Source: https://ailoot.ai/models/id/openai-text-embedding-ada-002/
Canonical: https://ailoot.ai/models/id/openai-text-embedding-ada-002/
Language: id

# OpenAI: Text Embedding Ada 002

[Markdown](https://ailoot.ai/models/id/openai-text-embedding-ada-002/index.md) · [JSON](https://ailoot.ai/models/id/openai-text-embedding-ada-002/facts.json)

## [OpenAI: Text Embedding Ada 002](https://ailoot.ai/models/id/openai-text-embedding-ada-002/)

Model embedding teks OpenAI yang mengembalikan vektor numerik 1.536 dimensi. Gunakan representasi tersebut untuk pencarian semantik, rekomendasi konten terkait, pengelompokan, klasifikasi, atau deteksi rekaman teks yang tidak biasa.

- [**Ailoot Ultra · Embedding** `POST /v1/embeddings` `openai/text-embedding-ada-002`](https://ailoot.ai/models/id/openai-text-embedding-ada-002/#method-0)
- [**Ailoot Ultra · Embedding · text-embedding-ada-002** `POST /v1/embeddings` `text-embedding-ada-002`](https://ailoot.ai/models/id/openai-text-embedding-ada-002/#method-1)

Tentang model

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

text-embedding-ada-002 adalah model embedding teks OpenAI untuk merepresentasikan materi tertulis sebagai vektor numerik. Keluarannya memuat 1.536 komponen. Pembuat menggabungkan peran kemiripan teks, pencarian dokumen/kueri, dan pencarian kode dalam satu representasi. Hasilnya adalah data untuk perbandingan atau algoritma lain, bukan jawaban yang dihasilkan untuk teks yang dibuat embedding-nya.

Untuk pencarian semantik, siapkan bagian dokumen bermakna dan pertahankan pengenal sumbernya. Contoh alur membuat embedding setiap bagian dan pertanyaan pengguna dengan model yang sama, membandingkan vektor, dan mengembalikan bagian sumber relevan. Aplikasi menentukan aturan temu kembali, filter, dan penyajian. Tahap pembangkitan teks berikutnya dapat menggunakan materi yang ditemukan untuk menyusun jawaban, sementara model embedding memberikan representasi numerik.

Penggunaan lain yang didokumentasikan meliputi pengelompokan rekaman serupa, rekomendasi konten terkait, klasifikasi teks, dan identifikasi pencilan. Untuk rekomendasi, bandingkan deskripsi objek yang hubungannya penting. Untuk klasifikasi, panduan menjelaskan perbandingan dengan representasi kategori atau penggunaan vektor sebagai fitur pengklasifikasi. Untuk deteksi anomali, hasil yang relevan adalah rekaman yang berbeda dari koleksi sekitarnya, ditafsirkan sesuai tugas produk.

OpenAI mencantumkan masukan maksimum 8.192 token untuk model ini. API embedding produsen menerima string teks atau masukan yang ditokenisasi, mengizinkan beberapa masukan dalam satu permintaan, dan menolak string kosong. Batas agregatnya adalah 300.000 token dalam satu permintaan, selain batas per masukan. Bagi dokumen lebih panjang menjadi bagian berguna sambil mempertahankan judul, definisi, dan rujukan kembali ke materi asli.

Keluaran adalah vektor nilai floating-point; produsen juga mendokumentasikan base64 sebagai pengodean alternatif untuk pengiriman data. Parameter pemendekan dimensi OpenAI ditujukan untuk model embedding generasi ketiga dan setelahnya, sehingga hasil Ada 1.536 dimensi yang didokumentasikan tetap terpisah dari kendali tersebut. Simpan identitas model dan vektor bersama rekaman sumber agar perbandingan berikutnya menggunakan representasi konsisten.

Panduan embedding menyarankan kemiripan kosinus dan menyatakan bahwa embedding OpenAI dinormalisasi ke panjang satu. Untuk vektor tersebut, hasil kali titik dapat menghitung kemiripan kosinus dan jarak Euclidean memberikan peringkat yang sama. Skor kemiripan merupakan bagian dari logika temu kembali atau klasifikasi aplikasi, bukan keputusan kategori yang otomatis diberikan model.

Tetapkan bidang sumber yang menjadi teks masukan dan cara bagian harus dibagi. Contoh hasil adalah himpunan bagian dokumen atau rekaman terkait berperingkat, masing-masing terhubung dengan sumber asli dan aturan yang digunakan untuk pemilihan. Jaga persiapan tetap konsisten dan nilai apakah materi hasil menjawab pertanyaan sebenarnya. Ini membuat keluaran numerik berguna bagi tahap pencarian, rekomendasi, atau analisis berikutnya.

