Jalankan Model AI Apa Pun, Sisanya Kami yang Urus

    Dari pemilihan model hingga skala produksi, seluruh AI stack, di-hosting di Indonesia, dikelola langsung

    ionext API · Preview
    Live loop
    01 · Talk to IONA
    I need infrastructure for shelf-stock detection. Real-time, peaks at shopping hours.
    Got it. What throughput are you expecting at peak?
    Bursty. Roughly 4x baseline for three hours a day.
    Sizing for peak, not average: 8 vCPU, 32GB, one 8GB GPU. Want me to provision it?
    02 · IONA provisions it
    IONA is preparing your model…
    ·Scanning model catalog…
    ·Benchmarking 12 candidates on id-text…
    ·Selected: Qwen3.8-27B
    ·Provisioning Jakarta GPU node…
    ·Endpoint built · https://api.ionext.id/v1
    Endpoint live · ready to call
    03 · You call the endpoint
    curl https://api.ionext.id/v1/chat/completions \
    -H "Authorization: Bearer sk-ionext-…" \
    -d '{ "model":"qwen3.8-27b", "messages":[…] }'
    200 OK · 184ms · jakarta-1
    > Ringkasan: Dokumen membahas strategi adopsi AI berdaulat di Indonesia, dengan fokus pada kepatuhan data, latensi rendah, dan skalabilitas regional…
    ✓ Shipped. Data never left Indonesia.
    04 · Watch it in ORBIT
    !
    vm-db-01
    vm-db-01Degraded
    192.10.0.9· Jakarta-1 · Debian 12
    System Check
    CPU88%3.5 of 4 vCPU
    Memory91%14.6 of 16GB
    Storage93%37 of 40 GB
    GPU-Not attached
    NetworkLogsMonitoring
    MonitoringLast 15 Minutes
    Storage
    Last updated: 8:09:28 PM
    100%50%0%
    06.15 AM06.25 AM06.35 AM06.45 AM06.55 AM
    CPU
    Last updated: 8:09:28 PM
    100%50%0%
    06.15 AM06.25 AM06.35 AM06.45 AM06.55 AM
    Memory
    Last updated: 8:09:28 PM
    100%50%0%
    06.15 AM06.25 AM06.35 AM06.45 AM06.55 AM
    Ask

    Rumah Bagi Para Pembangun AI Paling Ambisius di Indonesia

    PitjarusBTTFeedloopIndonesia 17NodefluxVyPrAIPitforceNubix
    Mengapa IONEXT

    AI Stack yang Selama Ini Terlewatkan

    “GPU sering kali tidak tersedia, terlalu besar untuk kebutuhan, atau terkunci dalam komitmen setahun penuh.”

    GPU as a Service.

    Sediakan kapasitas GPU saat workload membutuhkannya, lalu lepas kembali saat tidak. Disesuaikan dengan use case, di-hosting di Indonesia, dengan visibilitas jelas atas pengeluaran yang terjadi.

    Lihat GPU yang tersedia

    “Menjalankan model di production berarti menanggung sendiri serving stack, scaling, dan setiap page tengah malam.”

    Managed Inference.

    Satu endpoint yang kompatibel dengan OpenAI dan satu API key. Pengganti langsung untuk kode klien yang sudah ada, dengan routing, batching, dan scaling ditangani di sisi kami.

    “Model open-weight adalah pilihan yang tepat, sampai proses hosting, update, dan monitoring harus dilakukan sendiri.”

    Open Model Hosting.

    Jalankan model open-weight di atas infrastruktur berdaulat tanpa perlu membangun hosting layer sendiri. Model yang di-deploy berjalan berdampingan dengan VM dan pipeline yang menggunakannya, dipantau dari satu tempat.

    IONA

    Kenalan dengan IONA, Pendamping Builder yang Didukung Intelligence

    IONA menerima informasi tentang apa yang sedang dibangun, merekomendasikan infrastruktur dan model yang sesuai, melakukan provisioning di ORBIT, lalu terus memantau dan memberi notifikasi saat ada hal yang perlu perhatian.

