Arkor
Arkor (arkorlab) · コーディング
Arkor はエージェント前提で設計された TypeScript フレームワークであり、オープンウェイトモデルをファインチューニングするためのマネージド実行環境でもある。欲しいモデルをコーディングエージェントに伝え、生成された学習コードを確認し、マネージド GPU でジョブを走らせ、その結果を OpenAI 互換エンドポイントの背後で配信する。対象は、ファインチューニングと評価と配信を、自分たちが届ける製品と同じコードベースに置きたい TypeScript と Node の開発者だ。
Arkor について
Arkor とは
Arkor は、TypeScript を離れずに独自のオープンウェイトモデルを作るためのフレームワークとマネージド実行環境だ。主張はシンプルで、アプリを届けるのと同じやり方でモデルを届けるというもの。型安全な設定を書き、学習コードを自分のリポジトリに置き、Studio というローカル Web UI から実行を眺める。モデルのデプロイは Arkor のマネージド GPU 上で起きるのであり、自分のノート PC ではない。
これが解く問題はワークフローの分断だ。多くのファインチューニングの道は、Python ノートブック、別々の設定ファイル、製品の外にあるダッシュボードへと人を押しやる。Arkor はトレーナー、評価ステップ、エンドポイントを一つのプロジェクトに保つ。同じエディタ。同じ型。同じコードレビューの流れ。チームがすでに届けているリポジトリに、そのすべてを置けたらどうだろう。
最大の制約は成熟度だ。Arkor はアルファ版で、チームは API が予告なく変わることを認めている。料金も公開されていない。つまり、本番パイプラインを賭ける前に、副次的なプロジェクトで試すべきツールだ。
はじめかた
pnpm create arkor my-arkor-appでプロジェクトを作り、スターターテンプレートを一つ選ぶ。pnpm devを実行すると、http://localhost:4000 のローカル Web UI である Studio が開く。初回起動時は使い捨ての匿名ワークスペースが用意されるので、登録は要らない。- どのモデルを作るかをコーディングエージェントに伝える。エージェントはデータセットを用意し、TypeScript のトレーナーを書き、リポジトリ内に評価を加える。
- 生成された学習コードを確認し、Studio で Run Training をクリックして進捗を追う。
- あとから
arkor login --oauthでサインインし、作業を自分のアカウントに紐づけて、出来上がったアダプターをデプロイする。
AIツール情報
Arkorの料金、対応プラットフォーム、性能を簡単に確認できます。
こんな人におすすめ
このツールが最も力を発揮するユーザー、タスク、シーン。
ユーザー
- ファインチューニングをアプリと同じリポジトリに置きたい TypeScript と Node の開発者で、実行前に生成された学習コードを確認することに抵抗がない人。
- レンタル API ではなく独自モデルを必要とする AI 機能を届ける小規模な製品チーム。ただしアルファ版のソフトは現時点では試験導入に向く点に留意。
タスク
- サポートの切り分け：「ログインできない」といったチケットを、カテゴリと次のアクションを持つ型付き JSON オブジェクトに変えるよう小さいモデルを微調整する。
- 翻訳：短いメッセージに対して `{translation, detectedLanguage}` の組を返すようモデルを学習させる。
- 個人情報の伏せ字：テキストからメールなど個人データを除き、何を消したかを印付けするようモデルに教える。
- 独自エンドポイントの配信：LoRA アダプターを専用 URL で公開し、準備ができたらそこへトラフィックを流す。
シーン
- すでに実行記録として保存された本番トラフィックがあり、それを正直な学習データセットに変えたい。
- ジョブの完了を待たずに、実行の途中でモデルを確認したい。
- オンデバイスモデルを試作していて、出発点にもっと小さく安いベースが要る。
主な機能
型安全な設定による単一ファイルのファインチューニング
オープンウェイトの LLM を一つのファイルから微調整する。createTrainer({ model, dataset, lora, ... }) の呼び出しが、指定したベースモデルに対して LoRA 学習を走らせる。設定に型があるので、GPU の請求が来る前にエディタが誤りを見つける。
コーディングエージェントのワークフロー
Arkor は、Claude Code や Codex のようなコーディングエージェントに作業を渡すことを中心に組み立てられている。モデルを平易な言葉で説明すると、エージェントがデータセットを用意し、トレーナーを書き、リポジトリ内に評価を加える。学習前にすべての変更を確認するので、人間がループに入り続ける。
開発ループ用のローカル Studio
