“Hangi modeli kullanalım?” ikinci sorudur. İlki şudur: “Ne giriyor ve ne çıkması gerekiyor?” Bir faturanın fotoğrafı, bir müşterinin sesli mesajı ve yazılmış bir soru, her biri farklı türde bir uç noktaya gider ve her uç noktanın kendi modelleri, limitleri ve hata biçimleri vardır. Önce görevi seçin; model listesi iki üç modele iner.
Bu rehber yaygın görevleri girdi türlerine, sonra da BroadNet Inference’ın her biri için belgelediklerine eşliyor. BroadRouter, BroadNet’in kendi sitesidir; aşağıdaki model bilgileri BroadNet’in 15 Kasım 2026’da kontrol edilen fiyat akışından ve API başvurusundan geliyor.
Göreviniz hangi girdi türünü gerektiriyor?
| Göreviniz | Girdi | Çıktı | Uç nokta | BroadNet modelleri |
|---|---|---|---|---|
| Metni yanıtlama, özetleme, sınıflandırma veya çevirme | Metin | Metin | Chat completions | Dört sohbet modelinden herhangi biri |
| Kendi fonksiyonlarınızı veya araçlarınızı çağırma | Metin | Araç çağrıları | Chat completions | GLM 5.3, Qwen3.8 27B (belgelenmiş) |
| Fotoğraf, tarama, ekran görüntüsü veya form okuma | Görsel + metin | Metin veya JSON | Görselli chat completions | DeepSeek V4.1 Flash, Qwen3.8 27B, Gemma 4 VL 26B |
| Bir kaydı veya sesli mesajı metne çevirme | Ses dosyası | Metin | Ses transkripsiyonu | Transcribe Arabic, Transcribe (14 dil) |
| Bir çağrıyı özetleme veya sesli mesajı yanıtlama | Ses dosyası | Metin | Transkripsiyon, ardından sohbet | Her birinden bir model |
| Yanıtı sesli okuma | Metin | Ses | Metinden sese | Sunulmuyor |
| Canlı sesli konuşma yürütme | Ses akışı | Ses | Gerçek zamanlı ses | Sunulmuyor |
| Görsel oluşturma | Metin | Görsel | Görsel üretimi | Sunulmuyor |
| Belgelerde anlamsal arama | Metin | Vektörler | Embedding | Sunulmuyor |
Bu tablodaki “görsel” (vision), görsel anlamadır: model gönderdiğiniz bir görseli okur. Görsel üretmek anlamına gelmez. Farkı görsel dil modeli sözlük maddesi açıklıyor.
Sohbet ile transkripsiyon arasındaki fark nedir?
İkisi, istek biçimleri, faturalama birimleri ve modelleri farklı olan ayrı uç noktalardır.
Sohbet (POST /v1/chat/completions) JSON olarak bir mesaj listesi alır ve metin döndürür. Girdi ve çıktı ayrı ayrı olmak üzere token başına faturalanır ve her modelin, istemi ve yanıtı birlikte tutan bir bağlam penceresi vardır. BroadNet’te dört sohbet modelinden üçü yanıt vermeden önce akıl yürütür ve bu akıl yürütme max_tokens değerine sayılır; pay bırakın (akıl yürütme token’ları ve boş yanıtlar).
Transkripsiyon (POST /v1/audio/transcriptions) bir ses dosyasını multipart yükleme olarak alır ve transkripti döndürür. Ses dakikası başına faturalanır. BroadNet’in belgeleri dosya başına 26.214.400 bayta kadar WAV veya MP3 belirtiyor ve language parametresinin her zaman gönderilmesini söylüyor; aksi hâlde Arapça Latin harflerine çevrilmiş olarak dönebilir.
| Model | Diller | Fiyat |
|---|---|---|
| BroadNet Transcribe Arabic | Arapça: BroadNet’e göre Körfez, Mısır, Levant, Mağrip ve Modern Standart | Dakikası $0.0042 (saatte yaklaşık $0.25) |
| BroadNet Transcribe | İngilizce, İspanyolca, Fransızca, Mandarin ve Arapça dahil 14 dil | Dakikası $0.002 (saatte yaklaşık $0.12) |
BroadNet’te bir sohbet modeli ses almaz, bir transkripsiyon modeli de soruları yanıtlamaz. Metinle yanıt veren bir sesli asistan iki çağrıdır: önce transkripsiyon, sonra sohbet. Kayıtlardan Arapça toplantı tutanağı tam olarak bu zinciri kuruyor.
