Model Gateway
Pilih model yang boleh dipakai agent. Catalog Amazon Bedrock untuk discovery di AWS BSN (contoh); live test memakai satu model demo.
Data nasabah hanya boleh diproses model dengan inference di Indonesia
Jika aktif, model cross-region hanya boleh dipakai untuk data non-sensitif.
| Model | Provider | Cocok untuk | Biaya (Rp/1 juta token) | Data | Enabled |
|---|---|---|---|---|---|
| Kimi K2 | Moonshot | Agent & tool calling, dokumen panjang | Rp38.000 | Diizinkan untuk data nasabah in-region · status contoh | |
| Qwen3 | Alibaba | Bahasa Indonesia, reasoning umum | Rp26.000 | Diizinkan untuk data nasabah in-region · status contoh | |
| Amazon Nova Pro | Amazon | Dokumen & analisis, seimbang | Rp21.000 | Diizinkan untuk data nasabah in-region · status contoh | |
| Amazon Nova Lite | Amazon | Ringkasan murah, volume tinggi | Rp4.500 | Diizinkan untuk data nasabah in-region · status contoh | |
| gpt-oss-120b | OpenAI (open-weight) | Reasoning, analisis terstruktur | Rp12.000 | Diizinkan untuk data nasabah in-region · status contoh | |
| Claude Sonnet | Anthropic | Review dokumen hukum, penulisan | Rp95.000 | Hanya data non-sensitif cross-region · status contoh |
Ketersediaan in-region per model diverifikasi di AWS account BSN saat discovery. Di demo ini semua model dijalankan oleh satu model demo. Biaya adalah angka contoh.
Routing policy
Konfigurasi contoh. Routing, fallback dan caching produksi melalui Amazon Bedrock; live test tetap memakai satu model demo.
| Jenis tugas | Model |
|---|---|
| Ringkasan singkat | |
| Analisis dokumen panjang | |
| Reasoning terstruktur | |
| Fallback |
Model guardrails
PII filter memakai masking tools. Denied topics, injection dan grounding menjadi instruksi live model, bukan detektor keamanan produksi.
PII filter
Prompt-injection detection (instruksi demo)
Grounding check · jawaban bersumber dari knowledge/tools
Denied topics
rekomendasi investasi spesifik
fatwa syariah final
data nasabah ke pihak luar
Predictive models (ML)
Credit scoring KPR
Contoh registry · v3.2Algoritma
XGBoost, dibandingkan dengan logistic regression (challenger)Fitur utama
Rasio angsuran, kolektibilitas SLIK 12 bulan, stabilitas gaji, lama bekerja, uang muka, cicilan paylater/pinjolMetrik monitoring (angka simulasi)
AUC
0.81
KS
0.46
PSI
0.07
Approval rate
62%
NPF
1.9%
LLM tidak dipakai untuk menghitung skor. Agent hanya membaca hasil skor dan menjelaskannya kepada analis.