**Ailoot Ultra · Embedding** `POST /v1/embeddings` `openai/text-embedding-ada-002`

[`openai/text-embedding-ada-002`](https://ailoot.ai/models/id/#m=openai%2Ftext-embedding-ada-002&route=Ultra&caller=openai%2Ftext-embedding-ada-002&fmt=embeddings)

OpenAI /`openai/text-embedding-ada-002`

ID model

- `openai/text-embedding-ada-002`
- `text-embedding-ada-002`

### Mulai

Model embedding teks OpenAI yang mengembalikan vektor numerik 1.536 dimensi. Gunakan representasi tersebut untuk pencarian semantik, rekomendasi konten terkait, pengelompokan, klasifikasi, atau deteksi rekaman teks yang tidak biasa.

Masukan yang diterima

Teks · token\_ids

Hasil

embedding

### Tersedia di Ailoot · masukan & metode

**Ailoot Ultra · Embedding** `POST /v1/embeddings`

Masukan

`text`, `token_ids`

Keluaran

`embedding`

Konteks

8.192 tokens

Format keluaran

json

| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
| --- | --- | --- | --- | --- |
| Kolom`model` | Jenis`string` | PersyaratanWajib | Nilai & batasan openai/text-embedding-ada-002 | Bawaan— |
| Kolom`input` | Jenis`string\|string[]\|integer[]\|integer[][]` | PersyaratanWajib | Nilai & batasan Item minimum: 1 Kondisi: Batch homogen yang tidak kosong. ID token berupa bilangan bulat nonnegatif. Anggaran masukan: Maksimum: 8.192 · Satuan teks: byte UTF8 · Satuan token: elemen array token | Bawaan— |
| Kolom`encoding_format` | Jenis`string` | PersyaratanOpsional | Nilai & batasan float | Bawaanfloat |
| Kolom`dimensions` | Jenis`integer` | PersyaratanTidak didukung | Nilai & batasan Minimum: 1 | Bawaan— |
| Kolom`user` | Jenis`json_value` | PersyaratanOpsional | Nilai & batasan Kondisi: Sumber mengizinkan kolom metadata JSON ini; makna tepatnya pada layanan hulu bergantung pada model. | Bawaan— |
| Kolom`session_id` | Jenis`json_value` | PersyaratanOpsional | Nilai & batasan Kondisi: Sumber mengizinkan kolom metadata JSON ini; makna tepatnya pada layanan hulu bergantung pada model. | Bawaan— |
| Kolom`trace` | Jenis`json_value` | PersyaratanOpsional | Nilai & batasan Kondisi: Sumber mengizinkan kolom metadata JSON ini; makna tepatnya pada layanan hulu bergantung pada model. | Bawaan— |
| Kolom`provider` | Jenis`object` | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak | Bawaan— |

Kombinasi bahan masukan

**text\_to\_embedding**

Parameter metode dan siklus hidup

| Parameter | Kontrak |
| --- | --- |
| Parameter`content_type` | Kontrakapplication/json |
| Parameter`required` | Kontrakmodel, input |
| Parameter`input_shapes` | Kontrakstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] |
| Parameter`encoding_format` | Kontrakfloat |
| Parameter`dimensions_override` | Kontrakfalse |
| Parameter`max_input_budget_units` | Kontrak8192 |
| Parameter`multimodal_objects` | Kontrakfalse |
| Parameter`material_types` | Kontraktext, token\_ids |

Siklus hidup: `synchronous_json`

Pertahankan index dan dimensi setiap vektor.

Nama model multimodal tidak mengizinkan objek gambar pada jalur persis ini.

### 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 Ailoot

#### Harga menurut konfigurasi

| Konfigurasi | Jadwal tarif | Biaya |
| --- | --- | --- |
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan **$0.0002** / 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 · Embedding

curlPython SDK

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "openai/text-embedding-ada-002", "input": ["First document", "Second document"]}')

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/embeddings \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))
PY_RESULT
```

