# Dust vs EvalCore

Dust는 월간 방문 547,217, 전월 대비 성장률 +1.8%, 가격 문의 가격 모델을 기록합니다. EvalCore는 월간 방문 0, 성장률 0%, 무료 가격 모델을 기록합니다.

| 지표 | [Dust](https://openaitools.app/ko/tool/dust) | [EvalCore](https://openaitools.app/ko/tool/evalcore) |
| :--- | :--- | :--- |
| 웹사이트 URL | https://dust.tt | https://evalcore.cc |
| 카테고리 | AI 어시스턴트, Large Language Models (LLMs), AI Workflow, AI 지식 관리 | AI 테스팅, AI 개발자 도구, Large Language Models (LLMs), AI Agent |
| 가격 모델 | 가격 문의 | 무료 |
| 월간 방문 수 | 547,217 | 0 |
| 전월 대비 성장률 | +1.8% | 0% |
| 주요 시장 | 프랑스 | 글로벌 |
| 직접 방문 | 456,919 | 0 |
| 리뷰 점수 | 4.4 | 4.8 |
| 저장 수 | 5 | 0 |
| 지원 플랫폼 | 웹사이트 | 웹사이트 |

## Dust

Dust는 스스로를 사람과 에이전트의 협업을 위한 '멀티플레이어 AI'로 규정합니다. 직원마다 개인 챗봇을 주는 대신, 회사 지식·연결된 도구·대화·알림을 공유하는 에이전트를 팀이 구축해 사람과 AI 사이에서 업무가 오가게 합니다. 에이전트는 부서를 넘어 재사용할 수 있고, 중요한 지점에는 사람의 검토가 남습니다.

차별점은 맥락입니다. 대부분의 AI 도구는 Slack 메시지 하나나 CRM 레코드 하나만 가져올 수 있지만, Dust의 에이전트는 Slack, CRM, 문서 등 사내 시스템 전반에서 맥락을 모아 전체 그림을 바탕으로 답하고 곧바로 행동합니다. 70개 이상의 커넥터가 메시지, 캘린더, CRM, 파일 저장소, 프로젝트 관리, 데이터, 재무 도구를 아우르며, 동일한 게이트웨이로 MCP 서버에도 접근할 수 있습니다.

거버넌스도 핵심 기능입니다. Dust는 '에이전트가 접근할 수 있는 대상'과 '누가 사용할 수 있는지'를 분리하는 이중 권한 모델, SCIM 동기화 그룹, 관리자 승인 예외 설정, 감사 로그, 그리고 도입률·사용량·비용·ROI를 모니터링하는 분석을 제공합니다. SOC 2 Type II 인증을 받았고 미국 또는 EU 데이터 상주와 단일 테넌트 배포를 지원합니다. OpenAI, Anthropic, Google, Mistral 등의 20개 이상 프런티어·오픈소스 모델로 에이전트를 만들 수 있어 워크플로마다 알맞은 모델을 고를 수 있습니다. 회사에 따르면 3,000개 이상 조직과 30만 개 이상 에이전트가 이 플랫폼에서 운영됩니다.

**가격 및 요금제:** 가격 문의(Contact for pricing). 가입 후 무료 체험을 제공하지만 요금제는 팀·기업 중심으로 사용량 기반 크레딧, 볼륨 가격, 전담 지원을 포함하며 정확한 금액은 영업팀 문의가 필요합니다.

- **회사 맥락을 아는 에이전트:** Slack, Notion, Google Drive, GitHub, Salesforce, Zendesk 등 70개 이상 도구에 연결해 일반론이 아닌 실제 사내 지식에 근거해 답합니다.
- **70개 이상 커넥터와 MCP 지원:** 메시지, CRM, 문서, 프로젝트 관리, 데이터, 재무 도구, MCP 서버를 한 플랫폼에서 연결해 대화를 넘어 시스템 전반에서 실행합니다.
- **모델 유연성:** OpenAI, Anthropic, Google, Mistral 등 20개 이상의 프런티어·오픈소스 모델로 에이전트를 구축하고 작업별로 최적 모델을 선택합니다.
- **AI 네이티브 거버넌스:** 이중 권한 모델, SCIM 동기화 그룹, 관리자 승인 예외, 감사 로그, 사용 분석으로 속도를 유지하면서 사내 데이터를 보호합니다.
- **멀티플레이어 협업:** 사람과 에이전트가 맥락·도구·알림을 공유하고, 재사용 가능한 스킬과 사람의 검토가 내장된 부서 간 워크플로를 만듭니다.

