FAQ

​

Penagihan

1. Berapa harga satuan untuk model di Alibaba Cloud Model Studio? Untuk deskripsi model, lihat Konsol Model Studio. Untuk informasi harga, lihat Harga inferensi model.
2. Apakah tersedia layanan prabayar? Ya, beberapa model dapat digunakan dengan layanan prabayar. Untuk informasi lebih lanjut, lihat Rencana penghematan.
3. Apakah tagihan bayar sesuai penggunaan diselesaikan setiap bulan? Tagihan dihitung per menit dan diselesaikan setiap bulan.
4. Bagaimana cara melihat tagihan dan rincian penagihan saya? Buka Biaya dan Pengeluaran untuk melihat rinciannya.
5. Bagaimana cara meminta faktur atas pengeluaran saya? Di halaman Ikhtisar Tagihan Bulanan, klik Download Invoice pada kolom Tindakan untuk akun yang diinginkan.
6. Wan membership Apakah manfaat Wan membership berlaku untuk panggilan API Alibaba Cloud Model Studio? Tidak. Manfaat Wan membership tidak berlaku untuk panggilan API Model Studio karena menggunakan sistem penagihan yang terpisah.

​

API/SDK

1. Bagaimana cara menemukan informasi mengenai kode kesalahan? Panggilan API ke Alibaba Cloud Model Studio mengembalikan kode status yang menunjukkan hasil panggilan tersebut. Untuk detail setiap kode dan solusinya, lihat Kode kesalahan.
2. Bagaimana cara menginstal SDK? Alibaba Cloud Model Studio menyediakan SDK untuk Java dan Python. Untuk petunjuknya, lihat Instal SDK.
3. Saat menggunakan pemanggilan fungsi dengan Assistant API, apakah saya dapat memanggil dua fungsi lokal secara berurutan? a. Pemanggilan dua fungsi terpisah secara berurutan saat ini tidak didukung. b. Sebagai solusi sementara, Anda dapat membuat dua Assistant API terpisah dan menangani nilai kembali dari masing-masing API tersebut.
4. Apakah Assistant API memiliki kemampuan terkait memori? Fitur konfigurasi memori saat ini belum didukung.

