệt nhau giữa các lần gọi để nó được đọc từ cache trên các model có giá input cache.
Vì sao tiếng Ả Rập tốn nhiều token hơn tiếng Anh?
Văn bản tiếng Ả Rập thường bị tách thành nhiều token mỗi từ hơn tiếng Anh, và tỷ lệ này khác nhau giữa các model. Hai model cùng giá mỗi token vẫn có thể có chi phí khác nhau cho mỗi tin nhắn tiếng Ả Rập. Dán một mẫu văn bản thật vào công cụ đếm token tiếng Ả Rập, rồi xác nhận bằng prompt_tokens từ một request thật trên mỗi ứng viên và dự tính hóa đơn hằng tháng bằng máy tính chi phí API LLM. Cách đo tỷ lệ của riêng bạn có trong số token mỗi từ: tiếng Ả Rập so với tiếng Anh. Để xem điều này ảnh hưởng thế nào tới hóa đơn trên từng model và nhà cung cấp, xem bộ dữ liệu chi phí thực theo ngôn ngữ, tính giá 1 triệu ký tự tiếng Ả Rập, các phương ngữ của nó và các ngôn ngữ khác bằng chính tokenizer của từng model.
LLM có đọc được hóa đơn và hình ảnh tiếng Ả Rập không?
Với hóa đơn, biên lai và biểu mẫu, hãy gửi ảnh tới một vision-language model và yêu cầu JSON. Hướng dẫn hóa đơn tiếng Ả Rập có code chạy được, và OCR tiếng Ả Rập và LLM vision nói khi nào OCR truyền thống vẫn là công cụ tốt hơn. Kiểm tra kỹ con số: chữ số Ả Rập phương Đông (٠١٢٣) và chữ số phương Tây (0123) đều xuất hiện trên biên lai vùng Vịnh.
Còn tin nhắn thoại và cuộc gọi tiếng Ả Rập thì sao?
Với tin nhắn thoại và cuộc gọi, hãy chép lời trước bằng model chuyển giọng nói tiếng Ả Rập thành văn bản, rồi gửi văn bản cho LLM. BroadNet Transcribe Arabic có giá $0.0042 mỗi phút âm thanh. Xem cách chọn API chuyển giọng nói tiếng Ả Rập thành văn bản.
Vì sao một số câu trả lời tiếng Ả Rập trả về rỗng?
DeepSeek V4.1 Flash và Qwen3.8 27B suy luận trước khi trả lời, và các token suy luận đó được tính vào max_tokens. Câu trả lời tiếng Ả Rập có thể dài, nên hãy chừa chỗ, nếu không phần trả lời hiển thị sẽ rỗng. Vì sao chuyện đó xảy ra và cách sửa.
Nên tránh những sai lầm nào?
- Để người không phải bản ngữ chấm điểm. Người học không nhìn thấy lỗi về độ trôi chảy.
- Gộp nhiều phương ngữ vào một điểm. Giữ riêng kết quả vùng Vịnh, Ai Cập và Levant.
- Tin vào bộ test dịch sẵn. Văn bản dịch từ tiếng Anh không giống cách người dùng tiếng Ả Rập thật viết.
- Quên hiển thị phải sang trái. Dòng trộn tiếng Ả Rập và tiếng Anh có thể hiển thị sai thứ tự trong UI của bạn. Hãy test phần hiển thị, không chỉ văn bản.
BroadNet Inference phù hợp ở đâu
BroadNet cung cấp một model chat đã test bằng tiếng Ả Rập, hai lựa chọn rẻ hơn hoặc không giới hạn, và chuyển giọng nói tiếng Ả Rập thành văn bản trên một key tương thích OpenAI, không lưu giữ nội dung. Họ không công bố điểm benchmark tiếng Ả Rập cho các model chat ngoài test của chính họ, nên hãy chạy bộ test trên trước khi cam kết. Nếu một model ở nơi khác thắng trên phương ngữ của bạn, kết quả đó quan trọng hơn bất kỳ danh mục nào.
