アライズAI 無料

-
開発元 アライズAI
公式サイト https://arize.com/

Arize AI は、AI エージェントおよび LLM アプリケーション用のエンジニアリング プラットフォームであり、Arize AX (クラウド SaaS) と (オープン ソース) の 2 つの製品ラインを提供します。エージェントの行動追跡、LLM 評価、実験管理プロンプトの最適化、Alyx AI エンジニアリング アシスタント、データ ウィービングの統合をカバーし、チームが「感覚によるデバッグ」から「トレースと評価に基づく体系的な改善」に移行するのを支援します。

アライズAI 製品インターフェース

ツールテキスト

コアパラメータと統計

Arize AI の製品システムは、Arize AX (クラウド SaaS プラットフォーム) と Arize Phoenix (オープンソース AI 可観測性プラットフォーム) の 2 つのラインに分かれています。前者はマネージド サービスとチームのコラボレーションを必要とするエンタープライズ レベルのシナリオを対象とし、後者はセルフホスティング、データ常駐、またはローカル デバッグを必要とする開発チームを対象としています。どちらも、OpenInference/OpenTelemetry データ標準と評価エンジンの同じセットを共有します。

プロジェクト 広報
製品システム Arize AX (クラウド SaaS) + Arize Phoenix (オープンソース)
正式な入口 アライズ.com
製品ドキュメント arize.com/docs
GitHub 組織 github.com/Arize-ai — 72 リポジトリ
コアリポジトリ Phoenix (10.6k スター)、OpenInference (1.1k スター)
オープンソースライセンス Elastic License 2.0 (Phoenix)、Apache-2.0 (OpenInference など)
プラットフォームの月間処理量 1 兆以上のスパン、10 億以上の評価、500 万以上のダウンロード
エンタープライズクライアント Reddit、DoorDash、Uber、Instacart、Spotify、Booking.com、PagerDuty、Atlassian、Pepsi、Priceline など
導入フォーム Arize AX SaaS、Phoenix セルフホスティング (Docker/K8s/ローカル)
チームの規模 35 名以上のポジションがあり、バークレーとニューヨークにオフィス
資金調達の背景 Battery Ventures、Foundation Capital、TCV、Adams Street、Microsoft Venture、OMERS など

これらのパラメータは、Arize がもはや初期のスタートアップではないことを示しています。その兆レベルのスパン処理能力と主要な企業顧客のリストは、Arize が LLM 可観測性トラックにおいて先行者としての優位性を持っていることを示しています。しかし、実際に差が広がっているのは数値そのものではなく、「トレース + 評価 + 実験」という 3 つを 1 つにまとめた製品ロジックです。従来の APM ツールは、システムが遅いことはわかりますが、それが即時的な問題なのか、取得の欠落なのか、モデルの劣化なのかはわかりません。 Arize はこれら 3 種類の信号を同じトレースに関連付け、AI チームがコードをデバッグするようにエージェントの動作をデバッグできるようにします。

ユーザーと市場の認識

アライズの市場認識は 3 つの側面から観察できます。 エンタープライズ導入 レベルでは、公式 Web サイトに表示される顧客リストには、Reddit、Uber、DoorDash、Spotify、Instacart、Booking.com、Atlassian、PagerDuty、Wayfair、Priceline や、ソーシャル ネットワーキング、旅行、電子商取引、オーディオとビデオ、SaaS にわたるその他の大手企業が含まれます。これらの顧客のほとんどは、AI エージェントまたは LLM 機能をコア ビジネス プロセスに組み込んでおり、可観測性と評価に対する強いニーズを持っています。

オープンソース エコシステム レベルでは、Phoenix は GitHub で 10.6,000 のスターを獲得し、OpenInference は 1.1,000 のスターを獲得し、組織レベルのウェアハウスの数は 72 に達しました。月平均 500 万以上のダウンロードと 2,200 万以上の OpenTelemetry インストルメンテーションのダウンロードは、Phoenix が試用されているだけでなく、実際のプロジェクトに継続的に統合されていることを示しています。

