---
title: "Mejor API de LLM para árabe: qué probar antes de elegir"
description: "Cómo elegir un LLM para apps en árabe: dialectos, redacción, traducción, documentos e imágenes en árabe, costo y un conjunto de prueba que se arma en un día."
url: https://broadrouter.com/es/blog/choosing-an-llm-for-arabic/
lang: es
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traducido del inglés con ayuda de IA. [Lea el original en inglés](https://broadrouter.com/blog/choosing-an-llm-for-arabic/) (actualizado el 2026-11-14).

# Cómo elegir una API de LLM para árabe: qué probar

Por el equipo de BroadNet Inference · 7 min de lectura · Publicado 2026-11-14

Elija un LLM para árabe probándolo en sus propias tareas: entender los dialectos del Golfo, egipcio y levantino, redactar árabe estándar moderno fluido, traducir entre árabe e inglés y leer documentos en árabe. En las pruebas de BroadNet, Qwen3.8 27B redactó árabe fluido y entendió los dialectos del Golfo y egipcio. Cuesta $0.175 por 1M de tokens de entrada.

## Puntos clave

-   Pruebe por separado la comprensión de dialectos, la redacción en árabe, la traducción y la lectura de documentos. Los modelos difieren en cada una.
-   Las tablas públicas de árabe le ayudan a hacer una preselección, pero no prueban sus dialectos, su tono ni sus documentos.
-   En las pruebas de BroadNet, Qwen3.8 27B redactó árabe fluido, entendió los dialectos del Golfo y egipcio y tradujo con precisión.
-   Los modelos de visión pueden leer facturas y recibos en árabe y devolver JSON estructurado.
-   El árabe suele usar más tokens por palabra que el inglés, así que compare el costo con su texto real, no por palabra.
-   Combine el LLM con voz a texto en árabe para notas de voz y llamadas.

**En esta página**

1.  ¿Qué tareas en árabe debe probar?
2.  ¿Qué le dicen las tablas públicas de árabe?
3.  ¿Qué API de LLM son compatibles con el árabe?
4.  ¿Qué modelos de BroadNet manejan el árabe?
5.  ¿Cómo se arma un conjunto de prueba en árabe?
6.  ¿Cómo debe calificar las salidas?
7.  ¿El prompt de sistema cambia el resultado?
8.  ¿Por qué el árabe cuesta más tokens que el inglés?
9.  ¿Puede un LLM leer facturas e imágenes en árabe?
10.  ¿Y las notas de voz y llamadas en árabe?
11.  ¿Por qué algunas respuestas en árabe llegan vacías?
12.  ¿Qué errores debe evitar?
13.  Dónde encaja BroadNet Inference

Para elegir una API de LLM para árabe, pruebe a cada candidato en las tareas que hace su producto: entender los dialectos de sus usuarios, redactar árabe estándar moderno natural, traducir y leer documentos en árabe. Califique cada tarea por separado con un hablante nativo. «Compatible con árabe» puede significar cualquier cosa, desde un dialecto del Golfo fluido hasta un texto rígido que suena a traducción.

## ¿Qué tareas en árabe debe probar?

| Tarea | Ejemplo | Qué revisar |
| --- | --- | --- |
| Entender dialecto | Un cliente saudí escribe en jaliyí | ¿Capta la intención, no solo las palabras? |
| Redactar en árabe | Una respuesta en árabe estándar moderno claro | Fluidez, gramática, tono natural, registro adecuado |
| Traducir | Contratos o tickets de soporte árabe ↔ inglés | Precisión en nombres, números y términos legales |
| Leer documentos | Foto de una factura en árabe | Totales, fechas y proveedor extraídos correctamente |
| Escuchar voz | Notas de voz, llamadas | Eso es un modelo de [voz a texto](https://broadrouter.com/es/glossary/speech-to-text/), no un LLM; vea más abajo |

Un modelo puede ser fuerte en una y débil en otra. Califique cada tarea por separado.

## ¿Qué le dicen las tablas públicas de árabe?

Varias tablas públicas clasifican modelos en árabe. El [Open Arabic LLM Leaderboard](https://huggingface.co/spaces/OALL/Open-Arabic-LLM-Leaderboard) en Hugging Face es una. [BALSAM](https://arxiv.org/abs/2507.22603) es un benchmark comunitario con 78 tareas en 14 categorías y una plataforma de evaluación a ciegas; sus autores escriben que el rendimiento de los LLM en árabe va por detrás del progreso visto en inglés.

