Source: https://ailoot.ai/models/id/liquid-lfm-2-5-2-6b-u003a-free/
Canonical: https://ailoot.ai/models/id/liquid-lfm-2-5-2-6b-u003a-free/
Language: id

# LiquidAI: LFM2.5-2.6B (free)

[Markdown](https://ailoot.ai/models/id/liquid-lfm-2-5-2-6b-u003a-free/index.md) · [JSON](https://ailoot.ai/models/id/liquid-lfm-2-5-2-6b-u003a-free/facts.json)

## [LiquidAI: LFM2.5-2.6B (free)](https://ailoot.ai/models/id/liquid-lfm-2-5-2-6b-u003a-free/)

Liquid AI LFM2.5-2.6B adalah model penalaran teks ringkas untuk agen, penggunaan alat, ekstraksi data, dan RAG. Desain hibridanya memiliki 2,69 miliar parameter. Model ini menalar sebelum menjawab dan bekerja paling baik dengan materi sumber konkret serta alat yang didefinisikan dengan jelas; pembuat mengingatkan agar tidak menggunakannya untuk pemrograman agentik dan tugas yang sangat bergantung pada pengetahuan.

- [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `liquid/lfm-2.5-2.6b:free`](https://ailoot.ai/models/id/liquid-lfm-2-5-2-6b-u003a-free/#method-0)
- [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `liquid/lfm-2.5-2.6b:free`](https://ailoot.ai/models/id/liquid-lfm-2-5-2-6b-u003a-free/#method-1)

Tentang model

Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.

Liquid AI LFM2.5-2.6B adalah model teks yang telah dilatih lanjut dalam keluarga ringkas LFM2.5 dari Liquid, dirancang untuk agen di perangkat dan alur kerja praktis. Kartu model persisnya mencantumkan 2,69 miliar parameter dan 30 lapisan: 22 blok konvolusi pendek dengan gerbang ganda dan delapan blok grouped-query attention. Desain hibrida tersebut menargetkan pemrosesan teks yang efisien. Model menerima teks dan mengembalikan teks, termasuk jawaban hasil penalaran atau permintaan untuk menggunakan fungsi yang didefinisikan.

Produsen menyarankannya untuk beban kerja agentik, penggunaan alat, ekstraksi data, pembangkitan yang diperkuat pengambilan informasi, dan alur kerja konteks panjang. Pipeline pelatihan rilis ini menggabungkan fine-tuning terawasi, model pengajar khusus, distilasi on-policy lintas domain, dan pembelajaran penguatan dalam lingkungan agen. Hal ini membantu menjelaskan fokusnya pada mengikuti instruksi tugas, menggunakan pengamatan alat, dan bergerak melalui beberapa langkah. Berikan materi sebenarnya dan tujuan yang tepat, alih-alih mengandalkan pengetahuan luas hasil pelatihan untuk mengisi kekosongan.

Untuk ekstraksi, tentukan kolom dan aturan sumber sebelum memberikan materi. Permintaan praktis adalah: “Baca pembaruan layanan ini, ekstrak pengenal setiap catatan, status yang dinyatakan, dan tindakan berikutnya yang diperlukan, serta pertahankan kalimat pendukung setiap kolom. Kembalikan null jika suatu kolom tidak tersedia.” Tentukan apakah nilai perlu disalin persis, dinormalkan, atau disimpulkan. Ini membuat keluaran dapat diperiksa dan mencegah interpretasi yang masuk akal diam-diam menggantikan informasi yang benar-benar ada dalam sumber.

Untuk RAG, berikan bagian teks relevan dengan label stabil dan minta jawaban yang berlandaskan bagian-bagian tersebut. Contoh: “Hanya menggunakan petunjuk pemasangan ini, jelaskan langkah mana yang berlaku bagi lingkungan yang dinyatakan dan cantumkan prasyarat yang masih belum diketahui.” Pertahankan versi dokumen dan syarat bersama teks. Mintalah model mengidentifikasi fakta yang hilang atau bertentangan, bukan menciptakan prosedur lengkap. Ini lebih sesuai dengan rekomendasi pembuat untuk tugas berdasarkan sumber dibanding meminta model ringkas bertindak sebagai penyimpan pengetahuan spesialis yang menyeluruh.

LFM2.5-2.6B adalah model penalaran murni: templat chat-nya memulai jawaban asisten dengan penanda thinking, dan model menalar sebelum jawaban akhir. Kartu model produsen menyarankan temperature 0.1, top-k 50, dan penalti pengulangan 1.1 untuk pembangkitan. Itu adalah pengaturan resep model bernama tersebut. Pisahkan hasil akhir dari teks penalaran, dan sisakan ruang bagi keduanya dalam permintaan kerja. Kontrol atau mode jawaban langsung milik edisi instruksi LFM lain tidak boleh diasumsikan berlaku pada model ini.

