Source: https://ailoot.ai/models/fr/moonshotai-kimi-k3-u003a-batch/
Canonical: https://ailoot.ai/models/fr/moonshotai-kimi-k3-u003a-batch/
Language: fr

# MoonshotAI: Kimi K3 (batch)

[Markdown](https://ailoot.ai/models/fr/moonshotai-kimi-k3-u003a-batch/index.md) · [JSON](https://ailoot.ai/models/fr/moonshotai-kimi-k3-u003a-batch/facts.json)

## [MoonshotAI: Kimi K3 (batch)](https://ailoot.ai/models/fr/moonshotai-kimi-k3-u003a-batch/)

Kimi K3 est le modèle de raisonnement nativement multimodal de Moonshot AI pour les longues tâches de programmation et le travail intellectuel. Il lit texte, images et vidéo, produit du texte et prend en charge des processus pilotés par des outils, avec un contexte de 1 048 576 tokens et un historique de réflexion conservé entre étapes.

- [**Ailoot Ultra · Traitement par lots** `POST /v1/batches` `moonshotai/kimi-k3:batch`](https://ailoot.ai/models/fr/moonshotai-kimi-k3-u003a-batch/#method-0)

À propos du modèle

Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.

Kimi K3 est le modèle agentique multimodal à poids ouverts de Moonshot AI pour la programmation de longue durée, le travail intellectuel et le raisonnement. Il associe le texte à une compréhension visuelle native des images et des vidéos et produit une réponse textuelle ou une demande d’outil. Le fabricant souligne les sessions d’ingénierie prolongées, les grands dépôts et les tâches utilisant des captures ou des retours visuels avec le code. Une consigne utile définit le livrable souhaité, les éléments à utiliser et la condition marquant l’achèvement.

#### Architecture et contexte long

La fiche décrit un mélange clairsemé d’experts avec 2 800 milliards de paramètres au total et 104 milliards de paramètres activés. Sa conception Stable LatentMoE sélectionne 16 experts parmi 896 par token, utilisant Kimi Delta Attention et Attention Residuals avec une attention à portes. La longueur exacte de contexte est de 1 048 576 tokens. Cela offre de la place pour un contexte de tâche important, sans justifier l’abandon des délimitations de sources ni de l’espace nécessaire au résultat.

L’artefact natif publié utilise un entraînement tenant compte de la quantification, avec des poids MXFP4 et des activations MXFP8. C’est le format de publication du fabricant, distinct d’une édition quantifiée fournie séparément ou d’une affirmation sur la manière dont une route particulière sert le modèle. Les poids ouverts et un grand nombre de paramètres ne transforment pas le nombre de paramètres actifs en besoin total de stockage ou de matériel.

#### Préparer une tâche de programmation importante

Fournissez les éléments pertinents du dépôt, le comportement existant, la modification demandée et les contraintes de compatibilité. Identifiez les fichiers ou l’interface à toucher, les contrôles déterminant la réussite et toute erreur ou entrée fournie révélant le problème. Un résultat utile peut être une modification ciblée de code avec une explication et les éléments issus des contrôles réellement exécutés, plutôt qu’une description d’actions jamais réalisées.

Pour une tâche de développement visuel, incluez une capture ou une vue claire du résultat prévu, avec le code pertinent et un écart précis. Le fabricant décrit des processus de frontend, de jeux et de CAO utilisant les retours visuels. Demandez la modification reliant le code au résultat observé et conservez la référence pour vérifier le livrable obtenu par rapport à elle.

#### Préparer images, vidéos et travail intellectuel

Le guide de démarrage du producteur utilise des objets de contenu typés pour les messages visuels ; content est un tableau, et non une représentation sérialisée de ce tableau. Son processus image utilise des données d’image encodées ou une référence de fichier prise en charge plutôt qu’une adresse publique d’image. L’exemple vidéo téléverse un fichier vidéo et fournit la référence résultante avec une question sur son contenu. Donnez une source lisible et précisez l’observation, l’intervalle ou la relation pertinente. Le processus visuel du producteur accepte les images JPEG, PNG, GIF, WebP, BMP, HEIC et HEIF, ainsi que les vidéos MP4, MPEG, MOV, AVI, FLV, MPG, WebM, WMV et 3GPP. Les GIF ou WebP animés peuvent être décodés comme des vidéos. Fournissez la source SVG comme texte. Le fabricant recommande des images jusqu’à 4096 × 2160 et des vidéos jusqu’à 1920 × 1080 ; ce sont des recommandations de résolution, et non des seuils de rejet. Gardez le corps de requête dans la limite de taille documentée de 100M et téléversez les médias volumineux ou réutilisés comme fichiers.

