Mostly AI 免费

-
开发公司 Syntho
地区 奥地利
官网 https://mostly.ai/

Mostly AI 是源于奥地利的开源合成数据平台，提供 SDK 与数据智能平台两种交付形态。核心基于 TabularARGN 深度生成架构，支持表格与文本数据的训练、生成与质量校验。2026 年 6 月被 Syntho 收购，现以 "MOSTLY AI, powered by Syntho" 品牌运营。

Mostly AI 产品界面

Mostly AI 的合成数据平台

核心参数与统计

参数 值
产品定位 开源合成数据生成平台
交付形态 Python SDK（开源）+ 数据智能平台（企业级）
开源许可 Apache 2.0（SDK）
核心架构 TabularARGN（深度生成模型）
支持数据类型 表格（单表/多表/时序）、文本
支持平台 Web（平台）、API、桌面端（SDK 本地运行）
GitHub Stars ~784
GitHub Forks ~68
总发布数 116 个 Release
最新版本 6.1.1（2026-05-08）
归属地 奥地利（AT）
当前运营方 Syntho（荷兰，2026 年 6 月收购）

Mostly AI 以「合成数据民主化」为核心理念，将数据生成能力从企业数据科学家扩展到普通开发者。开源 SDK 提供本地优先的 Python 工具链，企业平台则提供可视化的数据探索、协作与分享能力。两种形态覆盖从个人实验到企业级合规部署的全场景。

用户与市场认可

  • 企业客户：公开案例包括 Swiss Post（将客户数据可用性从 11% 提升至 100%）、Erste Group（在 Databricks 有境中用合成数据加速模型开发）、AWS（用于客户云迁移中的数据解锁）、Databricks（用于 Clean Room 跨行业数据协作）。
  • 金融与保险行业：JPMorgan 利用合成数据沙箱加速第三方 POC；Anthem 用合成数据检测欺诈并个性化服务；Telefónica 用合成客户数据进行分析。
  • 开源社区：GitHub 784 Stars、68 Forks、116 个 Release、20 位贡献者，PyPI 下载量持续增长。项目在 Apache 2.0 许可下运营，接受社区贡献。
  • 行业认可：被 Gartner 列为合成数据代表厂商。Gartner 预测「到 2030 年，用于 AI 和分析项目开发的大部分数据将是合成生成的」。

成本优势

C 端 / 个人开发者：开源 SDK 完全免费（Apache 2.0 许可），可通过 pip/uv 安装 mostlyai[local] 在本地 CPU/GPU 有境运行。个人学习、实验与原型开发无显性费用，仅需承担本地计算资源成本。

API / 开发者：SDK 支持 LOCAL 模式（本地训练推理）与 CLIENT 模式（连接远程 SDK 端点）。CLIENT 模式和平台 API 的具体计费方式未公开，需联系 Syntho 商务获取报价。PyPI 包本身免费，但使用远程端点涉及平台资源消耗。

企业 / 私有化：企业级 Data Intelligence Platform 支持 Kubernetes/OpenShift 私有化部署，费用取决于数据量、节点数、用户数与支持级别。官方无公开价格表，以商务合同为准。开源 SDK 也可在企业内网离线部署，但 Hugging Face 模型下载在离线有境中需手动传输文件。

隐性成本：训练大型语言模型需要 GPU 资源（官方推荐现代 GPU 用于 LLM 微调推理）；表格数据训练在 CPU 上即可高效运行。企业部署需自行维护 Kubernetes 基础设施。

主要功能

  • AI 生成合成数据：基于 TabularARGN 深度生成模型，从真实样本数据中学习统计分布与关联结构，生成统计特征一致的合成数据。支持单表、多表关系、时序数据与文本数据。自动附带质量保证报告（Model Insight Report），校验保真度与隐私安全。

  • AI Assistant：自然语言驱动的数据分析助手，无需写代码即可对生产数据执行探索性分析、趋势监控与模式发现。底层自动生成并执行 Python 代码，适合业务分析师使用。

  • Mock Data 模拟数据：基于规则与随机性生成模拟数据，无需真实样本。适合开发有境Demo 演示、原型测试等场景。相比纯规则工具，Mock Data 能生成更真实的上下文数据。

  • Simulated Data 场景推演：基于真实或合成数据建模，推演边缘案例、未来场景与"what-if"条件。适合压力测试、策略验证与算法鲁棒性评估。

  • 合成数据 SDK：Python 工具包，提供 mostly.train()、mostly.generate()、mostly.probe()、mostly.connect() 四个核心 API。支持 GPU/CPU 训练、差分隐私、条件采样、公平性控制、温度调节等高级选项。生成器可导出并在平台中共享。

