Os LLMs normalmente entendem o árabe do Golfo e o egípcio melhor do que os escrevem, e se saem pior em dialetos mais raros. Um cliente em Riad, um no Cairo e um em Beirute podem perguntar “o que você quer?” com três frases diferentes, e um modelo que lida bem com o árabe padrão moderno (MSA) ainda pode entendê-los errado. Teste compreensão e escrita separadamente.
Este post mostra o que muda entre os grandes grupos de dialetos, onde os LLMs costumam errar e como testar um modelo antes de confiar clientes reais a ele.
Quão diferentes os dialetos são, de verdade?
Muito nas palavras do dia a dia, bem mais próximos no vocabulário formal. Os corpora de pesquisa dão a escala: o corpus MADAR traduziu as mesmas frases de viagem para os dialetos de 25 cidades árabes. A tabela mostra algumas frases comuns. A coluna MSA é o que um livro didático imprimiria; as outras são formas típicas faladas e escritas em mensagens. A grafia varia de pessoa para pessoa, o que faz parte do problema.
| Significado | MSA | Golfo (saudita / emiradense) | Egípcio | Levantino |
|---|---|---|---|---|
| O que você quer? | ماذا تريد؟ | وش تبي؟ / شو تبي؟ | عايز إيه؟ | شو بدّك؟ |
| Como vai? | كيف حالك؟ | شلونك؟ | إزيك؟ | كيفك؟ |
| agora | الآن | الحين | دلوقتي | هلّق |
| Não sei | لا أعرف | ما أدري | مش عارف | ما بعرف |
| muito | جداً | وايد | أوي | كتير |
Três padrões importam para os LLMs:
- As palavras funcionais mudam. Palavras interrogativas, negação e “querer” são totalmente diferentes entre os dialetos. São palavras curtas e frequentes que decidem o sentido da frase, então ler uma errado inverte a intenção.
- A grafia não é padronizada. Os dialetos são sobretudo falados, então as pessoas os escrevem como soam. A mesma palavra pode aparecer com letras diferentes, com ou sem hamza, ou em alfabeto latino (Arabizi).
- O code-switching é normal. Mensagens de negócios no Golfo misturam nomes de produtos em inglês; falantes levantinos e magrebinos misturam francês. Um modelo precisa lidar com os dois alfabetos na mesma frase.
Onde os LLMs erram com dialetos árabes?
Os modelos aprendem com o texto que veem, e existe muito menos texto público em dialetos menores, como o emiradense ou o sudanês, do que em árabe padrão moderno. Na prática isso aparece como alguns erros recorrentes:
- Ler uma palavra dialetal como outra palavra do MSA. No Golfo, “أبي” (eu quero) parece o MSA “أبي” (meu pai). O contexto normalmente resolve, mas modelos pequenos às vezes não.
- Responder à intenção errada. Uma reclamação curta em egípcio como “الطلب لسه موصلش” (o pedido ainda não chegou) exige que o modelo saiba que “لسه” significa “ainda” e que “موصلش” é um verbo negado.
- Escrever um dialeto misturado. Quando pedimos uma resposta “em árabe do Golfo”, modelos mais fracos produzem uma mistura de egípcio, levantino e MSA que nenhum nativo escreveria. Isso é mais comum que entender errado.
- Corrigir demais. Alguns modelos “consertam” o dialeto do cliente para MSA quando você pediu para citá-lo, o que quebra tarefas de extração.
A regra geral: os modelos entendem dialetos melhor do que os escrevem. Planeje seu produto em torno disso.
O que a BroadNet testou em dialetos árabes?
A BroadNet publica a própria checagem de árabe na página de preços dela. Para o Qwen3.8 27B, ela informa:
- escrita fluente em árabe,
- dialetos do Golfo e egípcio compreendidos,
- tradução árabe–inglês precisa.
É o que a BroadNet afirma, e nada mais. Ela não publica resultado para levantino, iraquiano ou magrebino, nem uma pontuação de escrita em dialeto. Se clientes levantinos importam para você, teste-os você mesmo com o método abaixo.
O Qwen3.8 27B aceita texto e imagens, suporta ferramentas e saída estruturada, raciocina antes de responder e tem contexto de 262.144 tokens. Por 1M de tokens, custa $0.175 de input e $2.17 de output. Compare os outros modelos de chat na página de preços e veja como escolher uma API de LLM para árabe para o checklist mais amplo, que também cobre escrita, tradução e documentos.
Como escrever o prompt para um dialeto específico?