Pour une recherche documentaire dense, identifiez les sources et indiquez les questions auxquelles le rapport final doit répondre. Pour expliquer une vidéo, identifiez les événements ou la séquence à analyser plutôt que de demander un commentaire sans limites. K3 utilise les contenus visuels comme éléments de raisonnement et renvoie du texte ou des demandes d’outils. Une application peut transmettre ces demandes à des outils média pour créer des livrables image ou vidéo séparés.

#### Réflexion toujours activée

L’interface du producteur K3 a toujours la réflexion activée. Le réglage de premier niveau reasoning\_effort accepte low, high et max, max étant la valeur par défaut. Ces choix sont propres au modèle ; il ne faut pas supposer un réglage sans réflexion ni une valeur d’effort venant d’une autre famille. Les consignes de migration du fabricant distinguent K3 de K2.x par l’utilisation de reasoning\_effort plutôt que la reprise de l’ancienne configuration thinking.

Le producteur documente reasoning\_content et le contenu de réponse finale séparément dans les résultats en streaming. Pour une conversation à plusieurs échanges ou un processus outillé, il exige que l’intégralité du message d’assistant retourné soit retransmise sans changement, y compris reasoning\_content et tool\_calls. Conserver uniquement la réponse finale visible perd des informations attendues par le processus de réflexion préservée du modèle à l’étape suivante.

#### Réponses finales structurées et continuation partielle

Le guide de démarrage documente une sortie stricte selon un schéma JSON pour le contenu du message final. Définissez les champs et leur sens autour du livrable nécessaire à l’application et analysez ce contenu final plutôt que de le combiner au champ de raisonnement. Un résultat structuré peut représenter des informations extraites des éléments fournis ou un format de rapport défini ; le schéma contraint sa forme, tandis que les sources déterminent l’exactitude des valeurs.

Le mode partial peut continuer un préfixe textuel fourni. L’exemple du producteur place un message d’assistant partiel à la fin de l’historique et associe ce préfixe à la continuation retournée pour l’affichage. Utilisez-le lorsque le livrable requis comporte un début fixe significatif, en gardant le préfixe distinct de la suite générée.

#### Outils et continuité des résultats

K3 prend en charge les outils de fonction personnalisés. L’exemple du producteur impose un outil au premier échange, préserve le message d’assistant complet, exécute chaque appel retourné et ajoute un résultat d’outil correspondant avant de demander la réponse finale. Un appel proposé ne prouve pas que l’opération a réussi ; le résultat réellement retourné devient l’élément justificatif de l’étape suivante.

Son processus de chargement dynamique introduit une définition d’outil complète à un point précis de l’historique des messages. La définition doit contenir son nom, son objectif et ses paramètres, et rester dans l’historique suivant car le serveur ne conserve pas cette déclaration indépendamment. Gardez associés capacités d’outils, arguments fournis et observations réelles afin qu’une tâche longue puisse continuer à partir du travail déjà effectué.

#### Contrôles de sortie et contexte répété

Le producteur documente une autorisation de complétion par défaut de 131 072 tokens, configurable jusqu’à 1 048 576 dans les contraintes globales de contexte du modèle. Son API K3 actuelle fixe temperature à 1.0, top\_p à 0.95, un seul résultat et des pénalités de présence et de fréquence nulles, en demandant aux appelants d’omettre ces contrôles d’échantillonnage. Ce sont les réglages du profil exact du producteur, et non une liste transférable de contrôles réglables.

La mise en cache du contexte est automatique pour les préfixes répétés admissibles, avec des durées TTL documentées de 5 minutes et 1 heure, et 5 minutes par défaut. Les blocs partiels restent des échecs de cache. Gardez le contexte réutilisable stable et vérifiez l’usage réel au lieu d’affirmer un succès de cache sur la seule répétition du texte. Pour le livrable final, préservez les sources fournies, les éléments réels issus des outils et la structure de sortie requise, puis vérifiez qu’une réponse longue ou un résultat d’ingénierie satisfait les critères d’achèvement indiqués.

