Arize Phoenix
OpenTelemetry-basiertes Tracing, Evals, Datasets und Prompt Playground für LLM-Anwendungen, ausführbar auf der eigenen Maschine oder eigenen Servern.
Self-hosted Tracing, Evals, Datasets und ein Prompt Playground auf Basis von OpenTelemetry.
Arize Phoenix ist das Open-Source-KI-Observability-Framework von Arize für Experimente, Evaluierung und Troubleshooting. Es richtet sich an Entwickler, die Traces und Evals im LangSmith-Stil lokal oder im eigenen Cluster ausführen möchten, solange sie es nicht als Service weiterverkaufen.
Was es ist
Phoenix zeichnet die Laufzeit Ihrer LLM-Anwendung als OpenTelemetry-Traces auf, lässt Sie versionierte Datasets erstellen, Experimente mit Prompt-, Modell- oder Retrieval-Änderungen durchführen und Ausgaben mit LLM-basierten Evals bewerten. Es enthält zudem einen Prompt Playground, der getragene LLM-Aufrufe wiederholen kann, Prompt-Versionskontrolle mit Tags sowie einen integrierten Agenten namens PXI zum Debuggen von Traces.
Für wen
Es passt für Python-, TypeScript-, Java- oder Go-Teams, die bereits Frameworks wie LangChain, LlamaIndex, OpenAI Agents SDK oder Vercel AI SDK nutzen und sehen und bewerten möchten, was ihre App tut. Es eignet sich nicht für Personen, die es für zahlende Kunden hosten möchten, da die Lizenz dies verbietet, oder für Teams, die einen Managed Service vom Open-Source-Projekt selbst erwarten.
Wichtige Funktionen
OpenTelemetry-basiertes Tracing
Die Instrumentierung folgt OpenTelemetry und den OpenInference-Konventionen, sodass Traces nicht an einen Anbieter gebunden sind.
Versionierte Datasets und Experimente
Erstellen Sie Datasets aus Beispielen und vergleichen Sie damit Änderungen an Prompts, LLMs und Retrieval.
Traces im Playground wiederholen
Öffnen Sie einen getragten LLM-Aufruf im Playground, ändern Sie den Prompt oder die Modellparameter und führen Sie ihn erneut aus.
Prompt-Versionskontrolle
Verwalten Sie Prompt-Änderungen mit Versionshistorie, Tagging und Experimenten.
Integrierter PXI-Agent
Ein KI-Engineering-Agent in Phoenix hilft beim Debuggen von Traces und Iterieren von Prompts.
Remote-MCP-Server
Verbinden Sie Claude Code, Cursor und andere MCP-Clients mit dem /mcp-Endpunkt Ihrer Instanz, um Traces, Datasets und Experimente abzufragen.
Startklar in 3 Schritten
Unser ehrliches Fazit
Stärken
- Das README listet Instrumentierungspakete für eine Vielzahl von Frameworks (OpenAI Agents, LlamaIndex, DSPy, CrewAI, LangGraph, Pydantic AI und mehr) in Python, JavaScript, Java und Go.
- Ein Befehl, phoenix serve nach pip install arize-phoenix, liefert eine funktionierende Instanz auf einem Laptop, mit uvx als installationsfreier Option.
- Traces nutzen OpenTelemetry, und Span-Prozessoren konvertieren Daten von OpenLIT- und OpenLLMetry-Traces.
- Es gibt separate, lightweight Client-, OTel- und Evals-Pakete für Python und TypeScript sowie eine CLI, sodass Sie mit einem bereitgestellten Phoenix kommunizieren können, ohne die gesamte Plattform installieren zu müssen.
Schwächen
- Die Elastic License 2.0 ist nicht OSI-genehmigt: Sie dürfen Phoenix Dritten nicht als gehosteten oder verwalteten Service anbieten und die Lizenzschlüssel-Funktionalität nicht entfernen.
- Für die Produktion betreiben Sie es selbst: Das README verweist auf Docker-Images und ein Helm-Chart für Kubernetes, sodass Hosting, Upgrades und Speicher in Ihrer Verantwortung liegen.
- Die Managed-Option ist ein anderes Produkt, Arize AX, mit eigener Preisgestaltung; das Open-Source-Projekt selbst hat keine gehostete Version.
- Das README warnt, dass die Azure-One-Click-Vorlage einfaches HTTP verwendet und der Google-Cloud-Button in der Cloud Shell aus dem Quellcode baut, weshalb diese Wege zusätzliche Arbeit erfordern, bevor sie produktionstauglich sind.
Preise & Lizenz
Phoenix selbst ist unter der Elastic License 2.0 kostenlos nutzbar; Ihre Kosten belaufen sich auf die Maschine oder den Cluster, auf dem Sie es hosten. Die Managed-Alternative ist Arize AX (arize.com/pricing): AX Free für $0 mit 25k Spans pro Monat, 1 GB Ingestion und 15 Tagen Retention; AX Pro für $50 pro Monat mit 50k Spans, 10 GB und 30 Tagen; AX Enterprise zu individuellen Preisen, die einzige dort aufgeführte Stufe mit Self-hosted-Deployment.
Stellen für Deutschsprachige
870 offene Remote-Stellen im KI-Training, aktualisiert am 14. November 2026; die meisten zahlen $20–$170 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Alternativen
Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.
Nutze es, oder lass es uns einrichten
FAQ
Ist Arize Phoenix Open Source?
Der Quellcode ist öffentlich, aber die Lizenz ist die Elastic License 2.0, die eher source-available als OSI-genehmigt ist. Sie können es nutzen und modifizieren, aber anderen nicht als gehosteten oder verwalteten Service anbieten.
Funktioniert Phoenix nur mit LangChain?
Nein. Laut README ist es anbieter-, sprach- und frameworkunabhängig und listet Instrumentierungen für OpenAI, Anthropic, LlamaIndex, DSPy, CrewAI, LangGraph und viele andere.
Gibt es ein gehostetes Phoenix?
Laut README ist Phoenix Open-Source und self-hosted und verweist auf Arize AX als die Managed Platform, die dieselbe Instrumentierung nutzt.