模型与版本演进

主线迭代

Mostly AI 的开源 SDK 自 2023 年首次发布以来，经历了从平台绑定到本地优先的架构演进。以下是主要版本里程碑：

  • 2023 - v1.0（初始开源）：基于 TabularARGN 架构的首个开源版本，支持单表/多表合成数据生成与质量报告。采用 Apache 2.0 许可。

  • 2025 Q4 - v5.9.0：新增 OAuth2 集成支持，改进了与外部数据源的连接能力。

  • 2026 Q1 - v5.10.0：引入业务规则约束系统（Inequality、FixedCombinations），使生成数据可遵守特定列间关系约束。升级引擎至 2.4，PyTorch 2.9.1。

  • 2026 Q2 - v6.0.0：重大架构重构——SDK 彻底本地优先化，移除仅平台相关的接口与 Hive/Databricks/Redshift 连接器。CLIENT 模式作为独立轻量安装选项保留。

  • 2026 Q2 - v6.1.0/6.1.1：引擎迭代至 2.6.1，QA 模块至 1.10.6，持续提升训练效率与生成质量。

技术白皮书

2025 年发布 arXiv 论文《Democratizing Tabular Data Access with an Open-Source Synthetic-Data SDK》（arXiv:2508.00718），系统阐述了 SDK 架构TabularARGN 模型设计与质量评估体系。

技术优势

TabularARGN 架构：Mostly AI 的核心技术优势在于 TabularARGN（arXiv:2501.12012）深度生成模型。该架构在保持最佳合成数据质量的同时，训练效率比同类模型高 1-2 个数量级。这使得在 CPU 有境下也能在数分钟内完成百万级记录的训练与生成——不是通过压缩模型规模，而是通过优化训练算法的计算效率实现。

灵活的多模型支持：表格数据采用 TabularARGN，图关系采用 DNN 匹配，文本数据可用基础 LSTM（LSTMFromScratch-3m）或微调 Hugging Face Hub 上任意 AutoModelForCausalLM 模型。这种分层策略确保不同类型的数据使用最适合的生成方法。

内置质量保证：每个生成的 Generator 自动附带 Model Insight Report，提供保真度与隐私指标的可视化报告。生成时就防止过拟合与泄露，而非事后检测。

高级采样能力：支持上采样到任意数据量、基于任意列的条件模拟（如"生成 1 万条 24 岁男性记录"）、欠表征群体重平衡、上下文感知数据插补、统计公平性控制与温度调节规则约束。这些能力让合成数据不仅是"复制"，而是有目标的数据增强。

差分隐私：训练时可启用差分隐私保护，为数据发布提供可量化的隐私预算保障。

如何使用

开源 SDK 快速上手

# 安装
# pip install -U 'mostlyai[local]'

from mostlyai.sdk import MostlyAI

# 初始化 SDK（LOCAL 模式）
mostly = MostlyAI()

# 1. 从文件导入预训练生成器
g = mostly.generators.import_from_file(
    "https://github.com/mostly-ai/public-demo-data/raw/dev/census/census-generator.zip"
)

# 2. 探测生成 1000 条代表性样本
df = mostly.probe(g, size=1000)

# 3. 基于固定列值生成
df = mostly.probe(g, seed=[{"age": 24, "sex": "Male"}] * 10_000)

# 4. 训练自己的生成器
import pandas as pd
original_df = pd.read_csv(
    "https://github.com/mostly-ai/public-demo-data/raw/dev/titanic/titanic.csv"
)
g = mostly.train(name="Titanic Demo", data=original_df)

# 5. 查看质量报告
g.reports(display=True)

# 6. 生成合成数据集
sd = mostly.generate(g)
df = sd.data()

企业平台

Data Intelligence Platform 通过浏览器访问，提供：

  • 数据源连接：直连 Databricks、Snowflake、Postgres 等数据平台
  • AI Assistant：自然语言查询与分析
  • 项目协作：团队共享生成器、数据集与分析报告
  • 安全部署：支持 Kubernetes/OpenShift 私有化部署

三种运行模式

模式 安装方式 适用场景
LOCAL（默认） mostlyai[local]（含 PyTorch） 本地开发、个人实验、离线有境
CLIENT mostlyai（轻量） 连接远程 SDK 端点
Docker Dockerfile 构建 隔离有境CI/CD 集成

产品定价

Mostly AI 采用开源 + 企业平台的混合定价模式：

  • 开源 SDK：完全免费，Apache 2.0 许可。可在本地无限使用，无功能限制。
  • 企业数据智能平台：按私有化部署或 SaaS 订阅计费。具体价格未公开，需联系 Syntho 商务（[email protected]）获取报价。定价因素包括数据量、用户数、部署节点与支持级别。
  • CLIENT 模式：连接远程端点时涉及平台资源消耗，计费方式未公开。

