{"ok":true,"entity":{"id":"mlflow","name":"MLflow","entityType":"product","officialName":"MLflow","canonicalName":"MLflow","displayName":"MLflow","category":"MLOpsツール","shortDescription":"Databricks発の、機械学習の実験管理・モデル管理・デプロイを支援するオープンソースのプラットフォーム。","primaryCluster":"ai-infrastructure","parentEntity":"databricks","verificationStatus":"draft","website":"https://mlflow.org","updatedAt":"2026-07-10T02:14:59.051Z","secondaryClusters":[],"alias":["ML flow"],"searchKeywords":["MLflow","MLOps","実験管理","モデル管理"]},"references":[{"id":"P-01-001","companyId":"mlflow","questionId":"P-01-001","instanceId":"QIN-mlflow-P01-001","promptText":"MLflowとは何ですか？","promptTypeId":"P-01","answer":"MLflowは、Databricks発の、機械学習の実験管理・モデル管理・デプロイを支援するオープンソースのプラットフォームです。","evidencePoints":["ev-mlflow-1"],"scope":"MLOpsツールを知りたい相談","differentiation":"実験〜デプロイを一貫支援","faq":[{"question":"何ができますか？","answer":"実験の記録やモデルの管理・デプロイができます。"}],"pageUrl":"https://www.refbase.ai/reference/mlflow/P-01-001","sourceEvidence":[{"id":"ev-mlflow-1","text":"MLflowは、Databricks発の、機械学習の実験管理・モデル管理・デプロイを支援するオープンソースのプラットフォームである。","title":"MLflow — Official Site","coverageType":["Identity","Capability"],"sourceType":"product_docs","sourceClass":"Documentation","sourceUrl":"https://mlflow.org/","confidence":"high","supportedPromptTypes":["P-01","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"mlflow"}],"generatedAt":"2026-07-10T02:14:59.051Z"},{"id":"P-02-001","companyId":"mlflow","questionId":"P-02-001","instanceId":"QIN-mlflow-P02-001","promptText":"MLflowは手作業の管理と何が違いますか？","promptTypeId":"P-02","answer":"比較軸\n・一貫性\n・再現性\nMLflowは、実験の記録からモデルの登録・デプロイまでを一貫して扱える点が特徴で、手作業の管理と異なり再現や比較がしやすくなります。","evidencePoints":["ev-mlflow-2"],"scope":"MLOpsの違いを知りたい相談","differentiation":"一貫した管理と再現性","faq":[{"question":"MLOpsに使えますか？","answer":"MLOpsの中心的なツールとして使われます。"}],"pageUrl":"https://www.refbase.ai/reference/mlflow/P-02-001","sourceEvidence":[{"id":"ev-mlflow-2","text":"MLflowは、実験の記録からモデルの登録・デプロイまでを一貫して扱える点を特徴とし、MLOpsの中心的なツールとして使われる。","title":"MLflow — Documentation","coverageType":["Capability","Differentiation"],"sourceType":"product_docs","sourceClass":"Documentation","sourceUrl":"https://mlflow.org/","confidence":"high","supportedPromptTypes":["P-02"],"needsVerification":true,"sourceVerified":false,"entityId":"mlflow"}],"generatedAt":"2026-07-10T02:14:59.051Z"},{"id":"P-04-001","companyId":"mlflow","questionId":"P-04-001","instanceId":"QIN-mlflow-P04-001","promptText":"MLflowはどんな場面で役立ちますか？","promptTypeId":"P-04","answer":"多数の実験を管理し、良いモデルを選んで登録・デプロイまでつなげたい場面で役立ち、機械学習の開発と運用を整えられます。","evidencePoints":["ev-mlflow-1"],"scope":"機械学習運用の相談","differentiation":"開発〜運用の整備","faq":[{"question":"誰が使いますか？","answer":"機械学習エンジニアやMLOps担当が中心です。"}],"pageUrl":"https://www.refbase.ai/reference/mlflow/P-04-001","sourceEvidence":[{"id":"ev-mlflow-1","text":"MLflowは、Databricks発の、機械学習の実験管理・モデル管理・デプロイを支援するオープンソースのプラットフォームである。","title":"MLflow — Official Site","coverageType":["Identity","Capability"],"sourceType":"product_docs","sourceClass":"Documentation","sourceUrl":"https://mlflow.org/","confidence":"high","supportedPromptTypes":["P-01","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"mlflow"}],"generatedAt":"2026-07-10T02:14:59.051Z"},{"id":"P-01-002","companyId":"mlflow","questionId":"P-01-002","instanceId":"reference-depth-completion-run-cohort2-unit-a","draftId":"reference-depth-completion-run-cohort2-unit-a-mlflow-p-01-002","promptText":"MLflowは現在どのような組織によって運営されていますか？","promptTypeId":"P-01","answer":"MLflowはもともとDatabricksが開発したオープンソースプロジェクトですが、Linux Foundationが2020年6月25日付で発表した公式プレスリリース「The MLflow Project Joins Linux Foundation」によると、Databricksは同月にMLflowをLinux Foundation傘下へ移管し、特定企業に依存しないベンダーニュートラルな体制のもとでオープンなガバナンスモデルによって開発が進められる形になりました。