**Ailoot Ultra · Traitement par lots** `POST /v1/batches` `moonshotai/kimi-k3:batch`

[`moonshotai/kimi-k3:batch`](https://ailoot.ai/models/fr/#m=moonshotai%2Fkimi-k3%3Abatch&route=Ultra&caller=moonshotai%2Fkimi-k3%3Abatch&fmt=batches)

MoonshotAI /`moonshotai/kimi-k3:batch`

### Premiers pas

Kimi K3 est le modèle de raisonnement nativement multimodal de Moonshot AI pour les longues tâches de programmation et le travail intellectuel. Il lit texte, images et vidéo, produit du texte et prend en charge des processus pilotés par des outils, avec un contexte de 1 048 576 tokens et un historique de réflexion conservé entre étapes.

Entrées acceptées

Texte

Résultats

Texte

### Disponible dans Ailoot · entrées et méthodes

**Ailoot Ultra · Traitement par lots** `POST /v1/batches`

Types d’entrée

`text`

Types de sortie

`text`

Format de sortie

JSON results\[\].response.body intégré

| Champ | Type | Exigence | Valeurs et limites | Par défaut |
| --- | --- | --- | --- | --- |
| Champ`endpoint` | Type`string` | ExigenceObligatoire | Valeurs et limites /v1/chat/completions | Par défaut— |
| Champ`model` | Type`string` | ExigenceObligatoire | Valeurs et limites moonshotai/kimi-k3:batch | Par défaut— |
| Champ`requests` | Type`batch_item[]` | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
| Champ`requests[].custom_id` | Type`string` | ExigenceObligatoire | Valeurs et limites | Par défaut— |
| Champ`requests[].body.messages` | Type`message[]` | ExigenceObligatoire | Valeurs et limites | Par défaut— |
| Champ`completion_window` | Type`string` | ExigenceFacultatif | Valeurs et limites 24h | Par défaut— |
| Champ`provider` | Type`object\|null` | ExigenceFacultatif | Valeurs et limites | Par défaut— |
| Champ`requests[].body.model` | Type`string` | ExigenceFacultatif | Valeurs et limites moonshotai/kimi-k3:batch, moonshotai/kimi-k3 | Par défaut— |
| Champ`provider.only` | Type`string[]` | ExigenceFacultatif | Valeurs et limites deepinfra/bf16 | Par défaut— |
| Champ`provider.allow_fallbacks` | Type`boolean\|null` | ExigenceFacultatif | Valeurs et limites false, null | Par défaut— |

Paramètres et cycle de vie de la méthode

| Paramètre | Contrat |
| --- | --- |
| Paramètre`content_type` | Contratapplication/json |
| Paramètre`required` | Contratendpoint, model, requests |
| Paramètre`material_types` | Contrattext |
| Paramètre`representation` | Contratrequests\[\] intégré ; chaque élément comporte custom\_id et body |
| Paramètre`request_endpoint_profile` | Contrat/v1/chat/completions |
| Paramètre`file_material` | ContratL’appelant peut charger localement le contenu JSONL UTF-8 effectif dans requests\[\]. Aucun paramètre purpose de téléversement, input\_file\_id ni référence à un fichier n’est utilisé. Si les données du client sont absentes ou vides, la préparation s’arrête avant le POST. |
| Paramètre`serialization_order` | Contratendpoint, model, provider (si fourni), completion\_window (si fourni), requests en dernier |
| Paramètre`optional_controls` | Contratprovider.only, provider.allow\_fallbacks, completion\_window |
| Paramètre`schema_scope` | ContratCorps de requêtes Chat Completions textuelles dans l’enveloppe Batch intégrée documentée. |

Cycle de vie : `asynchronous`

`GET /v1/batches/{operation_id}` · response.id effectivement renvoyé lors de la création d’origine ; même utilisateur, même clé et même groupe

### Tarifs

Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.

Mode rapide

Non précisé Lorsque le mode rapide est sélectionné

Mode Flex

Non précisé Lorsque le mode flex est sélectionné

Effort de raisonnement maximal

Non précisé Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default)

Tarification du cache explicite

Non activé Lorsqu’un cache explicite est demandé

#### Tarifs Ailoot

#### Prix par configuration

Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.

| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
| --- | --- | --- | --- | --- |
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée **$0.00456** / 1K tokens Sortie · Tokens en sortie **$0.0228** / 1K tokens Entrée · Lecture du cache **$0.000456** / 1K tokens Entrée · Écriture dans le cache **—** / 1K tokens Entrée · Écriture dans le cache, 1 h **—** / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée **$0.00456** / 1K tokens Sortie · Tokens en sortie **$0.0228** / 1K tokens Entrée · Lecture du cache **$0.000456** / 1K tokens Entrée · Écriture dans le cache **—** / 1K tokens Entrée · Écriture dans le cache, 1 h **—** / 1K tokens |

Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. [Fonctionnement de la réservation et du débit →](https://ailoot.ai/docs/fr/billing/reserve/)

### Exemples de requêtes

#### Ailoot Ultra · Traitement par lots

curl · jeu de données de référence conservéPython HTTP · données JSONL réelles du clientPython · enregistrer chaque résultat finalisé

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json
from pathlib import Path
body=json.loads('{"endpoint":"/v1/chat/completions","model":"moonshotai/kimi-k3:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')
Path("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json
```

```python
import json, os
from pathlib import Path
from urllib.request import Request, urlopen

def prepare_requests(customer_path):
    path = Path(customer_path)
    if not path.is_file(): raise ValueError("Customer JSONL file is missing")
    items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]
    if not items: raise ValueError("Customer JSONL contains no requests")
    ids = set()
    for item in items:
        if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")
        cid = item["custom_id"]
        if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")
        ids.add(cid)
        if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")
        supplied_model = item["body"].get("model")
        if supplied_model is not None and supplied_model not in ['moonshotai/kimi-k3:batch', 'moonshotai/kimi-k3']: raise ValueError("body.model must be an exact documented caller or wire ID")
    return {"endpoint":"/v1/chat/completions", "model":"moonshotai/kimi-k3:batch", "requests":items}

if __name__ == "__main__":
    material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")
    if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")
    body = prepare_requests(material)
    key = os.environ.get("AILOOT_API_KEY", "")
    if not key: raise SystemExit("Set AILOOT_API_KEY")
    request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")
    with urlopen(request) as response:
        raw = response.read()
        Path("batch-create-response.json").write_bytes(raw)
        print(raw.decode("utf-8"))
```

```python
import json
from pathlib import Path
raw = Path("batch-status-response.json").read_bytes()
response = json.loads(raw)
if response.get("status") != "completed":
    raise SystemExit("Keep the original operation; read its status without resubmitting")
results = response.get("results")
if not isinstance(results, list) or not results:
    raise SystemExit("Preserve the original response; completed results are missing")
Path("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\n" for item in results), encoding="utf-8")
# Preserve batch-status-response.json with aggregate usage and every result/error.
```

### Recevoir et enregistrer les résultats

#### Ailoot Ultra · Traitement par lots

JSON results\[\].response.body intégré

- `GET /v1/batches/{operation_id}`

##### Vérifier l’état de la tâche

curl · état de l’opération d’origine

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
BATCH_OPERATION_ID="$(python3 - <<'PY_ID'
import json
from pathlib import Path
from urllib.parse import quote
response = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))
operation = response.get("id")
if not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")
print(quote(operation, safe=""))
PY_ID
)"
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json
```

##### Conserver tous les résultats terminés

Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.

Conservez l’intégralité du JSON de statut d’origine, chaque résultat/custom\_id et le corps complet de la réponse ou de l’erreur. Enregistrez les results\[\] terminés au format JSONL sans filtrage.

##### Si la réponse d’origine doit être vérifiée

Conservez l’identifiant de l’opération d’origine. La réponse 503 result\_pending\_check contient X-Should-Retry:false ; ne soumettez jamais à nouveau un lot d’origine dont l’issue est inconnue.

Champs de la réponse

| Champ | Type |
| --- | --- |
| Champ`results[].custom_id` | Typestring |
| Champ`results[].response.body.choices[].message.content` | Typestring\|null |
| Champ`results[].error` | Typeobject\|null |
| Champ`usage` | Typeobject\|null |
| Champ`id` | Typestring |
| Champ`model` | Typestring |
| Champ`endpoint` | Typestring |
| Champ`status` | Typestring |
| Champ`request_counts` | Typeobject |
| Champ`results[].id` | Typestring |
| Champ`results[].response.status_code` | Typeinteger |
| Champ`results[].response.request_id` | Typestring |

