# Labelbox vs Lunit Labelbox 每月有 762,803 次造訪，月增率 -22.8%，定價模式為需聯絡報價。Lunit 每月有 29,181 次造訪，成長率 -12.8%，定價模式為需聯絡報價。 | 指標 | [Labelbox](https://openaitools.app/tw/tool/labelbox) | [Lunit](https://openaitools.app/tw/tool/lunit) | | :--- | :--- | :--- | | 網站網址 | https://labelbox.com | https://www.lunit.io/en | | 分類 | AI 開發者工具, AI API, AI Workflow, AI 生產力工具 | AI 醫療健康, AI 醫學診斷, AI 影像辨識 | | 定價模式 | 需聯絡報價 | 需聯絡報價 | | 每月造訪次數 | 762,803 | 29,181 | | 月成長率 | -22.8% | -12.8% | | 主要市場 | 美國 | 南韓 | | 直接造訪 | 370,024 | 8,314 | | 評論分數 | 4.4 | 4.6 | | 收藏數 | 0 | 1 | | 支援平台 | 網站 | 網站 | ## Labelbox Labelbox 在 AI 技術堆疊中占據特殊位置：它主要賣的不是聊天機器人或生成工具，而是模型學習所需的環境與資料，以及接手例行工程與研究工作的代理。首頁的說法很直接——前沿 AI 實驗室用 Labelbox 的環境與專家資料訓練模型，而工程與研究團隊把反覆出現的待辦事項交給在 Recursion 上運作的代理。近期超過 1 億美元的 E 輪募資，顯示這個主張獲得充足資金支持。,對企業而言，較新的一半是 Recursion。代理由真實訊號觸發——建置失敗、PagerDuty 告警、新的相依套件版本、新的模型檢查點，或週一早晨的排程——然後在背景工作到完成。官方強調的例子是具體交付物而非摘要：附預覽連結且已測試的 pull request、每個事件都有出處的 Confluence 事故檢討草稿、點名關鍵變更的消融實驗表，或重大 CVE 後針對每個受影響服務的修補。評分代理會為每次執行打分，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。,最初的核心仍是資料業務：由專家審閱者支援的標註、註記、策展與模型評估，用於電腦視覺、NLP、監督式微調、RLHF 與紅隊測試。實務上兩半相互強化，因為產出高品質訓練資料的環境，正是代理學習真實工作的環境。價格屬企業模式，透過業務洽談決定，並取決於資料量與代理使用情形，沒有公開的自助式方案。 **價格與方案:** 價格另洽。Labelbox 未公布自助式方案或公開價目表，其價格入口引導有興趣的團隊與業務洽談，費用取決於資料產出規模、代理部署與企業需求。官方未公布免費方案。有意導入者應依自身用量與使用情境索取報價。 - **資料標註與專家註記:** 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。 - **自主代理工作階段:** 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。 - **依職能分工的專業代理:** 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。 - **可累積的評分成果:** 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。 - **原生工具與資料整合:** 代理直接在團隊既有工具上運作，包括 GitHub、Jira、Linear、Slack、Datadog、PagerDuty、BigQuery、Databricks、Vercel 與雲端服務商。 **優勢:** 同時涵蓋問題兩端：訓練與評估資料的產出，以及處理例行工作的代理; 近期超過 1 億美元的 E 輪募資與前沿 AI 實驗室的採用，代表資金與需求皆有實據; 代理執行產出可驗證的具體成果——測試、重跑、消融實驗——而非未經檢核的建議; 可與既有工具鏈整合：GitHub、Jira、Linear、Slack、Datadog、PagerDuty、BigQuery 與 Databricks **限制:** 沒有自助式定價或公開註冊，一切都得透過業務洽談，評估流程較慢; 平台預設使用者已有實際的工程與研究基礎設施（GitHub、雲端、資料倉儲）; 定位快速轉向自主代理工作階段，只想做標註的團隊可能覺得過於龐大 [Profile (Markdown)](https://openaitools.app/tw/tool/labelbox.md) ## Lunit Lunit 是一家總部設於韓國首爾的醫療 AI 公司，脫胎於深度學習研究，專注於腫瘤學領域。它沒有追求通用型醫療 AI，而是建構了兩個相互連結的產品族：一類協助醫師在影像中更早發現癌症，另一類從組織中提取定量生物學資訊以指引治療與藥物研發。其技術已覆蓋廣泛的國際市場，涉及 70 多個國家的 10,000 多個客戶據點，背後有數百篇同儕審查論文與產業合作支撐。 在篩檢方面，Lunit INSIGHT 系列負責分析乳房 X 光片與胸部 X 光片。Lunit INSIGHT MMG 處理 2D 乳房攝影，Lunit INSIGHT DBT 涵蓋 3D 乳房斷層攝影，兩者都會標出可疑區域，協助放射科醫師優先處理最需要關注的檢查。Lunit INSIGHT CXR 對胸片做同樣的事。圍繞這些偵測引擎，Lunit 還建置了計畫級工具：密度評估、風險評估與風險路徑、即時乳房攝影報告、品質管理、分析以及病患中心，讓篩檢機構能把 AI 當作日常工作流程的一部分，而非孤立的試驗。 在精準腫瘤學方面，Lunit SCOPE 系列分析病理影像。Lunit SCOPE IO 量化腫瘤微環境與免疫細胞浸潤，這對免疫治療策略至關重要；Lunit SCOPE IHC 套件則支援 HER2、PD-L1 等標記的免疫組織化學量化，並提供基因型預測工具。這些產品面向生技製藥夥伴、臨床試驗團隊與伴隨診斷開發，因為可重複的定量讀取正是此環節的瓶頸。