Úselas para armar una preselección, no para tomar la decisión final. Los benchmarks son sobre todo preguntas de opción múltiple y tareas estándar. Rara vez prueban mensajes de clientes del Golfo, el tono de su marca o la foto de un recibo arrugado. Eso es lo que notan sus usuarios.

## ¿Qué API de LLM son compatibles con el árabe?

Casi todas las API de chat generales aceptan texto en árabe, así que la pregunta útil es qué tan bien manejan sus dialectos y si puede llamar siquiera a los modelos centrados en el árabe. El 14 de noviembre de 2026 revisamos las cuatro familias centradas en el árabe por las que más se pregunta. Ninguna tenía un precio de API por token publicado por su fabricante:

| Familia de modelos | Quién la hace | Cómo puede ejecutarla (revisado el 14 de noviembre de 2026) | Precio |
| --- | --- | --- | --- |
| Jais 2 (8B, 70B chat) | MBZUAI, Inception y Cerebras | Pesos abiertos en Hugging Face con licencia Apache 2.0, contexto de 8,192 tokens. La ficha del modelo 70B dice que ningún Inference Provider lo despliega. El anterior Jais-30b-chat se retiró de GitHub Models el 31 de octubre de 2025. | Ninguno publicado; usted paga sus propias GPU |
| Falcon-H1-Arabic (3B, 7B, 34B) | Technology Innovation Institute (TII) | Anunciado el 5 de enero de 2026 con contexto de 128K (3B) o 256K (7B, 34B). El anuncio enlaza una demo de chat web; no menciona ninguna API alojada ni descarga de pesos. | Ninguno publicado |
| ALLaM (allam-1-13b-instruct) | Autoridad Saudí de Datos e Inteligencia Artificial (SDAIA); HUMAIN publica la versión preliminar 7B | En IBM watsonx.ai como modelo de despliegue bajo demanda con una ventana de 4,096 tokens (entrada más salida). ALLaM-7B-Instruct-preview está abierto en Hugging Face con licencia Apache 2.0. | watsonx.ai factura los modelos de despliegue bajo demanda por hora, no por token |
| Fanar | Qatar Computing Research Institute (QCRI) | Fanar dice que “provides an API for developers” (Traducción: ofrece una API para desarrolladores); el acceso es mediante un formulario de solicitud en api.fanar.qa | Ninguno publicado |

Así que, si quiere árabe con pago por token mediante una [API compatible con OpenAI](https://broadrouter.com/es/glossary/openai-compatible-api/), normalmente usará un modelo multilingüe sólido, como los de abajo, y lo probará con sus dialectos. Si necesita un modelo concreto centrado en el árabe, prevea autoalojarlo, alquilar un despliegue dedicado o solicitar acceso a la API de Fanar; el artículo [autoalojar un LLM frente a usar una API: costos](https://broadrouter.com/es/blog/self-hosting-llm-vs-api-cost/) muestra el cálculo del punto de equilibrio.

## ¿Qué modelos de BroadNet manejan el árabe?

BroadNet publica su propia comprobación en árabe en su [página de precios](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-choosing-an-llm-for-arabic&utm_content=body). Para [Qwen3.8 27B](https://broadrouter.com/es/models/qwen3.8-27b/) reporta redacción fluida en árabe, comprensión de los dialectos del Golfo y egipcio, y traducción precisa entre árabe e inglés. El modelo acepta texto e imágenes, admite [llamadas a herramientas](https://broadrouter.com/es/glossary/tool-calling/) y [salida estructurada](https://broadrouter.com/es/glossary/structured-output/), y tiene un contexto de 262,144 tokens.

