
臨床専門家が主導する AI 安全性評価と心理社会的リスクのベンチマーク
| 項目 / 指標 | ![]() | ![]() |
|---|---|---|
| 公式ドメイン | arize.com | mpathic.ai |
| 料金モデル | 有料、料金は要問い合わせ | 料金は要問い合わせ |
| 月間訪問数 | 24.9万 (249,028) | 6774 (6,774) |
| 前月比トラフィック増減 | +7668 (+3.2%) | -635 (-8.6%) |
| 主要市場とシェア | 🇺🇸 アメリカ合衆国 (51.6%) | 🇺🇸 アメリカ合衆国 (97.7%) |
| 月間ダイレクト訪問数 | 10.78万 | 3263 |
| ユーザー評価 | 4.6 | 4.3 |
| 対応プラットフォーム | ウェブサイト | ウェブサイト |

本番AIのためのエージェント可観測性・評価・継続的改善プラットフォーム
OpenTelemetry 上の OpenInference 規約を用いてエージェントと LLM 呼び出しの span・trace・セッションを取得し、計装を移植可能に保ちます。
span・trace・セッションの各レベルで評価を実行し、検索品質やツール利用、最終回答を大規模な本番データで採点します。
製品内エージェントがトレースを調査して根本原因を推定し、出荷前にレビューできる修正案を提示します。
トレースデータを自社インフラ内に保持したい場合に、定評あるオープンソースのトレース・評価ツールをセルフホストできます。

臨床専門家が主導する AI 安全性評価と心理社会的リスクのベンチマーク
有資格臨床家が高リスクの心理社会的場面でモデル応答を評価し、検知・解釈・応答の質を臨床基準で採点します。
自殺リスク・摂食障害・誤情報を対象とした、方法論が公開されたベンチマーク。現行および将来のモデル版の監査に利用できます。
敏感なメンタルヘルスやウェルビーイング対話における不安全な挙動を公開前に洗い出す、構造化された敵対的テスト。
臨床家が執筆する評価フレームワークで「害」の定義を定め、社内チームが一貫した基準を大規模に適用できるようにします。

実験追跡やモデルレジストリのワークフローに優れていますが、リアルタイムのLLM本番環境の観測性には特化していません。
実験追跡やモデルレジストリのワークフローに優れていますが、リアルタイムのLLM本番環境の観測性には特化していません。
無料・オープンソース医療・行動医療向けHIPAA準拠のAIワークスペース

無料・オープンソースIncludes integrated guardrails and simulation tools, but is less mature for large-scale enterprise production telemetry monitoring.
無料・オープンソースIncludes integrated guardrails and simulation tools, but is less mature for large-scale enterprise production telemetry monitoring.

無料・オープンソース強力なテストおよびプロンプト評価ツールを備えていますが、監視インターフェースは大規模なテレメトリーストリーム向けではありません。

プロンプト管理とバージョン管理に深く焦点を当てている一方、ArizeはエンドツーエンドのトレースとML観測性を優先しています。
プロンプト管理とバージョン管理に深く焦点を当てている一方、ArizeはエンドツーエンドのトレースとML観測性を優先しています。

無料・オープンソース組織全体でLLM評価・可観測性・レッドチーミングの基準を統一
無料・オープンソース組織全体でLLM評価・可観測性・レッドチーミングの基準を統一
データで心臓病を測定し、予測し、予防する

無料・オープンソースAIプラットフォームチームのためのエージェント可観測性・評価・ガバナンス
特化型Stronger focus on compliance enforcement and AI governance, but less specialized for deep developer tracing workflows.

無料・オープンソースAI エージェントの障害を見つけ、そのまま修正するオープンソース可観測性