# Invisible Technologies vs Models.dev

Invisible Technologies 每月有 1,364,520 次造訪，月增率 +64.4%，定價模式為需聯絡報價。Models.dev 每月有 200,451 次造訪，成長率 -3.9%，定價模式為免費。

| 指標 | [Invisible Technologies](https://openaitools.app/tw/tool/invisible-technologies-inc) | [Models.dev](https://openaitools.app/tw/tool/models-dev) |
| :--- | :--- | :--- |
| 網站網址 | http://inv.tech | https://models.dev |
| 分類 | Large Language Models (LLMs), AI 模型, AI Agent | AI 模型, AI API, 開源 AI 模型, AI 工具目錄 |
| 定價模式 | 需聯絡報價 | 免費 |
| 每月造訪次數 | 1,364,520 | 200,451 |
| 月成長率 | +64.4% | -3.9% |
| 主要市場 | 美國 | 中國 |
| 直接造訪 | 877,838 | 136,316 |
| 評論分數 | 4.6 | 4.4 |
| 收藏數 | 2 | 0 |
| 支援平台 | 網站 | 網站 |

## Invisible Technologies

Invisible Technologies 在 AI 產業中占據一個不太常見的定位：它既是軟體平台，也是服務組織，還是人才網路。公司同時服務前沿模型實驗室與大型企業，協助 AI 從原型走向生產，並自述參與了全球多數領先模型的訓練工作。純 SaaS 廠商交付的是儀表板，而 Invisible 把工具與真正動手做事的人結合在一起。

在平台層面，產品被拆分為可組合的模組。Neuron 是資料層，把分散在多來源系統中的雜亂資訊匯聚到統一受治理的地方，使其可被模型使用。Atomic 是流程建構器，先視覺化繪製業務運作方式，再自動執行各步驟，連接系統並把任務分派給合適的 AI 或人工。Synapse 負責評測，以真實工作情境與企業自有標準而非通用基準來測試 AI 系統。Axon 讓團隊部署能夠規劃多步驟任務、呼叫工具、撰寫程式碼的 Agent，並提供關鍵業務所需的版本管理與稽核追蹤。

人力層是它最獨特的差異點。Invisible 的專家網路 Meridial 擁有 24,000 多名經篩選的專家，依技能、語言與領域組織，可標註訓練資料、對系統做壓力測試，或處理 Agent 尚無法應對的邊界情況。典型合作場景包括後台自動化、電腦視覺、聯絡中心智慧、需求預測，以及由領域專家打造的客製強化學習環境。由於每家企業與 AI 碰撞出的摩擦各不相同，公司把自己定位為通用模型與具體業務現實之間的橋樑。

**價格與方案:** 未公開標價。Invisible 依資料規模、模型複雜度與專家投入程度按專案報價，建議預約展示或聯繫銷售取得客製方案。

- **面向前沿模型的訓練資料:** 依託規模龐大的審核專家網路，產出研究級資料集，包括多語言與特定領域的評測資料。
- **模型評測與測試:** 以貼近真實工作的情境與自訂標準（準確性、安全性、語氣、領域契合度）執行 AI 系統，並橫向比較不同模型。
- **可部署的 AI Agent:** 建構受治理的 Agent，處理多步驟工作、呼叫工具並視需要撰寫程式碼，具備版本管理、依客戶隔離與完整稽核紀錄。
- **後台流程自動化:** 先釐清工作真實流轉方式，再逐步自動化各環節，視需要分派給 AI 或人工。
- **資料準備與治理:** 把分散的企業資料匯聚到統一受治理、可被 AI 使用的資料層，讓模型與流程清楚該用什麼、在哪裡。

**優勢:** 平台工具與 24,000 人以上專家網路結合，專案不會受限於軟體本身的能力邊界; 在前沿模型訓練與評測方面經驗深厚，與多家頭部 AI 實驗室有直接合作; 模組化元件讓企業可以從單一問題切入，而不必一次性整體遷移

[Profile (Markdown)](https://openaitools.app/tw/tool/invisible-technologies-inc.md)

## Models.dev

Models.dev 要回答一個非常實際的問題：該用哪個模型，成本是多少？網站為每個項目設定形如 provider/model 的規範識別碼，因此同一模型在不同供應商下的版本可以直接比較。表格欄位包含上下文視窗、最大輸出、是否支援輸入與輸出、推理、工具呼叫、結構化輸出、溫度控制、開放或閉源權重、每百萬 token 價格，以及發布與更新日期。

由於模型發布節奏很快，該目錄以保持最新為目標，提供可排序與可搜尋的表格，能依實驗室或供應商瀏覽並篩選關鍵條件。項目同時涵蓋閉源旗艦模型與開放權重模型，既能用於成本規劃，也能用於能力調研。

專案開源且免費，定位為可被程式化取用的資料源。開發者可透過 JSON API 或型別安全 SDK 把目錄接入自家工具，因此很適合作為儀表板、路由邏輯或內部成本計算器的後端，而不只是瀏覽用的參考頁。