Otras opciones en la misma API:

| Modelo | Entrada / salida por 1M de tokens | Contexto | Imágenes |
| --- | --- | --- | --- |
| [Qwen3.8 27B](https://broadrouter.com/es/models/qwen3.8-27b/) | $0.175 / $2.17 | 262,144 | Sí |
| [DeepSeek V4.1 Flash](https://broadrouter.com/es/models/deepseek-v4.1-flash/) | $0.175 / $0.52 | 1,048,576 | Sí |
| [BroadNet Gemma 4 VL 26B](https://broadrouter.com/es/models/gemma-4-vl-26b/) | $0.10 / $0.22 | 32,768 | Sí |

DeepSeek V4.1 Flash también está disponible ilimitado con un plan de tarifa plana ($60 al mes por sesión), que se adapta al chat y a los agentes en árabe de alto volumen. La [comparativa DeepSeek V4.1 Flash vs Qwen3.8 27B](https://broadrouter.com/compare/deepseek-v4.1-flash-vs-qwen3.8-27b/) pone a los dos candidatos principales lado a lado. Gemma 4 VL 26B es el modelo de BroadNet más barato por token y funciona con el crédito inicial gratuito.

## ¿Cómo se arma un conjunto de prueba en árabe?

1.  **Reúna 50 entradas reales** de su producto: chats, tickets, documentos. Incluya al menos 10 en cada dialecto en que escriben sus usuarios. Para una prueba solo de dialectos, con un método de etiquetado de intenciones, consulte [cómo manejan los LLM el árabe del Golfo, egipcio y levantino](https://broadrouter.com/es/blog/arabic-llm-gulf-egyptian-dialects/).
2.  **Escriba la respuesta ideal** para 20 de ellas, o pida a un hablante nativo que lo haga.
3.  **Ejecute cada modelo candidato** con las 50 y el mismo prompt de sistema. Indique en el prompt el dialecto y el registro que quiere: «Responda en árabe estándar moderno claro, amable y breve».
4.  **Califique las salidas a ciegas** de 1 a 5 en corrección y naturalidad. Que la calificación la haga un hablante nativo.
5.  **Compruebe el costo con texto real.** Lea `prompt_tokens` y `completion_tokens` del bloque usage en lugar de estimar a partir del número de palabras.

Como la API es compatible con OpenAI, cambiar de modelo es cambiar una línea, el campo `model`. Consulte el [checklist de migración a una API compatible con OpenAI](https://broadrouter.com/es/blog/openai-compatible-api-migration-checklist/).

## ¿Cómo debe calificar las salidas?

| Criterio | Puntuación 1 | Puntuación 5 |
| --- | --- | --- |
| Intención entendida | Malinterpreta el dialecto | Correcta, incluida la jerga |
| Gramática y fluidez | Errores o concordancia rota | Se lee como un escritor nativo |
| Registro | Dialecto equivocado o demasiado formal | Exactamente lo que pidió el prompt |
| Datos, nombres, números | Cambiados o inventados | Exactos |
| Escritura | Transliteración latina o mezcla | Alfabeto árabe en todo el texto |

Promedie por tarea, no en general. Un modelo con 4.5 en redacción y 2 en dialecto es una elección distinta de uno con 3.5 en ambas.

## ¿El prompt de sistema cambia el resultado?

Sí, lo bastante como para cambiar la clasificación. Use el mismo prompt de sistema para todos los candidatos, e indique el dialecto que espera, el registro que quiere en la respuesta y cómo tratar los números y los nombres en inglés. [Ingeniería de prompts en árabe](https://broadrouter.com/es/blog/arabic-prompt-engineering/) tiene una plantilla completa. Mantenga ese prompt idéntico entre llamadas para que pueda leerse desde la caché en los modelos con precio de [entrada en caché](https://broadrouter.com/es/blog/cached-input-tokens-explained/).

## ¿Por qué el árabe cuesta más tokens que el inglés?

El texto árabe suele dividirse en más [tokens](https://broadrouter.com/es/glossary/token/) por palabra que el inglés, y la proporción cambia entre modelos. Dos modelos con el mismo precio por token pueden tener costos distintos por mensaje en árabe. Pegue una muestra de su texto real en el [contador de tokens en árabe](https://broadrouter.com/tools/arabic-token-counter/), confírmelo luego con `prompt_tokens` de una solicitud real en cada candidato y proyecte la factura mensual con la [calculadora de costo de API de LLM](https://broadrouter.com/tools/llm-api-cost-calculator/). Cómo medir su propia proporción se explica en [tokens por palabra en árabe frente a inglés](https://broadrouter.com/es/blog/tokens-per-word-arabic-english/). Para ver qué supone esto en la factura de cada modelo y proveedor, consulte nuestro [conjunto de datos de costo real por idioma](https://broadrouter.com/data/real-cost-by-language/), que calcula el precio de 1M de caracteres de árabe, sus dialectos y otros idiomas con el tokenizador de cada modelo.

