¿Qué es Oumi?
Oumi es una plataforma alojada para crear modelos y agentes a medida y mejorarlos con el tiempo. Su pieza central es FAiE, el agente Frontier AI Engineer: describes la tarea en lenguaje llano y propone evaluadores, mide una línea base, señala filas de entrenamiento defectuosas, sugiere familia, tamaño y método de entrenamiento del modelo, despliega un endpoint y agrupa los fallos de producción para que alimenten la siguiente ronda. Según la documentación, pide aprobación antes de cualquier paso que cueste dinero, salvo que actives Auto-approve.
El 4 de noviembre de 2026 Oumi amplió FAiE de los modelos a los agentes. Defines las herramientas del agente, las conectas a versiones simuladas o reales y evalúas sus decisiones a lo largo de llamadas a herramientas y turnos; Bring Your Own Harness permite que un agente que ya funciona en otro sitio conserve su orquestación y se conecte solo para evaluación y entrenamiento. El aprendizaje por refuerzo GRPO para agentes está en vista previa privada.
Oumi PBC tiene sede en Seattle, cerró una ronda semilla de 10 millones de dólares en enero de 2025 y se apoya en su propia biblioteca Apache 2.0 del mismo nombre. Las recetas de la plataforma se ejecutan sobre esa biblioteca, y así respalda Oumi su afirmación de que los pesos, los datos y las recetas son tuyos y puedes llevártelos.
¿Cuánto cuesta Oumi?
| Plan | Precio | Qué incluye |
|---|---|---|
| Free | $0 | Hasta $50 en créditos durante 3 meses; evaluación, síntesis de datos y ajuste fino LoRA/QLoRA |
| Pro | $25/month | $25/mes en créditos, luego pago por uso; destilación on-policy, trabajos simultáneos, inferencia con autoescalado, 1 descarga de pesos al mes |
| Enterprise | Custom | Tu propia VPC o en local, capacidad de GPU dedicada con SLA de rendimiento, RL y pipelines a medida |
Free: $0 con hasta $50 en créditos durante 3 meses ($25 con un correo personal). Pro: $25/mes con $25/mes en créditos incluidos, luego pago por uso, con 1 descarga de pesos del modelo al mes. Enterprise: precio a medida, con tu propia nube o en local. Uso: agente FAiE a $6.25 por 1M de tokens de entrada y $31.25 por 1M de salida; evaluación a $1 por 1,000 juicios; síntesis de datos a $1 por 1,000 filas; ajuste fino de $0.49 a $6.00 por 1M de tokens de entrenamiento según el tamaño del modelo; destilación on-policy a $2.90 (A100) o $4.00 (H100) por hora de GPU; inferencia en producción de $3.00 a $10.00 por hora de GPU.
¿Merece la pena Oumi?
Tu bot de soporte funciona con un modelo de frontera que cuesta demasiado por respuesta y aun así se equivoca con tus normas de reembolso. La solución habitual, entrenar un modelo más pequeño con tus propios ejemplos, exige gente que sepa montar evaluaciones, limpiar datos y elegir un método de entrenamiento. La mayoría de los equipos no la tiene.
El agente de Oumi, FAiE, hace esa planificación por ti. Le dices qué debe hacer el modelo o el agente, y propone cómo puntuarlo, mide dónde está, encuentra los ejemplos en los que falla, genera más parecidos, entrena un candidato y lo compara con la línea base. Cada paso espera tu visto bueno salvo que actives Auto-approve. Desde el 4 de noviembre hace lo mismo con agentes, puntuando sus llamadas a herramientas a lo largo de toda una conversación, y un agente que ya funciona en otro sitio puede quedarse allí.
El argumento es el coste. Los casos de estudio de la propia Oumi dicen que un modelo de 3B igualó a Qwen3-235B en SQL con un coste 10 veces menor para Kaizen Gaming. Son cifras de Oumi, no independientes. La promesa más útil es que el trabajo es portable: las recetas se ejecutan sobre la biblioteca de código abierto de Oumi, así que en principio puedes reconstruir el modelo sin la plataforma.
