BroadRouter

如何选择阿拉伯语大模型 API:该测试什么

BroadNet Inference 团队 · 阅读约 7 分钟 · 发布于

选择阿拉伯语大模型,要用你自己的任务来测试:理解海湾、埃及和黎凡特方言,写出流畅的现代标准阿拉伯语,阿英互译,以及读取阿拉伯语文档。在 BroadNet 的测试中,Qwen3.8 27B 阿拉伯语写作流畅,能理解海湾方言和埃及方言,每百万输入 token $0.175。

要选择阿拉伯语大模型 API,就用你的产品要做的任务来测试每个候选模型:理解用户的方言、写出自然的现代标准阿拉伯语、翻译,以及读取阿拉伯语文档。请母语者对每项任务分别打分。“支持阿拉伯语”既可能意味着流利的海湾方言,也可能意味着生硬、一股翻译腔的文本。

应该测试哪些阿拉伯语任务?

任务 示例 检查什么
理解方言 沙特客户用海湾方言(Khaleeji)输入 是否理解了意图,而不只是字面意思?
写阿拉伯语 用清晰的现代标准阿拉伯语写回复 流畅度、语法、语气自然、语体恰当
翻译 阿拉伯语 ↔ 英语的合同或客服工单 人名、数字和法律术语是否准确
读取文档 一张阿拉伯语发票的照片 总额、日期和供应商是否提取正确
听懂语音 语音消息、通话 这是语音转文字模型的工作,不是大模型的;见下文

一个模型可能在某项上很强,在另一项上很弱。每项任务分别打分。

公开的阿拉伯语排行榜能说明什么?

有好几个公开排行榜对模型的阿拉伯语能力进行排名。Hugging Face 上的 Open Arabic LLM Leaderboard 是其中之一。BALSAM 是一个社区基准,包含 14 个类别的 78 项任务,并提供盲评平台;其作者写道,大模型在阿拉伯语上的表现落后于在英语上取得的进展。

用它们来列候选名单,而不是做最终决定。基准大多是选择题和标准任务,很少测试海湾方言的客户消息、你的品牌语气,或者一张皱巴巴的收据照片。而这些恰恰是用户会注意到的。

哪些大模型 API 支持阿拉伯语?

几乎所有通用对话 API 都接受阿拉伯语文本,所以更有用的问题是:它对你的方言处理得怎么样,以及你到底能不能调用那些阿拉伯语优先的模型。我们在 2026 年 11 月 14 日查看了大家常问的四个阿拉伯语优先模型系列,没有一个由开发方公布了按 token 计价的 API 价格:

模型系列 开发方 如何运行(2026 年 11 月 14 日查看) 价格
Jais 2(8B、70B chat) MBZUAI、Inception 和 Cerebras 在 Hugging Face 上以 Apache 2.0 许可发布开放权重,上下文 8,192 token。70B 的模型卡显示没有 Inference Provider 部署它。较早的 Jais-30b-chat 已于 2025 年 10 月 31 日从 GitHub Models 移除。 未公布;你自己承担 GPU 费用
Falcon-H1-Arabic(3B、7B、34B) 技术创新研究院(TII) 2026 年 1 月 5 日发布,上下文 128K(3B)或 256K(7B、34B)。发布文章链接了一个网页聊天演示,没有提到托管 API,也没有权重下载。 未公布
ALLaM(allam-1-13b-instruct) 沙特数据和人工智能管理局(SDAIA);7B 预览版由 HUMAIN 发布 在 IBM watsonx.ai 上作为按需部署模型提供,窗口为 4,096 token(输入加输出)。ALLaM-7B-Instruct-preview 以 Apache 2.0 许可在 Hugging Face 上开放。 watsonx.ai 对按需部署模型按小时计费,而不是按 token
Fanar 卡塔尔计算研究所(QCRI) Fanar 称其 “provides an API for developers”(译文:为开发者提供 API);需通过 api.fanar.qa 的申请表开通 未公布

所以,如果你想通过 OpenAI 兼容 API 按 token 付费使用阿拉伯语能力,通常会用一个强大的多语言模型(比如下面这些),并在你的方言上测试它。如果你需要某个特定的阿拉伯语优先模型,就要准备自建部署、租用专用部署,或申请 Fanar 的 API 权限;自建部署与 API 成本对比一文给出了盈亏平衡的算法。

BroadNet 的哪些模型能处理阿拉伯语?

