Oumiとは?
Oumi は、独自のモデルやエージェントを作り、時間をかけて改善するためのホスト型プラットフォームです。中心にあるのは Frontier AI Engineer エージェントの FAiE です。タスクを普通の言葉で説明すると、評価器を提案し、ベースラインを測り、質の悪い学習データの行を指摘し、モデルのファミリー、サイズ、学習手法を提案し、エンドポイントをデプロイし、本番での失敗をまとめて次の改善に回します。ドキュメントによると、Auto-approve をオンにしない限り、費用がかかる手順の前には必ず承認を求めます。
2026年11月4日、Oumi は FAiE の対象をモデルからエージェントに広げました。エージェントのツールを定義し、シミュレーションまたは実際の実装につなぎ、ツール呼び出しと会話のターンをまたいで判断を評価します。Bring Your Own Harness を使えば、すでに別の場所で動いているエージェントはオーケストレーションをそのままにして、評価と学習のためだけに接続できます。エージェント向けの GRPO 強化学習はプライベートプレビューです。
Oumi PBC はシアトルに拠点を置き、2025年1月に 1,000 万ドルのシードラウンドを調達し、同名の自社製 Apache 2.0 ライブラリを土台にしています。プラットフォームのレシピはこのライブラリ上で動くため、Oumi は重み、データ、レシピはあなたのもので持ち出せると主張しています。
Oumiの料金は?
| プラン | 価格 | 内容 |
|---|---|---|
| Free | $0 | 3 か月間最大 $50 のクレジット。評価、データ合成、LoRA/QLoRA のファインチューニング |
| Pro | $25/month | 月 $25 分のクレジット、その後は従量課金。オンポリシー蒸留、ジョブの同時実行、オートスケールする推論、重みのダウンロードは月 1 回 |
| Enterprise | Custom | 自社の VPC またはオンプレミス、スループット SLA 付きの専用 GPU、RL とカスタムパイプライン |
Free:$0、3 か月間最大 $50 のクレジット(個人メールでは $25)。Pro:月 $25、月 $25 分のクレジット込み、その後は従量課金で、モデルの重みのダウンロードは月 1 回まで。Enterprise:個別見積もりで、自社クラウドまたはオンプレミスに対応。利用料金:FAiE エージェントは入力 1M トークンあたり $6.25、出力 1M あたり $31.25、評価は 1,000 判定あたり $1、データ合成は 1,000 行あたり $1、ファインチューニングはモデルサイズに応じて学習トークン 1M あたり $0.49〜$6.00、オンポリシー蒸留は GPU 1 時間あたり $2.90(A100)または $4.00(H100)、本番推 論は GPU 1 時間あたり $3.00〜$10.00 です。
Oumiは使う価値があるか?
サポート用のボットがフロンティアモデルで動いていて、回答 1 件あたりの費用が高すぎるうえ、返金ルールをまだ間違えます。よくある解決策は自社の事例で小さなモデルを学習させることですが、評価を組み、データを整え、学習手法を選べる人が必要です。たいていのチームにはそういう人がいません。
Oumi のエージェント FAiE は、その段取りを代わりに組みます。モデルやエージェントに何をさせたいかを伝えると、採点方法を提案し、現状を測り、失敗する例を見つけ、似た例を生成し、候補を学習させ、ベースラインと比べます。Auto-approve をオンにしない限り、どの手順もあなたの承認を待ちます。11月4日からはエージェントにも同じことを行い、会話全体を通したツール呼び出しを採点します。すでに別の場所で動いているエージェントはそのままで構いません。
売りはコストです。Oumi 自身の事例では、Kaizen Gaming 向けに 3B のモデルが SQL で Qwen3-235B に並び、コストは 10 分の 1 だったとしています。これは Oumi の数字で、独立した検証ではありません。より役に立つ約束は持ち運べることです。レシピは Oumi のオープンソースライブラリ上で動くので、原理的にはプラットフォームなしでモデルを作り直せます。