Hangi modeller görsel kabul ediyor?
Akıştaki kaydı modalities alanında image listeleyenler. 15 Kasım 2026 itibarıyla:
| Model | Girdiler | Bağlam | 1M token başına girdi / çıktı | Erişim |
|---|---|---|---|---|
| DeepSeek V4.1 Flash | Metin, görsel | 1.048.576 | $0.175 / $0.52 | Bakiye yükleme gerekir |
| Qwen3.8 27B | Metin, görsel | 262.144 | $0.175 / $2.17 | Bakiye yükleme gerekir |
| Gemma 4 VL 26B | Metin, görsel | 32.768 | $0.10 / $0.22 | $5 başlangıç kredisi |
| GLM 5.3 | Yalnızca metin | 1.048.576 | $0.78 / $3.46 | Bakiye yükleme gerekir |
Görseli mesaj içeriğinde, doğru MIME türüyle bir data: URL’si olarak gönderin. BroadNet’in belgeleri görselin “only where the model row explicitly says images or vision” (BroadRouter çevirisi: yalnızca model satırında açıkça görsel veya vision yazan yerlerde) sunulduğunu söylüyor. Belgeler kabul edilen görsel formatlarını listelemiyor; kabul etmeyi planladığınız her formatı test edin. Kullandıkça öde anahtarında bir görsel girdi token’ı olarak faturalanır ve büyük bir görsel daha fazlasını kullanır; göndermeden önce yeniden boyutlandırın ve görsel token hesaplayıcısıyla tahmin edin. Uçtan uca belge çıkarma, görsel LLM ile belgelerden veri çıkarma yazısında.
Her girdiyi kodda nasıl yönlendirirsiniz?
Bu fonksiyon uç noktayı dosya türüne göre seçiyor, göndermeden önce belgelenmiş limitleri kontrol ediyor ve görsel destekleyen modellerin listesini koda gömmek yerine canlı akıştan okuyor. Temel URL değiştirildikten sonra BroadNet ile çalışan OpenAI Python SDK’yı kullanıyor (kurulum rehberi).
import base64, json, mimetypes, os, urllib.request
from pathlib import Path
from openai import OpenAI
client = OpenAI(base_url=os.environ.get("BROADNET_BASE_URL", "https://inference.broadnet.ai/v1"),
api_key=os.environ["BROADNET_API_KEY"])
feed = json.load(urllib.request.urlopen("https://inference.broadnet.ai/pricing.json", timeout=30))
live = [m for m in feed["models"] if m.get("status", "live") == "live"]
VISION = {m["id"] for m in live if "image" in m.get("modalities", [])}
AUDIO_TYPES = {"audio/wav", "audio/x-wav", "audio/mpeg"} # WAV or MP3, per the docs
AUDIO_MAX = 26_214_400 # bytes per file, per the docs
IMAGE_TYPES = {"image/jpeg", "image/png", "image/webp"} # your allow-list; test each one
def run(task: str, path: str | None = None, *, chat_model="broadnet/gemma-4-26b-a4b",
stt_model="broadnet/cohere-transcribe-arabic", language="ar") -> str:
kind = mimetypes.guess_type(path)[0] if path else None
if kind is None: # text only
r = client.chat.completions.create(model=chat_model, max_tokens=1500,
messages=[{"role": "user", "content": task}])
return r.choices[0].message.content
if kind in AUDIO_TYPES or kind.startswith("audio/"):
if kind not in AUDIO_TYPES:
raise ValueError(f"{kind}: convert first, e.g. ffmpeg -i in.ogg -ar 16000 -ac 1 out.wav")
if Path(path).stat().st_size > AUDIO_MAX:
raise ValueError("over 26,214,400 bytes: split the audio before sending")
with open(path, "rb") as f: # step 1: speech to text
text = client.audio.transcriptions.create(model=stt_model, file=f, language=language).text