業界からの支持 Arize の投資家には、Battery Ventures、Foundation Capital、TCV、Adams Street、Microsoft Venture、OMERS、Sinewave、DataDog が含まれます。その中でも、DataDog の投資には特別な意味があります。伝統的な APM 大手は、AI の可観測性が独立した新しいカテゴリーであることを間接的に認識しています。

オープンソースのスター数と月間ダウンロード数は、開発者の関心とエコロジー的な普及速度を反映しており、有料顧客の数や収益と直接的に同等ではないことに注意してください。企業は調達の評価中に、Arize に自社のトレース スケールに一致する参照ケースの SLA 条件とデータ エクスポート ポリシーを提供するよう依頼する必要があります。

コストメリット

オープンソース版とクラウドSaaS版ではコストが大きく異なるため、Arizeのコスト構造は3段階に分ける必要がある。

個人/小規模チーム (C サイド): Arize AX の無料枠は、25,000 スパン/月と 15 日間の保持期間を持つ 1 GB のストレージを提供します。これは、個人の開発者がコンセプトを検証したり、試用を学習したりするのに適しています。トレース プロセスを実行するだけの場合、無料枠の割り当て内では料金は発生しません。 Phoenix セルフホスティングは完全に無料ですが、ローカル リソースまたはサーバー リソースのコミットメントが必要です。

開発者/API 層: AX Pro の価格は月額 50 ドルで、50,000 スパン、10 GB、30 日間の保持が含まれます。超過分は追加スパンとストレージとして請求されます（具体的な単価は公開されていません。公式リアルタイムページを参照してください）。セルフホスティングと比較して、プロ層は運用とメンテナンスのコストを節約し、専用のプラットフォーム チームを持たない中小規模のチームに適しています。既存の Kubernetes の経験と運用能力があるチームの場合、セルフホスト型 Phoenix は大規模な場合に総コストが低くなる可能性があります。ソフトウェアは無料であり、コストはインフラストラクチャ、ストレージ、SRE 工数に移されます。

エンタープライズ/プライベート層: AX Enterprise はカスタマイズされた見積もりであり、公開情報によると、専用サポート SLA、SOC2/HIPAA 準拠、トレーニング、セルフホスト型アドオン、およびデータ常駐機能が含まれています。このレベルは販売コミュニケーションを通じて確認する必要があり、具体的な価格は公開ページには記載されていません。 Arize は、初期段階の AI 企業向けのスタートアップ価格プランも提供しています。

隠れたコストに関しては、見落とされがちな点がいくつかあります。トレースのスパン粒度は月々の消費量に影響します。各ツール呼び出し、各取得、およびエージェントの思考の各ラウンドが独立したスパンを生成する場合、実際のエージェントのシナリオでは、25,000 または 50,000 の無料/エントリ クォータがすぐに使い果たされる可能性があります。さらに、データ保持ポリシーはストレージ コストに直接影響します。保持期間が長い (90 日を超えるなど) 場合は、企業のセルフホスティング シナリオでデータベース容量とバックアップ ソリューションを計画する必要があります。

主な機能

  • エージェント動作追跡 (観察): OpenInference/OpenTelemetry 標準に基づいて、エージェントのツール呼び出し LLM 要求、取得操作、決定パスのすべてのステップを完全に記録し、トレース グラフとして表示します。 受け入れに関する懸念事項: コーディング エージェント (カーソル、クロード コード、OpenCode)、マルチエージェント コラボレーション、ネストされたツール呼び出しなどの複雑なリンクがカバーされているかどうかを確認してください。