始めるのは安上がりです。Pro は月 $25 で $25 分のクレジットが付きます。16B パラメーターまでのモデルのファインチューニングは学習トークン 100 万あたり $0.49 なので、1,000 万トークンの事例を 3 回通しても約 $14.70 です。FAiE エージェント自体は入力トークン 100 万 あたり $6.25、出力 100 万あたり $31.25 で課金され、評価の判定は 1,000 件ごとに $1 です。
注意点:安いのは学習で、高いのはモデルを動かし続けることです。推論用の専用 H100 は 1 時間 $8.00 で、1 か月動かし続けると約 $5,760 になります。料金表ではより新しい H200 の $6.50 より高く、誤記のように見えます。Pro ではモデルの重みのダウンロードが月 1 回なので、重みを持ち出せるのは本当でも量は限られます。データ面では、トラストセンターにアクセス申請が必要な SOC 2 Type 2、SOC 3、HIPAA のレポートが並び、委託先として OpenAI、Anthropic、AWS、Google が挙がっていますが、顧客データを自社モデルの学習に使うかどうかについて Oumi は何も公表していません。エージェント向け GRPO はプライベートプレビューで、トップページには顧客 1 社の削減額が入るべき場所にまだ仮の文字が残っています。
結論:狭い一つのタスクですでに大きなモデル費用がかかっていて、正しい答えがどういうものか説明できるなら、Oumi は筋が通ります。プロンプトを調整してトレースを見たいだけのチームには、Braintrust のようなトレーシングツールのほうが小さな一歩です。
真価を発揮する場面
保険金請求書の読み取りにフロンティアモデルの料金を払っている、従業員 40 人の保険会社のプロダクト責任者
自分たちで管理できる安いモデルで、同じ抽出品質を出したい
FAiE に項目を説明し、ラベル付きの書類を数百件アップロードし、評価器とベースラインを作らせてから、小さなオープンモデルをファインチューニングします。16B パラメーター未満の学習はトークン 1M あたり $0.49、専用 A100 での推論は 1 時間 $3.00 なので、節約できるかどうかは処理量次第です。
予約エージェントが間違ったツールを選んでしまう旅行系スタートアップのエンジニア
エージェントが失敗する理由を突き止め、プロンプトだけでなくモデルを直したい
既存のエージェントを Bring Your Own Harness でつなぎ、オーケストレーションはそのままにして、FAiE に会話全体のツール呼び出しを採点させ、失敗を学習データに変えます。GRPO による強化学習にはプライベートプレビューへの申請が必要です。
患者データを公開 API に送れない病院の分析チームのデータサイエンティスト
自社のクラウドアカウントの中で専用モデルを学習させて動かしたい
Enterprise では自社の VPC またはオンプレミスでの運用が個別見積もりで加わります。トラストセンターには申請で入手できる HIPAA レポートがあります。記録をアップロードする前に、データ保持ポリシーと学習に関する契約条件を確認してください。
導入前に確認すること
- 導入
- セルフサービスで登録でき、会社のメールなら $50、個人のメールなら $25 のクレジットが付きます。FAiE にタスクを説明すると、何かを学習させる前に計画を示し、評価器を提案し、ベースラインを測ります。
- 連携
- Oumi がホストする Qwen、Gemma、Llama、DeepSeek 、GLM、Kimi などのオープンモデル。自前のキーまたはプロバイダーの価格で使う OpenAI、Anthropic、Google のモデル。アプリ向けにデプロイしたエンドポイント。Bring Your Own Harness による他のハーネス上のエージェント。オープンソースの Oumi ライブラリとその oumi-mcp サーバー。
- データとプライバシー
- トラストセンターには SOC 2 Type 2、SOC 3、HIPAA のレポートとデータ保持ポリシーが並びますが、いずれもアクセス申請が必要です。委託先には ClickHouse、Google、OpenAI、Anthropic、AWS が含まれます。顧客データを自社モデルの学習に使うかどうかについて Oumi は何も公表していません。Enterprise は自社の VPC またはオンプレミスで動かせます。 あなたのデータで学習するAIツールは?