Model menggunakan format percakapan serupa ChatML dengan peran system, user, assistant, dan tool. Alur fungsi yang didokumentasikan memiliki empat tahap: mendefinisikan alat, membiarkan model meminta fungsi, menjalankan fungsi dalam aplikasi yang mengelilinginya, dan mengembalikan hasil nyata agar model dapat menjawab. Panggilan bawaan berupa daftar bergaya Python yang diapit penanda panggilan alat; pembuat juga menjelaskan permintaan format panggilan JSON melalui instruksi sistem. Gunakan parser yang sesuai, periksa nama fungsi serta argumen terhadap definisi yang diberikan, dan simpan hasil bersama panggilan yang menghasilkannya.

Untuk alur kerja agen ringkas, sediakan hanya fungsi yang relevan dengan tugas saat ini, dengan deskripsi singkat dan tipe argumen eksplisit. Definisi alat sendiri mengisi konteks. Urutan yang berguna dapat mencari status catatan yang diberikan, membandingkan status yang dikembalikan dengan aturan, lalu menjelaskan apakah tindak lanjut diperlukan. Berikan pengenal catatan sebagai bukti dan minta jawaban akhir yang terkait pengamatan yang dikembalikan. Model mengusulkan dan menafsirkan operasi; aplikasi menyediakan eksekusi nyata serta hasilnya.

Kartu model produsen saat ini menetapkan konteks model 131.072 token, dan rilis menjelaskan tahap khusus perluasan konteks. Bekerjalah dalam jendela konfigurasi yang digunakan, sambil mempertahankan batas sumber, riwayat relevan, dan ruang untuk kelanjutan. Untuk beberapa dokumen, mintalah perbandingan atau dependensi tertentu untuk ditelusuri. Checkpoint bawaan serta artefak GGUF, ONNX, dan MLX melayani kebutuhan penerapan yang berbeda, dan draf speculative-decoding adalah artefak pendamping terpisah. Angka sumber daya atau kecepatan dari satu konfigurasi tidak otomatis menggambarkan setiap format model dan jendela kerja.

Liquid secara eksplisit tidak menyarankan LFM2.5-2.6B untuk pemrograman agentik atau tugas yang sangat bergantung pada pengetahuan. Jaga fokusnya pada alur kerja konkret dengan bukti, aturan ekstraksi, dan pengamatan alat yang diberikan. Checkpoint Base pralatih juga merupakan artefak terpisah untuk penyesuaian, sedangkan edisi yang telah dilatih lanjut ini adalah model agen. Untuk hasil akhir, periksa nilai hasil ekstraksi terhadap sumbernya, pastikan bagian yang dikutip mendukung jawaban, dan bedakan permintaan panggilan alat dari operasi dengan hasil tercatat. Pertahankan informasi yang belum terselesaikan ketika memengaruhi kesimpulan, jangan biarkan teks lancar mengaburkannya.

**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `liquid/lfm-2.5-2.6b:free`

[`liquid/lfm-2.5-2.6b:free`](https://ailoot.ai/models/id/#m=liquid%2Flfm-2.5-2.6b%3Afree&route=Ultra&caller=liquid%2Flfm-2.5-2.6b%3Afree&fmt=chat)

LiquidAI /`liquid/lfm-2.5-2.6b:free`

### Mulai

Liquid AI LFM2.5-2.6B adalah model penalaran teks ringkas untuk agen, penggunaan alat, ekstraksi data, dan RAG. Desain hibridanya memiliki 2,69 miliar parameter. Model ini menalar sebelum menjawab dan bekerja paling baik dengan materi sumber konkret serta alat yang didefinisikan dengan jelas; pembuat mengingatkan agar tidak menggunakannya untuk pemrograman agentik dan tugas yang sangat bergantung pada pengetahuan.