  • 評価エンジン: LLM-as-a-judge、検索関連性、回答の正しさ、幻覚検出などの組み込みテンプレートを使用して、スパンレベル、トレースレベル、およびセッションレベルの評価をサポートします。 受け入れに関する懸念事項: 評価結果をトレースに直接添付して接続を形成できるかどうか、および審査基準と採点ルールをカスタマイズできるかどうか。

  • 実験管理 (改善): データセットおよび実験モジュールを通じて、オンラインで失敗したトレース サンプルがバージョン管理されたデータ セットに集約され、さまざまなプロンプト、モデル、パラメーター、および取得戦略の評価指標の違いが比較されます。 受け入れの焦点: 実験がバッチ実行、指標の比較、および統計的有意性の判断をサポートしているかどうか。

  • Alyx AI Engineering Assistant: 公式には「AI エンジニアリング エージェント」として位置付けられており、問題を理解し、自律的に評価を実行し、問題をデバッグし、プロンプトを最適化できます。 Cursor または Claude Code に似ていますが、AI エンジニアリング シナリオ向けに特別に設計されています。 受け入れに関する懸念事項: Alyx の機能の境界 - ガイド付きデバッグには適していますが、手動による不可逆的な運用変更の置き換えには適していません。

  • ADB データ ストレージ (Arize DataBus): GenAI トレース用に特別に設計されたデータ ストレージ レイヤー。オープン形式で保存され、DataFabric を通じて BigQuery、Databricks、Snowflake などの外部データ ウェアハウスに接続できます。 受け入れに関する懸念事項: データ形式が真にオープンであるかどうか、またエクスポートと移行のコストが制御可能であるかどうか。

  • エージェント スキルと CLI エコシステム: arize-skills (コーディング エージェントをガイドして可観測性を追加する)、coding-harness-tracing (クロード コード/カーソル/コーデックスのコーディング プロセスをトレースする)、および arize-ax-cli (CLI ツール) を正式に提供します。これらのツールは、可観測性を「受動的な記録」から「開発ワークフローへの能動的な注入」に移行します。

暗黙的なリンク: Observe によってキャプチャされたトレースを Eva​​luate に直接送信して、評価スコアを生成できます。 Evaluate でマークされた問題サンプルは、実験用にデータセットに直接追加できます。実験の結果は、プロンプトや設定変更のガイドとなる可能性があります。この「観察→評価→改善」サイクルが、Arize と分離トレース ツールまたは独立した評価ツールとの主な違いです。プラットフォームのトレース、評価、データセット、実験、およびプロンプトが同じデータ モデルを使用する場合、チームは複数のシステム間でコンテキストを手動で転送する必要がなくなりました。

モデルとバージョンの進化

Arize の製品進化は、Phoenix オープンソース プラットフォーム版 Arize AX クラウド プラットフォームの機能リリースと、OpenInference 標準の進化の 3 つのスレッドに分けることができます。 AX は継続的に提供される SaaS サービスであるため、従来の意味でのバージョン番号はありません。以下では、Phoenix オープンソース バージョンを主線として使用して、プラットフォーム機能の進化のリズムを示します。

メインライン リリース

時間 バージョン 主な変更点
2026-07-14 フェニックス v18.0.0 セッション間隔の重複セマンティック変更の導入、セッション時間範囲のフィルタリング動作に影響
2026-07-14 フェニックス v17.30.0 エージェント強制追跡デバッグ コンテキスト変数、バッチ注釈設定管理プレイグラウンド出力エラー数
2026-07-13 フェニックス v17.29.0 PXIトレースをサーバーに移動、リモートエクスポート設定コマンド
2026-07-13 フェニックス v17.28.0 セッション注釈編集プレイグラウンド折りたたみパネル タブ アニメーション インジケーター
2026-07-12 フェニックス v17.27.0 テーブル列のドラッグ アンド ドロップの並べ替え Span IO プレビュー ツール ヒント プロンプト テーブルのカスタム列
2026-07-11 フェニックス v17.26.0 ツール選択メニューとステータス コード フィルターで大文字と小文字を区別しないように強制する
2026-07-11 フェニックス v17.25.0 PXI 承認ゲート ツール データセット ページのメトリクス チャート
2026-07-10 フェニックス v17.24.0 PXI 評価は pytest プラグインに移行され、組み込みモデルのトークン価格が更新されました
2026-06-02 フェニックス v17.0.0 17.x 主線の開始点

