窯
無料
Kiln は、
窯
コアパラメータと統計
| パラメータ | 公式の検証可能な情報 |
|---|---|
| 製品のポジショニング | チーム向けの AI ワークベンチ |
| 納品形態 | デスクトップ アプリ + オープンソース Python ライブラリ |
| サポートされているプラットフォーム | macOS、デスクトップ、デスクトップ; Python 3.10+ |
| モデルの範囲 | 主要プロバイダーでテストされた 190 以上のモデル、クラウドまたは完全にローカルでサポート |
| コアプロセス | 構築、評価、改善、コラボレーション |
| 主な機能 | RAG、ツールと MCP、スキル、サブエージェント、評価、自動最適化、微調整、合成データ |
| オープンソースとライセンス | Python ライブラリは MIT ライセンスです。デスクトップ アプリはソースから入手可能です |
| 市場シグナル | 10,000 人以上の開発者、4,500 人以上の GitHub スター |
一文で簡単にレビュー: Kiln は本質的に「AI チャット シェル」ではありませんが、プロトタイプから最適化、起動までの AI システムの主要なプロセスを同じワークベンチに置きます。
宣伝の検証: この関係者は、自らをチームが実際に動作する AI を構築していると説明しています。このセールス ポイントは基本的に真実です。モデルへのアクセスを強調するだけでなく、評価、最適化、データ、コラボレーション、展開のリンクを閉じることにもなります。 AI プロジェクトの最も一般的な問題点である「実行できるが、それが良いのか悪いのか誰も分からない」を解決します。
ユーザーと市場の認識
Kiln のホームページには、「10,000 人以上の開発者」、「4,500 人以上の GitHub スター」、「190 人以上のモデル」が公にリストされており、Apple、Meta、Microsoft、NVIDIA、Tesla、Netflix、Stanford、Alibaba およびその他の組織の関連ロゴも表示されています。このグループのロゴの公式修飾子も比較的抑制されており、これらの企業の人々が Kiln に登録したり、GitHub にスターを与えたり、Discord に参加したりしていることを示しており、すべてが有料顧客であることを直接暗示しているわけではありません。
このタイプの市場シグナルの価値は 2 つの側面にあります。まず、Kiln が 1 人の実験ツールからエンジニアリング コミュニティの分野に参入したことを示しています。少なくとも、プロモーション ページのみによってサポートされている新しいプロジェクトではありません。 2 番目に、その魅力は「よりおしゃべりなモデルの入り口」ではなく「AI エンジニアリングのインフラストラクチャ」にあるため、研究開発、データ サイエンス、製品コラボレーションの混合チームに参加しやすくなります。
コストメリット
| コスト層 | 公式広報情報 | 本当に確認したい原価項目は何ですか |
|---|---|---|
| 個人 | 個人は無料で、オープンソースの Python ライブラリ デスクトップ アプリ、ローカル データ セット、git sync を含みます。ソフトウェアには料金はかかりませんが、モデルの呼び出しとローカルのコンピューティング能力は依然としてユーザーの負担となります。 | |
| チーム | チームには、より高い制限、自動エージェント最適化、電子メール サポートを含むリクエスト アクセスが必要です | 実際のコストは、チームのコラボレーション、モデルの割り当て、内部標準化プロセスから発生します。 |
| エンタープライズ | SSO/SAML、SLA、ソリューション エンジニア、トレーニングを含むエンタープライズ カスタム | コンプライアンスへのアクセス、調達プロセス、専用のサポート、オンライン ガバナンスが主な予算項目です。 |
無料の真実: Kiln の無料バージョンは個人向けですが、「無料」はソフトウェア層のみをカバーします。モデルの呼び出し料金、実験的なコンピューティング能力、ベクトルのインデックス作成、ログの保存、チームのメンテナンスのコストがなくなることはありません。
