Labelbox は月間 762,803 訪問、前月比成長率 -22.8%、料金体系料金は要問い合わせを記録しています。Mintlify は月間 248,197 訪問、成長率 -22.9%、料金体系フリーミアム、無料トライアル、有料、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
自ら最新化し続けるインテリジェントなドキュメントプラットフォーム
| 項目 / 指標 | | |
|---|---|---|
| 公式ドメイン | labelbox.com | mintlify.com |
| 料金モデル | 料金は要問い合わせ | フリーミアム、無料トライアル、有料、料金は要問い合わせ |
| 月間訪問数 | 76.28万 (762,803) | 24.82万 (248,197) |
| 前月比トラフィック増減 | -22.52万 (-22.8%) | -7.36万 (-22.9%) |
| 主要市場とシェア | 🇺🇸 アメリカ合衆国 (21.9%) | 🇺🇸 アメリカ合衆国 (36.1%) |
| 月間ダイレクト訪問数 | 37万 | 10.98万 |
| ユーザー評価 | 4.4 | 4.6 |
| 対応プラットフォーム | ウェブサイト | ウェブサイト |
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。
自ら最新化し続けるインテリジェントなドキュメントプラットフォーム
自社リポジトリでMarkdownまたはMDXとして執筆。Mintlifyがホスティング、検索、ナビゲーションを担いますが、ファイルとGit履歴は常に自社のもので、離れる際も持ち出せます。
各サイトがMCPサーバー、llms.txt、エージェント最適化を公開し、AIクライアントやアシスタントがドキュメントを正確に見つけ、読み、引用できるようにします。
アシスタントは自社ドキュメントの引用付きで読者の質問に答え、Autopilotは内容が実態と乖離したことを検知すると継続的に更新を起草します。
OpenAPI仕様からプレイグラウンド付きの完全なAPIリファレンスを生成し、複数リリースや翻訳のためのバージョン・言語ナビゲーションも提供します。
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。
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。
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。
強力なGit同期とチーム向けナレッジベースを提供するが、Mintlifyのような開発者向けAPIリファレンスのスタイリングはない。
強力なGit同期とチーム向けナレッジベースを提供するが、Mintlifyのような開発者向けAPIリファレンスのスタイリングはない。
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。
パブリックおよびプライベートの包括的なナレッジベース管理を提供しますが、現代の開発者ワークフロー向けの最適化はやや物足りません。
パブリックおよびプライベートの包括的なナレッジベース管理を提供しますが、現代の開発者ワークフロー向けの最適化はやや物足りません。
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.