BroadNet 在其价格页面上公布了自己的阿拉伯语测试结果。对于 Qwen3.8 27B,它报告阿拉伯语写作流畅、能理解海湾方言和埃及方言、阿英互译准确。该模型接受文本和图像输入,支持工具调用和结构化输出,上下文为 262,144 token。

同一个 API 上的其他选择:

模型 每百万 token 输入 / 输出 上下文 图像
Qwen3.8 27B $0.175 / $2.17 262,144 支持
DeepSeek V4.1 Flash $0.175 / $0.52 1,048,576 支持
BroadNet Gemma 4 VL 26B $0.10 / $0.22 32,768 支持

DeepSeek V4.1 Flash 还可以通过固定价格套餐不限量使用(每个会话每月 $60),适合大流量的阿拉伯语对话和智能体。DeepSeek V4.1 Flash 与 Qwen3.8 27B 对比把两个主要候选模型放在一起比较。Gemma 4 VL 26B 是 BroadNet 上按 token 计最便宜的模型,可以用免费的初始额度调用。

如何搭建阿拉伯语测试集?

  1. 收集 50 条真实输入,来自你的产品:聊天、工单、文档。用户使用的每种方言至少包含 10 条。如果只测方言,并想用意图标注的方法,请看大模型如何处理海湾、埃及和黎凡特阿拉伯语。
  2. 为其中 20 条写出理想答案,或者请母语者来写。
  3. **用同一个系统提示词让每个候选模型跑完全部 50 条。**在提示词中说明你想要的方言和语体:“用清晰的现代标准阿拉伯语回复,语气友好,简短。”
  4. 对输出盲评打分,按正确性和自然度从 1 到 5 打分。请母语者来打分。
  5. **用真实文本核算成本。**从 usage 字段读取 prompt_tokens 和 completion_tokens,而不是按词数估算。

因为 API 与 OpenAI 兼容,切换模型只需改一行 model 字段。参见 OpenAI 兼容 API 迁移清单。

输出该如何打分?

标准 1 分 5 分
理解意图 误读方言 正确,包括俚语
语法和流畅度 有错误或性数不一致 读起来像母语者写的
语体 方言不对或过于正式 完全符合提示词要求
事实、人名、数字 被改动或编造 准确无误
文字 拉丁字母转写或混杂 全程使用阿拉伯字母

按任务取平均分,而不是算总平均。写作 4.5 分、方言 2 分的模型,和两项都是 3.5 分的模型,是两种不同的选择。

系统提示词会影响结果吗?

会,影响大到足以改变排名。对每个候选模型使用同一个系统提示词,并说明你预期的方言、希望回复使用的语体,以及如何处理数字和英文名称。阿拉伯语提示词工程里有一个完整模板。在各次调用中保持这个提示词完全一致,这样在有缓存输入价的模型上,它就能从缓存中读取。

为什么阿拉伯语比英语更费 token?

阿拉伯语文本每个词切出的 token 往往比英语多,而且这个比例因模型而异。两个每 token 价格相同的模型,每条阿拉伯语消息的成本可能不同。把一段真实文本粘贴到阿拉伯语 token 计数器,再用每个候选模型的实际请求返回的 prompt_tokens 确认,并用大模型 API 费用计算器估算月账单。如何测量你自己的比例,见阿拉伯语与英语每词 token 数。至于这对每个模型和服务商的账单意味着什么,请看我们的各语言真实成本数据集,它用每个模型自己的分词器,为 100 万字符的阿拉伯语、其方言和其他语言计算价格。

大模型能读取阿拉伯语发票和图片吗?