定量化されたコスト削減と効率の向上: AI チームが元々プロンプト、評価、RAG 構成、データ サンプルを Notion、スクリプト、ローカル フォルダーに分散していた場合、それらを Kiln に統合した後、典型的な「プロンプトを変更して検証を再実行する」プロセスは、通常、手動での連結の半日から 30 ～ 60 分で完了できます。これは公式のワークフロー設計に基づく控除であり、正式に約束された数値ではありません。
コンプライアンスとリスク: 公式は、データセットと評価はデフォルトでマシンに保存され、管理する Git リポジトリを通じて同期されるため、プライバシーの管理が容易になると強調しています。ただし、Kiln Pro のサーバー側機能が有効になった後は、データが外部サービスへの送信に適しているかどうか、およびさまざまなモデル プロバイダーのコンプライアンス境界を個別に評価する必要があります。
主な機能
- ビルド リンク: RAG、ドキュメントと検索、スキル、ツールと MCP、サブエージェント、構造化出力、推論、プロンプト ジェネレーターをサポートしており、「プロンプト ワード実験」を再利用可能なタスクにアップグレードするのに適しています。
- 評価リンク: システムの変更が進歩なのか後退なのかを判断するための、LLM-as-Judge 評価、AI 評価ビルダー、ゴールデン データセット、人間による評価を提供します。
- リンクの改善: 自動最適化、微調整、合成データを提供し、「問題の発見」を進めて「より良い構成を自動的に見つける」ことができます。
- コラボレーション リンク: Git 自動同期、アプリ内フィードバックと評価、PM、QA、SME 向けのより使いやすいコラボレーション インターフェイスをサポートします。
- アシスタントのワークフロー: Kiln Assistant は、外部チャット ツールとローカル ワークベンチの間を行ったり来たりすることなく、製品内で直接実験、分析プロジェクト、最適化タスクを実行できます。
専門家の視点: Kiln の真の価値は、単一の能力ではなく、これらの能力間の一連の関係です。 RAG、評価、最適化、微調整、データ生成がそれぞれ 4 つのシステムに分類される場合、チームは構成のドリフトやキャリバーの不一致に多くの時間を無駄にすることになります。 Kiln の隠れた相乗効果は、これらのプロセスを同じプロジェクト ファイルに結び付けることで、「評価は古いプロンプトで実行され、最適化は別のバージョンのデータを対象とする」というやり直し作業を減らすことにあります。
モデルとバージョンの進化
Kiln のバージョン リズムは非常に明確で、基本的には「AI プロジェクトをシングルタスク ツールからチーム ワークベンチに拡張する」という方向に進化しています。
| バージョン | 日付 | 主な変更点 |
|---|---|---|
| v1.0.3 | ～2026-06 | アシスタント ストリーミング API、入力変換、モデル/プロバイダーの追加、UI/UX の磨き上げ |
| v1.0.2 | 2026-05-12 | 1.0 安定性マイルストーン合成データ ガイド、新しいモデル拡張機能 |
| v0.28.0 | 2026-04-23 | Kiln Chat、自動 Git Sync、コラボレーション、アシスタントがメインラインになる |
| v0.26.0 | 2026-03-18 | スキル標準は推論思考レベルとその他のモデルをサポートします |
| v0.25.0 | 2026-02-21 | 自動プロンプト オプティマイザー、MCP 実行構成 |
この軌跡から、Kiln がもはや「モデルテスト GUI」を作ることに満足していないことがわかります。 AI 開発ライフサイクル プラットフォーム、特に Git Sync、アシスタント、オプティマイザー、MCP 実行構成の機能に向けて進化しています。これらはすべて、1 人での実験を協力的で再現可能で比較可能なチーム エンジニアリング プロセスに変えるように設計されています。
技術的な利点
主なタイプの判断: Kiln の主な提供形式は、別売りのモデルやデータベースではなく、AI チームの生産性/ビジネス側アプリケーションに近いものです。 「ツールと MCP」、「スキル」、および「サブエージェント」は、その二次的な技術機能です。
