01
Roboflow官方原廠
143.1萬/月
專項更強簡化從標註到模型部署的端到端電腦視覺工作流程，但缺乏 Labelbox 的一般企業代理編排功能。
AI 開發者工具編輯評分：4.6免費增值、需聯絡報價+6.6%
#1載入中…
正面對決基準比較
Autify vs Labelbox
Autify 每月有 60,130 次造訪，月增率 +6%，定價模式為需聯絡報價。Labelbox 每月有 762,803 次造訪，成長率 -22.8%，定價模式為需聯絡報價。
Autify 每月有 60,130 次造訪，月增率 +6%，定價模式為需聯絡報價。Labelbox 每月有 762,803 次造訪，成長率 -22.8%，定價模式為需聯絡報價。
前沿 AI 訓練所用的環境，以及負責例行工作的代理
| 面向／指標 |  | |
|---|---|---|
| 官方網域 | autify.com | labelbox.com |
| 定價模式 | 需聯絡報價 | 需聯絡報價 |
| 每月造訪次數 | 6.01萬 (60,130) | 76.28萬 (762,803) |
| 月流量變化量 | +3383 (+6%) |
| -22.52萬 (-22.8%) |
| 主要市場與市佔 | 🇯🇵 日本 (34.3%) | 🇺🇸 美國 (21.9%) |
|---|
| 每月直接造訪 | 2.11萬 | 37萬 |
|---|
| 使用者評分 | 4.2 | 4.4 |
|---|
| 支援平台 | 網站 | 網站 |
|---|
涵蓋整個軟體測試生命週期的 AI 測試平台
自主代理，運用自然語言與視覺辨識在網頁、行動與桌面應用中產生並執行端對端測試。
生成式 AI 測試設計，從產品需求與原始碼自動產出結構化功能點、測試視角與詳細測試案例。
無需撰寫腳本即可建置與維護自動化測試，採用彈性的自癒定位器，隨應用變化自動調適。
支援端對端、回歸、冒煙、功能與視覺測試，包括 Salesforce 與 Canvas/WebGL 等較難的目標應用。
前沿 AI 訓練所用的環境，以及負責例行工作的代理
涵蓋視覺、語言與生成任務的結構化標註、資料策展、模型評估與人機協作審閱，是訓練與評估資料的基礎。
Recursion 代理會從建置、告警、提交、檢查點與排程自動啟動，並在背景持續工作直到任務完成可審查。
專業代理涵蓋軟體工程、可靠性、資安、ML 研究、評估、研發、產品與財務，從修復不穩定測試到撰寫事故檢討草稿。
每次執行都由評分代理打分，評分後的工作階段留下記憶、筆記與技能，供下一次執行前讀取。
專項更強簡化從標註到模型部署的端到端電腦視覺工作流程，但缺乏 Labelbox 的一般企業代理編排功能。
#1
專項更強在互聯環境中追蹤、評估並交付 AI 模型與代理。
免費 / 開源testRigor is an agentic AI test automation platform that lets you build end-to-end tests in plain English instead of code. It covers web, mobile, native desktop, API, email, SMS, phone calls, 2FA, and mainframe testing, includes free unlimited Generative AI, and self-heals tests so manual QA teams can automate without engineering help.
專項更強Focuses strictly on LLM evaluation, testing, and observability rather than raw data annotation and training dataset curation.
提供強大的多模態標註與工作流程自動化，並為電腦視覺團隊提供更直觀的資料策展管線。
免費 / 開源自動撰寫、執行並自癒測試套件的代理式端到端測試
免費 / 開源testRigor is an agentic AI test automation platform that lets you build end-to-end tests in plain English instead of code. It covers web, mobile, native desktop, API, email, SMS, phone calls, 2FA, and mainframe testing, includes free unlimited Generative AI, and self-heals tests so manual QA teams can automate without engineering help.
專項更強Focuses strictly on LLM evaluation, testing, and observability rather than raw data annotation and training dataset curation.
