BroadRouter

अरबी के लिए LLM API कैसे चुनें: क्या-क्या टेस्ट करें

BroadNet Inference टीम · 7 मिनट में पढ़ें · प्रकाशित

अरबी के लिए LLM अपने ही कामों पर टेस्ट करके चुनें: खाड़ी, मिस्री और लेवेंटाइन बोलियाँ समझना, धाराप्रवाह मानक आधुनिक अरबी लिखना, अरबी और अंग्रेज़ी के बीच अनुवाद, और अरबी दस्तावेज़ पढ़ना। BroadNet के टेस्ट में Qwen3.8 27B ने धाराप्रवाह अरबी लिखी और खाड़ी और मिस्री बोलियाँ समझीं। इसकी कीमत $0.175 प्रति 1M इनपुट टोकन है।

अरबी के लिए LLM API चुनने के लिए हर उम्मीदवार को उन कामों पर टेस्ट करें जो आपका प्रोडक्ट करता है: आपके यूज़र्स की बोलियाँ समझना, स्वाभाविक मानक आधुनिक अरबी लिखना, अनुवाद करना, और अरबी दस्तावेज़ पढ़ना। हर काम को किसी मूल वक्ता के साथ अलग स्कोर करें। “अरबी का समर्थन” का मतलब धाराप्रवाह खाड़ी बोली से लेकर अनुवाद जैसा लगने वाला अटपटा टेक्स्ट तक कुछ भी हो सकता है।

कौन-से अरबी काम टेस्ट करें?

काम उदाहरण क्या जाँचें
बोली समझना एक सऊदी ग्राहक ख़लीजी में टाइप करता है क्या यह सिर्फ़ शब्द नहीं, इरादा समझता है?
अरबी लिखना साफ़ मानक आधुनिक अरबी में जवाब धाराप्रवाहता, व्याकरण, स्वाभाविक लहजा, सही register
अनुवाद अरबी ↔ अंग्रेज़ी कॉन्ट्रैक्ट या सपोर्ट टिकट नामों, संख्याओं और क़ानूनी शब्दों की सटीकता
दस्तावेज़ पढ़ना अरबी इनवॉइस की फ़ोटो कुल राशि, तारीख़ें और विक्रेता सही निकाले गए
स्पीच सुनना वॉइस नोट, कॉल यह speech-to-text मॉडल का काम है, LLM का नहीं; नीचे देखें

एक मॉडल एक काम में मज़बूत और दूसरे में कमज़ोर हो सकता है। हर काम अलग स्कोर करें।

सार्वजनिक अरबी leaderboards आपको क्या बताते हैं?

कई सार्वजनिक leaderboards मॉडलों को अरबी में रैंक करते हैं। Hugging Face पर Open Arabic LLM Leaderboard एक है। BALSAM 14 श्रेणियों में 78 कामों वाला community benchmark और blind मूल्यांकन का प्लेटफ़ॉर्म है; इसके लेखक लिखते हैं कि अरबी में LLM का प्रदर्शन अंग्रेज़ी में दिखी प्रगति से पीछे है।

इनसे शॉर्टलिस्ट बनाएँ, अंतिम चुनाव नहीं। benchmarks ज़्यादातर बहुविकल्पीय सवाल और मानक काम होते हैं। वे शायद ही कभी खाड़ी के ग्राहक संदेश, आपके ब्रांड का लहजा, या मुड़ी-तुड़ी रसीद की फ़ोटो टेस्ट करते हैं। आपके यूज़र्स इन्हीं चीज़ों पर ध्यान देते हैं।

कौन-से LLM API अरबी का समर्थन करते हैं?

लगभग हर आम चैट API अरबी टेक्स्ट स्वीकार करता है, इसलिए काम का सवाल यह है कि वह आपकी बोलियों को कितना अच्छा संभालता है, और क्या आप अरबी-प्रथम मॉडलों को कॉल भी कर सकते हैं। लोग जिन चार अरबी-प्रथम परिवारों के बारे में पूछते हैं, उन्हें हमने 14 नवंबर 2026 को जाँचा। किसी के निर्माता ने प्रति-टोकन API कीमत प्रकाशित नहीं की थी:

मॉडल परिवार किसने बनाया आप इसे कैसे चला सकते हैं (14 नवंबर 2026 को जाँचा गया) कीमत
Jais 2 (8B, 70B chat) MBZUAI, Inception और Cerebras Hugging Face पर Apache 2.0 के तहत open weights, 8,192-टोकन कॉन्टेक्स्ट। 70B का model card कहता है कि कोई Inference Provider इसे deploy नहीं करता। पुराना Jais-30b-chat 31 अक्टूबर 2025 को GitHub Models से हटा दिया गया। कोई प्रकाशित नहीं; आप अपने GPUs का भुगतान करते हैं
Falcon-H1-Arabic (3B, 7B, 34B) Technology Innovation Institute (TII) 5 जनवरी 2026 को 128K (3B) या 256K (7B, 34B) कॉन्टेक्स्ट के साथ घोषित। लॉन्च पोस्ट एक वेब चैट डेमो से लिंक करती है; इसमें न कोई होस्टेड API है, न weights डाउनलोड। कोई प्रकाशित नहीं
ALLaM (allam-1-13b-instruct) Saudi Data and Artificial Intelligence Authority (SDAIA); 7B preview HUMAIN प्रकाशित करता है IBM watsonx.ai पर 4,096-टोकन विंडो (इनपुट और आउटपुट मिलाकर) वाले deploy-on-demand मॉडल के रूप में। ALLaM-7B-Instruct-preview Hugging Face पर Apache 2.0 के तहत ओपन है। watsonx.ai deploy-on-demand मॉडलों का बिल प्रति घंटा बनाता है, प्रति टोकन नहीं
Fanar Qatar Computing Research Institute (QCRI) Fanar कहता है कि वह “provides an API for developers” (अनुवाद: डेवलपरों के लिए API देता है); एक्सेस api.fanar.qa पर अनुरोध फ़ॉर्म से कोई प्रकाशित नहीं

तो अगर आपको OpenAI-compatible API से प्रति-टोकन भुगतान वाली अरबी चाहिए, तो आप आमतौर पर कोई मज़बूत बहुभाषी मॉडल इस्तेमाल करेंगे, जैसे नीचे वाले, और उसे अपनी बोलियों पर टेस्ट करेंगे। अगर आपको कोई ख़ास अरबी-प्रथम मॉडल चाहिए, तो उसे self-host करने, dedicated deployment किराए पर लेने, या Fanar API एक्सेस का अनुरोध करने की योजना बनाएँ; self-hosting बनाम API लागत पोस्ट break-even का हिसाब दिखाती है।

BroadNet के कौन-से मॉडल अरबी संभाल सकते हैं?

BroadNet अपने कीमतों के पेज पर अपनी अरबी जाँच प्रकाशित करता है। Qwen3.8 27B के लिए यह धाराप्रवाह अरबी लेखन, खाड़ी और मिस्री बोलियों की समझ और सटीक अरबी–अंग्रेज़ी अनुवाद रिपोर्ट करता है। मॉडल टेक्स्ट और इमेज लेता है, tool calling और structured output का समर्थन करता है, और इसका कॉन्टेक्स्ट 262,144 टोकन है।

उसी API पर दूसरे विकल्प:

मॉडल इनपुट / आउटपुट प्रति 1M टोकन कॉन्टेक्स्ट इमेज
Qwen3.8 27B $0.175 / $2.17 262,144 हाँ
DeepSeek V4.1 Flash $0.175 / $0.52 1,048,576 हाँ
BroadNet Gemma 4 VL 26B $0.10 / $0.22 32,768 हाँ

DeepSeek V4.1 Flash एक flat प्लान पर अनलिमिटेड भी उपलब्ध है ($60 प्रति माह प्रति सेशन), जो ज़्यादा वॉल्यूम वाली अरबी चैट और agents के लिए ठीक है। DeepSeek V4.1 Flash बनाम Qwen3.8 27B तुलना दोनों मुख्य उम्मीदवारों को साथ-साथ रखती है। Gemma 4 VL 26B प्रति टोकन BroadNet का सबसे सस्ता मॉडल है और मुफ़्त शुरुआती क्रेडिट पर चलता है।

अरबी टेस्ट सेट कैसे बनाएँ?

  1. अपने प्रोडक्ट से 50 असली इनपुट इकट्ठा करें: चैट, टिकट, दस्तावेज़। आपके यूज़र्स जो भी बोलियाँ लिखते हैं, हर एक के कम से कम 10 शामिल करें। सिर्फ़ बोली वाले टेस्ट के लिए, इरादा-लेबलिंग के तरीक़े के साथ, देखें LLMs खाड़ी, मिस्री और लेवेंटाइन अरबी को कैसे संभालते हैं।
  2. 20 के लिए आदर्श जवाब लिखें, या किसी मूल वक्ता से लिखवाएँ।
  3. हर उम्मीदवार मॉडल को सभी 50 पर एक ही system प्रॉम्प्ट के साथ चलाएँ। प्रॉम्प्ट में अपनी चाही बोली और register बताएँ: “साफ़ मानक आधुनिक अरबी में जवाब दें, दोस्ताना, छोटा।”
  4. आउटपुट को blind रेट करें, सही होने और स्वाभाविकता के लिए 1 से 5। रेटिंग किसी मूल वक्ता से कराएँ।
  5. असली टेक्स्ट पर लागत जाँचें। शब्द गिनती से अनुमान लगाने के बजाय usage block से prompt_tokens और completion_tokens पढ़ें।

API OpenAI-compatible है, इसलिए मॉडल बदलना model फ़ील्ड में एक लाइन का बदलाव है। OpenAI-compatible migration चेकलिस्ट देखें।

आउटपुट को कैसे स्कोर करें?