return run(f"{task}\n\nTranscript:\n{text}", chat_model=chat_model) if task else text
if kind in IMAGE_TYPES:
if chat_model not in VISION:
raise ValueError(f"{chat_model} takes no images here; pick one of {sorted(VISION)}")
data = base64.b64encode(Path(path).read_bytes()).decode()
r = client.chat.completions.create(model=chat_model, max_tokens=1500, messages=[{"role": "user",
"content": [{"type": "text", "text": task},
{"type": "image_url", "image_url": {"url": f"data:{kind};base64,{data}"}}]}])
return r.choices[0].message.content
raise ValueError(f"unsupported input type {kind}")
Bunu BROADNET_BASE_URL yerel bir sahte (mock) sunucuyu gösterirken (canlı API çağrısı olmadan) ve canlı fiyat akışıyla test ettik. Metin, bir WAV dosyası, ardından görev verilen bir WAV dosyası ve bir PNG, her biri doğru sahte uç noktaya ulaştı. PNG’yi chat_model="broadnet/glm-5.3" ile göndermek, akıştaki görsel destekli üç kimliği listeleyerek daha istek yapılmadan reddedildi. Bir .ogg dosyası, onu dönüştürecek ffmpeg komutuyla birlikte reddedildi; bu adımı WhatsApp sesli mesajlarını metne çevirme rehberi anlatıyor. Boyut sınırını aşan kayıtların bölünmesi gerekir; ffmpeg komutlarını ses bölücü hazırlıyor.
Belge zaten metinse ne olur?
O zaman resmini göndermeyin. Bir muhasebe sisteminden veya kelime işlemciden dışa aktarılmış bir PDF’te genellikle bir metin katmanı bulunur; bunu bir PDF kitaplığıyla çıkarın ve metni bir sohbet modeline gönderin. Bu, kullandıkça öde anahtarında görselden ucuzdur, yanlış okumaları önler ve GLM 5.3’te de çalışır. Görseli, çıkarılacak metin katmanının olmadığı taramalar, telefon fotoğrafları, el yazısı, kaşeler ve ekran görüntüleri için saklayın.
Belge hattında yararlı bir kural: önce metin çıkarmayı deneyin, gerçek metin döndürüp döndürmediğini kontrol edin (boş sayfalar veya bozuk karakterler değil) ve yalnızca döndürmediğinde görsele geçin. Arapça PDF’lerde çıkarılan metne güvenmeden önce bir örneğini okuyun: PDF’in nasıl üretildiğine bağlı olarak çıkarma işlemi Arapça harfleri yanlış sırayla veya birleşmemiş sunum biçimleriyle (presentation forms) döndürebilir. Görselin daha iyi kaynak olduğu durumları görsel LLM ile Arapça OCR yazısı anlatıyor.
Maliyetler nasıl karşılaştırılır?
Her girdi türü kendi biriminde faturalanır; bu yüzden istek başına değil, görev başına karşılaştırın:
- Metin girdi ve çıktı token’ı başına faturalanır. Arapça, aynı içerik için çoğu zaman İngilizceden daha fazla token gerektirir; bunu Arapça token sayacı ölçüyor.
- Görseller kullandıkça öde modelinde modelin girdi fiyatından girdi token’ıdır; bu yüzden büyük bir fotoğraf bir sayfa metinden pahalı olabilir. DeepSeek oturum planında görseller sabit fiyata dahildir.
- Ses, ne söylendiğinden bağımsız olarak ses dakikası başına faturalanır. BroadNet’te her biri 30 saniyelik 10.000 Arapça sesli mesaj, Arapça modelle yaklaşık $21.00 tutar. Diğer hacimleri konuşmadan metne maliyet hesaplayıcısı hesaplıyor.
Bir zincir, parçalarını toplar: bir sohbet modelinin yanıtladığı sesli mesaj, transkripsiyon dakikalarına ek olarak transkriptin ve yanıtın sohbet token’larına mal olur. Sohbet tarafını LLM API maliyet hesaplayıcısı hesaplıyor.
