Hybrid thinking/reasoning mode maksudnya Alibaba Cloud Qwen 3 mendukung Thinking Mode dan Non-Thinking Mode. Pada Thinking Mode, Alibaba Cloud 3 akan melakukan pemikiran/penalaran yang lebih mendalam dus membutuhkan waktu yang lebih lama. Adapun pada Non-Thinking Mode, Alibaba Cloud 3 akan melakukan pemikiran/penalaran yang tidak semendalam Thinking Mode dus membutuhkan waktu yang lebih singkat. Thinking Mode cocok untuk tugas-tugas yang kompleks, sedangkan Non-Thinking Mode untuk yang lebih sederhana.
Pada basis data, Alibaba Cloud antara lain mengedepankan PolarDB—basis data relasional. Alibaba Cloud menyebutkan PolarDB sejak beberapa lama sudah mendukung in-database AI inference. Alhasil Alibaba Cloud PolarDB membolehkan AI inference secara langsung tanpa harus memindahkan/menyalin data ke tempat lain terlebih dahulu. Kapabilitas in-database AI inference sendiri meruapakn salah satu dari tiga arah utama Alibaba Cloud perihal data dan AI pada basis data. Dua lagi adalah perkakas data plus AI generatif serta basis data untuk AI.
Pada big data, Alibaba Cloud di antaranya mengemukakan MaxCompute—data warehouse. Alibaba Cloud menjelaskan MaxCompute sejak bulan Februari 2025 telah mendukung DDM (dynamic data masking). Fitur ini membolehkan masking terhadap data. DDM misalnya bisa dimanfaatkan untuk melindungi data pribadi. Alibaba Cloud pun menekankan DDM pada MaxCompute cocok dengan perlindungan data pribadi di tanah air yang peraturannya sudah mulai berlaku beberapa waktu lalu.
Pada keamanan siber, Alibaba Cloud di antaranya mengedepankan ESA (Edge Security Acceleration). Sebelumnya bernama DCDN (Dynamic Content Delivery Network)—CDN (content delivery network), Alibaba Cloud beralasan mengganti namanya menjadi ESA karena merupakan peningkatan yang signifikan. Alibaba Cloud mengganti DCDN menjadi ESA pada akhir kuartal ketiga tahun lalu. Alibaba Cloud menjelaskan bahwa ESA bisa dibilang sebagai CDN dengan keamanan siber.
Transformasi Digital Perhutani
Salah satu dari organisasi di Indonesia yang sudah menggunakan Alibaba Cloud adalah Perum Perhutani (Perusahaan Umum Kehutanan Negara). Perum Perhutani—selanjutnya disebut Perhutani—menyebutkan menggunakan Alibaba Cloud untuk menjalankan sejumlah aplikasi. Perhutani memigrasikan sejumlah aplikasi dari berjalan di on-premises menjadi berjalan di Alibaba Cloud.
Perhutani menyebutkan melakukan transformasi digital demi antara lain meningkatkan kualitas pengelolaan hutan. Perhutani menjelaskan bahwa penggunaan berbagai teknologi digital memungkinkan pengambilan data, pemrosesan, analisis, perencanaan, pemantauan, dan intervensi dilakukan dengan lebih detail, presisi, granular, dan cepat. Transformasi digital yang dilakukan Perhutani pun bisa dibilang menyeluruh, mulai dari sistem pengelolaan sampai sistem penjualan.
“Perhutani, gitu ya, yang sa, 13 juta hektarenya itu ada di Pulau Jawa dan Madura, itu ada kesulitan untuk mendata proses bisnis yang ada di lapangan untuk bisa dapat dikonsumsi secara cepat di level regional dan nasional. Jadi, dulunya masih banyak menggunakan aplikasi-aplikasi berbasis kertas, gitu ya, surat-menyurat, digital, lokal, gitu kan, ini kita ubah menjadi lebih sentral, gitu. Nah, tujuannya apa? Tujuannya untuk mendapatkan keputusan-keputusan strategis yang lebih tepat, gitu,” sebut Prasetyo Herlambang (Kepala Departemen Teknologi Perhutani).
Perhutani menambahkan bahwa transformasi digital yang dilakukan menghasilkan puluhan aplikasi—peranti lunak. Sebagian dari aplikasi ini mengalami lalu lintas data dan penggunaan yang tinggi maupun mengalami lalu lintas data dan penggunaan yang belum terprediksi besaran tertingginya. Alhasil, untuk lebih optimal dalam menyediakan sumber daya tempat aplikasi-aplikasi yang dimaksud berjalan, Perhutani menggunakan cloud.
Pada tahun 2020, Perhutani mulai memigrasikan aplikasi-aplikasi tersebut ke Alibaba Cloud. Kini, hampir 40% dari sumber daya server Perhutani adalah di Alibaba Cloud. Perhutani pun berencana untuk menggunakan kapabilitas-kapabilitas AI generatif yang ditawarkan Alibaba Cloud, antara lain untuk menghadirkan model-model AI yang spesifik untuk pohon-pohon tertentu. Tujuannya adalah efisiensi—tidak perlu membuat model-model AI secara konvensional. Selain itu, dengan suatu model AI yang spesifik, suatu prediksi bisa lebih akurat.