Empezar es barato. Pro cuesta $25 al mes con $25 en créditos. Ajustar un modelo de hasta 16B parámetros cuesta $0.49 por millón de tokens de entrenamiento, así que 10 millones de tokens de ejemplos en tres pasadas salen por unos $14.70. El propio agente FAiE se factura a $6.25 por millón de tokens de entrada y $31.25 por millón de salida, y cada juicio de evaluación cuesta $1 por cada 1,000.
La pega: lo barato es entrenar; lo caro es mantener un modelo en línea. Una H100 dedicada para servir cuesta $8.00 la hora, unos $5,760 por un mes encendida, y la lista de precios la pone por encima de la H200, más nueva, a $6.50, lo que parece un error. Pro permite una descarga de pesos del modelo al mes, así que llevarte tus pesos es real pero racionado. En datos, el centro de confianza lista informes SOC 2 Type 2, SOC 3 y HIPAA tras una solicitud de acceso, y nombra a OpenAI, Anthropic, AWS y Google entre los subencargados, pero Oumi no publica ninguna declaración sobre si usa los datos de clientes para entrenar sus propios modelos. GRPO para agentes está en vista previa privada, y la portada aún muestra un marcador de posición donde debería ir el ahorro de un cliente.
Nuestra opinión: Oumi tiene sentido cuando una sola tarea estrecha ya genera una factura de modelo grande y sabes describir qué es una respuesta correcta. Para un equipo que quiere ajustar prompts y mirar trazas, una herramienta de trazas como Braintrust es el paso más pequeño.
Dónde se gana su sitio
Una responsable de producto en una aseguradora de 40 personas que paga a un modelo de frontera por leer partes de siniestro
Conseguir la misma calidad de extracción con un modelo más barato que controlemos
Describe los campos a FAiE, sube unos cientos de formularios etiquetados, deja que monte evaluadores y una línea base y luego ajusta un modelo abierto pequeño. Entrenar por debajo de 16B parámetros cuesta $0.49 por 1M de tokens; servir en una A100 dedicada cuesta $3.00 la hora, así que el ahorro depende del volumen.
Un ingeniero de una start-up de viajes cuyo agente de reservas elige la herramienta equivocada
Averiguar por qué falla el agente y arreglar el modelo, no solo el prompt
Conecta el agente existente mediante Bring Your Own Harness, para que su orquestación se quede donde está, y deja que FAiE puntúe las llamadas a herramientas en conversaciones completas y convierta los fallos en datos de entrenamiento. El aprendizaje por refuerzo con GRPO requiere solicitar la vista previa privada.
Una científica de datos del equipo de analítica de un hospital que no puede enviar datos de pacientes a una API pública
Entrenar y ejecutar un modelo especializado dentro de nuestra propia cuenta en la nube
Enterprise añade despliegue en tu propia VPC o en local a un precio a medida; el centro de confianza lista un informe HIPAA, disponible bajo solicitud. Pide la política de retención de datos y las condiciones contractuales sobre entrenamiento antes de subir registros.
Antes de decidirte
- Puesta en marcha
- Alta autoservicio con $50 en créditos con un correo corporativo ($25 con uno personal); describe una tarea a FAiE y traza un plan, propone evaluadores y ejecuta una línea base antes de entrenar nada.
- Integraciones
- Modelos abiertos como Qwen, Gemma, Llama, DeepSeek, GLM y Kimi alojados por Oumi; modelos de OpenAI, Anthropic y Google con tus propias claves o al precio del proveedor; endpoints desplegados para tu aplicación; agentes en otros harness mediante Bring Your Own Harness; la biblioteca de código abierto Oumi y su servidor oumi-mcp.
- Datos y privacidad
- El centro de confianza lista informes SOC 2 Type 2, SOC 3 y HIPAA y una política de retención de datos, todo tras una solicitud de acceso; entre los subencargados están ClickHouse, Google, OpenAI, Anthropic y AWS. Oumi no publica ninguna declaración sobre si usa los datos de clientes para entrenar sus propios modelos. Enterprise puede funcionar en tu VPC o en local. ¿Qué herramientas de IA se entrenan con tus datos?
- Coste a escala
- Entrenar es barato y servir no: un endpoint dedicado en H100 cuesta $8.00 la hora, unos $5,760 al mes si se deja encendido, además de los tokens del agente FAiE a $6.25/$31.25 por 1M y las evaluaciones a $1 por 1,000 juicios.