統合されたプロジェクト ファイルにより構成のドリフトが軽減されます: 同じタスク、データ セット、評価、最適化の構成をデスクトップ アプリケーションと Python ライブラリの間で再利用できます。これは、「Web ページのデモ用に 1 セット、運用スクリプト用に 1 セット」よりもはるかに安定しています。
デフォルトではローカル データが優先されます: 公式には、データセットと評価はローカルに存在し、ユーザーが管理する Git リポジトリを通じて同期されることが明確に述べられています。これは、コラボレーション アプローチが従来のブラック ボックス SaaS よりもコード コラボレーションに似ており、監査機能とロールバック機能をチームに提供できることを意味します。
モデルとプロバイダーの分離: クラウドまたは完全にローカルをサポートし、190 以上のモデルをカバーします。つまり、チームは、移行ごとにプロセスを再構築するのではなく、モデルの置き換え、コストの最適化、サプライヤーの切り替えを同じワークベンチに組み込むことができます。
人間と機械のコラボレーションの明確な境界: Kiln はデータ生成、候補プロンプト検索、評価バッチの実行、モデルの比較を自動的に完了できますが、価値の高いオンライン決定、取り消し不能なビジネス アクション、および最終的な承認の結論には依然として手動の確認ポイントが必要です。特にエージェント最適化シナリオで最も注意すべきことは、「自動最適化により高いスコアが得られるが、実際のビジネス制約も最適化される」ということです。
使い方
| 入口 | 適用対象 | 説明 |
|---|---|---|
| デスクトップアプリ | 製品、データ、研究開発の混合チーム | グラフィカル インターフェイスを使用してタスク、データ、評価、最適化のプロセスを構築する |
| Python ライブラリ | 開発者、運用展開チーム | Kiln タスクを独自のサービスまたは推論リンクに接続する |
| キルンプロ | アシスタント、自動生成された評価、オプティマイザーが必要なチーム | 公式サーバー機能によって補完されるハイエンドの最適化とサポート |
| エンタープライズ | SSO、SLA、調達、トレーニングを必要とする組織 | エンタープライズワークフローの正式導入に最適 |
一般的な開始パスは次のとおりです。デスクトップ アプリケーションのダウンロード、タスクの作成、モデルの構成と構成の実行、ドキュメントまたはデータ セットのインポート、評価の追加、オプティマイザーまたは微調整の使用を繰り返します。タスクを実稼働環境に導入したい場合は、公式ホームページで同じプロジェクト ファイルを直接再利用できる Python クイックスタートが提供されています。
「」パイソン task = Task.load_from_file(TASK_PATH) run_config = task.default_run_config()
アダプター = タスク用アダプター( タスク、 run_config_properties=run_config.run_config_properties, )
task_run、run_output = await アダプタ.invoke_returning_run_output(input) 「」
製品の価格設定
| パッケージ | 公式広報情報 | 誰に適していますか |
|---|---|---|
| 個人 | 無料;オープンソースの Python ライブラリ、デスクトップ アプリ、git sync を使用したローカル データセット、標準モデルのレート制限、コミュニティ サポートを含む | 個人開発者、プロトタイプ検証 |
| チーム | アクセスをリクエストします。強化されたモデル、より高い制限、自動エージェント最適化、優先機能へのアクセス、電子メール サポートを含む | 小規模チームが AI ワークフローの標準化を開始 |
| エンタープライズ | カスタム; SSO/SAML、年間契約、SLA、ソリューション エンジニア、カスタム オンボーディングが含まれます | 正式な調達とコンプライアンスのサポートが必要な組織 |
Kiln の課金ロジックは比較的明確です。ローカル プロジェクト管理と基本的なツール チェーンは可能な限り無料で、公式にホストされているハイエンド AI 機能とエンタープライズ サービスは商用化されています。この利点は、トライアルのしきい値が低いことですが、欠点は、チームがオプティマイザーとアシスタントに大きく依存すると、公式のサーバー クォータと権限システムによって制限され始めることです。
