Dot は月間 13,295 訪問、前月比成長率 -13.1%、料金体系フリーミアムを記録しています。Labelbox は月間 762,803 訪問、成長率 -22.8%、料金体系料金は要問い合わせを記録しています。
最先端AIが学ぶ環境と、定常業務を担うエージェント
| 項目 / 指標 |  | |
|---|---|---|
| 公式ドメイン | getdot.ai | labelbox.com |
| 料金モデル | フリーミアム | 料金は要問い合わせ |
| 月間訪問数 | 1.33万 (13,295) | 76.28万 (762,803) |
| 前月比トラフィック増減 | -1996 (-13.1%) | -22.52万 (-22.8%) |
| 主要市場とシェア | 🇺🇸 アメリカ合衆国 (50.6%) | 🇺🇸 アメリカ合衆国 (21.9%) |
| 月間ダイレクト訪問数 | 5403 | 37万 |
| ユーザー評価 | 4.3 | 4.4 |
| 対応プラットフォーム | ウェブサイト | ウェブサイト |
Slack、Teams、メールの中で答えるAIデータアナリスト
チームメンバーは普段使うツールで質問し、数値・グラフ・ソースを含む回答を得られます。
Dot は指標が変化した理由を分解し、変動を寄与するチャネル、セグメント、要因に帰属させます。
スケジュールされたレポートとしきい値ベースのアラートを設定し、関心のある水準を指標が超えたときだけ通知します。
指示、例、ビジネスルールで Dot をトレーニングし、指標を自組織の定義に沿わせます。
最先端AIが学ぶ環境と、定常業務を担うエージェント
ビジョン・言語・生成タスクにわたる構造化アノテーション、データキュレーション、モデル評価、人間参加型レビューを提供し、学習・評価データの基盤となります。
Recursionのエージェントはビルド、アラート、コミット、チェックポイント、スケジュールから自律的に起動し、作業が完了して検証可能になるまでバックグラウンドで動きます。
ソフトウェアエンジニアリング、信頼性、セキュリティ、ML研究、評価、R&D、プロダクト、財務まで、専門エージェントがフレーキーテスト修正からポストモーテム草案まで対応します。
各実行は採点エージェントが評価し、採点済みセッションは記憶・ノート・スキルを残して次のセッションが行動前に読み込みます。
特化型アノテーションからモデルデプロイまでのエンドツーエンドのCVワークフローを効率化するが、Labelboxのような一般的な企業向けエージェントオーケストレーション機能はない。
問いを、ガバナンスの効いた信頼できる答えに変えるエージェント型分析プラットフォーム
特化型データ検証のために人間参加型（ヒューマン・イン・ザ・ループ）のマネージドワーカーサービスに大きく依存しており、Labelboxよりもセルフサービスの技術ツールが少なくなっています。
データと対話して分析・グラフ・レポート・スライドを得る
の大規模なデータラベリングとモデル評価が可能だが、Labelboxよりも高額な企業向け予算が必要になることが多い。
堅牢なマルチモーダルアノテーションとワークフロー自動化を提供し、CVチーム向けにやや直感的なデータキュレーションパイプラインを備えています。
堅牢なマルチモーダルアノテーションとワークフロー自動化を提供し、CVチーム向けにやや直感的なデータキュレーションパイプラインを備えています。
特化型一つの接続環境で AI モデルとエージェントを追跡・評価・出荷。
高度なコンピュータビジョンや物理AIのデータパイプラインに特化しているが、一般的なテキスト・画像ラベリングよりも対象が絞られている。
無料・オープンソースカスタムデータラベリング向けの柔軟なオープンソース代替品だが、セルフホスティングと手動でのインフラ管理が必要になる。
特化型Focuses strictly on LLM evaluation, testing, and observability rather than raw data annotation and training dataset curation.
特化型Focuses strictly on LLM evaluation, testing, and observability rather than raw data annotation and training dataset curation.
チーム全員が信頼できるAIネイティブなBIプラットフォーム