```python
from openai import OpenAI
import os

client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.embeddings.create(model='openai/text-embedding-ada-002',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)
```

### Terima dan simpan hasil

#### Ailoot Ultra · Embedding

json

##### Simpan semua hasil yang selesai

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

Simpan setiap vektor beserta index masing-masing. Jumlah vektor harus sama dengan jumlah input; dimensinya harus konsisten.

##### Jika respons asli perlu diperiksa

Endpoint untuk tugas embedding tidak ditambahkan.

Kolom respons

| Kolom | Jenis |
| --- | --- |
| Kolom`object` | Jenisstring |
| Kolom`model` | Jenisstring |
| Kolom`data[].index` | Jenisinteger |
| Kolom`data[].embedding` | Jenisfinite float\[\] |
| Kolom`usage` | Jenisobject |

Kesalahan dan langkah berikutnya

| Respons | Kondisi | Langkah berikutnya |
| --- | --- | --- |
| Respons400 · `invalid_request_error` | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |

### Alias

#### Alias model

**Ailoot Ultra** [`openai/text-embedding-ada-002`](https://ailoot.ai/models/id/#m=openai%2Ftext-embedding-ada-002&route=Ultra&caller=openai%2Ftext-embedding-ada-002&fmt=embeddings), [`text-embedding-ada-002`](https://ailoot.ai/models/id/#m=openai%2Ftext-embedding-ada-002&route=Ultra&caller=text-embedding-ada-002&fmt=embeddings)

#### Alias jalur metode

Gunakan jalur metode yang ditampilkan di atas.

#### ID pemanggil terkait

[`openai/text-embedding-ada-002`](https://ailoot.ai/models/id/#m=openai%2Ftext-embedding-ada-002&route=Ultra&caller=openai%2Ftext-embedding-ada-002&fmt=embeddings), [`text-embedding-ada-002`](https://ailoot.ai/models/id/#m=openai%2Ftext-embedding-ada-002&route=Ultra&caller=text-embedding-ada-002&fmt=embeddings)

**Ailoot Ultra · Embedding · text-embedding-ada-002** `POST /v1/embeddings` `text-embedding-ada-002`

[`text-embedding-ada-002`](https://ailoot.ai/models/id/#m=openai%2Ftext-embedding-ada-002&route=Ultra&caller=text-embedding-ada-002&fmt=embeddings)

OpenAI /`text-embedding-ada-002`

ID model

- `openai/text-embedding-ada-002`
- `text-embedding-ada-002`

### Mulai

Model embedding teks OpenAI yang mengembalikan vektor numerik 1.536 dimensi. Gunakan representasi tersebut untuk pencarian semantik, rekomendasi konten terkait, pengelompokan, klasifikasi, atau deteksi rekaman teks yang tidak biasa.

Masukan yang diterima

Teks

Hasil

embedding

### Tersedia di Ailoot · masukan & metode

**Ailoot Ultra · Embedding · text-embedding-ada-002** `POST /v1/embeddings`

Masukan

`text`

Keluaran

`embedding`

Konteks

8.192 tokens

Format keluaran

json

| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
| --- | --- | --- | --- | --- |
| Kolom`model` | Jenis`string` | PersyaratanWajib | Nilai & batasan text-embedding-ada-002 | Bawaan— |
| Kolom`input` | Jenis`string\|string[]\|integer[]\|integer[][]` | PersyaratanWajib | Nilai & batasan Item minimum: 1 Kondisi: Batch homogen yang tidak kosong. ID token berupa bilangan bulat nonnegatif. Anggaran masukan: Maksimum: 8.192 · Satuan teks: byte UTF8 · Satuan token: elemen array token | Bawaan— |
| Kolom`encoding_format` | Jenis`string` | PersyaratanOpsional | Nilai & batasan float | Bawaanfloat |
| Kolom`dimensions` | Jenis`integer` | PersyaratanTidak didukung | Nilai & batasan Minimum: 1 | Bawaan— |
| Kolom`user` | Jenis`json_value` | PersyaratanOpsional | Nilai & batasan Kondisi: Metadata JSON opsional; semantik upstream yang persis bergantung pada model yang dipilih. | Bawaan— |
| Kolom`session_id` | Jenis`json_value` | PersyaratanOpsional | Nilai & batasan Kondisi: Metadata JSON opsional; semantik upstream yang persis bergantung pada model yang dipilih. | Bawaan— |
| Kolom`trace` | Jenis`json_value` | PersyaratanOpsional | Nilai & batasan Kondisi: Metadata JSON opsional; semantik upstream yang persis bergantung pada model yang dipilih. | Bawaan— |
| Kolom`provider` | Jenis`object` | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak | Bawaan— |

Kombinasi bahan masukan

**text\_to\_embedding**

Parameter metode dan siklus hidup

| Parameter | Kontrak |
| --- | --- |
| Parameter`content_type` | Kontrakapplication/json |
| Parameter`required` | Kontrakmodel, input |
| Parameter`input_shapes` | Kontrakstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] |
| Parameter`encoding_format` | Kontrakfloat |
| Parameter`dimensions_override` | Kontrakfalse |
| Parameter`max_input_budget_units` | Kontrak8192 |
| Parameter`multimodal_objects` | Kontrakfalse |
| Parameter`material_types` | Kontraktext |
| Parameter`text_file_material` | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |

Siklus hidup: `synchronous_json`

Kirim ID model yang persis dan bidang wajib.

Simpan setiap item yang dikembalikan beserta pengenal aslinya.

### 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 Ailoot

#### Harga menurut konfigurasi

| Konfigurasi | Jadwal tarif | Biaya |
| --- | --- | --- |
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan **$0.0002** / 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 · Embedding · text-embedding-ada-002

Isi permintaan JSON minimal yang lengkapcurl · gunakan dokumen UTF-8 AndaPython · simpan hasil secara lengkap