**價格與方案:** Models.dev 免費且開源。它本身是參考資料庫，所列價格是模型供應商收取的每百萬 token 費率，而非使用本站的費用。

- **規範模型識別碼:** 每個模型採用統一的 provider/model 格式，方便跨供應商直接對比同一模型。
- **規格對比:** 並排查看上下文視窗、輸出上限、推理、工具呼叫、結構化輸出與溫度支援。
- **價格透明:** 列出每百萬 token 的輸入輸出價格，並標註發布與更新日期。
- **開源與閉源兼顧:** 在一個可排序目錄中同時涵蓋閉源旗艦 API 與各實驗室的開放權重模型。
- **面向開發者:** 可透過 JSON API 或型別安全 SDK 取得目錄，用於自建工具與儀表板。

**優勢:** 免費開源，無需註冊帳號; 統一的規範識別碼讓跨供應商對比更可靠; 在同一張可排序表格中呈現價格、上限與能力; 提供 JSON API 與型別安全 SDK，便於程式化使用

**限制:** 它是參考目錄，並非推論或託管服務; 資料品質取決於社群與維護者能否跟上發布節奏; 介面面向開發者，對非技術使用者幾乎沒有引導

[Profile (Markdown)](https://openaitools.app/tw/tool/models-dev.md)

## 常見問題

### Invisible Technologies 與 Models.dev 的每月流量相比如何？

Invisible Technologies 每月有 1,364,520 次造訪，而 Models.dev 有 200,451。流量估算反映受眾規模，並非產品品質。

### 兩者的成長率相比如何？

Invisible Technologies 的月增率為 +64.4%；Models.dev 為 -3.9%。

### 價格相比如何？

Invisible Technologies：需聯絡報價。未公開標價。Invisible 依資料規模、模型複雜度與專家投入程度按專案報價，建議預約展示或聯繫銷售取得客製方案。 Models.dev：免費。Models.dev 免費且開源。它本身是參考資料庫，所列價格是模型供應商收取的每百萬 token 費率，而非使用本站的費用。

## 替代方案

| # | 工具名稱 | 每月造訪次數 | 月成長率 | 定價模式 | Summary | Profile (Markdown) |
| :--- | :--- | :--- | :--- | :--- | :--- | :--- |
| 1 | [Salesforce Agentforce（原 Einstein）](https://openaitools.app/tw/tool/salesforce-einstein) | 111,910,743 | +2.2% | 免費增值 | 透過自主代理自動化企業工作流程，但主要專注於 CRM 整合而非客製化營運。 | [.md](https://openaitools.app/tw/tool/salesforce-einstein.md) |
| 2 | [Abacus.AI](https://openaitools.app/tw/tool/abacus-ai) | 3,278,636 | -1.7% | 需聯絡報價 | 提供企業級機器學習與自主代理，但缺乏針對客製化營運的專屬真人專家網路。 | [.md](https://openaitools.app/tw/tool/abacus-ai.md) |
| 3 | [Labelbox](https://openaitools.app/tw/tool/labelbox) | 762,803 | -22.8% | 需聯絡報價 | 提供結構化資料標註與代理工作流程，但缺乏 Invisible 專屬的高水準真人營運團隊。 | [.md](https://openaitools.app/tw/tool/labelbox.md) |
| 4 | [Appen](https://openaitools.app/tw/tool/appen-com) | 665,840 | +0.2% | 需聯絡報價 | 具備強大的真人參與式資料標註與驗證服務，但提供的端到端自主代理軟體客製化程度較低。 | [.md](https://openaitools.app/tw/tool/appen-com.md) |
| 5 | [Dust](https://openaitools.app/tw/tool/dust) | 547,217 | +1.8% | 需聯絡報價 | 能建立團隊協作知識代理，但缺乏 Invisible 所提供的深度真人介入（human-in-the-loop）營運外包服務。 | [.md](https://openaitools.app/tw/tool/dust.md) |
| 6 | [Arize AI](https://openaitools.app/tw/tool/arize-com) | 249,028 | +3.2% | 付費、需聯絡報價 | 面向生產級 AI 的代理可觀測性、評估與持續改進平台 | [.md](https://openaitools.app/tw/tool/arize-com.md) |
| 7 | [Stork](https://openaitools.app/tw/tool/stork) | 201,544 | +2.3% | 免費 | Includes model pricing trackers and developer news alongside tools directories, but less focused on raw API specs. | [.md](https://openaitools.app/tw/tool/stork.md) |
| 8 | [Writer](https://openaitools.app/tw/tool/writer) | 180,869 | -17.6% | 免費試用、付費、需聯絡報價 | 結合了代理式工作流程與內容專屬語言模型，但缺乏全面性的企業營運工作流程外包服務。 | [.md](https://openaitools.app/tw/tool/writer.md) |
| 9 | [Agno](https://openaitools.app/tw/tool/agno) | 140,302 | -3.3% | 需聯絡報價、免費 | 運行在你自雲端的自驅式代理平台 | [.md](https://openaitools.app/tw/tool/agno.md) |
| 10 | [Label Studio](https://openaitools.app/tw/tool/label-studio) | 137,199 | -16.1% | 需聯絡報價、免費 | Open-source platform for data labeling and evaluation, but requires self-hosting and managing your own labeling workforce. | [.md](https://openaitools.app/tw/tool/label-studio.md) |

---
來源：https://openaitools.app/tw/compare/invisible-technologies-inc-vs-models-dev

More Markdown: [分類](https://openaitools.app/tw/categories.md) · [流量排名](https://openaitools.app/tw/rankings.md) · [llms.txt](https://openaitools.app/tw/llms.txt)