मानदंड स्कोर 1 स्कोर 5
इरादा समझा बोली ग़लत पढ़ता है सही, slang समेत
व्याकरण और धाराप्रवाहता ग़लतियाँ या टूटा हुआ मेल मूल लेखक जैसा पढ़ता है
Register ग़लत बोली या ज़रूरत से ज़्यादा औपचारिक ठीक वही जो प्रॉम्प्ट ने माँगा
तथ्य, नाम, संख्याएँ बदले या गढ़े हुए बिल्कुल सही
लिपि लैटिन लिप्यंतरण या मिली-जुली पूरी तरह अरबी लिपि

औसत हर काम का निकालें, कुल नहीं। लेखन पर 4.5 और बोली पर 2 स्कोर करने वाला मॉडल, दोनों पर 3.5 स्कोर करने वाले से अलग चुनाव है।

क्या system प्रॉम्प्ट नतीजा बदलता है?

हाँ, रैंकिंग बदलने लायक। हर उम्मीदवार के लिए एक ही system प्रॉम्प्ट इस्तेमाल करें, और बताएँ कि आप कौन-सी बोली की उम्मीद करते हैं, जवाब किस register में चाहिए, और संख्याओं और अंग्रेज़ी नामों के साथ क्या करना है। अरबी प्रॉम्प्ट इंजीनियरिंग में पूरा template है। उस प्रॉम्प्ट को सभी कॉल्स में एक जैसा रखें ताकि cached इनपुट कीमत वाले मॉडलों पर वह cache से पढ़ा जा सके।

अरबी में अंग्रेज़ी से ज़्यादा टोकन क्यों लगते हैं?

अरबी टेक्स्ट अक्सर अंग्रेज़ी से प्रति शब्द ज़्यादा टोकन में टूटता है, और यह अनुपात मॉडलों के बीच अलग होता है। प्रति टोकन एक ही कीमत वाले दो मॉडलों की प्रति अरबी संदेश लागत अलग हो सकती है। अपने असली टेक्स्ट का नमूना अरबी टोकन काउंटर में पेस्ट करें, फिर हर उम्मीदवार पर लाइव अनुरोध के prompt_tokens से पुष्टि करें और LLM API लागत कैलकुलेटर से मासिक बिल का अनुमान लगाएँ। अपना अनुपात कैसे मापें, यह अरबी बनाम अंग्रेज़ी में प्रति शब्द टोकन में है। हर मॉडल और प्रोवाइडर पर बिल पर इसका क्या असर होता है, इसके लिए हमारा भाषा के हिसाब से असली लागत डेटासेट देखें, जो हर मॉडल के अपने tokenizer से अरबी, उसकी बोलियों और दूसरी भाषाओं के 10 लाख (1M) कैरेक्टर की कीमत निकालता है।

क्या LLM अरबी इनवॉइस और इमेज पढ़ सकता है?

इनवॉइस, रसीदों और फ़ॉर्म के लिए फ़ोटो किसी vision-language मॉडल को भेजें और JSON माँगें। अरबी इनवॉइस गाइड में चलने वाला कोड है, और अरबी OCR बनाम vision LLMs बताती है कि क्लासिक OCR कब अब भी बेहतर टूल है। संख्याएँ ध्यान से जाँचें: खाड़ी की रसीदों पर पूर्वी अरबी अंक (٠١٢٣) और पश्चिमी अंक (0123) दोनों दिखते हैं।

अरबी वॉइस नोट और कॉल का क्या?

वॉइस नोट और कॉल के लिए पहले किसी अरबी speech-to-text मॉडल से ट्रांसक्राइब करें, फिर टेक्स्ट LLM को भेजें। BroadNet Transcribe Arabic की कीमत $0.0042 प्रति ऑडियो मिनट है। अरबी speech-to-text API कैसे चुनें।

कुछ अरबी जवाब ख़ाली क्यों लौटते हैं?

DeepSeek V4.1 Flash और Qwen3.8 27B जवाब देने से पहले reasoning करते हैं, और वे reasoning टोकन max_tokens में गिने जाते हैं। अरबी जवाब लंबे हो सकते हैं, इसलिए जगह छोड़ें, वरना दिखने वाला जवाब ख़ाली लौटता है। ऐसा क्यों होता है और इसे कैसे ठीक करें।

किन ग़लतियों से बचें?