    ✓
    Merekomendasikan infrastruktur dan model sesuai use case yang sebenarnya, bukan yang sedang tren
    ✓
    Melakukan provisioning langsung di ORBIT atas rekomendasi yang diberikan
    ✓
    Memantau kesehatan production, model drift, dan kegagalan pipeline saat terjadi
    ✓
    Melakukan eskalasi lengkap dengan opsi yang tersedia saat dibutuhkan keputusan
    Jelajahi IONA
    Preview
    IONAworking
    I need infrastructure for shelf-stock detection. Real-time, peaks at shopping hours.
    Sizing for peak: 8 vCPU, 32GB, one 8GB GPU. Want me to provision it?
    Go ahead.
    Running in ORBIT. Six resources, connections wired.
    I'll keep watching health, drift and pipelines.
    vm-gpu-01 memory is at 94% and climbing. This one needs your call.
    Type message here
    Ready
    Waiting for your request…
    ORBIT

    ORBIT, Tempat AI Operations Benar-Benar Berjalan

    Membangun infrastruktur, merangkai pipeline, men-deploy model, dan memantau semuanya dari satu canvas, alih-alih lima tool yang terpisah-pisah.

    ✓Membuat VM dan merangkai pipeline dalam satu canvas
    ✓Kesehatan production real-time dalam satu tampilan
    ✓Model berada berdampingan dengan VM yang menjalankannya
    ✓Status public atau private langsung dari topology
    Jelajahi ORBIT
    Workspace/retail-vision/Production
    OrbitVirtual MachineDiskSSH KeySettings
    internet
    Public ingress
    gateway-01
    Public Gateway
    lb-prod-01
    Managed Load Balancer
    vm-api-01
    4 vCPU · 16GB RAM
    vm-gpu-01
    8 vCPU · 32GB RAM · 8GB GPU
    vm-gpu-02
    8 vCPU · 32GB RAM · 8GB GPU
    !
    vm-db-01
    4 vCPU · 16GB RAM
    vol-data-01
    500 GB · Block Storage
    !
    production
    8 resources · vm-db-01 warning
    staging
    3 resources
    vol-shared-01
    500 GB · shared volume
    ssh-keys
    shared credentials
    egress
    project gateway
    project · retail-vision
    shared-vpc
    workspace network
    !
    retail-vision
    11 resources · vm-db-01 warning
    doc-ai
    5 resources
    fraud-detect
    3 resources
    workspace · Jakarta-1
    production
    vm-gpu-01Running
    192.10.0.11· Jakarta-1 · Ubuntu 22.04
    System Check
    CPU71%5.68 of 8 vCPU
    Memory40%12.8 of 32GB
    Storage80%35 of 40 GB
    GPU80%6.4 of 8 GB
    NetworkLogsMonitoring
    MonitoringLast 15 Minutes
    GPU Utilization
    Last updated: 8:09:28 PM
    100%50%0%
    06.15 AM06.25 AM06.35 AM06.45 AM06.55 AM
    CPU
    Last updated: 8:09:28 PM
    100%50%0%
    06.15 AM06.25 AM06.35 AM06.45 AM06.55 AM
    Storage
    Last updated: 8:09:28 PM
    100%50%0%
    06.15 AM06.25 AM06.35 AM06.45 AM06.55 AM
    Katalog Model

    Setiap Model yang Direkomendasikan IONA, Siap Dipanggil

    Open weights, disajikan dari hardware milik sendiri di Indonesia. Pilih salah satu, atau biarkan IONA yang menentukan.

    DeepSeek

    DeepSeek-V4-Flash-0731

    UNGGULAN
    DeepSeek · Berjalan di hardware IONEXT, Jakarta

    Model mixture-of-experts 304B yang hanya mengaktifkan sebagian kecil parameter per token, dipasangkan dengan DSpark speculative decoding. Reasoning effort dapat dipilih per request: low, high, atau max. Weights berlisensi MIT, sehingga seluruh proses berjalan di dalam infrastruktur sendiri, tidak ada yang keluar.

