# Labelbox vs Models.dev 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。Models.dev は月間 200,451 訪問、成長率 -3.9%、料金体系無料を記録しています。 | 指標 | [Labelbox](https://openaitools.app/ja/tool/labelbox) | [Models.dev](https://openaitools.app/ja/tool/models-dev) | | :--- | :--- | :--- | | ウェブサイト URL | https://labelbox.com | https://models.dev | | カテゴリ | AI開発者ツール, AI API, AI Workflow, AI生産性ツール | AIモデル, AI API, オープンソース AI モデル, AI ツールディレクトリ | | 料金モデル | 料金は要問い合わせ | 無料 | | 月間訪問数 | 762,803 | 200,451 | | 前月比成長率 | -22.8% | -3.9% | | 主要市場 | アメリカ合衆国 | 中国 | | ダイレクト訪問 | 370,024 | 136,316 | | レビュースコア | 4.4 | 4.4 | | 保存数 | 0 | 0 | | 対応プラットフォーム | ウェブサイト | ウェブサイト | ## Labelbox LabelboxはAIスタックの中で特異な位置を占めます。チャットボットや生成ツールを前面に売るのではなく、モデルが学ぶ環境とデータ、そして定常的なエンジニアリング・研究業務を引き受けるエージェントを提供します。トップページの主張は明快で、最先端AIラボはLabelboxの環境と専門家データで学習し、エンジニアリングと研究のチームは繰り返し発生するバックログをRecursion上のエージェントに渡す、というものです。直近の1億ドル超のシリーズEは、この仮説への厚い資金供給を示しています。,企業向けには、より新しい側面がRecursionです。エージェントはビルド失敗、PagerDutyアラート、新しい依存関係のリリース、新しいモデルチェックポイント、あるいは月曜朝のスケジュールといった現実の信号で起動し、仕事が終わるまでバックグラウンドで動きます。訴求されている例は要約ではなく具体的な成果物です。プレビューリンク付きのテスト済みプルリクエスト、すべての事象に出典が付いたConfluenceのポストモーテム草案、重要な変更を名指ししたアブレーション表、重大CVE後に露出した各サービスへのパッチなどです。採点エージェントが各実行を評価し、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。,元来の基盤はデータ事業です。専門家レビュアーが支えるラベリング、アノテーション、キュレーション、モデル評価で、コンピュータビジョン、NLP、教師ありファインチューニング、RLHF、レッドチーミングに用いられます。高品質な学習データを生む環境は、エージェントが実務を学ぶ環境でもあるため、両者は互いを強め合います。料金はエンタープライズ型で商談を通じて決まり、データ量とエージェント利用量に左右され、公開のセルフサービス枠はありません。 **料金とプラン:** 要問い合わせ。Labelboxはセルフサービスプランや公開の料金表を出しておらず、料金導線は商談への誘導です。費用はデータ生産の規模、エージェント導入、エンタープライズ要件によって決まります。公開された無料枠はありません。検討中のチームは自社のボリュームと用途に基づいて見積もりを依頼してください。 - **データラベリングと専門家アノテーション:** 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。 - **自律エージェントセッション:** 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。 - **職能ごとの専門エージェント:** 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。 - **蓄積する採点済み成果:** 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。 - **ネイティブなツール・データ連携:** GitHub、Jira、Linear、Slack、Datadog、PagerDuty、BigQuery、Databricks、Vercel、各種クラウドなど既存ツール上で動作します。 **強み:** 学習・評価データの生産と、定常業務を担うエージェントの両面を一社でカバー; 1億ドル超のシリーズE調達と最先端AIラボでの採用という、実際の資金と需要の裏付け; エージェントの実行はテスト・再実行・アブレーションなど検証可能な具体的成果物を出す; 既存のツールチェーン（GitHub、Jira、Linear、Slack、Datadog、PagerDuty、BigQuery、Databricks）と統合 **制約・デメリット:** セルフサービスの料金プランや公開サインアップがなく、すべて商談経由のため評価に時間がかかる; 価値を引き出すには実際のエンジニアリング／研究基盤（GitHub、クラウド、データウェアハウス）が必要; 自律エージェント型セッションへ急速に軸足を移しており、ラベリングだけを求めるチームには過剰に感じられる [Profile (Markdown)](https://openaitools.app/ja/tool/labelbox.md) ## Models.dev Models.dev は「どのモデルを使うべきか、コストはいくらか」という実務的な問いに答えるために作られています。各項目は provider/model 形式の正規識別子で整理されるため、複数のプロバイダーが提供する同一モデルを推測ではなく直接比較できます。列にはコンテキストウィンドウ、最大出力、入力・出力の対応、推論、ツール呼び出し、構造化出力、温度制御、オープン／クローズドの重み、100万トークンあたりの価格、リリース日と更新日が含まれます。 モデルのリリースは速いため、カタログは最新性を重視して作られ、並べ替えと検索ができる表からラボやプロバイダーで絞り込めます。クローズドの主力モデルとオープンウェイトの選択肢の両方を収録するため、コスト計画にも機能調査にも役立ちます。 プロジェクトはオープンソースで無料、プログラムから利用されることを前提としています。JSON API や型安全なSDKを通じてカタログを自社ツールに取り込めるため、閲覧用の参考ページというより、ダッシュボードやルーティング、社内コスト計算機のバックエンドとして実用的です。 **料金とプラン:** Models.dev は無料かつオープンソースです。あくまで参考データベースであり、掲載価格はモデル提供事業者の100万トークンあたりの料金で、サイト利用料ではありません。 - **正規モデル識別子:** 各モデルを provider/model 形式で統一し、プロバイダーをまたいだ比較を可能にします。 - **仕様の比較:** コンテキストウィンドウ、出力上限、推論、ツール呼び出し、構造化出力、温度対応を横並びで確認できます。 - **価格の透明性:** 100万トークンあたりの入力・出力価格をリリース日・更新日と並べて掲載します。 - **オープンとクローズドの両対応:** クローズドの主力APIと各ラボのオープンウェイトモデルを1つの並べ替え可能なカタログに収録。 - **開発者向けアクセス:** JSON API や型安全なSDKでカタログを取得し、自社ツールやダッシュボードに組み込めます。 **強み:** 無料かつオープンソースでアカウント不要; 正規識別子の統一によりプロバイダー間の比較が信頼できる; 価格・上限・機能を1つの並べ替え可能な表で確認できる; JSON API と型安全なSDKでプログラムから利用できる **制約・デメリット:** 参考カタログであり推論やホスティングのサービスではない; データ品質はコミュニティとメンテナの更新速度に依存する; UIは開発者向けで、非技術者向けのガイドはほとんどない [Profile (Markdown)](https://openaitools.app/ja/tool/models-dev.md) ## よくある質問 ### Labelbox と Models.dev の月間トラフィックはどのように比較されますか？ Labelbox の月間訪問数は 762,803、Models.dev は 200,451 です。トラフィックの推定値はオーディエンスの規模を示すものであり、製品の品質を示すものではありません。 ### 成長率はどのように比較されますか？ Labelbox の前月比成長率は -22.8%、Models.dev は -3.9% です。 ### 料金はどのように比較されますか？ Labelbox: 料金は要問い合わせ。要問い合わせ。Labelboxはセルフサービスプランや公開の料金表を出しておらず、料金導線は商談への誘導です。費用はデータ生産の規模、エージェント導入、エンタープライズ要件によって決まります。公開された無料枠はありません。検討中のチームは自社のボリュームと用途に基づいて見積もりを依頼してください。 Models.dev: 無料。Models.dev は無料かつオープンソースです。あくまで参考データベースであり、掲載価格はモデル提供事業者の100万トークンあたりの料金で、サイト利用料ではありません。 ## 代替ツール | # | ツール名 | 月間訪問数 | 前月比成長率 | 料金モデル | Summary | Profile (Markdown) | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 1 | [Roboflow](https://openaitools.app/ja/tool/roboflow) | 1,431,204 | +6.6% | フリーミアム、料金は要問い合わせ | 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。 | [.md](https://openaitools.app/ja/tool/roboflow.md) | | 2 | [Appen](https://openaitools.app/ja/tool/appen-com) | 665,840 | +0.2% | 料金は要問い合わせ | 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。 | [.md](https://openaitools.app/ja/tool/appen-com.md) | | 3 | [Scale](https://openaitools.app/ja/tool/scale) | 616,915 | +12.5% | 料金は要問い合わせ | 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。 | [.md](https://openaitools.app/ja/tool/scale.md) | | 4 | [SuperAnnotate](https://openaitools.app/ja/tool/super-annotate) | 386,034 | +37.4% | 無料トライアル、料金は要問い合わせ | 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。 | [.md](https://openaitools.app/ja/tool/super-annotate.md) | | 5 | [Weights & Biases（CoreWeave Forge）](https://openaitools.app/ja/tool/prompts) | 315,624 | -80.2% | フリーミアム、料金は要問い合わせ、無料 | 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。 | [.md](https://openaitools.app/ja/tool/prompts.md) | | 6 | [Encord](https://openaitools.app/ja/tool/encord-com) | 244,204 | +9.4% | 料金は要問い合わせ | 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。 | [.md](https://openaitools.app/ja/tool/encord-com.md) | | 7 | [Stork](https://openaitools.app/ja/tool/stork) | 201,544 | +2.3% | 無料 | Includes model pricing trackers and developer news alongside tools directories, but less focused on raw API specs. | [.md](https://openaitools.app/ja/tool/stork.md) | | 8 | [Label Studio](https://openaitools.app/ja/tool/label-studio) | 137,199 | -16.1% | 料金は要問い合わせ、無料 | 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。 | [.md](https://openaitools.app/ja/tool/label-studio.md) | | 9 | [Confident AI](https://openaitools.app/ja/tool/confident-ai) | 83,400 | -3.3% | フリーミアム、有料、料金は要問い合わせ | Focuses strictly on LLM evaluation, testing, and observability rather than raw data annotation and training dataset curation. | [.md](https://openaitools.app/ja/tool/confident-ai.md) | | 10 | [InfraBase.ai](https://openaitools.app/ja/tool/infrabase-ai) | 39,072 | -13.6% | 無料 | Catalogues and compares AI infrastructure tools and services across categories, but lacks deep per-token pricing tables. | [.md](https://openaitools.app/ja/tool/infrabase-ai.md) | --- 出典: https://openaitools.app/ja/compare/labelbox-vs-models-dev More Markdown: [カテゴリ](https://openaitools.app/ja/categories.md) · [トラフィックランキング](https://openaitools.app/ja/rankings.md) · [llms.txt](https://openaitools.app/ja/llms.txt)