Scale: 대규모 기업급 데이터 라벨링과 모델 평가를 제공하지만, 종종 Labelbox보다 더 큰 예산이 필요합니다. Labelbox는 월간 방문 762,803, 전월 대비 성장률 -22.8%, 가격 문의 가격 모델을 기록합니다. Scale는 월간 방문 616,915, 성장률 +12.5%, 가격 문의 가격 모델을 기록합니다.
최전선 AI가 학습하는 환경, 그리고 반복 업무를 맡는 에이전트
Scale is an enterprise AI company that supplies the data, evaluation and deployment layers behind production AI. Its Data Engine sources and labels training data for frontier models, its evaluation work benchmarks model capability, and its platform teams help enterprises and governments move AI systems from pilot into real operations.
| 항목 / 지표 | | |
|---|---|---|
| 공식 도메인 | labelbox.com | scale.com |
| 가격 모델 | 가격 문의 | 가격 문의 |
| 월간 방문 수 | 76.28만 (762,803) | 61.69만 (616,915) |
| 전월 대비 트래픽 변화량 | -22.52만 (-22.8%) | +6.87만 (+12.5%) |
| 주요 시장 및 점유율 | 🇺🇸 미국 (21.9%) | 🇺🇸 미국 (44.2%) |
| 월 직접 방문 수 | 37만 | 19.14만 |
| 사용자 평점 | 4.4 | 4.7 |
| 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.
Scale is an enterprise AI company that supplies the data, evaluation and deployment layers behind production AI. Its Data Engine sources and labels training data for frontier models, its evaluation work benchmarks model capability, and its platform teams help enterprises and governments move AI systems from pilot into real operations.
Human-sourced and expert-annotated training data, including specialist contributors with advanced degrees, at the quality bar frontier labs require.
Public leaderboards plus private benchmarks that test model capability and safety for the most ambitious AI developers.
Platform and services teams that pick the right use case, build the system and take ownership of the outcome.
Agentic systems designed around measurable business outcomes across private equity portfolios, energy and healthcare operations.
특화 강점컴퓨터 비전 데이터셋 어노테이션 및 모델 학습을 간소화하지만, 일반적인 LLM 텍스트 작업에는 덜 적합합니다.
특화 강점데이터 검증을 위해 휴먼 인 더 루프 관리형 인력 서비스에 크게 의존하며, Labelbox보다 셀프 서비스 기술 도구가 적습니다.
기업용 멀티모달 어노테이션 및 데이터 관리 도구를 제공하지만, 관리형 라벨링 인력에 대한 비중은 상대적으로 낮습니다.
기업용 멀티모달 어노테이션 및 데이터 관리 도구를 제공하지만, 관리형 라벨링 인력에 대한 비중은 상대적으로 낮습니다.
특화 강점하나의 연결 환경에서 AI 모델과 에이전트를 추적·평가·배포하세요.
특화 강점Focuses on post-deployment LLM observability and evaluation rather than training data generation or annotation.
특화 강점Focuses on post-deployment LLM observability and evaluation rather than training data generation or annotation.
무료 / 오픈소스맞춤형 데이터 라벨링 및 인간 참여형(Human-in-the-loop) 어노테이션 파이프라인을 위한 유연한 오픈소스 대안을 제공합니다.
무료 / 오픈소스맞춤형 데이터 라벨링 및 인간 참여형(Human-in-the-loop) 어노테이션 파이프라인을 위한 유연한 오픈소스 대안을 제공합니다.
특화 강점스스로 개선되는 AI 에이전트를 구축·시뮬레이션·평가·모니터링
특화 강점스스로 개선되는 AI 에이전트를 구축·시뮬레이션·평가·모니터링
특화 강점Provides LLM evaluation and testing workflows, but lacks Scale's massive human-in-the-loop data labeling services.
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 강점관리형 라벨링 대신 RLHF 및 모델 평가 연구를 위해 검증된 인간 참가자와 개발자를 연결해 줍니다.
Provides efficient smart annotation tools and managed labeling services, but has a smaller ecosystem for complex enterprise agent workflows.
Provides efficient smart annotation tools and managed labeling services, but has a smaller ecosystem for complex enterprise agent workflows.