pnpm dev を実行すると Studio が開く。localhost:4000 のローカル Web UI だ。検出されたトレーナーを確認し、Run Training をクリックし、そこから進捗を追う。実行の操作面はここにあり、計算はクラウドに残る。
コードから見守れる学習
onStarted、onLog、onCheckpoint、onCompleted、onFailed といったライフサイクルコールバックが、実行がクラウドから流れてくる間に発火する。すべて型付きだ。onCheckpoint の中では infer({ messages }) を呼び、実行が終わる前にモデルを確認できる。実行がコードに報告できるのに、なぜダッシュボードを更新するのか。そこは実際に違う。
OpenAI 互換のホスト型エンドポイント
デプロイすると、あなたの名前.arkor.app に Gemma 4 のエンドポイントが手に入り、デプロイ単位で失効できる API キーが付く。インターフェースが OpenAI API と一致するので、アプリが今モデルを呼んでいる場所にそのまま差し替えられる。
トラフィックが学習データになる
リクエストとレスポンスは実行として保存され、再生・検査し、データセットに変えられる。つまり、実ユーザーで既に絞り込まれた本番トラフィックが、次の学習セットになる。
マネージド GPU とロールバック
学習の実行はマネージド GPU ジョブとして動き、指標をコードへ流し戻し、すべてのチェックポイントを保存する。重みが変わるのはファインチューニングを実行したときだけで、その変更はそれぞれ検査・配信・ロールバックできるチェックポイントだ。
メリットとデメリット
メリット
- ファインチューニングと評価と配信を一つの TypeScript コードベースに保つので、Python ノートブックと別のダッシュボードの間で行き来せずに済む。
- 型安全な設定と、計算に金を使う前に確認できる生成済みの学習コード。
- マネージド GPU がハードウェア構築の手順を完全に省く。
- OpenAI 互換エンドポイントなら、アプリのモデル呼び出しを書き換えずに Arkor へ乗り換えられる。
- 実行ごとに検査やロールバックができるチェックポイントが生まれるので、変更は一方通行ではない。
デメリット
- アルファ版のソフトで、チームは API が予告なく変わりうると警告しており、本番パイプラインにはリスクがある。
- 料金がまだ公開されておらず、現在の無料アルファ期間を超えてコストを見積もれない。
- 真価は Claude Code や Codex のようなコーディングエージェントと組み合わせることに掛かっており、セットアップはワンクリックのファインチューニングサービスより重い。
- スターターテンプレートはどれも同じ小さいベースモデル Gemma 4 を使うので、より広い範囲のオープンウェイトモデルを試すには手作業が増える。
よくある質問
Arkor は、TypeScript プロジェクトから独自のオープンウェイト言語モデルを微調整し配備するために使う。モデルをコーディングエージェントに伝え、生成された学習コードを確認し、マネージド GPU で学習を走らせ、結果を OpenAI 互換エンドポイントの背後で配信する。
関連コンテンツ
Arkorに関連するツール、スキル、記事を探す。
Arkorの代替ツール
Forefront
Forefront · コーディングForefrontはオープンソースAIで構築するためのウェブプラットフォームだ。主要なオープンソース言語モデルを自分のデータで微調整し、性能を評価し、API経由で実行したり、エクスポートして自分でホストしたりできる。クローズドなプラットフォームの手軽さを求めつつ、モデルとデータの所有権にはこだわる開発者が対象だ。
Startkit
StartKit.AI · コーディングStartkitは、AI SaaSとAIラッパー製品を作るためのボイラープレートだ。面倒な部分をあらかじめ配線済みにしたAIスタートアップボイラープレートと考えればいい。認証、StripeとLemon Squeezyの決済、利用制限、トランザクションメール、そしてOpenAI、Anthropic、Groq、Llamaと通信するAI APIスターターキットが含まれる。リポジトリをクローンして価格を設定し、ユーザーが実際にお金を払う部分に取りかかれる。ReactとTailwind上のNext.jsで作られているため、ボイラープレートコードの多くはすでに見慣れたものだ。
Testim
Tricentis · コーディングTestimは、Web・モバイル・Salesforceアプリ向けにエンドツーエンドテストを構築して実行するAIテスト自動化プラットフォームだ。機械学習を頼りに、インターフェースが変わってもテストを安定させ、チームが壊れたセレクターの修正に費やす時間を減らす。今日から使い始められる自動テストツールとしては悪くない。ブラウザで操作を録画してテストを作り、より細かい制御が必要なときはJavaScriptを足す。忙しいQAチームにとって堅実な選択肢である。