Arkor
Arkor (arkorlab) · Programação
O Arkor é um framework de TypeScript feito para agentes e um ambiente gerenciado para ajustar modelos de pesos abertos. Você descreve o modelo que quer a um agente de código, revisa o código de treinamento gerado, roda o trabalho em GPUs gerenciadas e serve o resultado atrás de um endpoint compatível com OpenAI. Ele é voltado a desenvolvedores de TypeScript e Node que querem que o ajuste fino, a avaliação e o serviço fiquem no mesmo código do produto que entregam.
Sobre Arkor
O que é o Arkor
O Arkor é um framework mais um ambiente gerenciado para construir modelos personalizados de pesos abertos sem sair do TypeScript. A proposta é simples: entregue o modelo do mesmo jeito que entrega seu app. Você escreve configurações com tipagem segura. Mantém o código de treinamento no seu repositório. Acompanha as execuções em uma interface web local chamada Studio. E a implantação do modelo acontece nas GPUs gerenciadas do Arkor, não no seu notebook.
O problema que ele resolve é a fragmentação do fluxo de trabalho. Quase todos os caminhos de ajuste fino empurram você para notebooks de Python, arquivos de configuração separados e painéis que ficam fora do seu produto. O Arkor mantém o treinador, a etapa de avaliação e o endpoint em um único projeto. O mesmo editor. Os mesmos tipos. O mesmo fluxo de revisão de código. E se você pudesse manter tudo isso no repositório de onde sua equipe já entrega?
O maior limite é a maturidade. O Arkor está em alfa, e a equipe avisa que as APIs mudam sem aviso. Os preços também não são publicados. Então é uma ferramenta para testar em um projeto paralelo antes de apostar um pipeline de produção nela.
Como começar
- Crie um projeto com
pnpm create arkor my-arkor-appe escolha um dos templates iniciais. - Rode
pnpm dev, que abre o Studio, uma interface web local em http://localhost:4000. A primeira execução cria um espaço de trabalho anônimo descartável, então não é preciso se cadastrar. - Diga ao seu agente de código qual modelo construir. Ele prepara um conjunto de dados, escreve o treinador em TypeScript e adiciona a avaliação dentro do seu repositório.
- Revise o código de treinamento gerado e clique em Run Training no Studio para acompanhar o progresso.
- Faça login depois com
arkor login --oauthpara reivindicar o trabalho na sua conta e implantar o adaptador resultante.
Informações do produto
Uma visão rápida dos preços, das plataformas compatíveis e do desempenho de Arkor.
Ideal para
Os usuários, tarefas e cenários em que esta ferramenta se encaixa melhor.
Usuários
- Desenvolvedores de TypeScript e Node que querem o ajuste fino no mesmo repositório do app, e que se sentem à vontade para revisar o código de treinamento gerado antes de rodá-lo.
- Equipes de produto pequenas que entregam um recurso de IA que precisa de um modelo personalizado em vez de uma API alugada, com a ressalva de que o software em alfa serve melhor para pilotos agora.
Tarefas
- Triagem de suporte
- Tradução
- Remoção de dados pessoais
- Servir um endpoint próprio
Cenários
- Você já tem tráfego de produção guardado como execuções e quer transformá-lo em um conjunto de dados de treinamento honesto.
- Você quer conferir um modelo no meio da execução em vez de esperar o trabalho terminar.
- Você está prototipando um modelo no dispositivo e precisa de uma base menor e mais barata para começar.
Principais recursos
Ajuste fino em um arquivo com configurações tipadas
Você ajusta um LLM de pesos abertos a partir de um único arquivo. Uma chamada createTrainer({ model, dataset, lora, ... }) roda o treinamento LoRA contra o modelo base que você indicar. Como a configuração tem tipos, seu editor pega os erros antes de aparecer uma fatura de GPU.
Fluxo de trabalho com agente de código
O Arkor foi construído em torno de entregar trabalho a um agente de código como Claude Code ou Codex. Você descreve o modelo em linguagem simples, e o agente prepara o conjunto de dados, escreve o treinador e adiciona a avaliação dentro do seu repositório. Você revisa cada mudança antes de treinar, o que mantém uma pessoa no circuito.
Studio local para o ciclo de desenvolvimento
Rodar pnpm dev abre o Studio, uma interface web local em localhost:4000. Você revisa o treinador detectado, clica em Run Training e acompanha o progresso por ali. É a superfície de controle da execução, enquanto o processamento fica na nuvem.