- Límites
- La destilación on-policy se ejecuta en 8 GPU según disponibilidad; Pro permite 1 descarga de pesos al mes; GRPO para agentes está en vista previa privada; varias preguntas frecuentes sobre precios del sitio aún no tienen respuesta.
Lo bueno
- FAiE planifica evaluaciones, correcciones de datos y entrenamientos, con aprobación en cada paso de pago
- Las recetas se ejecutan sobre la biblioteca Oumi Apache 2.0, así que el trabajo es portable
- Ajuste fino desde $0.49 por 1M de tokens de entrenamiento para modelos de hasta 16B
- Bring Your Own Harness evalúa y reentrena agentes que funcionan en otro sitio
- Con tu propia clave de OpenAI, Anthropic o Google, Oumi no cobra nada por esa inferencia
Lo malo
- La creación de agentes se lanzó el 4 de noviembre de 2026; GRPO para agentes está en vista previa privada
- Pro permite solo 1 descarga de pesos del modelo al mes
- Nueve contadores distintos en la lista de precios hacen difícil prever la factura mensual
- Ninguna declaración publicada sobre entrenar con datos de clientes
- Las cifras de rendimiento salen de los casos de estudio de la propia Oumi
Ideal para
Equipos de producto sin especialistas en ML que quieren sustituir un modelo de frontera caro, en una tarea estrecha y bien definida, por un modelo más pequeño que sea suyo.
Alternativas a Oumi
Oumi: preguntas frecuentes
- ¿Merece la pena Oumi?
- Oumi es una vía creíble para que un equipo sin ingenieros de ML entrene su propio modelo, pero las funciones de agentes tienen menos de dos semanas y la factura tiene nueve contadores distintos. Le damos un 3.8 sobre 5.
- ¿Cuánto cuesta Oumi?
- Free: $0 con hasta $50 en créditos durante 3 meses ($25 con un correo personal). Pro: $25/mes con $25/mes en créditos incluidos, luego pago por uso, con 1 descarga de pesos del modelo al mes. Enterprise: precio a medida, con tu propia nube o en local. Uso: agente FAiE a $6.25 por 1M de tokens de entrada y $31.25 por 1M de salida; evaluación a $1 por 1,000 juicios; síntesis de datos a $1 por 1,000 filas; ajuste fino de $0.49 a $6.00 por 1M de tokens de entrenamiento según el tamaño del modelo; destilación on-policy a $2.90 (A100) o $4.00 (H100) por hora de GPU; inferencia en producción de $3.00 a $10.00 por hora de GPU.
- ¿Qué inconvenientes tiene Oumi?
- La creación de agentes se lanzó el 4 de noviembre de 2026; GRPO para agentes está en vista previa privada; pro permite solo 1 descarga de pesos del modelo al mes; nueve contadores distintos en la lista de precios hacen difícil prever la factura mensual; ninguna declaración publicada sobre entrenar con datos de clientes; las cifras de rendimiento salen de los casos de estudio de la propia Oumi.
- ¿Para quién es Oumi?
- Equipos de producto sin especialistas en ML que quieren sustituir un modelo de frontera caro, en una tarea estrecha y bien definida, por un modelo más pequeño que sea suyo.
- ¿Cuánto cuesta Oumi para un equipo o en producción?
- Entrenar es barato y servir no: un endpoint dedicado en H100 cuesta $8.00 la hora, unos $5,760 al mes si se deja encendido, además de los tokens del agente FAiE a $6.25/$31.25 por 1M y las evaluaciones a $1 por 1,000 juicios.
- ¿Es Oumi seguro para los datos de la empresa?
- El centro de confianza lista informes SOC 2 Type 2, SOC 3 y HIPAA y una política de retención de datos, todo tras una solicitud de acceso; entre los subencargados están ClickHouse, Google, OpenAI, Anthropic y AWS. Oumi no publica ninguna declaración sobre si usa los datos de clientes para entrenar sus propios modelos. Enterprise puede funcionar en tu VPC o en local.
- ¿Cuáles son las mejores alternativas a Oumi?
- Las alternativas más cercanas que hemos analizado son Together AI, Fireworks AI y Braintrust.
Respuestas comprobadas el 16 nov 2026.