O que é Oumi?
Oumi é uma plataforma hospedada para criar modelos e agentes sob medida e melhorá-los com o tempo. A peça central é o FAiE, o agente Frontier AI Engineer: você descreve a tarefa em linguagem simples, e ele propõe avaliadores, mede uma linha de base, aponta linhas de treino ruins, sugere família, tamanho e método de treino do modelo, implanta um endpoint e agrupa as falhas de produção para alimentar a rodada seguinte. Segundo a documentação, ele pede aprovação antes de qualquer etapa que custe dinheiro, a menos que você ative o Auto-approve.
Em 4 de novembro de 2026 a Oumi estendeu o FAiE dos modelos para os agentes. Você define as ferramentas do agente, conecta-as a versões simuladas ou reais e avalia as decisões dele ao longo das chamadas de ferramentas e dos turnos; o Bring Your Own Harness permite que um agente que já roda em outro lugar mantenha sua orquestração e se conecte só para avaliação e treino. O aprendizado por reforço GRPO para agentes está em prévia privada.
A Oumi PBC fica em Seattle, levantou uma rodada seed de 10 milhões de dólares em janeiro de 2025 e se apoia na própria biblioteca Apache 2.0 de mesmo nome. As receitas da plataforma rodam nessa biblioteca, e é assim que a Oumi sustenta a afirmação de que os pesos, os dados e as receitas são seus e você pode levá-los embora.
Quanto custa Oumi?
| Plano | Preço | O que inclui |
|---|---|---|
| Free | $0 | Até $50 em créditos por 3 meses; avaliação, síntese de dados e fine-tuning LoRA/QLoRA |
| Pro | $25/month | $25/mês em créditos, depois pagamento por uso; destilação on-policy, jobs simultâneos, inferência com escalonamento automático, 1 download de pesos por mês |
| Enterprise | Custom | Sua própria VPC ou on-premises, capacidade de GPU dedicada com SLAs de vazão, RL e pipelines sob medida |
Free: $0 com até $50 em créditos por 3 meses ($25 com e-mail pessoal). Pro: $25/mês com $25/mês em créditos incluídos, depois pagamento por uso, com 1 download de pesos do modelo por mês. Enterprise: preço sob consulta, na sua própria nuvem ou on-premises. Uso: agente FAiE a $6,25 por 1M de tokens de entrada e $31,25 por 1M de saída; avaliação a $1 por 1.000 julgamentos; síntese de dados a $1 por 1.000 linhas; fine-tuning de $0,49 a $6,00 por 1M de tokens de treino conforme o tamanho do modelo; destilação on-policy a $2,90 (A100) ou $4,00 (H100) por hora de GPU; inferência em produção de $3,00 a $10,00 por hora de GPU.
Oumi vale a pena?
Seu bot de suporte roda em um modelo de fronteira que custa caro demais por resposta e ainda erra suas regras de reembolso. A solução de costume, treinar um modelo menor com seus próprios exemplos, exige gente que saiba montar avaliações, limpar dados e escolher um método de treino. A maioria das equipes não tem.
O agente da Oumi, o FAiE, faz esse planejamento por você. Você diz o que o modelo ou o agente deve fazer, e ele propõe como pontuá-lo, mede onde ele está, encontra os exemplos em que falha, gera outros parecidos, treina um candidato e o compara com a linha de base. Cada etapa espera seu aval, a menos que você ative o Auto-approve. Desde 4 de novembro ele faz o mesmo com agentes, pontuando as chamadas de ferramentas ao longo de uma conversa inteira, e um agente que já roda em outro lugar pode continuar lá.
O argumento é o custo. Os estudos de caso da própria Oumi dizem que um modelo de 3B igualou o Qwen3-235B em SQL com custo 10 vezes menor para a Kaizen Gaming. São números da Oumi, não independentes. A promessa mais útil é a portabilidade: as receitas rodam na biblioteca de código aberto da Oumi, então, em princípio, você consegue reconstruir o modelo sem a plataforma.