  • ग़ैर-मूल वक्ताओं से रेटिंग। धाराप्रवाहता की समस्याएँ सीखने वालों को नहीं दिखतीं।
  • एक स्कोर में बोलियाँ मिलाना। खाड़ी, मिस्री और लेवेंटाइन के नतीजे अलग रखें।
  • अनूदित टेस्ट सेटों पर भरोसा। अंग्रेज़ी से अनूदित टेक्स्ट असली अरबी यूज़र्स जैसा नहीं पढ़ता।
  • दाएँ-से-बाएँ डिस्प्ले भूल जाना। मिली-जुली अरबी और अंग्रेज़ी लाइनें आपके UI में ग़लत क्रम में दिख सकती हैं। सिर्फ़ टेक्स्ट नहीं, डिस्प्ले भी टेस्ट करें।

BroadNet Inference कहाँ फ़िट होता है

BroadNet एक ही OpenAI-compatible API key पर अरबी में टेस्ट किया गया एक चैट मॉडल, दो सस्ते या अनलिमिटेड विकल्प, और अरबी speech to text देता है, बिना कोई कंटेंट रखे। यह अपने चैट मॉडलों के लिए अपने टेस्ट से आगे कोई अरबी benchmark स्कोर प्रकाशित नहीं करता, इसलिए प्रतिबद्ध होने से पहले ऊपर वाला टेस्ट सेट चलाएँ। अगर कहीं और का कोई मॉडल आपकी बोली पर जीतता है, तो वह नतीजा किसी भी कैटलॉग से ज़्यादा मायने रखता है।

अक्सर पूछे जाने वाले सवाल

अरबी के लिए BroadNet का कौन-सा मॉडल सबसे अच्छा है?

BroadNet ने Qwen3.8 27B को अरबी में टेस्ट किया और धाराप्रवाह लेखन, खाड़ी और मिस्री बोलियों की समझ और सटीक अरबी–अंग्रेज़ी अनुवाद रिपोर्ट किया। इसे और DeepSeek V4.1 Flash को अपने प्रॉम्प्ट पर टेस्ट करें।

अरबी के लिए सबसे अच्छा LLM कौन-सा है?

यह काम और बोली पर निर्भर है। शॉर्टलिस्ट के लिए Open Arabic LLM Leaderboard या BALSAM जैसे सार्वजनिक leaderboards इस्तेमाल करें, फिर किसी मूल वक्ता के साथ अपने 50 इनपुट पर शॉर्टलिस्ट को रेट करें। benchmark में आगे रहने वाला मॉडल भी आपकी बोली में अटपटा लग सकता है।

क्या LLM अरबी दस्तावेज़ और इमेज पढ़ सकता है?

Qwen3.8 27B, DeepSeek V4.1 Flash और BroadNet Gemma 4 VL 26B जैसे vision मॉडल इमेज स्वीकार करते हैं, इसलिए वे अरबी इनवॉइस, रसीदों और फ़ॉर्म की फ़ोटो पढ़कर JSON लौटा सकते हैं।

कौन-से LLM API अरबी का समर्थन करते हैं?

ज़्यादातर आम चैट API अरबी स्वीकार करते हैं, लेकिन गुणवत्ता बोली के हिसाब से बदलती है। Jais 2, Falcon-H1-Arabic, ALLaM और Fanar जैसे अरबी-प्रथम मॉडलों की 14 नवंबर 2026 को निर्माता द्वारा प्रकाशित कोई प्रति-टोकन API कीमत नहीं थी। Jais 2 self-host करने के लिए open weights है, ALLaM IBM watsonx.ai पर प्रति घंटा dedicated deployment के रूप में चलता है, और Fanar अनुरोध पर API एक्सेस देता है।

अरबी टेक्स्ट में अंग्रेज़ी से ज़्यादा टोकन क्यों लगते हैं?

tokenizers अक्सर अरबी से ज़्यादा अंग्रेज़ी पर ट्रेन होते हैं, इसलिए अरबी शब्द ज़्यादा टोकन में टूटते हैं। असर मॉडल के हिसाब से बदलता है, इसलिए हर उम्मीदवार के लिए एक ही अरबी टेक्स्ट पर prompt_tokens की तुलना करें।

क्या LLM खाड़ी या मिस्री बोली में जवाब दे सकता है?

कई दे सकते हैं, लेकिन गुणवत्ता मानक आधुनिक अरबी से ज़्यादा बदलती है। system प्रॉम्प्ट में बोली साफ़ माँगें और किसी मूल वक्ता से जवाबों को रेट कराएँ।

Markdown में पढ़ेंChatGPT से पूछेंClaude से पूछेंPerplexity से पूछें

स्रोत