Ne sunulmuyor ve bunun yerine ne yapmalısınız?
BroadNet’in API başvurusu iki çıkarım uç noktasını belgeliyor: chat completions ve ses transkripsiyonu. Dolayısıyla şunlar yok:
- Metinden sese.
/v1/audio/speechyok. Ürününüzün sesli yanıt vermesi gerekiyorsa BroadNet transkripsiyonunu ve sohbetini ayrı bir TTS hizmetiyle eşleştirin. - Canlı ses. Transkripsiyon canlı bir ses akışı değil, yüklenmiş bir dosya alır. Çağrı ortasında yanıt vermesi gereken bir telefon ajanı için başka bir yerde gerçek zamanlı bir ses yığını gerekir. Dosya tabanlı alternatifi tarayıcıda ses kaydedip metne çevirme yazısı gösteriyor.
- Görsel üretimi. Buradaki görsel yetenek görselleri okur; oluşturmaz.
- Embedding.
/v1/embeddingsyok. Erişim (retrieval) için başka bir sağlayıcıdan veya kendi barındırdığınız bir embedding modeli gerekir; fiyatları embedding maliyet hesaplayıcısı karşılaştırıyor.
BroadNet’in araştırma kataloğu metinden sese, görsel üretimi ve embedding modellerini listeliyor, ancak laboratuvarında kıyaslandı olarak işaretliyor. Bu, API’sinin ne sattığını değil, BroadNet’in neyi test ettiğini kaydediyor; farkı bir model kataloğunu okuma yazısı açıklıyor.
Neden her girdi için ayrı bir değerlendirme seti gerekir?
Çünkü her girdi türü farklı biçimde başarısız olur ve hepsinin ortalaması bu hataları gizler.
- Metin: gerçek kullanıcı mesajlarında, mümkün olduğunda koddaki kontrollerle puanlayın. Yöntem geçiş yapmadan önce LLM değerlendirme yazısında.
- Görseller: gerçek kalitede gerçek fotoğraflar kullanın: açılı çekilmiş telefon fotoğrafları, solmuş fişler, metnin üzerindeki kaşeler. Her alanı ayrı puanlayın. Temiz bir PDF çıktısı, kullanıcılarınızın göndereceği fotoğraflardan çok daha yüksek puan alır.
- Konuşma: kendi kayıtlarınızda lehçeye, konuşmacıya ve hat kalitesine göre ayırarak kelime hata oranını ölçün ve önemli kelimeleri (adlar, sayılar, tutarlar) ayrıca kontrol edin. Bkz. Arapça ASR’de WER.
- Zincirler: konuşma bir sohbet modelini beslediğinde iki adımı da ve nihai sonucu da puanlayın. Yanlış duyulan bir sayı kendinden emin, yanlış bir yanıta dönüşür ve bunun ne sıklıkla olduğunu yalnızca uçtan uca bir test gösterir.
Setleri ayrı tutun, sürümleyin ve bir modeli veya istemi her değiştirdiğinizde ilgili seti yeniden çalıştırın.
BroadNet Inference’ın yeri
BroadNet Inference, görev tablosunun ilk beş satırını tek bir anahtar ve tek bir temel URL ile karşılıyor: metin sohbeti, GLM 5.3 ve Qwen3.8 27B’de araç çağırma, üç modelde görsel anlama ve Arapça veya çok dilli transkripsiyon. Gemma 4 VL 26B ve iki transkripsiyon modeli $5 başlangıç kredisiyle çalışıyor; DeepSeek, GLM ve Qwen bakiye yüklemesi gerektiriyor. Çıkarım içeriği saklanmaz; gerekli hesap, faturalama ve güvenlik meta verileri BroadNet’in gizlilik beyanında anlatıldığı şekilde saklanır. Sesli yanıt, görsel üretimi, canlı ses veya embedding için başka bir hizmet kullanın. Yukarıdaki her şeyin fiyatı fiyatlar sayfasında.