​

Pertanyaan produk

1. Bagaimana cara mengaktifkan layanan Alibaba Cloud Model Studio? Alibaba Cloud Model Studio harus diaktifkan per wilayah. Masuk dengan Akun Alibaba Cloud Anda dan buka Konsol Alibaba Cloud Model Studio (Singapura), Konsol Alibaba Cloud Model Studio (AS (Virginia)), atau Konsol Alibaba Cloud Model Studio (China (Beijing)). Ganti wilayah target di pojok kanan atas konsol. Setelah membaca dan menyetujui perjanjian layanan, Alibaba Cloud Model Studio akan diaktifkan secara otomatis. Jika perjanjian tidak muncul, layanan tersebut sudah diaktifkan untuk wilayah tersebut.
2. Bagaimana cara menonaktifkan layanan Alibaba Cloud Model Studio? Saat ini, layanan Alibaba Cloud Model Studio tidak dapat dinonaktifkan. Jika Anda menggunakan API untuk memanggil model atau aplikasi, Anda dapat mencegah panggilan di masa depan dengan menghapus Kunci API Anda di halaman API-Key (Singapura), API-Key (AS (Virginia)), atau API-Key (Beijing).
3. Bagaimana cara mencoba layanan model besar? Anda dapat membuka halaman Playground (Singapura), Playground (AS (Virginia)), atau Playground (Beijing) untuk mencobanya.
4. Apa perbedaan antara Alibaba Cloud Model Studio dan Qwen? Alibaba Cloud Model Studio adalah platform layanan model bahasa besar yang menyediakan berbagai model besar, termasuk seri Qwen.
5. Bagaimana cara menerapkan isolasi data bisnis untuk memastikan data dari pengguna berbeda tidak saling terkait? Anda dapat menggunakan Akun Alibaba Cloud Anda untuk memberikan izin ruang kerja berbeda kepada Pengguna RAM yang berbeda. Data diisolasi antar ruang kerja. Untuk detail selengkapnya, lihat Pengelolaan izin ruang kerja.
6. Apakah Alibaba Cloud Model Studio menyimpan data yang dihasilkan selama pemanggilan model? Alibaba Cloud melindungi privasi data secara ketat dan tidak pernah menggunakan data Anda untuk pelatihan model. Semua data yang dikirim saat Anda membangun aplikasi atau melatih model besar dienkripsi dengan AES-256 (Advanced Encryption Standard). Untuk detail tentang cara data Anda ditangani, lihat ketentuan mengenai Alibaba Cloud Model Studio dalam Ketentuan Layanan Produk Situs Web Internasional Alibaba Cloud.
7. Berapa lama riwayat percakapan disimpan di Playground, dan apakah ada batasan jumlah percakapan yang disimpan? Konsol Model Studio menampilkan maksimal 100 catatan percakapan historis tanpa batas waktu. Jika Anda menghapus beberapa catatan secara manual, sistem akan menampilkan catatan yang lebih lama secara otomatis. Percakapan dari sesi uji coba saat belum login atau yang menghasilkan kesalahan inferensi tidak disimpan.
8. Apakah Alibaba Cloud Model Studio mendukung penambahan pengenal implisit pada teks yang dihasilkan? Tidak.
9. Apakah Alibaba Cloud Model Studio memiliki aplikasi seluler? Alibaba Cloud Model Studio saat ini belum menyediakan aplikasi seluler resmi yang berdiri sendiri. Layanan ini terutama diakses melalui konsol web.

​

Pusat model

1. Bagaimana parameter model besar disimpan? Anda dapat mengunduh model open source dari komunitas ModelScope. Strukturnya biasanya didefinisikan dalam file JSON. Anda biasanya perlu menggunakan library Python open source untuk mengurai file-file tersebut, yang berisi informasi vektor yang membantu memahami proses penyimpanan.
2. Berapa banyak bahasa yang didukung oleh model seri Qwen? Mereka mendukung 14 bahasa: Tionghoa, Inggris, Arab, Spanyol, Prancis, Portugis, Jerman, Italia, Rusia, Jepang, Korea, Vietnam, Thailand, dan Indonesia.
3. Apakah model saat ini dapat terhubung ke data terstruktur, seperti MySQL atau Hive? Fitur ini saat ini belum didukung. Namun, fitur ini sedang dalam pengembangan, dengan prioritas diberikan pada integrasi dengan ApsaraDB RDS.
4. Apakah kecepatan generasi teks untuk model seperti Qwen-3 dan Qwen-Max tetap untuk semua pengguna? Apakah ada cara untuk menyesuaikan kecepatannya? Kecepatan generasi tidak tetap. Kecepatan tersebut bervariasi berdasarkan faktor seperti beban layanan keseluruhan saat ini dan konkurensi permintaan Anda.
5. Setelah pembatasan laju model dipicu, berapa lama waktu yang biasanya harus saya tunggu sebelum mencoba lagi? Waktu tunggu bergantung pada nilai pembatasan laju spesifik Anda, seperti permintaan per detik (RPS) atau permintaan per menit (RPM). Misalnya, jika batas Anda adalah 120 RPM (yaitu 2 permintaan per detik) dan Anda mengirimkan 2 permintaan berturut-turut dalam 0,2 detik, permintaan ketiga akan dikendalikan alirannya. Anda perlu menunggu sekitar 0,8 detik sebelum dapat berhasil mengirimkan permintaan lainnya.
6. Seri model apa yang dimiliki qwen-plus-latest? Apakah termasuk Qwen3.7 atau Qwen3.5? qwen-plus-latest adalah versi terbaru dari qwen-plus dan termasuk dalam seri Qwen3, bukan seri Qwen3.5 atau Qwen3.7. Perlu diperhatikan bahwa Qwen3.5, Qwen3.7, dan sebutan serupa merupakan seri model independen yang berjalan paralel dengan Qwen3, bukan subversi darinya.