Erreurs et étapes suivantes

| Réponse | Condition | Étape suivante |
| --- | --- | --- |
| Réponse400 · `invalid_request_error` | ConditionEnveloppe intégrée documentée invalide, clés dupliquées, identité d’élément incorrecte ou conflit avec les capacités configurées du modèle. | Étape suivanteCorrigez les champs indiqués avant toute nouvelle soumission. |
| Réponse401 · `authentication_error` | ConditionClé API invalide. | Étape suivanteUtilisez la clé Ailoot autorisée. |
| Réponse403 · `permission_error` | ConditionGroupe de traitement par lots indisponible. | Étape suivanteVérifiez les droits d’accès de la clé/du groupe. |
| Réponse422 · `invalid_request_error` | ConditionLe traitement par lots est facturé sur le solde ; la création via un abonnement est refusée. | Étape suivanteUtilisez le groupe autorisé dont la facturation est prélevée sur le solde. |
| Réponse422 · `price_unavailable` | ConditionImpossible d’établir un devis pour les données d’entrée du traitement par lots. | Étape suivanteConservez la réponse ; utilisez les données d’entrée documentées pour cette famille. |
| Réponse402 · `billing_error` | ConditionRéserve pour le traitement par lots indisponible. | Étape suivanteRéglez les conditions d’admission avant une nouvelle requête. |
| Réponse503 · `price_unavailable` | ConditionPrix de la méthode Batch/tarifs natifs indisponibles. | Étape suivanteConservez la réponse ; ne substituez pas d’autres prix. |
| Réponse503 · `api_error` | ConditionRoute exacte du fournisseur indisponible. | Étape suivanteConservez la réponse pour réparer la route. |
| Réponse503 · `result_pending_check` | ConditionLe résultat d’origine nécessite une vérification ; X-Should-Retry:false. | Étape suivanteConservez l’operation\_id/id d’origine et consultez son statut ; ne répétez jamais le POST d’origine. |
| Réponse404 · `not_found` | ConditionOpération de suivi du traitement par lots absente ou appartenant à une autre identité. | Étape suivanteUtilisez l’id exact d’origine avec le même utilisateur, la même clé et le même groupe. |

### Alias

#### Alias du modèle

**Ailoot Ultra** [`moonshotai/kimi-k3:batch`](https://ailoot.ai/models/fr/#m=moonshotai%2Fkimi-k3%3Abatch&route=Ultra&caller=moonshotai%2Fkimi-k3%3Abatch&fmt=batches)

#### Alias des chemins de méthode

Utilisez les chemins de méthode indiqués ci-dessus.

#### ID d’appel associés

[`moonshotai/kimi-k3:batch`](https://ailoot.ai/models/fr/#m=moonshotai%2Fkimi-k3%3Abatch&route=Ultra&caller=moonshotai%2Fkimi-k3%3Abatch&fmt=batches)

FAQ · MoonshotAI: Kimi K3 (batch)

Quelles entrées et quels résultats sont disponibles ?

`POST /v1/batches` · `moonshotai/kimi-k3:batch`: `text` → `text`

Quels champs la requête utilise-t-elle ?

`POST /v1/batches` · `moonshotai/kimi-k3:batch`: `endpoint`, `model`, `requests`, `completion_window`, `provider`

Quelles limites s’appliquent ?

`POST /v1/batches` · `moonshotai/kimi-k3:batch`: `requests.min_items`: `1`

Connectez Ailoot à Claude Code, OpenCode, Hermes ou à votre application.

## L’entreprise et son portefeuille de projets

L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois.

## Achetez des tokens à prix réduit.

Une remise d’abonnement pour le travail régulier. Des codes promo jusqu’à 50% sur l’achat de tokens.

Abonnement

Choisissez une offre à tarif réduit pour vos requêtes régulières.

Code promo jusqu’à 50%

Saisissez le code à l’achat. Le prix est recalculé selon la promotion en cours.

Dépenses dans l’historique

Modèle, tokens et montant sont enregistrés pour chaque requête.

[Choisir un abonnement](https://ailoot.ai/docs/fr/billing/subscriptions/) · [Voir les prix des modèles](https://ailoot.ai/models/fr/)

## Connectez l’API au produit que vous vendez.

SaaS, applications et bots selon l’offre officielle et le contrat de licence Ailoot. Pour la revente, demandez une licence revendeur.

Application commerciale

Intégrez la génération de texte, d’images, de vidéo et de son aux fonctions payantes de votre service.

Licence revendeur

Envoyez la description du projet et le mode d’accès. Demandez des conditions écrites d’utilisation et de revente.

Documents sur le site

L’offre officielle, le contrat de licence et la politique de traitement des données sont accessibles avant connexion.

[Demander une licence revendeur](mailto:support@ailoot.ai) · [Offre officielle et contrat de licence](https://ailoot.ai/legal/offer?lang=fr)

## Ailoot · L’entreprise et son portefeuille de projets





Ailoot s’appuie sur une expérience opérationnelle éprouvée, une large clientèle, un service stable et un suivi continu des KPI.





L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois.





Ailoot met cette expérience opérationnelle au service de l’accès API aux fonctions d’IA dans les produits des clients, leurs agents, applications et automatisations.