Diga qual dialeto você espera, em qual quer a resposta e quão formal ela deve ser. Um system prompt que funciona bem para a caixa de entrada de um varejo saudita:
import os
from openai import OpenAI
client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
system = (
"You are a customer-service assistant for a Saudi online store. "
"Customers write in Gulf Arabic (often Saudi), MSA, English or Arabizi. "
"Understand all of them. Reply in simple, polite Modern Standard Arabic, "
"in two or three short sentences. If the customer writes in English, reply in English. "
"Never invent order details."
)
response = client.chat.completions.create(
model="broadnet/qwen3.8-27b",
max_tokens=2000, # the model reasons first; leave room for the answer
messages=[
{"role": "system", "content": system},
{"role": "user", "content": "السلام عليكم، طلبي للحين ما وصل، وش السالفة؟"},
],
)
print(response.choices[0].message.content)
A mensagem do cliente está em árabe do Golfo: “Olá, meu pedido ainda não chegou, o que está acontecendo?” As palavras “للحين” (ainda) e “وش السالفة” (qual é a história / o que está acontecendo) são formas do Golfo. Uma boa resposta reconhece o atraso em MSA e pede o número do pedido.
Mais alguns hábitos de prompt que ajudam:
- Diga o país, não só a região. “Árabe do Golfo” abrange a fala saudita, emiradense, kuwaitiana, catariana, bareinita e omanense, que são diferentes. Se você conhece o mercado, diga.
- Peça um rótulo de dialeto em tarefas de extração. Para roteamento ou análise, faça o modelo retornar
{"dialect": "gulf" | "egyptian" | "levantine" | "msa" | "other", "intent": ...}usando saída estruturada. É um jeito barato de descobrir quem são seus clientes. - Mantenha as instruções em um só idioma. Instruções em inglês com conteúdo em árabe funcionam bem na maioria dos modelos. Instruções em árabe também funcionam; misturar os dois no mesmo system prompt tende a borrar o registro. Mais sobre isso em engenharia de prompt em árabe.
Vale a pena responder em dialeto?
Para a maioria das empresas, não. O MSA simples (às vezes chamado de árabe “branco” ou neutro) é entendido por todo leitor de árabe, passa uma imagem profissional e evita o risco de uma resposta que soe como do país errado. Respostas em dialeto fazem sentido para marcas informais, textos de marketing escritos para um único mercado e produtos de voz em que o MSA soa rígido. Se for por esse caminho, peça a falantes nativos daquele dialeto exato que revisem uma amostra das saídas toda semana.
Como testar o tratamento de dialetos em um dia?
- Reúna mensagens reais. Pegue de 30 a 50 mensagens anonimizadas por dialeto da sua caixa de entrada, dos logs de chat ou de áudios transcritos. Tire nomes, telefones e números de pedido.
- Rotule a intenção. Para cada mensagem, escreva a intenção correta e os dados que o modelo deve extrair (número do pedido, produto, data).
- Teste a compreensão. Peça a cada modelo candidato que retorne a intenção e os campos em JSON. Conte os acertos exatos. É esse número que decide se o roteamento funciona.
- Teste a escrita. Para dez mensagens por dialeto, peça uma resposta. Peça a um falante nativo que dê nota de 1 a 3 a cada resposta em correção, tom e naturalidade. Não avalie um dialeto que você não fala.
- Confira custo e velocidade. Registre
usage.prompt_tokens,usage.completion_tokense a latência por chamada. Texto em dialeto pode ser tokenizado de forma diferente do MSA, então meça em vez de chutar; o contador gratuito de tokens para árabe dá uma primeira estimativa rápida. - Repita para cada modelo. Rode o mesmo conjunto no Qwen3.8 27B, no DeepSeek V4.1 Flash e no GLM 5.3. Os três usam a mesma API compatível com a OpenAI, então só muda o id do modelo.
Qwen3.8 27B, DeepSeek V4.1 Flash e GLM 5.3 funcionam depois de uma recarga; entre os modelos de chat, o crédito inicial gratuito de $5 só cobre o BroadNet Gemma 4 VL 26B, que vale incluir como referência de baixo custo. Um resultado útil muitas vezes é uma configuração dividida: um modelo para compreensão e roteamento, com as respostas redigidas em MSA.
E o dialeto nos áudios?
Se seus clientes mandam áudios, o tratamento de dialetos começa antes, na fala para texto. Um modelo de transcrição pode entender errado uma palavra dialetal antes mesmo de o LLM vê-la. A BroadNet informa um word error rate em dialeto de 23,4 para o BroadNet Transcribe Arabic, contra 3,8 na fala lida do FLEURS; veja WER em árabe explicado para o que esses números significam. Teste a cadeia inteira, do áudio à resposta, não cada peça isolada.