プラットフォームのマイルストーン

バージョン番号に加えて、Arize には 2026 年にいくつかの重要な製品リリース ノードがあります。

  • Alyx AI Engineering Assistant が正式リリースされ、独立してトレースのデバッグと評価の実行ができる「AI エンジニアリングのための AI エージェント」として位置付けられます。
  • ADB (Arize DataBus) は、オープン フォーマットと外部データ ウェアハウス接続をサポートする GenAI トレース専用のデータ ストレージ レイヤーとしてリリースされました。
  • エージェント スキル はオープン ソースであり、Claude Code や Cursor などのコーディング エージェントが Phoenix 機能を直接呼び出すことができます。
  • OpenInference は拡張を続けており、MCP、Pydantic AI、Autogen AgentChat、Claude Agent SDK などの新しいフレームワークのインストルメンテーションをカバーしています。

リリース リズムから判断すると、Arize は 2026 年 7 月にほぼ毎日のバージョン更新頻度に達すると予想されます。この高い頻度での反復は、環境変化への迅速な対応を示していますが、実稼働展開にはバージョン ロックとアップグレード検証プロセスの確立が必要であることも意味します。

技術的な利点

Arize のテクノロジー スタックは、核となる判断に基づいて構築されています。つまり、AI の可観測性では、従来の APM の独自のデータ モデルを使用できません。 LLM およびエージェント アプリケーションによって生成されるトレースは、単純な RPC 呼び出しチェーンではありません。各スパンには、数万のトークンの入力と出力、取得されたドキュメントのフラグメント、ツール呼び出しのパラメーターと戻り値、およびエージェントの中間推論プロセスが含まれる場合があります。従来の監視ツールのデータ モデルでは、この粒度の情報を効果的に運ぶことができません。

OpenInference / OpenTelemetry の優先順位 は、Arize の最も基本的な技術的決定です。 GenAI セマンティック規約のオープン スタンダードである OpenInference は、トレース データがプライベート形式でロックされないように OpenTelemetry に基づいて構築されています。 Python、TypeScript、Java、Go の 4 つの言語によるインストルメンテーションは、OpenAI、Anthropic、Google、AWS Bedrock、LangChain、LlamaIndex、DSPy、CrewAI、MCP などの主流のフレームワークとプロバイダーをカバーします。これは、チームが異なるプロジェクトで異なる LLM フレームワークを使用しながら、同じトレース仕様と観察プラットフォームのセットを共有できることを意味します。

トレース、評価、実験の三位一体は、アーキテクチャ上の 2 番目の利点です。多くのツールは、これらのうち 1 つまたは 2 つを適切に実行できます。つまり、トレース ツールは呼び出しチェーンを確認できますが、それを評価できません。また、eval フレームワークはスコアを付けることができますが、実行コンテキストがありません。 Arize は評価結果をトレース スパンに直接添付し、失敗したサンプルをデータセットと実験プロセスにプッシュします。このアーキテクチャにより、コンテキストを手動で処理する必要がなく、「異常の発見から検証と修復まで」を同じデータライン上で完了できます。

デプロイの柔軟性 の観点から、Phoenix はローカル pip インストール直後に開始することも、Kubernetes 上の運用インフラストラクチャとして実行することもできます。 Docker Compose、Helm chart、Railway、Render、Google Cloud Run、Azure Container Instances、AWS CloudFormation などの複数のデプロイ ポータルを正式に提供します。セルフホスティングを必要とする企業にとって、この弾力性は、中間の移行プラットフォームを必要とせずに、ノートブック プロトタイプから開始して、徐々に運用クラスターに進化できることを意味します。