## ¿Puede un LLM leer facturas e imágenes en árabe?

Para facturas, recibos y formularios, envíe la foto a un [modelo de visión y lenguaje](https://broadrouter.com/es/glossary/vision-language-model/) y pida JSON. La [guía de facturas en árabe](https://broadrouter.com/es/guides/read-arabic-invoices-with-vision/) tiene código funcional, y [OCR árabe frente a LLM de visión](https://broadrouter.com/es/blog/arabic-ocr-vision-llm/) explica cuándo el OCR clásico sigue siendo la mejor herramienta. Revise los números con cuidado: en los recibos del Golfo aparecen tanto cifras arábigo-orientales (٠١٢٣) como occidentales (0123).

## ¿Y las notas de voz y llamadas en árabe?

Para notas de voz y llamadas, transcriba primero con un modelo de voz a texto en árabe y luego envíe el texto al LLM. BroadNet Transcribe Arabic cuesta $0.0042 por minuto de audio. [Cómo elegir una API de voz a texto en árabe](https://broadrouter.com/es/blog/arabic-speech-to-text-api-buyers-guide/).

## ¿Por qué algunas respuestas en árabe llegan vacías?

DeepSeek V4.1 Flash y Qwen3.8 27B razonan antes de responder, y esos [tokens de razonamiento](https://broadrouter.com/es/glossary/reasoning-tokens/) cuentan dentro de `max_tokens`. Las respuestas en árabe pueden ser largas, así que deje margen, o la respuesta visible llegará vacía. [Por qué ocurre y cómo solucionarlo](https://broadrouter.com/es/guides/reasoning-tokens-empty-response/).

## ¿Qué errores debe evitar?

-   **Calificar con hablantes no nativos.** Los problemas de fluidez son invisibles para quien aprende el idioma.
-   **Mezclar dialectos en una sola puntuación.** Mantenga separados los resultados del Golfo, egipcio y levantino.
-   **Confiar en conjuntos de prueba traducidos.** El texto traducido del inglés no se lee como el de usuarios árabes reales.
-   **Olvidar la visualización de derecha a izquierda.** Las líneas que mezclan árabe e inglés pueden mostrarse desordenadas en su interfaz. Pruebe la visualización, no solo el texto.

## Dónde encaja BroadNet Inference

BroadNet ofrece un modelo de chat probado en árabe, dos alternativas más baratas o ilimitadas, y voz a texto en árabe con una sola clave compatible con OpenAI, sin conservar contenido. No publica puntuaciones de benchmarks en árabe para sus modelos de chat más allá de sus propias pruebas, así que ejecute el conjunto de prueba anterior antes de comprometerse. Si un modelo de otro proveedor gana en su dialecto, ese resultado importa más que cualquier catálogo.

Herramientas gratuitas sobre este tema (en inglés)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[Herramientas gratuitas (en inglés)](https://broadrouter.com/tools/)

## Términos de este artículo

[Token](https://broadrouter.com/es/glossary/token/)

Un token es la unidad de texto que un modelo de lenguaje lee y escribe: una palabra, parte de una palabra, un signo de puntuación o una secuencia de bytes producida por el tokenizador del modelo. Las APIs de LLM cuentan, limitan y normalmente facturan el uso en tokens.

[Árabe estándar moderno (MSA, fusha)](https://broadrouter.com/es/glossary/msa/)

El árabe estándar moderno (MSA) es la forma estandarizada del árabe que se usa en la escritura, las noticias, la educación y el habla formal en todo el mundo árabe. No es la lengua materna cotidiana de nadie: la gente habla dialectos regionales, como el egipcio o el del Golfo, y cambia al MSA en contextos formales.

[Voz a texto (speech-to-text)](https://broadrouter.com/es/glossary/speech-to-text/)

La conversión de voz a texto, o reconocimiento automático del habla (ASR), transforma audio hablado en texto escrito. Una API de voz a texto recibe un archivo o stream de audio y devuelve una transcripción, normalmente cobrada por minuto. La precisión se mide con la tasa de error por palabra y varía según el acento, el dialecto y la grabación.