​

Halusinasi model

1. Apa itu halusinasi model? Halusinasi model mengacu pada fenomena di mana model bahasa besar (LLM) menghasilkan konten yang tidak masuk akal, salah secara faktual, terdistorsi, atau bertentangan secara logis. Output tersebut mungkin tampak masuk akal dan lancar, tetapi tidak konsisten dengan prompt input, fakta dunia nyata, atau konteks logis. Penting untuk membedakan halusinasi dari kesalahan faktual (seperti yang disebabkan oleh data pelatihan yang kedaluwarsa), opini subjektif, atau penulisan kreatif (misalnya saat model secara eksplisit diminta menulis cerita). Inti dari halusinasi adalah pernyataan percaya diri tanpa dasar faktual.
2. Bagaimana cara mengurangi halusinasi model? Anda dapat mengurangi halusinasi model dengan cara berikut:
   1. Pilih model yang lebih kuat: Secara umum, memilih model yang lebih besar dan lebih canggih dapat mengurangi halusinasi. Misalnya, dalam seri Qwen, model tingkat Max berkinerja lebih baik daripada model tingkat Plus, yang pada gilirannya berkinerja lebih baik daripada model tingkat Turbo.
   2. Rekayasa prompt: Memodifikasi prompt merupakan cara sederhana dan efektif untuk mengurangi halusinasi model. Misalnya, dalam skenario Retrieval-Augmented Generation (RAG), tambahkan instruksi seperti, "Harap jawab hanya berdasarkan dokumen yang diberikan. Jika informasi tidak tersedia, katakan 'Saya tidak tahu.'" Anda juga dapat menambahkan, "Harap kutip data atau laporan spesifik untuk mendukung kesimpulan Anda," gunakan prompt untuk memecah tugas menjadi beberapa langkah, atau definisikan peran ketat untuk model dalam prompt.
   3. Retrieval-Augmented Generation (RAG): Dengan RAG, Anda dapat memberikan bahan referensi kepada model untuk tanggapannya dan secara ketat membatasi jawabannya dalam cakupan pengetahuan yang diambil, sehingga secara signifikan mengurangi halusinasi. Saat membangun sistem RAG, pastikan sistem pengambilannya berkualitas tinggi, memberi label sumber informasi secara jelas, dan menangani kasus di mana tidak ditemukan informasi relevan dengan elegan.
   4. Plugin/MCP: Gunakan kemampuan plugin atau MCP untuk mengurangi halusinasi model. Misalnya, saat menggunakan model besar untuk meringkas data dari database terstruktur, Anda dapat menggunakan plugin atau MCP untuk memanggil klien database guna melakukan perhitungan. Hasilnya kemudian dapat dikembalikan ke model untuk diringkas, yang menghindari halusinasi yang dapat terjadi ketika model mencoba melakukan perhitungan numerik secara langsung.
   5. Penyetelan parameter model: Menurunkan parameter keacakan seperti temperature, top_k, dan top_p membuat output lebih deterministik dan cenderung tidak menghasilkan konten aneh, meskipun mungkin mengorbankan kreativitas. Dalam beberapa skenario, mengurangi max_tokens dapat mencegah model memalsukan konten setelah memberikan informasi utama.
   6. Verifikasi pasca-pemrosesan: Setelah inferensi model selesai, gunakan langkah selanjutnya untuk memverifikasi kebenaran tanggapan. Ini biasanya melibatkan penggunaan proses berbasis AI lain untuk memeriksa tanggapan terhadap halusinasi. Metode ini meningkatkan biaya dan memperlambat waktu respons keseluruhan.