Masukan yang diterima

Teks

Hasil

Teks

### Tersedia di Ailoot · masukan & metode

**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions`

Masukan

`text`

Keluaran

`text`

Konteks

65.536 tokens

Keluaran maksimum

8.192 tokens

Format keluaran

JSON

| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
| --- | --- | --- | --- | --- |
| Kolom`model` | Jenis`string` | PersyaratanWajib | Nilai & batasan liquid/lfm-2.5-2.6b:free | Bawaan— |
| Kolom`messages` | Jenis`array` | PersyaratanWajib | Nilai & batasan | Bawaan— |
| Kolom`stream` | Jenis`boolean` | PersyaratanOpsional | Nilai & batasan false | Bawaanfalse |
| Kolom`max_tokens` | Jenis`integer` | PersyaratanOpsional | Nilai & batasan Minimum: 1 Maksimum: 8.192 | Bawaan— |
| Kolom`max_completion_tokens` | Jenis`integer` | PersyaratanOpsional | Nilai & batasan Minimum: 1 Maksimum: 8.192 | Bawaan— |
| Kolom`n` | Jenis`integer` | PersyaratanOpsional | Nilai & batasan Minimum: 1 Maksimum: 128 | Bawaan— |
| Kolom`temperature` | Jenis`number` | PersyaratanOpsional | Nilai & batasan | Bawaan— |
| Kolom`top_p` | Jenis`number` | PersyaratanOpsional | Nilai & batasan | Bawaan— |
| Kolom`seed` | Jenis`integer` | PersyaratanOpsional | Nilai & batasan | Bawaan— |
| Kolom`stop` | Jenis`` | PersyaratanOpsional | Nilai & batasan | Bawaan— |
| Kolom`frequency_penalty` | Jenis`number` | PersyaratanOpsional | Nilai & batasan | Bawaan— |
| Kolom`presence_penalty` | Jenis`number` | PersyaratanOpsional | Nilai & batasan | Bawaan— |
| Kolom`user` | Jenis`string` | PersyaratanOpsional | Nilai & batasan | Bawaan— |

Parameter metode dan siklus hidup

| Parameter | Kontrak |
| --- | --- |
| Parameter`content_type` | Kontrakapplication/json |
| Parameter`required` | Kontrakmodel, messages |
| Parameter`optional` | Kontrakstream, max\_tokens, max\_completion\_tokens, n, temperature, top\_p, seed, stop, frequency\_penalty, presence\_penalty, user |
| Parameter`material_types` | Kontraktext |
| Parameter`conditions` | KontrakUse literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method., The complete encoded JSON request must not exceed 65536 bytes. |

Siklus hidup: `synchronous_json`

### Paket

Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.

Mode Fast

Tarif standar Saat mode fast dipilih

Mode Flex

Tarif standar Saat mode flex dipilih

Upaya penalaran maksimum

Tarif standar Saat upaya penalaran maksimum menggunakan penyesuaian default

Harga cache eksplisit

Tidak diaktifkan Saat cache eksplisit diminta

Tarif nol khusus teks

Text input and output only. Cache, tools, media and streaming are unavailable. Untuk masukan dan keluaran yang hanya berupa teks

#### Tarif Ailoot

#### Harga menurut konfigurasi

| Konfigurasi | Jadwal tarif | Biaya |
| --- | --- | --- |
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan **$0** / 1K token Keluaran · Token keluaran **$0** / 1K token Masukan · Pembacaan cache **—** / 1K token Masukan · Penulisan cache **—** / 1K token Masukan · Penulisan cache, 1 jam **—** / 1K token |

Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. [Cara kerja cadangan dan penyelesaian tagihan →](https://ailoot.ai/docs/id/billing/reserve/)