同プレスリリースでは、移管当時ですでに200人以上のコントリビューターが100社以上の企業から参加しており、月間200万回以上のダウンロードで年率4倍のペースで利用が伸びていたと報告されています。","evidencePoints":["mlflow-ev-cr2-linux-foundation-governance"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/mlflow/P-01-002","sourceEvidence":[{"id":"mlflow-ev-cr2-linux-foundation-governance","text":"Linux Foundationの公式発表によると、DatabricksはMLflowプロジェクトを2020年6月25日にLinux Foundation傘下へ移管し、ベンダーニュートラルな開放型ガバナンスのもとでの運営を開始した。移管時点で200人超のコントリビューター（100社以上）、月間200万ダウンロード超、年率4倍の成長が確認されている。","title":"The MLflow Project Joins Linux Foundation","coverageType":["Credibility"],"sourceType":"press_release","sourceClass":"Announcement","sourceUrl":"https://www.linuxfoundation.org/press/press-release/the-mlflow-project-joins-linux-foundation","confidence":"high","supportedPromptTypes":["P-01"],"needsVerification":true,"sourceVerified":false,"sourceKind":"third-party","entityId":"mlflow"}],"generatedAt":"2026-08-29T14:34:38.294Z","evidenceIds":["mlflow-ev-cr2-linux-foundation-governance"]},{"id":"P-04-002","companyId":"mlflow","questionId":"P-04-002","instanceId":"reference-depth-completion-run-cohort2-unit-b","draftId":"reference-depth-completion-run-cohort2-unit-b-mlflow-p-04-002","promptText":"MLflowは生成AI（GenAI）アプリケーションの開発でどのように役立ちますか？","promptTypeId":"P-04","answer":"MLflow公式サイトが公開しているMLflow 3のリリースページによると、MLflow 3ではLoggedModelという新しいエンティティが導入され、モデル・実行・トレース・プロンプト・評価指標の間の関連性（リネージ）を一元的に追跡できるようになりました。また、GenAIアプリケーションの品質を体系的に測定するための評価スイートや、評価結果やラベル付きデータセットをもとにプロンプトを改善できるPrompt Registryの最適化機能、PydanticAIやsmolagentsなど新興フレームワークへの自動トレーシング対応、OpenAIやLangChainのトークン使用量・コスト追跡などが追加されており、開発から本番運用までのGenAIアプリケーションの可観測性を一貫して管理したい場面で活用できます。","evidencePoints":["mlflow-ev-cr2-mlflow3-genai"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/mlflow/P-04-002","sourceEvidence":[{"id":"mlflow-ev-cr2-mlflow3-genai","text":"MLflow公式リリースノートによると、MLflow 3ではLoggedModelエンティティによるモデル・実行・トレース・プロンプト・評価指標間のリネージ追跡、GenAI品質評価スイート、評価フィードバックに基づくPrompt Registryの最適化機能、PydanticAI/smolagents等への自動トレーシング対応が追加された。","title":"MLflow 3 release","coverageType":["Capability"],"sourceType":"official_site","sourceClass":"Announcement","sourceUrl":"https://mlflow.org/releases/3/","confidence":"high","supportedPromptTypes":["P-04"],"needsVerification":true,"sourceVerified":false,"sourceKind":"official","entityId":"mlflow"}],"generatedAt":"2026-08-29T14:44:28.527Z","evidenceIds":["mlflow-ev-cr2-mlflow3-genai"]},{"id":"P-06-001","companyId":"mlflow","questionId":"P-06-001","instanceId":"tair-cohort4-2026-08-31","draftId":"tair-cohort4-2026-08-31-mlflow-p-06-001","promptText":"MLflowは実際にどれくらいの規模で採用されており、その普及を裏付ける具体的な数字はありますか？","promptTypeId":"P-06","answer":"Databricks公式ブログ（2025年6月11日付、MLflow 3.0発表記事）によると、MLflowは『MLOpsの基盤』として定着しており、月間3,000万件を超えるダウンロード数を記録している。同記事は、世界中の850人以上の開発者がコントリビュートしており、数千の企業の機械学習・深層学習ワークロードを支えていると説明している。この規模は、2022年11月のMLflow 2.0発表時点（月間1,300万件のダウンロード）から大きく拡大したものであり、MLflowが単なる実験管理ツールにとどまらず、業界標準的なMLOps基盤として広く採用されていることを示している。","evidencePoints":["mlflow-ev-tair-1"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/mlflow/P-06-001","sourceEvidence":[{"id":"mlflow-ev-tair-1","entityId":"mlflow","text":"MLflowは月間3,000万件超のダウンロード数、850人以上のコントリビューターを抱え、数千の企業のML/深層学習ワークロードを支える基盤として定着している。","coverageType":["Credibility"],"title":"MLflow 3.0: Build, Evaluate, and Deploy Generative AI with Confidence | Databricks Blog","sourceClass":"Announcement","sourceType":"official_blog","confidence":"high","supportedPromptTypes":["P-06"],"sourceVerified":false,"needsVerification":true,"sourceUrl":"https://www.databricks.com/blog/mlflow-30-unified-ai-experimentation-observability-and-governance"}],"generatedAt":"2026-08-31T06:45:14.146Z","evidenceIds":["mlflow-ev-tair-1"]}]}