**강점:** 70개 이상 엔터프라이즈 커넥터를 통한 깊은 맥락 수집; 권한, 감사 로그, SOC 2 Type II 기반의 강력한 기업 거버넌스; 모델 비종속: 20개 이상 프런티어·오픈소스 모델 선택 가능; 부서를 넘어 재사용되는 공유 에이전트

**한계:** 영업 주도 가격이라 데모 전에는 비용 추정이 어려움; 커넥터와 권한 설정에 상당한 관리 공수가 필요; 넓게 도입할수록 가치가 커져 소규모 팀에는 부담

[Profile (Markdown)](https://openaitools.app/ko/tool/dust.md)

## EvalCore

EvalCore는 AI 엔지니어링에서 흔한 실패를 해결합니다. 프롬프트를 만지고, 모델을 바꾸고, 의존성을 올렸더니 프로덕션에서 조용히 무언가 깨졌다는 상황입니다. EvalCore는 비싸고 비결정적인 모델 호출을 CI에서 다시 실행하는 대신, AI 동작을 스냅샷으로 다룹니다. 평가란 타깃을 기술한 YAML 파일과 JSONL 데이터셋, 그리고 '좋음'이 무엇인지 정의하는 스코어러를 얹은 것에 불과합니다.

첫 실행은 실제 모델을 상대로 라이브로 진행됩니다. OpenAI 호환 엔드포인트, vLLM, Ollama, 자체 REST API, 셸 명령, OpenTelemetry/OpenInference 트레이스 모두 대상이 될 수 있습니다. 모든 요청과 응답은 정규화된 요청의 해시를 키로 하여 로컬 SQLite 카세트에 기록되고, 요약에 토큰과 비용이 표시됩니다. 이후 CI는 `--cache replay`로 이를 바이트 단위로 재생합니다. 네트워크도, API 키도, 변덕스러운 심사 모델도 없이 같은 입력은 항상 같은 판정을 냅니다.

카세트를 저장소에 커밋하면 `--baseline main` 비교는 진짜 회귀에서만 실패하고, 프로세스 종료 코드가 파이프라인을 막습니다. 트라이얼, 모델 비교, 에이전트 트레이스, 게이트, 리포트 모두 몇 줄의 YAML이나 플래그 하나로 처리되며 프레임워크가 필요 없습니다. 작은 Rust 바이너리 하나로 배포되어 타깃 측 언어를 가리지 않고, 텔레메트리를 수집하지 않습니다.

**가격 및 요금제:** Apache-2.0 라이선스의 무료 오픈소스이며, 오프라인 카세트 재생 덕분에 CI 비용은 0입니다. cargo 또는 사전 빌드된 바이너리로 설치하고, 가입·서버·텔레메트리가 없습니다.

- **한 번 기록하고 영원히 재생:** 라이브 실행이 모든 모델 요청과 응답을 로컬 SQLite 카세트에 담아내고, CI가 오프라인에서 결정적으로 무료로 재생합니다.
- **무엇이든 타깃이 될 수 있음:** OpenAI 호환 엔드포인트, vLLM, Ollama, 자체 REST API, 셸 명령, OTel/OpenInference 트레이스를 지정할 수 있으며 SDK가 필요 없습니다.
- **'좋음'을 정의하는 스코어러:** contains, judge 루브릭 등 스코어러를 YAML로 얹어 각 케이스의 정답 형태를 정확히 표현합니다.
- **회귀 게이트와 베이스라인:** 베이스라인 브랜치와 비교해 진짜 회귀만 실패시키고, 종료 코드로 풀 리퀘스트를 막습니다.
- **비용·토큰·리포트 내장:** 요약이 라이브 실행의 토큰 사용량과 지출을 보고하고, 트라이얼·모델 비교·이력이 추세를 보여줍니다.

**강점:** Apache-2.0의 진짜 무료 오픈소스로 사용량 기반 과금이 없음; 결정적 오프라인 재생으로 불안정하고 비싼 모델 호출을 CI에서 제거; 의존성 없는 단일 바이너리로 앱 언어와 무관; 설정이 YAML과 JSONL뿐이라 스위트 검토와 버전 관리가 쉬움

**한계:** Rust 툴체인 또는 사전 빌드 바이너리와 명령줄 사용에 익숙해야 함; 카세트를 먼저 라이브로 기록해야 하므로 초기 설정에 실제 API 접근이 필요; 호스팅 대시보드가 없어 결과와 이력은 저장소와 CI 로그에 남음

[Profile (Markdown)](https://openaitools.app/ko/tool/evalcore.md)

## 자주 묻는 질문

### Dust과(와) EvalCore의 월간 트래픽은 어떻게 비교되나요?

Dust의 월간 방문 수는 547,217이고, EvalCore는 0입니다. 트래픽 추정치는 제품 품질이 아니라 사용자 규모를 나타냅니다.