### Contoh permintaan

#### Ailoot Ultra · OpenAI Chat

curl · buat sekali dan simpan hasil secara lengkap

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
export AILOOT_API_KEY
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "liquid/lfm-2.5-2.6b:free", "messages": [{"role": "user", "content": "Summarize the supplied text in three concise points."}], "stream": false}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
# Submit once. Retain the complete result, original identifiers and every response header.
```

### Terima dan simpan hasil

#### Ailoot Ultra · OpenAI Chat

JSON

##### Simpan semua hasil yang selesai

Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.

Retain the complete response, all actual results, original identifiers, usage and response headers.

##### Jika respons asli perlu diperiksa

Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.

### Alias

#### Alias model

**Ailoot Ultra** [`liquid/lfm-2.5-2.6b:free`](https://ailoot.ai/models/id/#m=liquid%2Flfm-2.5-2.6b%3Afree&route=Ultra&caller=liquid%2Flfm-2.5-2.6b%3Afree&fmt=chat)

#### Alias jalur metode

Gunakan jalur metode yang ditampilkan di atas.

#### ID pemanggil terkait

[`liquid/lfm-2.5-2.6b:free`](https://ailoot.ai/models/id/#m=liquid%2Flfm-2.5-2.6b%3Afree&route=Ultra&caller=liquid%2Flfm-2.5-2.6b%3Afree&fmt=chat)

**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `liquid/lfm-2.5-2.6b:free`

[`liquid/lfm-2.5-2.6b:free`](https://ailoot.ai/models/id/#m=liquid%2Flfm-2.5-2.6b%3Afree&route=Ultra&caller=liquid%2Flfm-2.5-2.6b%3Afree&fmt=messages)

LiquidAI /`liquid/lfm-2.5-2.6b:free`

### Mulai

Liquid AI LFM2.5-2.6B adalah model penalaran teks ringkas untuk agen, penggunaan alat, ekstraksi data, dan RAG. Desain hibridanya memiliki 2,69 miliar parameter. Model ini menalar sebelum menjawab dan bekerja paling baik dengan materi sumber konkret serta alat yang didefinisikan dengan jelas; pembuat mengingatkan agar tidak menggunakannya untuk pemrograman agentik dan tugas yang sangat bergantung pada pengetahuan.

Masukan yang diterima

Teks

Hasil

Teks

### Tersedia di Ailoot · masukan & metode

**Ailoot Ultra · Anthropic Messages** `POST /v1/messages`

Masukan

`text`

Keluaran

`text`

Konteks

65.536 tokens

Keluaran maksimum

8.192 tokens

Format keluaran

JSON

| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
| --- | --- | --- | --- | --- |
| Kolom`model` | Jenis`string` | PersyaratanWajib | Nilai & batasan liquid/lfm-2.5-2.6b:free | Bawaan— |
| Kolom`messages` | Jenis`array` | PersyaratanWajib | Nilai & batasan | Bawaan— |
| Kolom`stream` | Jenis`boolean` | PersyaratanOpsional | Nilai & batasan false | Bawaanfalse |
| Kolom`system` | Jenis`string` | PersyaratanOpsional | Nilai & batasan | Bawaan— |
| Kolom`max_tokens` | Jenis`integer` | PersyaratanWajib | Nilai & batasan Minimum: 1 Maksimum: 8.192 | Bawaan— |
| Kolom`temperature` | Jenis`number` | PersyaratanOpsional | Nilai & batasan | Bawaan— |
| Kolom`top_p` | Jenis`number` | PersyaratanOpsional | Nilai & batasan | Bawaan— |
| Kolom`top_k` | Jenis`integer` | PersyaratanOpsional | Nilai & batasan | Bawaan— |
| Kolom`stop_sequences` | Jenis`array` | PersyaratanOpsional | Nilai & batasan | Bawaan— |
| Kolom`metadata` | Jenis`object` | PersyaratanOpsional | Nilai & batasan | Bawaan— |

Parameter metode dan siklus hidup

| Parameter | Kontrak |
| --- | --- |
| Parameter`content_type` | Kontrakapplication/json |
| Parameter`required` | Kontrakmodel, messages, max\_tokens |
| Parameter`optional` | Kontrakstream, system, temperature, top\_p, top\_k, stop\_sequences, metadata |
| Parameter`material_types` | Kontraktext |
| Parameter`conditions` | KontrakUse literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method., The complete encoded JSON request must not exceed 65536 bytes. |

Siklus hidup: `synchronous_json`

### Paket

Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.

Mode Fast

Tarif standar Saat mode fast dipilih

Mode Flex

Tarif standar Saat mode flex dipilih

Upaya penalaran maksimum

Tarif standar Saat upaya penalaran maksimum menggunakan penyesuaian default

Tarif nol khusus teks

Text input and output only. Cache, tools, media and streaming are unavailable. Untuk masukan dan keluaran yang hanya berupa teks

#### Tarif Ailoot

#### Harga menurut konfigurasi

| Konfigurasi | Jadwal tarif | Biaya |
| --- | --- | --- |
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan **$0** / 1K token Keluaran · Token keluaran **$0** / 1K token Masukan · Pembacaan cache **—** / 1K token Masukan · Penulisan cache **—** / 1K token Masukan · Penulisan cache, 1 jam **—** / 1K token |

Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. [Cara kerja cadangan dan penyelesaian tagihan →](https://ailoot.ai/docs/id/billing/reserve/)

### Contoh permintaan

#### Ailoot Ultra · Anthropic Messages

curl · buat sekali dan simpan hasil secara lengkap

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
export AILOOT_API_KEY
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "liquid/lfm-2.5-2.6b:free", "messages": [{"role": "user", "content": "Summarize the supplied text in three concise points."}], "stream": false, "max_tokens": 256}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
# Submit once. Retain the complete result, original identifiers and every response header.
```

### Terima dan simpan hasil

#### Ailoot Ultra · Anthropic Messages

JSON

##### Simpan semua hasil yang selesai

Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.