Começar é barato. O Pro custa $25 por mês com $25 em créditos. O fine-tuning de um modelo de até 16B parâmetros custa $0,49 por milhão de tokens de treino, então 10 milhões de tokens de exemplos em três passadas saem por cerca de $14,70. O próprio agente FAiE é cobrado a $6,25 por milhão de tokens de entrada e $31,25 por milhão de saída, e cada julgamento de avaliação custa $1 a cada 1.000.
O porém: o barato é treinar; o caro é manter um modelo no ar. Uma H100 dedicada para servir custa $8,00 por hora, cerca de $5.760 por um mês ligada, e a tabela a coloca acima da H200, mais nova, a $6,50, o que parece um erro. O Pro permite um download de pesos do modelo por mês, então levar seus pesos embora é real, mas racionado. Em dados, a central de confiança lista relatórios SOC 2 Type 2, SOC 3 e HIPAA mediante pedido de acesso e cita OpenAI, Anthropic, AWS e Google entre os suboperadores, mas a Oumi não publica nenhuma declaração sobre usar dados de clientes para treinar os próprios modelos. O GRPO para agentes está em prévia privada, e a página inicial ainda mostra um texto provisório onde deveria estar a economia de um cliente.
Nossa opinião: a Oumi faz sentido quando uma única tarefa estreita já gera uma conta alta de modelo e você sabe descrever o que é uma resposta certa. Para uma equipe que quer ajustar prompts e acompanhar traces, uma ferramenta de tracing como o Braintrust é o passo menor.
Onde ele se destaca
Uma líder de produto em uma seguradora de 40 pessoas que paga um modelo de fronteira para ler formulários de sinistro
Ter a mesma qualidade de extração com um modelo mais barato que a gente controle
Descreva os campos ao FAiE, envie algumas centenas de formulários rotulados, deixe-o montar avaliadores e uma linha de base e depois faça fine-tuning de um modelo aberto pequeno. Treinar abaixo de 16B parâmetros custa $0,49 por 1M de tokens; servir em uma A100 dedicada custa $3,00 por hora, então a economia depende do volume.
Um engenheiro de uma startup de viagens cujo agente de reservas escolhe a ferramenta errada
Descobrir por que o agente falha e corrigir o modelo, não só o prompt
Conecte o agente existente pelo Bring Your Own Harness, para que a orquestração fique onde está, e deixe o FAiE pontuar as chamadas de ferramentas em conversas inteiras e transformar falhas em dados de treino. Aprendizado por reforço com GRPO exige pedido de acesso à prévia privada.
Uma cientista de dados da equipe de análise de um hospital que não pode enviar dados de pacientes a uma API pública
Treinar e rodar um modelo especializado dentro da nossa própria conta de nuvem
O Enterprise acrescenta implantação na sua própria VPC ou on-premises, com preço sob consulta; a central de confiança lista um relatório HIPAA, disponível mediante pedido. Peça a política de retenção de dados e as cláusulas contratuais sobre treino antes de enviar registros.
Antes de decidir
- Configuração
- Cadastro self-service com $50 em créditos para e-mail corporativo ($25 para pessoal); descreva uma tarefa ao FAiE e ele monta um plano, propõe avaliadores e mede uma linha de base antes de treinar qualquer coisa.
- Integrações
- Modelos abertos como Qwen, Gemma, Llama, DeepSeek, GLM e Kimi hospedados pela Oumi; modelos da OpenAI, Anthropic e Google com suas próprias chaves ou pelo preço do provedor; endpoints implantados para seu app; agentes em outros harnesses via Bring Your Own Harness; a biblioteca de código aberto Oumi e seu servidor oumi-mcp.
- Dados e privacidade
- A central de confiança lista relatórios SOC 2 Type 2, SOC 3 e HIPAA e uma política de retenção de dados, tudo mediante pedido de acesso; entre os suboperadores estão ClickHouse, Google, OpenAI, Anthropic e AWS. A Oumi não publica nenhuma declaração sobre usar dados de clientes para treinar os próprios modelos. O Enterprise pode rodar na sua VPC ou on-premises. Quais ferramentas de IA treinam com os seus dados?
- Custo em escala
- Treinar é barato e servir não: um endpoint dedicado em H100 custa $8,00 por hora, cerca de $5.760 por mês se ficar ligado, além dos tokens do agente FAiE a $6,25/$31,25 por 1M e das avaliações a $1 por 1.000 julgamentos.