    Context
    384K
    Reasoning effort high dan max
    Parameters
    304B
    Mixture of experts
    Lisensi
    MIT
    Open weights
    Dirancang untuk
    Agentic work
    Tool calling, kode long-horizon
    Benchmark di hardware kami/Jakarta
    0.25s
    Waktu ke token pertama
    Hosted API membutuhkan 1.73s dan 3.10s.
    1.66×
    Lebih cepat pada 498 task
    Weights yang sama dengan DeepSeek API hosted.
    −4.4 pts
    Selisih akurasi rata-rata
    Dibandingkan frontier model yang jauh lebih besar.
    Waktu ke token pertama
    Diukur dari Jakarta. Semakin singkat semakin baik.
    IONEXT on-premDeepSeek V4 FlashGPT-5.6-LunaSonnet 50.25s1.73s3.10s
    Akurasi pada data Indonesia
    Prompt dan sampling identik pada setiap endpoint.
    Di IONEXTGPT-5.6-LunaSonnet 5
    05010074.276.477.8CORD-v2receipts · field F179.383.183.8IndoCareerprofessional exams79.584.580.5IndoMMLUschool exams

    Benchmark internal, dijalankan oleh IONEXT, belum diaudit secara independen. 498 task identik pada tiga dataset publik yang dianotasi manusia. Latensi hosted API diukur dari Jakarta dan mencakup jalur jaringan. Kode benchmark tersedia atas permintaan.

    Juga di-hosting

    Infrastruktur yang sama, API yang sama. Pilih satu model, atau biarkan IONA merutekan setiap request.

    Qwen

    Qwen3.8-27B

    Qwen (Alibaba Cloud)

    Model open-weight yang ringkas, dibangun di atas arsitektur Qwen3.5 dengan kemampuan pemahaman visi-bahasa secara bawaan. Model ini melakukan proses penalaran secara default dengan mempertahankan alur pemikiran antar-giliran percakapan, serta memiliki kedalaman penalaran yang dapat disesuaikan untuk setiap permintaan melalui parameter `reasoning_effort`. Mendukung konteks bawaan sebesar 262 ribu token, yang dapat diperluas hingga 1 juta token menggunakan YaRN.

    Context
    262K
    Parameters
    27B
    Cocok untuk
    • ·Agentic coding dan reasoning di level repository
    • ·Multi-step reasoning dengan thinking yang konsisten antar-turn
    • ·Pemahaman dokumen dan visual (chart, OCR)
    ReasoningCodeMultimodal
    Cara Kerjanya

    Dari Ide ke Infrastruktur AI yang Berjalan, dalam Tiga Langkah

    IONA menentukan apa yang perlu dijalankan. ORBIT menjalankannya. Masalah diketahui lebih awal.

    IONAreading
    Your use case
    Shelf-stock detection for a supermarket chain. Real-time inference, peak load at shopping hours.
    computer visionreal-timebursty load
    Computer vision with bursty traffic. Sizing for peak, not average, so inference stays under your latency target.
    IONA recommends
    Infrastructure
    VM profileg1.gpu.8x
    Compute8 vCPU · 32GB
    GPU8GB
    Model
    SelectedQwen3.8-27B
    Whymultimodal, 262K ctx
    Indonesia archipelago map
    Kedaulatan Data

    Data tidak pernah keluar dari Indonesia

    Setiap inference, setiap token, diproses dan disimpan di dalam negeri. Dibangun sesuai UU PDP Indonesia (UU No. 27/2022). Compliance sejak hari pertama.

    ISO/IEC 27001 certified by TÜV NORD Indonesia
    ISO/IEC 27001Bersertifikasi TÜV NORD IndonesiaLihat detail sertifikat →

    Solusi AI apa pun. Infrastruktur IONext. Satu platform.

    Full stack, satu platform, zero data keluar dari Indonesia. IONA dan ORBIT menangani keputusan infrastruktur dan workspace untuk menjalankannya, sehingga tim engineering tetap fokus pada hal yang memenangkan deal berikutnya.