Labelbox는 월간 방문 762,803, 전월 대비 성장률 -22.8%, 가격 문의 가격 모델을 기록합니다. MOSSO는 월간 방문 1,370,961, 성장률 +26.1%, 유료 가격 모델을 기록합니다.
최전선 AI가 학습하는 환경, 그리고 반복 업무를 맡는 에이전트
컬러 분석, 가상 피팅, 매일의 코디 제안을 담은 AI 퍼스널 스타일리스트
| 항목 / 지표 | | |
|---|---|---|
| 공식 도메인 | labelbox.com | mosso.ai |
| 가격 모델 | 가격 문의 | 유료 |
| 월간 방문 수 | 76.28만 (762,803) | 137.1만 (1,370,961) |
| 전월 대비 트래픽 변화량 | -22.52만 (-22.8%) | +28.4만 (+26.1%) |
| 주요 시장 및 점유율 | 🇺🇸 미국 (21.9%) | 🇺🇸 미국 (93.5%) |
| 월 직접 방문 수 | 37만 | 19.97만 |
| 사용자 평점 | 4.4 | 4 |
| 지원 플랫폼 | 웹사이트 | 웹사이트 |
최전선 AI가 학습하는 환경, 그리고 반복 업무를 맡는 에이전트
비전, 언어, 생성 작업 전반에 걸친 구조적 주석, 데이터 큐레이션, 모델 평가, 휴먼 인 더 루프 검수를 제공해 학습과 평가 데이터의 기반이 됩니다.
Recursion 에이전트는 빌드, 알림, 커밋, 체크포인트, 스케줄로 스스로 시작해 작업이 끝나 검토 가능해질 때까지 백그라운드에서 수행합니다.
소프트웨어 엔지니어링, 안정성, 보안, ML 연구, 평가, R&D, 제품, 재무까지 전문 에이전트가 불안정한 테스트 수정부터 포스트모템 초안까지 담당합니다.
모든 실행은 채점 에이전트가 평가하고, 채점된 세션은 기억과 노트, 스킬을 남겨 다음 세션이 행동 전에 읽습니다.
컬러 분석, 가상 피팅, 매일의 코디 제안을 담은 AI 퍼스널 스타일리스트
옷장에 조화와 여유를 주는 컬러 팔레트를 제시해, 옷 고르기를 감에 의존하는 일에서 벗어나게 합니다.
자신의 체형을 시각화한 모델 위에서 코디와 단품을 미리 보며, 구매 전에 핏과 비율, 균형을 판단할 수 있습니다.
팔레트와 체형 비율에 맞춘 조합을 계속 생성해 매일 아침 결정 피로를 줄여 줍니다.
어떤 실루엣과 형태가 체형을 살리는지 이해하게 해, 단품들이 서로 맞물리는 옷장을 만들도록 돕습니다.
특화 강점어노테이션부터 모델 배포까지의 엔드투엔드 컴퓨터 비전 워크플로우를 간소화하지만, Labelbox의 일반적인 기업용 에이전트 오케스트레이션은 부족합니다.
특화 강점데이터 검증을 위해 휴먼 인 더 루프 관리형 인력 서비스에 크게 의존하며, Labelbox보다 셀프 서비스 기술 도구가 적습니다.
대규모 기업급 데이터 라벨링과 모델 평가를 제공하지만, 종종 Labelbox보다 더 큰 예산이 필요합니다.
안정적인 멀티모달 어노테이션과 워크플로우 자동화를 제공하며, 컴퓨터 비전 팀을 위한 직관적인 데이터 선별 파이프라인을 갖추고 있습니다.
안정적인 멀티모달 어노테이션과 워크플로우 자동화를 제공하며, 컴퓨터 비전 팀을 위한 직관적인 데이터 선별 파이프라인을 갖추고 있습니다.
특화 강점전체 옷장 관리보다는 퍼스널 컬러 진단을 통해 계절별 팔레트를 찾는 데 특화되어 있습니다.
특화 강점전체 옷장 관리보다는 퍼스널 컬러 진단을 통해 계절별 팔레트를 찾는 데 특화되어 있습니다.
특화 강점하나의 연결 환경에서 AI 모델과 에이전트를 추적·평가·배포하세요.
고급 컴퓨터 비전 및 피지컬 AI 데이터 파이프라인에 특화되어 있지만, 일반적인 텍스트 및 이미지 라벨링보다는 범위가 좁습니다.
무료 / 오픈소스맞춤형 데이터 라벨링을 위한 유연한 오픈소스 대안을 제공하지만, 자체 호스팅과 수동 인프라 관리가 필요합니다.
특화 강점더 정교한 가상 피팅 기능과 개발자 API를 제공하며, 이커머스 및 패션 크리에이티브 이미지에 더 집중합니다.
특화 강점더 정교한 가상 피팅 기능과 개발자 API를 제공하며, 이커머스 및 패션 크리에이티브 이미지에 더 집중합니다.
특화 강점Focuses strictly on LLM evaluation, testing, and observability rather than raw data annotation and training dataset curation.
특화 강점Focuses strictly on LLM evaluation, testing, and observability rather than raw data annotation and training dataset curation.
특화 강점Focuses strictly on selfie-based seasonal color analysis and virtual color testing rather than complete outfit generation.
특화 강점Focuses strictly on selfie-based seasonal color analysis and virtual color testing rather than complete outfit generation.
특화 강점Delivers a robust browser-based virtual fitting room for testing garment and accessory combinations on custom portraits.
특화 강점Delivers a robust browser-based virtual fitting room for testing garment and accessory combinations on custom portraits.