- Limites
- A destilação on-policy roda em 8 GPUs conforme disponibilidade; o Pro permite 1 download de pesos por mês; GRPO para agentes está em prévia privada; várias perguntas frequentes de preço no site ainda não têm resposta.
O que é bom
- O FAiE planeja avaliações, correções de dados e treinos, com aprovação a cada etapa paga
- As receitas rodam na biblioteca Oumi sob Apache 2.0, então o trabalho é portátil
- Fine-tuning a partir de $0,49 por 1M de tokens de treino para modelos de até 16B
- O Bring Your Own Harness avalia e retreina agentes que rodam em outro lugar
- Com sua própria chave da OpenAI, Anthropic ou Google, a Oumi não cobra nada por essa inferência
O que não é
- A criação de agentes foi lançada em 4 de novembro de 2026; GRPO para agentes está em prévia privada
- O Pro permite só 1 download de pesos do modelo por mês
- Nove medidores separados na tabela de preços tornam a conta mensal difícil de prever
- Nenhuma declaração publicada sobre treinar com dados de clientes
- Os números de desempenho vêm dos estudos de caso da própria Oumi
Ideal para
Equipes de produto sem especialistas em ML que querem trocar um modelo de fronteira caro, em uma tarefa estreita e bem definida, por um modelo menor que seja delas.
Alternativas ao Oumi
Oumi: perguntas frequentes
- Oumi vale a pena?
- A Oumi é um caminho crível para uma equipe sem engenheiros de ML treinar o próprio modelo, mas os recursos de agentes têm menos de duas semanas e a conta tem nove medidores separados. Damos nota 3.8 de 5.
- Quanto custa Oumi?
- Free: $0 com até $50 em créditos por 3 meses ($25 com e-mail pessoal). Pro: $25/mês com $25/mês em créditos incluídos, depois pagamento por uso, com 1 download de pesos do modelo por mês. Enterprise: preço sob consulta, na sua própria nuvem ou on-premises. Uso: agente FAiE a $6,25 por 1M de tokens de entrada e $31,25 por 1M de saída; avaliação a $1 por 1.000 julgamentos; síntese de dados a $1 por 1.000 linhas; fine-tuning de $0,49 a $6,00 por 1M de tokens de treino conforme o tamanho do modelo; destilação on-policy a $2,90 (A100) ou $4,00 (H100) por hora de GPU; inferência em produção de $3,00 a $10,00 por hora de GPU.
- Quais são as desvantagens de Oumi?
- A criação de agentes foi lançada em 4 de novembro de 2026; GRPO para agentes está em prévia privada; o Pro permite só 1 download de pesos do modelo por mês; nove medidores separados na tabela de preços tornam a conta mensal difícil de prever; nenhuma declaração publicada sobre treinar com dados de clientes; os números de desempenho vêm dos estudos de caso da própria Oumi.
- Para quem Oumi é indicado?
- Equipes de produto sem especialistas em ML que querem trocar um modelo de fronteira caro, em uma tarefa estreita e bem definida, por um modelo menor que seja delas.
- Quanto custa Oumi para uma equipe ou em produção?
- Treinar é barato e servir não: um endpoint dedicado em H100 custa $8,00 por hora, cerca de $5.760 por mês se ficar ligado, além dos tokens do agente FAiE a $6,25/$31,25 por 1M e das avaliações a $1 por 1.000 julgamentos.
- Oumi é seguro para dados da empresa?
- A central de confiança lista relatórios SOC 2 Type 2, SOC 3 e HIPAA e uma política de retenção de dados, tudo mediante pedido de acesso; entre os suboperadores estão ClickHouse, Google, OpenAI, Anthropic e AWS. A Oumi não publica nenhuma declaração sobre usar dados de clientes para treinar os próprios modelos. O Enterprise pode rodar na sua VPC ou on-premises.
- Quais são as melhores alternativas ao Oumi?
- As alternativas mais próximas que analisamos são Together AI, Fireworks AI e Braintrust.
Respostas verificadas em 16 de nov. de 2026.