### 두 도구의 성장률은 어떻게 비교되나요?

Dust의 전월 대비 성장률은 +1.8%이며, EvalCore는 0%입니다.

### 가격은 어떻게 비교되나요?

Dust: 가격 문의. 가격 문의(Contact for pricing). 가입 후 무료 체험을 제공하지만 요금제는 팀·기업 중심으로 사용량 기반 크레딧, 볼륨 가격, 전담 지원을 포함하며 정확한 금액은 영업팀 문의가 필요합니다. EvalCore: 무료. Apache-2.0 라이선스의 무료 오픈소스이며, 오프라인 카세트 재생 덕분에 CI 비용은 0입니다. cargo 또는 사전 빌드된 바이너리로 설치하고, 가입·서버·텔레메트리가 없습니다.

## 대안

| # | 도구 이름 | 월간 방문 수 | 전월 대비 성장률 | 가격 모델 | Summary | Profile (Markdown) |
| :--- | :--- | :--- | :--- | :--- | :--- | :--- |
| 1 | [Notion](https://openaitools.app/ko/tool/t) | 173,441,670 | +0.1% | 무료+유료 | Provides a unified connected workspace for team documents and databases, but lacks Dust's advanced multi-source enterprise knowledge indexing. | [.md](https://openaitools.app/ko/tool/t.md) |
| 2 | [Salesforce Agentforce(구 Einstein)](https://openaitools.app/ko/tool/salesforce-einstein) | 111,910,743 | +2.2% | 무료+유료 | 기업 워크플로 자동화를 위해 CRM 생태계와 깊이 통합되지만, Salesforce 소프트웨어 스위트에 강하게 종속됩니다. | [.md](https://openaitools.app/ko/tool/salesforce-einstein.md) |
| 3 | [Glean](https://openaitools.app/ko/tool/glean) | 3,301,875 | +0.1% | 가격 문의 | 기업 전반에 걸쳐 권한을 인식하는 강력한 검색 및 지식 관리를 제공하지만, 맞춤형 멀티 모델 에이전트 워크플로에는 상대적으로 덜 집중합니다. | [.md](https://openaitools.app/ko/tool/glean.md) |
| 4 | [Abacus.AI](https://openaitools.app/ko/tool/abacus-ai) | 3,278,636 | -1.7% | 가격 문의 | 다중 모델 챗봇과 자동화된 머신러닝 최적화를 결합하지만, 데이터 과학 파이프라인에 더 큰 비중을 둡니다. | [.md](https://openaitools.app/ko/tool/abacus-ai.md) |
| 5 | [KaneAI](https://openaitools.app/ko/tool/kaneai) | 901,340 | +13.2% | 무료+유료, 유료, 가격 문의 | 자연어로 계획·작성·자가 치유하는 생성형 AI 기반 E2E QA 에이전트 | [.md](https://openaitools.app/ko/tool/kaneai.md) |
| 6 | [Taskade](https://openaitools.app/ko/tool/taskade) | 539,714 | -9.4% | 무료+유료 | Taskade is an AI workspace that turns a single prompt into working business apps, complete with AI agents, automations, databases, tasks and docs — no code required. | [.md](https://openaitools.app/ko/tool/taskade.md) |
| 7 | [Gumloop](https://openaitools.app/ko/tool/gumloop) | 379,557 | -21.1% | 무료+유료, 유료, 가격 문의 | 시각적 노코드 웹 스크래핑 및 데이터 자동화 파이프라인에 뛰어나지만, Dust의 전용 내부 지식 베이스 아키텍처는 부족합니다. | [.md](https://openaitools.app/ko/tool/gumloop.md) |
| 8 | [Tines](https://openaitools.app/ko/tool/tines) | 273,260 | +24.4% | 무료+유료, 가격 문의 | Focuses on secure enterprise workflow automation and security orchestration, but requires more manual setup for custom AI agents. | [.md](https://openaitools.app/ko/tool/tines.md) |
| 9 | [Arize AI](https://openaitools.app/ko/tool/arize-com) | 249,028 | +3.2% | 유료, 가격 문의 | 프로덕션 AI를 위한 에이전트 관측성, 평가 및 지속적 개선 플랫폼 | [.md](https://openaitools.app/ko/tool/arize-com.md) |
| 10 | [Mindgard](https://openaitools.app/ko/tool/mindgard) | 153,455 | +1.3% | 가격 문의 | 공격 주도의 AI 보안 테스트와 레드팀 | [.md](https://openaitools.app/ko/tool/mindgard.md) |

---
출처: https://openaitools.app/ko/compare/dust-vs-evalcore

More Markdown: [카테고리](https://openaitools.app/ko/categories.md) · [트래픽 순위](https://openaitools.app/ko/rankings.md) · [llms.txt](https://openaitools.app/ko/llms.txt)