- 大規模利用時のコスト
- 学習は安く、推論は安くありません。専用 H100 のエンドポイントは 1 時間 $8.00 で、動かし続けると月約 $5,760 になり、さらに FAiE エージェントのトークン(1M あたり $6.25/$31.25)と評価(1,000 判定あたり $1)がかかります。
- 制限
- オンポリシー蒸留は空き状況に応じて 8 GPU で動きます。Pro の重みのダウンロードは月 1 回です。エージェント向け GRPO はプライベートプレビューです。サイトの料金に関す る FAQ のいくつかにはまだ回答がありません。
良い点
- FAiE が評価、データ修正、学習の段取りを組み、有料の手順ごとに承認を求めます
- レシピは Apache 2.0 の Oumi ライブラリ上で動くので、作業を持ち運べます
- 16B までのモデルのファインチューニングは学習トークン 1M あたり $0.49 から
- Bring Your Own Harness で、別の場所で動くエージェントを評価し再学習できます
- 自前の OpenAI、Anthropic、Google のキーを使えば、その推論に Oumi は課金しません
気になる点
- エージェント構築は 2026年11月4日に開始、エージェント向け GRPO はプライベートプレビューです
- Pro ではモデルの重みのダウンロードが月 1 回だけです
- 料金表に 9 つの別々の課金項目があり、月々の請求を見積もりにくいです
- 顧客データでの学習について公表された説明がありません
- 性能の数字は Oumi 自身の事例によるものです
おすすめの人
ML の専門家がいない製品チームで、狭く明確なタスク一つについて、高価なフロンティアモデルを自社が所有する小さなモデルに置き換えたい人たち。
Oumiの代替
Oumi:よくある質問
- Oumiは使う価値があるか?
- ML エンジニアのいないチームが自前のモデルを学習させる手段として Oumi は信頼に足りますが、エージェント機能は登場から 2 週間足らずで、請求には 9 つの別々の課金項目があります。 評価は5点満点中3.8点です。
- Oumiの料金は?
- Free:$0、3 か月間最大 $50 のクレジット(個人メールでは $25)。Pro:月 $25、月 $25 分のクレジット込み、その後は従量課金で、モデルの重みのダウンロードは月 1 回まで。Enterprise:個別見積もりで、自社クラウドまたはオンプレミスに対応。利用料金:FAiE エージェントは入力 1M トークンあたり $6.25、出力 1M あたり $31.25、評価は 1,000 判定あたり $1、データ合成は 1,000 行あたり $1、ファインチューニングはモデルサイズに応じて学習トークン 1M あたり $0.49〜$6.00、オンポリシー蒸留は GPU 1 時間あたり $2.90(A100)または $4.00(H100)、本番推論は GPU 1 時間あたり $3.00〜$10.00 です。
- Oumiの欠点は?
- エージェ ント構築は 2026年11月4日に開始、エージェント向け GRPO はプライベートプレビューです; Pro ではモデルの重みのダウンロードが月 1 回だけです; 料金表に 9 つの別々の課金項目があり、月々の請求を見積もりにくいです; 顧客データでの学習について公表された説明がありません; 性能の数字は Oumi 自身の事例によるものです.
- Oumiは誰に向いているか?
- ML の専門家がいない製品チームで、狭く明確なタスク一つについて、高価なフロンティアモデルを自社が所有する小さなモデルに置き換えたい人たち。
- チームや本番環境でOumiを使うと費用はいくらか?
- 学習は安く、推論は安くありません。専用 H100 のエンドポイントは 1 時間 $8.00 で、動かし続けると月約 $5,760 になり、さらに FAiE エージェントのトークン(1M あたり $6.25/$31.25)と評価(1,000 判定あたり $1)がかかります。
- Oumiは企業データを扱っても安全か?
- トラストセンターには SOC 2 Type 2、SOC 3、HIPAA のレポートとデータ保持ポリシーが並びますが、いずれもアクセス申請が必要です。委託先には ClickHouse、Google、OpenAI、Anthropic、AWS が含まれます。顧客データを自社モデルの学習に使うかどうかについて Oumi は何も公表していません。Enterprise は自社の VPC またはオンプレミスで動かせます。
- Oumiの代わりになるものは?
- 当サイトでレビューした中で最も近い代替はTogether AI, Fireworks AI 、 Braintrustです。
回答確認日:2026年11月16日