Treinamento que você acompanha pelo código
Callbacks de ciclo de vida como onStarted, onLog, onCheckpoint, onCompleted e onFailed disparam enquanto a execução chega da nuvem, com tipagem completa. Dentro de onCheckpoint você pode chamar infer({ messages }) para checar o modelo antes de a execução terminar. Para que atualizar um painel se a execução pode reportar ao seu código? É uma diferença real.
Endpoint hospedado compatível com OpenAI
Uma implantação dá a você um endpoint do Gemma 4 em seu-nome.arkor.app com chaves de API por implantação que você pode revogar. Troque por ele onde seu app chama um modelo hoje, já que a interface bate com a API da OpenAI.
O tráfego vira dados de treinamento
Requisições e respostas são guardadas como execuções que você pode reproduzir, inspecionar e transformar em um conjunto de dados. Ou seja, seu tráfego de produção, já filtrado por usuários reais, vira o próximo conjunto de treinamento.
GPUs gerenciadas e reversão
As execuções de treinamento rodam como trabalhos gerenciados de GPU, enviam métricas de volta ao seu código e guardam cada checkpoint. Os pesos só mudam quando você roda um ajuste fino, e cada mudança é um checkpoint que você pode inspecionar, servir ou reverter.
Prós e contras
Prós
- Mantém o ajuste fino, a avaliação e o serviço em uma única base de código TypeScript, então você não fica pulando entre notebooks de Python e um painel à parte.
- Configurações tipadas e código de treinamento gerado que você revisa antes de gastar com processamento.
- As GPUs gerenciadas eliminam por completo a etapa de montar o hardware.
- Um endpoint compatível com OpenAI significa que você pode trocar pelo Arkor sem reescrever as chamadas de modelo do seu app.
- Cada execução produz checkpoints que você pode inspecionar ou reverter, então as mudanças não são de mão única.
Contras
- É software em alfa, e a equipe avisa que as APIs podem mudar sem aviso, o que o torna arriscado para um pipeline de produção.
- Os preços ainda não foram publicados, então você não consegue orçar o custo além do atual período gratuito de alfa.
- O valor real depende de combiná-lo com um agente de código como Claude Code ou Codex, então a configuração pesa mais que a de um serviço de ajuste fino de um clique.
- Os templates iniciais usam todos o mesmo modelo base pequeno Gemma 4, então testar uma faixa mais ampla de modelos de pesos abertos dá mais trabalho manual.
Perguntas frequentes
O Arkor serve para ajustar e implantar modelos de linguagem personalizados de pesos abertos a partir de um projeto de TypeScript. Você descreve o modelo a um agente de código, revisa o código de treinamento gerado, roda o treinamento em GPUs gerenciadas e serve o resultado atrás de um endpoint compatível com OpenAI.
Conteúdo relacionado
Explore ferramentas, skills e artigos relacionados a Arkor.
Alternativas a Arkor
Forefront
Forefront · ProgramaçãoO Forefront é uma plataforma web para construir com IA de código aberto. Você ajusta os principais modelos de linguagem de código aberto com seus próprios dados, avalia o desempenho deles e os roda por uma API ou os exporta para hospedar por conta própria. Desenvolvedores que querem a conveniência de uma plataforma fechada, mas fazem questão de ser donos dos modelos e dos dados, são o público-alvo aqui.
Startkit
StartKit.AI · ProgramaçãoStartkit é um boilerplate para criar produtos de SaaS com IA e wrappers de IA. Pense nele como um boilerplate para startups de IA com as partes chatas já conectadas: autenticação, pagamentos com Stripe e Lemon Squeezy, limites de uso, e-mail transacional e um kit inicial de API de IA que conversa com OpenAI, Anthropic, Groq ou Llama. Você clona o repositório, define seu preço e começa pela parte do produto que as pessoas realmente pagam. Ele é feito em Next.js sobre React e Tailwind, então boa parte do código boilerplate já parece familiar.
Testim
Tricentis · ProgramaçãoO Testim é uma plataforma de automação de testes com IA para criar e executar testes de ponta a ponta em aplicações web, mobile e Salesforce. Ele se apoia no aprendizado de máquina para manter os testes estáveis quando uma interface muda, então as equipes gastam menos tempo consertando seletores quebrados. Nada mal para uma ferramenta de testes automatizados que você pode começar a usar hoje. Você cria testes gravando ações no navegador e depois adiciona JavaScript quando precisa de mais controle. É uma escolha sólida para equipes de QA ocupadas.