对于发票、收据和表格,把照片发送给视觉语言模型并要求返回 JSON。阿拉伯语发票指南提供了可运行的代码,阿拉伯语 OCR 与视觉大模型对比讨论了什么情况下传统 OCR 仍然更合适。仔细核对数字:海湾地区的收据上,东阿拉伯数字(٠١٢٣)和西阿拉伯数字(0123)都会出现。

阿拉伯语语音消息和通话怎么办?

对于语音消息和通话,先用阿拉伯语语音转文字模型转写,再把文本发给大模型。BroadNet Transcribe Arabic 每音频分钟 $0.0042。如何选择阿拉伯语语音转文字 API。

为什么有些阿拉伯语回答是空的?

DeepSeek V4.1 Flash 和 Qwen3.8 27B 会先思考再作答,这些思考 token 会计入 max_tokens。阿拉伯语回答可能很长,所以要留足余量,否则可见的回答会是空的。原因和解决方法。

应该避免哪些错误?

  • **让非母语者打分。**流畅度问题,学习者是看不出来的。
  • **把不同方言混在一个分数里。**海湾、埃及和黎凡特方言的结果要分开。
  • **相信翻译出来的测试集。**从英语翻译过来的文本,读起来不像真实的阿拉伯语用户。
  • **忘了从右到左的显示。**阿拉伯语和英语混排的行,在你的界面中可能顺序错乱。要测试显示效果,而不只是文本。

BroadNet Inference 的定位

BroadNet 在一个 OpenAI 兼容密钥下,提供一个经过阿拉伯语测试的对话模型、两个更便宜或可不限量使用的替代模型,以及阿拉伯语语音转文字,并且不保留任何内容。除了自己的测试之外,它没有公布对话模型的阿拉伯语基准分数,所以在做决定之前,先跑一遍上面的测试集。如果别家的模型在你的方言上胜出,这个结果比任何模型目录都重要。

常见问题

BroadNet 上哪个模型最适合阿拉伯语?

BroadNet 对 Qwen3.8 27B 做过阿拉伯语测试,报告其写作流畅、能理解海湾方言和埃及方言、阿英互译准确。用你自己的提示词测试它,也测试一下 DeepSeek V4.1 Flash。

哪个大模型的阿拉伯语最好?

取决于任务和方言。先用 Open Arabic LLM Leaderboard 或 BALSAM 等公开排行榜列出候选名单,再请母语者用你自己的 50 条输入给候选模型打分。在基准上领先的模型,用你的方言说出来仍可能很生硬。

大模型能读取阿拉伯语文档和图片吗?

Qwen3.8 27B、DeepSeek V4.1 Flash 和 BroadNet Gemma 4 VL 26B 等视觉模型都接受图像输入,所以能读取阿拉伯语发票、收据和表格的照片并返回 JSON。

哪些大模型 API 支持阿拉伯语?

大多数通用对话 API 都接受阿拉伯语,但质量因方言而异。截至 2026 年 11 月 14 日,Jais 2、Falcon-H1-Arabic、ALLaM 和 Fanar 等阿拉伯语优先的模型都没有由开发方公布的按 token 计价的 API 价格。Jais 2 是可自建部署的开放权重,ALLaM 在 IBM watsonx.ai 上以按小时计费的专用部署运行,Fanar 的 API 需申请开通。

为什么阿拉伯语文本比英语更费 token?

分词器的训练数据里英语往往多于阿拉伯语,所以阿拉伯语单词通常会被切成更多 token。这种影响因模型而异,所以要用同一段阿拉伯语文本比较每个候选模型的 prompt_tokens。

大模型能用海湾方言或埃及方言回复吗?

很多模型可以,但质量的波动比现代标准阿拉伯语大。在系统提示词中明确要求使用该方言,并请母语者给回复打分。

以 Markdown 格式阅读问 ChatGPT问 Claude问 Perplexity