[Licencia de modelo (model license)](https://broadrouter.com/es/glossary/model-license/)

La licencia de un modelo son los términos legales bajo los que se pueden usar, modificar y compartir sus pesos, su código y sus salidas. Los modelos de pesos abiertos usan licencias de software estándar como Apache 2.0 o MIT, o licencias propias que pueden añadir condiciones, como límites a grandes servicios comerciales.

[Llamadas a herramientas (tool calling)](https://broadrouter.com/es/glossary/tool-calling/)

Las llamadas a herramientas (tool calling), también llamadas function calling, son una función de las APIs de LLM en la que el modelo devuelve una solicitud estructurada para ejecutar una función definida por el desarrollador, con argumentos JSON. La aplicación ejecuta la función y devuelve el resultado; el modelo nunca ejecuta código.

[Prompt de sistema (system prompt)](https://broadrouter.com/es/glossary/system-prompt/)

Un prompt de sistema es el texto de instrucciones que una aplicación envía a un modelo de lenguaje antes de la conversación, normalmente como mensaje con el rol system o developer. Define el rol, las reglas, el tono y el formato de salida del modelo, que debe priorizarlo sobre mensajes del usuario que lo contradigan.

[API compatible con OpenAI](https://broadrouter.com/es/glossary/openai-compatible-api/)

Una API compatible con OpenAI es una API HTTP que acepta los mismos formatos de solicitud y respuesta que la API de OpenAI, como POST /v1/chat/completions, de modo que los SDKs y herramientas de OpenAI pueden usarla cambiando solo la URL base, la clave de API y el nombre del modelo.

[Proveedor de inferencia (inference provider)](https://broadrouter.com/es/glossary/inference-provider/)

Un proveedor de inferencia es una empresa que ejecuta modelos de aprendizaje automático, a menudo LLMs de pesos abiertos, en GPUs propias, arrendadas o alquiladas, y vende el acceso mediante una API, normalmente con precio por token, por solicitud o por unidad de tiempo. Se encarga del servicio, el escalado y el hardware.

## Preguntas frecuentes

### ¿Qué modelo de BroadNet es mejor para árabe?

BroadNet probó Qwen3.8 27B en árabe y reporta redacción fluida, comprensión de los dialectos del Golfo y egipcio, y traducción precisa entre árabe e inglés. Pruébelo, junto con DeepSeek V4.1 Flash, con sus propios prompts.

### ¿Cuál es el mejor LLM para árabe?

Depende de la tarea y del dialecto. Use tablas públicas como el Open Arabic LLM Leaderboard o BALSAM para hacer una preselección, y luego califique a los preseleccionados con 50 entradas propias y un hablante nativo. Un modelo que lidera un benchmark puede sonar rígido en su dialecto.

### ¿Puede un LLM leer documentos e imágenes en árabe?

Los modelos de visión como Qwen3.8 27B, DeepSeek V4.1 Flash y BroadNet Gemma 4 VL 26B aceptan imágenes, así que pueden leer fotos de facturas, recibos y formularios en árabe y devolver JSON.

### ¿Qué API de LLM son compatibles con el árabe?

La mayoría de las API de chat generales aceptan árabe, pero la calidad varía según el dialecto. Los modelos centrados en el árabe, como Jais 2, Falcon-H1-Arabic, ALLaM y Fanar, no tenían un precio por token publicado por su fabricante el 14 de noviembre de 2026. Jais 2 es de pesos abiertos para autoalojar, ALLaM se ejecuta en IBM watsonx.ai como despliegue dedicado por hora y Fanar da acceso a la API por solicitud.

### ¿Por qué el texto en árabe cuesta más tokens que el inglés?

Los tokenizadores suelen entrenarse con más inglés que árabe, así que las palabras árabes tienden a dividirse en más tokens. El efecto varía según el modelo, así que compare prompt\_tokens con el mismo texto árabe en cada candidato.

### ¿Puede un LLM responder en dialecto del Golfo o egipcio?

Muchos pueden, pero la calidad varía más que en árabe estándar moderno. Pida el dialecto explícitamente en el prompt de sistema y haga que un hablante nativo califique las respuestas.