アプリケーションのシナリオ
- AI 製品チームは反復検証を行います: プロンプトの調整、モデルの変更、追加の評価を頻繁に行うチームに最適です。モデルのアップグレードが品質に及ぼす影響を、「頭打ち評価」から「ゴールデン データと審査員スコアとの比較」に変更します。
- RAG およびエージェント システム開発: Kiln には、ドキュメントのインポート、取得、ツール呼び出し、エージェント レベルおよび評価がバンドルされており、知識の質問と回答、または「実行可能だが定量化する必要がある」自動アシスタントとしての使用に適しています。
- AI プロジェクトにおける役割を超えたコラボレーション: PM、QA、SME は、すべての作業をエンジニアに委任することなく、評価、フィードバック、データ改訂に直接参加できます。
次元削減攻撃シナリオ: チームが「プロンプトの変更 -> データの実行 -> 結果の確認 -> 結論の作成」のサイクルを毎週繰り返す必要がある場合、単一世代の速度だけでなくプロセスの摩擦も軽減されるため、Kiln の価値が最も明白になります。
該当する人
- AI エンジニアおよびプラットフォーム チームに最適: 1 回限りのデモを行うだけの個人ユーザーではなく、実験プロセスをチーム資産に変える必要がある人々に特に適しています。
- データ サイエンス チームと製品コラボレーション チームに最適: 評価、フィードバック、データ、モデルの切り替えを同じワークベンチに入れるため、エンジニアリング以外の役割も重要な問題に参加できます。
- ローカル データの制御を維持したい組織に適しています: ローカル保存はデフォルトで Git と同期され、プライバシーと監査にさらに配慮します。
説得の境界: あなたのニーズが「いくつかのモデルを試すためのチャット ボックスを見つける」だけである場合、Kiln は明らかに偏見を持っています。チームに評価文化がなく、データとタスク構造を維持することに消極的であれば、それは過剰設計されたシステムのように見えます。
概要と展望
Kiln で最も注目すべき点は、サポートするモデルの数ではなく、AI プロジェクトの構築、評価、改善、共同作業の 4 つのラインを同じ作業面上で真に平準化しようとする試みです。成熟したチームにとって、これはテストの基準のドリフト、評価の欠如、コラボレーションの障害を直接減らすため、チャットの入り口を 1 つ増やすよりも価値があります。
現在の買収/採用リスクも明らかです。まず、チームはよりエンジニアリング的な作業方法を採用する必要があります。そうしないと、ツールの複雑さが利点を上回ってしまいます。次に、Kiln Pro を徹底的に使用する場合、一部の最適化されたリンクは再び公式サーバーの機能に依存します。第三に、それはあなたにとって「良い結果とは何か」を定義するものではありません。独自のデータ、評価基準、および手動の承認メカニズムを維持する必要があります。これらの前提をマスターできるチームは、それが作業台であると感じるでしょう。そうしないと、単なる多くの機能を備えた AI IDE のようなものになってしまいます。
関連ツール: 
GitHub コパイロット、
カーソル
バージョン情報
- キルンデスクトップ v1.0.3 ：現在、最新のパブリック バージョンでは、アシスタントのストリーミング API、入力変換、より多くのモデルとプロバイダー、さらに UI/UX と微調整構成の調整に焦点を当てた 200 件を超えるコミットを伴う更新が提供されています。公式の正確な日付はまだありません。
- キルンデスクトップ v1.0 ：Kiln は、安定性と堅牢性のマイルストーンとして公式に定義されている 1.0 段階に入り、合成データ ガイドと新しいモデルのサポートが追加されました。
- キルンデスクトップ v0.28.0 ：Kiln Chat と自動 Git Sync を追加して、チーム コラボレーションと AI アシスタントをワークベンチに直接埋め込みます。
- キルンデスクトップ v0.25.0 ：外部エージェントを Kiln の評価および比較リンクに接続するために、Automatic Prompt Optimizer と MCP Run Configurations が導入されました。
ユーザーレビュー