無料・オープンソースオープン AI モデルをローカルでもクラウドでも実行・構築

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。
| 項目 / 指標 | ![]() | ![]() |
|---|---|---|
| 公式ドメイン | labelbox.com | wandb.ai |
| 料金モデル | 料金は要問い合わせ | フリーミアム、料金は要問い合わせ、無料 |
| 月間訪問数 | 76.28万 (762,803) | 31.56万 (315,624) |
| 前月比トラフィック増減 | -22.52万 (-22.8%) | -127.55万 (-80.2%) |
| 主要市場とシェア | 🇺🇸 アメリカ合衆国 (21.9%) | 🇺🇸 アメリカ合衆国 (32.2%) |
| 月間ダイレクト訪問数 | 37万 | 23.09万 |
| ユーザー評価 | 4.4 | 4.7 |
| 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。

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。
学習実行の指標、損失、メディアをログに記録し、インタラクティブなチャートで並べて比較して、モデルを実際に改善する要因を特定します。
自動ハイパーパラメータ探索を実行し、パラメータ重要度を可視化して、より良い設定へ素早く収束させます。
データセットとモデルアーティファクトをバージョン管理し、系譜を追跡して、レジストリを通じて学習から本番までモデルを昇格します。
LLM のプロンプトとアプリを構築・記録・評価し、トレースと評価ツールを LLMOps ワークフローとしてまとめます。
無料・オープンソースオープン AI モデルをローカルでもクラウドでも実行・構築
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。

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。

無料・オープンソース本番環境における高度なLLMの可観測性とトレーシングを提供し、本番環境の障害やドリフトのデバッグに強く注力しています。
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Features simulation and guardrail tools for testing LLM safety and robustness before production deployment.
特化型Features simulation and guardrail tools for testing LLM safety and robustness before production deployment.

無料・オープンソース堅牢なLLM評価・テストスイートを統合エンタープライズゲートウェイとともに提供し、プロンプトのベンチマークを優先します。

一般的なMLOpsではなく、プロンプトのバージョニング、共同CMS管理、エージェント追跡に特化しています。
一般的なMLOpsではなく、プロンプトのバージョニング、共同CMS管理、エージェント追跡に特化しています。

自動化されたLLMの単体テストやセキュリティのレッドチーミングに特化していますが、従来のMLOps実験トラッキングへの注力はやや控えめです。
自動化されたLLMの単体テストやセキュリティのレッドチーミングに特化していますが、従来のMLOps実験トラッキングへの注力はやや控えめです。