oumi

Oumi é uma plataforma open-source sob licença Apache-2.0 que cobre o ciclo de vida completo de modelos de fundação: preparação e curadoria de dados, treino e fine-tuning, avaliação e implantação. É distribuída como um pacote Python (`oumi`) com uma interface de linha de comando e uma coleção de receitas YAML prontas para uso. Principais capacidades descritas no README: - Treino e fine-tuning de modelos de aproximadamente 10M a 405B parâmetros, usando técnicas como fine-tuning completo, LoRA, QLoRA, SFT, preference tuning (DPO/KTO) e aprendizado por reforço GRPO. Notas recentes mencionam a extensão do GRPO para uso de ferramentas e a adição de ferramentas, ambientes (simulado, lookup, banco de dados) e síntese de dados agêntica. - Suporte a modelos de texto e multimodais (visão-linguagem), com receitas de exemplo para Qwen, DeepSeek R1, Llama, Falcon, Gemma, OLMo, Phi, InternVL e outros. - Síntese e curadoria de dados usando fluxos de trabalho LLM-as-a-Judge, incluindo uma API de judge e tratamento de falhas parciais em inferência, julgamento e síntese de dados. - Avaliação em benchmarks padrão por meio do comando `oumi evaluate` e receitas de avaliação. - Inferência e implantação com engines como vLLM e SGLang, além de um comando `oumi deploy` para endpoints de inferência dedicados em provedores como fireworks.ai e parasail. - Lançamento de jobs remotos em plataformas de nuvem (AWS, Azure, GCP, Lambda) via `oumi launch up`, com sobrescritas de recursos/nuvem. - Integração tanto com modelos de pesos abertos quanto com APIs comerciais (OpenAI, Anthropic, Vertex AI, Together, Parasail), incluindo suporte a batch API. - Suporte a treino distribuído (FSDP, DeepSpeed, DDP) e quantização de modelos (AWQ) mencionados nas notas de versão. - Um servidor MCP `oumi-mcp` para integração com ferramentas como Claude e Cursor. As opções de instalação incluem pip/uv (`oumi`, `oumi[gpu]`), uma imagem Docker e um script de instalação experimental. O uso típico da CLI é `oumi train -c <config>`, `oumi evaluate -c <config>` e `oumi infer -c <config> --interactive`. O projeto afirma estar em beta com recursos centrais estáveis e fornece links para documentação, guias de início rápido e notebooks (Colab) para tours, fine-tuning, destilação, avaliação, treino remoto e julgamento. O README enfatiza receitas sem boilerplate, reprodutibilidade para pesquisa, amplo suporte a modelos e uma abordagem totalmente open-source e orientada à comunidade, sem vendor lock-in.