Retain the complete response, all actual results, original identifiers, usage and response headers.

##### Jika respons asli perlu diperiksa

Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.

### Alias

#### Alias model

**Ailoot Ultra** [`liquid/lfm-2.5-2.6b:free`](https://ailoot.ai/models/id/#m=liquid%2Flfm-2.5-2.6b%3Afree&route=Ultra&caller=liquid%2Flfm-2.5-2.6b%3Afree&fmt=messages)

#### Alias jalur metode

Gunakan jalur metode yang ditampilkan di atas.

#### ID pemanggil terkait

[`liquid/lfm-2.5-2.6b:free`](https://ailoot.ai/models/id/#m=liquid%2Flfm-2.5-2.6b%3Afree&route=Ultra&caller=liquid%2Flfm-2.5-2.6b%3Afree&fmt=messages)

FAQ · LiquidAI: LFM2.5-2.6B (free)

Input dan hasil apa yang tersedia?

`POST /v1/chat/completions` · `liquid/lfm-2.5-2.6b:free`: `text` → `text` `POST /v1/messages` · `liquid/lfm-2.5-2.6b:free`: `text` → `text`

Kolom apa yang digunakan permintaan?

`POST /v1/chat/completions` · `liquid/lfm-2.5-2.6b:free`: `model`, `messages`, `stream`, `max_tokens`, `max_completion_tokens`, `n`, `temperature`, `top_p`, `seed`, `stop`, `frequency_penalty`, `presence_penalty`, `user` `POST /v1/messages` · `liquid/lfm-2.5-2.6b:free`: `model`, `messages`, `stream`, `system`, `max_tokens`, `temperature`, `top_p`, `top_k`, `stop_sequences`, `metadata`

Batasan apa yang berlaku?

`POST /v1/chat/completions` · `liquid/lfm-2.5-2.6b:free`: `ctx`: `65536`; `max_out`: `8192`; `max_tokens.minimum`: `1`; `max_tokens.maximum`: `8192`; `max_completion_tokens.minimum`: `1`; `max_completion_tokens.maximum`: `8192`; `n.minimum`: `1`; `n.maximum`: `128` `POST /v1/messages` · `liquid/lfm-2.5-2.6b:free`: `ctx`: `65536`; `max_out`: `8192`; `max_tokens.minimum`: `1`; `max_tokens.maximum`: `8192`

Hubungkan Ailoot ke Claude Code, OpenCode, Hermes, atau aplikasi Anda.

## Perusahaan dan portofolio proyeknya

Perusahaan dan portofolio proyeknya: jutaan pelanggan; penjualan miliaran setiap bulan.

## Beli token dengan diskon.

Diskon langganan untuk pekerjaan rutin. Kode promo — hingga 50% untuk pembelian token.

Langganan

Pilih paket dengan diskon untuk permintaan rutin Anda.

Kode promo hingga 50%

Masukkan kode saat membeli. Harga dihitung ulang sesuai promosi aktif.

Biaya dalam riwayat

Model, token, dan jumlah tagihan disimpan untuk setiap permintaan.

[Pilih langganan](https://ailoot.ai/docs/id/billing/subscriptions/) · [Lihat harga model](https://ailoot.ai/models/id/)

## Hubungkan API ke produk yang Anda jual.

SaaS, aplikasi, dan bot — sesuai penawaran dan perjanjian lisensi Ailoot. Untuk penjualan kembali, mintalah lisensi reseller.

Aplikasi komersial

Integrasikan pembuatan teks, gambar, video, dan suara dalam fitur berbayar layanan Anda.

Lisensi reseller

Kirim deskripsi proyek dan skema akses. Mintalah ketentuan penggunaan dan penjualan kembali secara tertulis.

Dokumen di situs

Penawaran, perjanjian lisensi, dan kebijakan pemrosesan data tersedia sebelum koneksi.

[Minta lisensi reseller](mailto:support@ailoot.ai) · [Penawaran dan perjanjian lisensi](https://ailoot.ai/legal/offer?lang=id)

## Ailoot · Perusahaan dan portofolio proyeknya





Ailoot bertumpu pada pengalaman operasional yang teruji, basis pelanggan yang besar, layanan yang stabil, dan pemantauan KPI berkelanjutan.





Perusahaan dan portofolio proyeknya: jutaan pelanggan; penjualan miliaran setiap bulan.





Ailoot memanfaatkan pengalaman operasional ini untuk akses API ke fitur AI dalam produk pelanggan, agen, aplikasi, dan otomatisasi.