コーディング エージェントのネイティブ統合 は、2026 年の新しい方向性です。「コーディング ハーネス トレーシング」ウェアハウスにより、Arize はクロード コード、カーソル、コーデックスなどのコーディング エージェントのコーディング動作を直接追跡でき、AI 支援プログラミングのプロセスを観察可能な範囲に持ち込みます。これは、Arize の製品ビジョンが「AI アプリケーションの観察」から「AI の観察と AI プロセスの開発」に拡大したことを意味します。

使い方

Arize を使い始めるまでの道のりは、製品ラインやチームの規模によって異なります。ここでは典型的な 3 つのエントリーポイントを紹介します。

入り口 1: フェニックス セルフホスティング (ローカル トライアル) 「」バッシュ pip インストール arise-phoenix フェニックスサーブ 「」 起動後、「http://localhost:6006」にアクセスして Phoenix UI を表示します。 LLM アプリケーションのトレースは、OpenInference インストルメンテーション経由で Phoenix に送信されます。

入り口 2: Arize AX クラウド プラットフォーム

  1. app.arize.com にアクセスしてアカウントを登録します (無料利用枠にはクレジット カードは必要ありません)。
  2. プロジェクトを作成し、API エンドポイントと API キーを取得します。
  3. OpenInference SDK を使用するか、OTel エクスポーターを介して直接、アプリケーション トレースを AX エンドポイントに送信します。
  4. AX コンソールでトレースの表示、評価の構成、データセットと実験の作成を行います。

入口 3: Arize AX Pro/Enterprise 販売プロセスを通じて、セルフホスト型アドオン、SOC2/HIPAA 準拠の構成 SLA、データ常駐オプションなどのエンタープライズ グレードの展開オプションを入手します。企業顧客は通常、Arize ソリューション チームと協力してオンボーディングを完了します。

一般的な統合プロセス:

  1. トレース範囲を決定します: すべての LLM 呼び出し + ツール呼び出し + 取得ステップ、または重要なリンクのみ。
  2. インストルメンテーションへのアクセス: テクノロジー スタックに従って、対応する OpenInference パッケージ (Python/JS/Java/Go) を選択します。
  3. データ到着の確認: トレースが Phoenix または AX で正常に表示され、スパン レベル、入出力トークン カウント、および遅延が完了していることを確認します。
  4. 評価を確立する: テンプレートの評価 (応答の関連性、取得の精度など) から始めて、徐々にカスタム判定を追加します。
  5. データセットを沈殿させる: オンライン障害トレースを回帰テストのベースラインとしてデータセットに追加します。
  6. 実験の実行: プロンプトまたはパラメーターの変更前後の評価指標の変化を比較します。
  7. 固定化プロセス: eval を CI パイプラインに統合し、コードをマージする前に回帰評価を自動的に実行します。

製品の価格設定

Arize の価格戦略は「オープンソースの無料 + クラウド SaaS の段階的課金」で、個人から企業までの全範囲をカバーしています。

計画 グループ志向 公開価格 コア介在物
フェニックスのセルフホスティング 運用および保守機能を備えた開発者/チーム 無料 (ELv2) すべての機能、クォータ制限なし、データはローカルのまま
AX無料 個人的なトライアル/学習 $0 25,000 スパン/月 1 GB、15 日間の保持
AXプロ 小規模チーム/AI ネイティブ チーム $50/月 50,000 スパン/月 10 GB、30 日間の保持
AXエンタープライズ 大規模/コンプライアンス要件 カスタマイズされた見積もり カスタマイズされた SLA、SOC2/HIPAA、セルフホスト型アドオン、データ常駐
スタートアッププログラム 初期段階の AI 企業 申請が必要です スタートアップ チーム向けの割引価格