```json
{
  "model": "text-embedding-ada-002",
  "input": [
    "First document",
    "Second document"
  ],
  "encoding_format": "float"
}
```

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'text-embedding-ada-002', 'input': ['First document', 'Second document'], 'encoding_format': 'float'}
payload['input'] = [text]
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
for vector in result.get('data', []):
    print('Vector', vector.get('index'), json.dumps(vector.get('embedding')))
PY_RESULT
```

```python
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'text-embedding-ada-002', 'input': ['First document', 'Second document'], 'encoding_format': 'float'}
payload['input'] = [text]
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}
headers['Authorization'] = 'Bearer ' + api_key
request = Request('https://api.ailoot.ai/v1/embeddings', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
for vector in result.get('data', []):
    print('Vector', vector.get('index'), json.dumps(vector.get('embedding')))
```

### Terima dan simpan hasil

#### Ailoot Ultra · Embedding · text-embedding-ada-002

json

##### Simpan semua hasil yang selesai

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

Simpan setiap vektor bernilai berhingga beserta indeks aslinya. Pertahankan seluruh dimensi dan objek penggunaan secara utuh.

##### Jika respons asli perlu diperiksa

Endpoint untuk tugas embedding tidak ditambahkan.

Kolom respons

| Kolom | Jenis |
| --- | --- |
| Kolom`object` | Jenisstring |
| Kolom`model` | Jenisstring |
| Kolom`data[].index` | Jenisinteger |
| Kolom`data[].embedding` | Jenisfinite float\[\] |
| Kolom`usage` | Jenisobject |

Kesalahan dan langkah berikutnya

| Respons | Kondisi | Langkah berikutnya |
| --- | --- | --- |
| Respons400 · `invalid_request_error` | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |

### Alias

#### Alias model

**Ailoot Ultra** [`openai/text-embedding-ada-002`](https://ailoot.ai/models/id/#m=openai%2Ftext-embedding-ada-002&route=Ultra&caller=openai%2Ftext-embedding-ada-002&fmt=embeddings), [`text-embedding-ada-002`](https://ailoot.ai/models/id/#m=openai%2Ftext-embedding-ada-002&route=Ultra&caller=text-embedding-ada-002&fmt=embeddings)

#### Alias jalur metode

Gunakan jalur metode yang ditampilkan di atas.

#### ID pemanggil terkait

[`openai/text-embedding-ada-002`](https://ailoot.ai/models/id/#m=openai%2Ftext-embedding-ada-002&route=Ultra&caller=openai%2Ftext-embedding-ada-002&fmt=embeddings), [`text-embedding-ada-002`](https://ailoot.ai/models/id/#m=openai%2Ftext-embedding-ada-002&route=Ultra&caller=text-embedding-ada-002&fmt=embeddings)

FAQ · OpenAI: Text Embedding Ada 002

Input dan hasil apa yang tersedia?

`POST /v1/embeddings` · `openai/text-embedding-ada-002`: `text`, `token_ids` → `embedding` `POST /v1/embeddings` · `text-embedding-ada-002`: `text` → `embedding`

Kolom apa yang digunakan permintaan?

`POST /v1/embeddings` · `openai/text-embedding-ada-002`: `model`, `input`, `encoding_format`, `provider` `POST /v1/embeddings` · `text-embedding-ada-002`: `model`, `input`, `encoding_format`, `provider`

Batasan apa yang berlaku?

`POST /v1/embeddings` · `openai/text-embedding-ada-002`: `ctx`: `8192`; `input.budget.maximum`: `8192` (byte UTF8); `input.min_items`: `1` `POST /v1/embeddings` · `text-embedding-ada-002`: `ctx`: `8192`; `input.budget.maximum`: `8192` (byte UTF8); `input.min_items`: `1`

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.