注：2026 年 6 月 Syntho 收购后，产品路线图与定价策略可能调整，以官方实时页面为准。

应用场景

  • AI/ML 开发训练：为机器学习模型生成保真度高的训练数据，解决真实数据稀缺、标签不均衡或隐私受限的问题。可上采样欠表征群体、校正数据偏差。落地提示：先用小样本做 Crawl/Walk/Run 渐进训练，验证生成质量后再扩展。

  • 测试数据与 QA：为开发/测试/预发布有境生成拟真的结构化测试数据，消除生产数据敏感信息泄露风险。适合集成测试、压力测试、端到端验收。落地提示：Mock Data 适用于无严格统计要求的场景，合成数据适用于需要真实数据分布的场景。

  • 数据共享与协作：生成隐私安全的合成数据集，跨团队、跨组织分享数据而不暴露 PII。支持 Clean Room 有境下的安全数据协作。落地提示：启用差分隐私功能可提供可量化的隐私保障，适用于合规审计场景。

  • Demo 与原型展示：为销售演示、产品原型、概念验证生成逼真但不含敏感信息的数据集，加速客户沟通与反馈周期。

  • 数据增强与偏差校正：在原始数据基础上补充边缘案例或欠表征群体，提升模型的泛化能力与公平性。

适用人群

  • 数据科学家与 ML 工程师：用 SDK 在 Python 工作流中直接生成高质量合成数据，无需离开 Notebook 有境。适合需要频繁迭代训练数据的团队。

  • 数据工程师与 DevOps：用 Docker 或 CLI 模式将合成数据生成嵌入 CI/CD 流水线，为测试有境自动供应安全数据。不适合对数据生成延迟有极端要求的实时场景。

  • 业务分析师与合规团队：用平台 AI Assistant 以自然语言探索数据，无需编写代码即可获取分析洞察。不适合需要深度定制生成模型的场景。

  • 企业数据平台团队：需要跨团队共享数据但又受限于隐私合规的组织，可用 Mostly AI 创建合成数据沙箱。前置条件：需具备 Kubernetes 运维能力。

  • 不适用人群：

    • 需要图像、音频、视频等非结构化合成数据的场景（Mostly AI 专注表格与文本）
    • 对生成数据有极端实时性要求（亚秒级）的场景
    • 不需要统计真实性、仅需完全随机占位数据的场景（规则 Mock 工具更轻量）

总结与展望

Mostly AI 的核心竞争力在于 TabularARGN 架构的高效性与开源策略——它是少数提供 Apache 2.0 许可、且训练效率比竞品高 1-2 个数量级的合成数据平台。从 Swiss Post 到 JPMorgan 的企业案例验证了其在金融、电信、医疗等强监管行业的落地能力。

当前限制与不确定项：

  • 2026 年 6 月被 Syntho 收购后，产品整合方向、品牌策略与定价模式可能发生变化，企业采购前需关注 Syntho 的后续产品公告。
  • 企业平台定价未公开，需联系商务获取合同报价，难以直接做竞品成本对比。
  • 文本数据生成依赖 Hugging Face 模型，在离线/气隙有境中部署需要额外的人工模型传输步骤。
  • 图像/音频/视频等非结构化数据不在支持范围内。

采购/采用风险评估：企业采购 Mostly AI 平台前需重点核验：① Syntho 收购后对现有 SDK 开源策略（是否有闭源化风险）；② 企业版的实际部署成本与最小资源要求；③ 对中文等多语种数据的生成质量；④ 私有化部署的合规认证（如 SOC2、GDPR 符合性）。建议先用开源 SDK 做 POC 验证生成质量，确认满足业务需求后再进行企业版商务谈判。

限制与不适配场景

该工具在以下场景中存在使用限制：

场景适配边界 需要高度行业专业知识的任务、对输出格式有严格规范的场景、需要零错误的自动化流程可能效果不达预期。AI 输出应作为初稿或辅助参考，最终结果需人工核验。

技术限制 上下文长度有限、复杂推理准确性可能不足、免费版有使用额度。建议在正式采用前通过试用验证核心场景的可用性。

版本信息

  • SDK Release 6.1.1 ：更新引擎 2.6.1 与 QA 1.10.6，升级 Dependabot 锁文件。
  • SDK Release 6.1.0 ：更新引擎 2.6.0 与 QA 1.10.5。
  • SDK Release 6.0.0 ：SDK 本地优先重构，移除仅平台相关的接口与 Hive/Databricks/Redshift 连接器。
  • SDK Release 5.10.0 ：引入业务规则约束（Inequality 与 FixedCombinations），升级引擎 2.4 与 PyTorch 2.9.1。
  • SDK Release 5.9.0 ：新增 OAuth2 集成支持。
  • Initial Open Source Release ：SDK 首个开源版本，基于 TabularARGN 架构，支持单表/多表合成数据生成。暂无官方精确日期。

用户评价

  • 加载评价中...