特に注意が必要なのは、Free/Proの割り当てを超えた後の課金方法です。公式の料金ページでは、スパンとストレージを超える単価は開示されていません。企業は予算評価時にこのコストを営業担当者に確認する必要があります。さらに、セルフホスティングにはソフトウェア料金はかかりませんが、運用レベルの展開には依然として PostgreSQL (または互換性のあるデータベース)、オブジェクト ストレージ、コンピューティング リソース、運用および保守の人員が必要です。総コストのこの部分は、意思決定プロセスに含める必要があります。

アプリケーションのシナリオ

  • AI エージェントの運用監視: エージェントは運用環境で数十のツール呼び出しを継続的に実行する場合があります。いずれかのステップでエラーが発生すると (ツールが異常な LLM 幻覚やコンテキスト損失を返す)、タスク全体が失敗する可能性があります。 Arize のトレース グラフは、実行リンク全体を拡張し、時間のかかる各ステップのトークン消費と評価結果をマークできます。 定量的控除: 建物の基本的な監視は (事前設定された計測により) 数日から数時間に短縮され、エージェント障害の原因の特定は数時間から数分に短縮されます。

  • RAG アプリケーション品質評価: RAG システムの品質ボトルネックは、多くの場合、LLM 自体ではなく、取得段階で正しいコンテキストが見つかるかどうかです。 Arize の検索評価は、各検索の精度と再現率を定量化し、それを最終的な答えの正確さと相関させることができます。 定量的導出: 100 個の RAG サンプルの手動レビューが約 2 時間から 15 分に短縮されました (LLM-as-a-judge + 手動サンプリングによる自動採点)。

  • 即時回帰テスト: AI 製品の反復における最も一般的なリスクは、「1 つのケースを修正し、3 つのケースを解決する」ことです。 Arize のデータセット + 実験ワークフローを使用すると、チームはエッジ ケースをカバーするテスト セットを維持し、プロンプトが変更されるたびに評価を自動的に実行できます。 定量的控除: 各プロンプト修正後の回帰テストは、1 つずつの手動検証 (約 1 時間/ラウンド) から自動実行 (約 5 分/ラウンド) に短縮されます。

  • LLM オンライン ゲーティング: Arize 評価を CI/CD に統合し、しきい値を設定します (例: 検索精度 < 0.8 または幻覚スコア > 0.3 の場合はマージを防止します)。 AI の品質をリリース プロセスに統合するエンジニアリング チームに最適です。

  • 社内 AI ガバナンス: セルフホスト型の Phoenix は、ビジネスライン全体で AI アプリケーションのトレース仕様、評価基準、データ保持ポリシーを統一します。コンプライアンス、監査、データ常駐の要件を満たします。

境界には適していません: Arize は、リアルタイム アラートを必要とする従来のインフラストラクチャ監視 (つまり、DataDog/Prometheus のドメイン) には適していません。これは、1 回限りのモデルのオフライン評価のみを実行し、オンライン トレースを気にしないシナリオには適していません。また、トレースの必要がまったくなく、単純な分類タスクにのみ LLM を使用するチームにも適していません。そのようなシナリオでは、Arize の導入と学習のコストがメリットを上回る可能性があります。

該当する人

  • AI アプリケーション開発者: プレイグラウンドで何度も試すのではなく、本番環境での LLM とエージェントの実際の動作を理解する必要があります。 Arize は、トレースから評価までの完全な再生機能を提供します。

  • AI プラットフォーム/インフラストラクチャ チーム: 組織内の複数の AI プロジェクトのための統一された観察、評価、実験インフラストラクチャの確立を担当します。セルフホスト型の Phoenix は、データの常駐、アクセス制御、チームのコラボレーションのニーズに対応できます。

  • AI プロダクト マネージャーおよび評価チーム: 「オンラインで開始できるかどうか」または「新しいプロンプトの方が優れているかどうか」を判断するには、定量化可能な品質指標が必要です。 Arize のデータセット + 実験ワークフローは、再現可能な比較データを提供します。