## Siga leyendo

-   [PDPL de Arabia Saudita y EAU y API de LLM: checklist de transferencias](https://broadrouter.com/es/blog/saudi-uae-pdpl-llm-api-checklist/)
-   [API de voz a texto en árabe: cómo elegir una en 2026](https://broadrouter.com/es/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Cambiar a una API compatible con OpenAI: lista de verificación](https://broadrouter.com/es/blog/openai-compatible-api-migration-checklist/)
-   [Tokens de entrada en caché: cómo reducir la factura de una API de LLM](https://broadrouter.com/es/blog/cached-input-tokens-explained/)
-   [Añadir diacríticos al texto árabe con un LLM: prompt, controles y DER](https://broadrouter.com/es/blog/arabic-diacritization-llm/)
-   [Corrección gramatical y ortográfica del árabe con un LLM: cómo hacerla](https://broadrouter.com/es/blog/arabic-grammar-spelling-correction-llm/)
-   [Guía: Lea facturas y recibos en árabe con un modelo de visión](https://broadrouter.com/es/guides/read-arabic-invoices-with-vision/)
-   [Guía: API de voz a texto en árabe, paso a paso](https://broadrouter.com/es/guides/arabic-speech-to-text-api/)
-   [Guía: ¿Por qué un modelo de razonamiento devuelve una respuesta vacía?](https://broadrouter.com/es/guides/reasoning-tokens-empty-response/)

Pruébelo con su carga de trabajo real. Las cuentas nuevas empiezan con USD 5 de crédito para Gemma y transcripción. DeepSeek, GLM y Qwen3.8 requieren una recarga.

[Comenzar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-choosing-an-llm-for-arabic&utm_content=page-cta) ·

**Fuentes**

-   [Página de precios de BroadNet Inference, nota «Tested in Arabic» de Qwen3.8 27B (consultada el 2026-11-14)](https://inference.broadnet.ai/es/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-choosing-an-llm-for-arabic&utm_content=sources)
-   [Precios de BroadNet Inference legibles por máquina, pricing.json (consultado el 2026-11-14) (en inglés)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-choosing-an-llm-for-arabic&utm_content=sources)
-   [Referencia de la API de BroadNet Inference (consultada el 2026-11-14) (en inglés)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-choosing-an-llm-for-arabic&utm_content=sources)
-   [Open Arabic LLM Leaderboard (OALL) en Hugging Face (consultado el 2026-11-14)](https://huggingface.co/spaces/OALL/Open-Arabic-LLM-Leaderboard)
-   [BALSAM: A Platform for Benchmarking Arabic Large Language Models (arXiv 2507.22603; consultado el 2026-11-14)](https://arxiv.org/abs/2507.22603)
-   [Hugging Face, ficha del modelo inceptionai/Jais-2-70B-Chat: Apache 2.0, contexto de 8,192, sin Inference Provider (consultada el 2026-11-14)](https://huggingface.co/inceptionai/Jais-2-70B-Chat)
-   [Changelog de GitHub, modelos obsoletos en GitHub Models: Jais-30b-chat retirado (31 de octubre de 2025; consultado el 2026-11-14)](https://github.blog/changelog/2025-10-31-deprecated-models-in-github-models)
-   [Blog de Hugging Face, Introducing Falcon-H1-Arabic (5 de enero de 2026; consultado el 2026-11-14)](https://huggingface.co/blog/tiiuae/falcon-h1-arabic)
-   [IBM watsonx.ai, modelos fundacionales compatibles: allam-1-13b-instruct con despliegue bajo demanda (consultado el 2026-11-14)](https://www.ibm.com/docs/en/SSYOK8/wsj/analyze-data/fm-models.html)
-   [IBM watsonx.ai, detalles de facturación de recursos de IA generativa: despliegue bajo demanda facturado por hora (consultado el 2026-11-14)](https://www.ibm.com/docs/en/SSYOK8/wsj/getting-started/wxai-runtime-plans-genai.html)
-   [Hugging Face, ficha del modelo humain-ai/ALLaM-7B-Instruct-preview: Apache 2.0 (consultada el 2026-11-14)](https://huggingface.co/humain-ai/ALLaM-7B-Instruct-preview)
-   [Fanar, plataforma de IA en árabe de QCRI: acceso a la API por solicitud (consultado el 2026-11-14)](https://fanar.qa/en)