  • コンプライアンスおよびセキュリティ チーム: AI アプリケーションの運用データが監査可能、追跡可能、および制御可能であることを確認する必要があります。 Phoenix のセルフホスト モデルと Arize の SOC2/HIPAA コンプライアンス認定は、基本的な保証を提供します。

前提条件と不適切な人: Arize を使用するための前提条件は、チームが LLM/エージェント アプリケーションをすでに持っているか構築中で、観察および評価する必要がある実行時データを生成していることです。純粋なモデル トレーニング チーム、LLM API 出力のみを使用するが通話の詳細は気にしないチーム、または可観測性をまったく必要としない PoC プロジェクトの場合、Arize の入出力比は高くありません。さらに、セルフホステッド パスでは、チームに特定のコンテナ化または Kubernetes の運用および保守機能が必要であり、純粋なビジネス開発チームによる独立した保守には適していません。

概要と展望

アライズの競争力の核心は、AIの可観測性を「受動的記録」から「能動的改善」に向上させることにあります。従来のモニタリングは「何が起こったのか」に答えますが、Arize は「どうすれば改善できるか」に答えようとします。観察→評価→改善という製品ロジックは、LLM/エージェント時代の問題点をまさに捉えています。モデルの出力が予測できなくなったとき、チームはログだけでなく、問題を特定し、逸脱を定量化し、修復を検証できる一連のワークフローを必要とします。

現在の制限も明確です。まず、Arize の価値はトレースのカバレッジと品質に強く関連しています。計測に完全に接続されていない場合、または有意義な評価が生成されない場合、プラットフォームの価値は大幅に低下します。第 2 に、セルフホスティングは無料ですが、大規模な運用環境の展開に伴うストレージとコンピューティングのコスト (1 日あたり数百万のスパン、長い保存期間) は無視できません。第三に、大規模なシナリオでは、SaaS 製品の価格が急速に上昇する可能性があります。企業は購入する前に、割り当てを超過した後の単価と契約条件をアライズに確認する必要があります。

買収/採用リスク評価: Arize のオープンソース戦略は導入の障壁を低くしています (Phoenix はセルフホストでソフトウェアコストがかかりません)。ただし、企業は AI の可観測性をオンプレミス プラットフォームに標準化する前に次の条件を確認する必要があります: データの出力と移行のコスト (オープン フォーマットとプラットフォームのロックイン)、トレース損失とクエリの可用性に対する SLA の範囲、SOC2/HIPAA 認証の特定の範囲、およびデータに関するエンタープライズ契約の約束居住期間と保持期間。 Phoenix セルフホスティングまたは AX Free で PoC を開始し、実際のビジネス トラフィックを使用して 1 ～ 3 か月以内にトレース カバレッジ、評価結果、運用保守コストを検証し、その後、Pro または Enterprise の有料段階に入るかを決定することをお勧めします。

関連ツール: hugging-face、replicate

バージョン情報

  • アライズフェニックス 18.0.0 ：Phoenix プラットフォームのメイン バージョンでは、セッションの時間範囲、間隔、重複セマンティックの変更が導入されています。 Arize AX クラウド プラットフォームも同時にアップデートされます。
  • アライズフェニックス 17.30.0 ：エージェントの強制追跡、デバッグ コンテキスト変数、バッチ注釈設定管理、およびプレイグラウンド出力エラー カウントをサポートします。
  • アライズフェニックス 17.0.0 ：17.x はメインラインの開始点であり、引き続きトレース、評価、およびプレイグラウンド機能を反復していきます。
  • アライズフェニックス 1.0.0 ：公式の正確な日付はまだありません。 Phoenix の最初の正式バージョンがリリースされ、AI の可観測性と評価の位置づけが確立されました。

ユーザーレビュー

  • レビューを読み込み中...