由於 Lunit 的客戶是醫院、篩檢計畫與製藥公司，其價格由業務直接報價而不公開發布，且各市場的監管狀態不同。 **價格與方案:** 需聯繫詢價。Lunit 向醫院、篩檢計畫與生技製藥夥伴銷售企業級軟體與平台授權，商務條件與部署成本均透過其業務團隊直接報價，不提供公開價目表。 - **Lunit INSIGHT MMG 與 DBT:** 對 2D 與 3D 乳房攝影進行深度學習分析並標示可疑病灶，協助放射科醫師更早發現乳癌、減少漏診。 - **Lunit INSIGHT CXR:** 胸部 X 光分析，突顯結節等潛在異常，協助高負荷影像科更快完成分流。 - **Lunit SCOPE IO:** 透過病理切片量化腫瘤浸潤淋巴細胞與免疫表型，為免疫治療研究提供依據。 - **Lunit SCOPE IHC 套件:** AI 輔助免疫組織化學量化，涵蓋 HER2、PD-L1 等標記，包括 uIHC 與基因表現預測工具，達成標準化評分。 - **篩檢分析與工作流程工具:** 即時乳房攝影報告、風險評估、風險路徑、品質管理以及面向病患的工具，把 AI 融入整體篩檢流程。 **優勢:** 影像 AI 經臨床驗證，具備公開的監管許可與已發表證據; 覆蓋癌症診療路徑兩端——篩檢偵測與精準腫瘤學生物標記——可統一對接同一供應商; 在多个國家擁有大量真實部署，整合經驗與工作流程實務已經成熟; 研究成果豐富並與生技製藥夥伴合作，為臨床試驗與伴隨診斷提供可信度 [Profile (Markdown)](https://openaitools.app/tw/tool/lunit.md) ## 常見問題 ### Labelbox 與 Lunit 的每月流量相比如何？ Labelbox 每月有 762,803 次造訪，而 Lunit 有 29,181。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？ Labelbox 的月增率為 -22.8%；Lunit 為 -12.8%。 ### 價格相比如何？ Labelbox：需聯絡報價。價格另洽。Labelbox 未公布自助式方案或公開價目表，其價格入口引導有興趣的團隊與業務洽談，費用取決於資料產出規模、代理部署與企業需求。官方未公布免費方案。有意導入者應依自身用量與使用情境索取報價。 Lunit：需聯絡報價。需聯繫詢價。Lunit 向醫院、篩檢計畫與生技製藥夥伴銷售企業級軟體與平台授權，商務條件與部署成本均透過其業務團隊直接報價，不提供公開價目表。 ## 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 | [Roboflow](https://openaitools.app/tw/tool/roboflow) | 1,431,204 | +6.6% | 免費增值、需聯絡報價 | 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。 | [.md](https://openaitools.app/tw/tool/roboflow.md) | | 2 | [Appen](https://openaitools.app/tw/tool/appen-com) | 665,840 | +0.2% | 需聯絡報價 | 高度依賴真人參與的託管人力服務來進行資料驗證，相比 Labelbox 提供較少的自助式技術工具。 | [.md](https://openaitools.app/tw/tool/appen-com.md) | | 3 | [Scale](https://openaitools.app/tw/tool/scale) | 616,915 | +12.5% | 需聯絡報價 | 提供大規模的企業級標註與模型評估，但通常需要比 Labelbox 更高的企業預算。 | [.md](https://openaitools.app/tw/tool/scale.md) | | 4 | [SuperAnnotate](https://openaitools.app/tw/tool/super-annotate) | 386,034 | +37.4% | 免費試用、需聯絡報價 | 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。 | [.md](https://openaitools.app/tw/tool/super-annotate.md) | | 5 | [Weights & Biases（CoreWeave Forge）](https://openaitools.app/tw/tool/prompts) | 315,624 | -80.2% | 免費增值、需聯絡報價、免費 | 在互聯環境中追蹤、評估並交付 AI 模型與代理。 | [.md](https://openaitools.app/tw/tool/prompts.md) | | 6 | [ScanSkinAI](https://openaitools.app/tw/tool/scanskinai) | 265,770 | -10.9% | 免費增值、付費 | 免費 AI 皮膚與痣掃描，可選皮膚科醫師複核 | [.md](https://openaitools.app/tw/tool/scanskinai.md) | | 7 | [Overjet](https://openaitools.app/tw/tool/overjet-ai) | 256,150 | +12.6% | 需聯絡報價 | 獲 FDA 認證的牙科 AI，涵蓋診斷、影像與保險流程 | [.md](https://openaitools.app/tw/tool/overjet-ai.md) | | 8 | [Encord](https://openaitools.app/tw/tool/encord-com) | 244,204 | +9.4% | 需聯絡報價 | 專門用於先進的電腦視覺與物理 AI 資料管線，不過其焦點比一般的文字與圖像標註更窄。 | [.md](https://openaitools.app/tw/tool/encord-com.md) | | 9 | [Pearl](https://openaitools.app/tw/tool/hellopearl-com) | 221,155 | -7.6% | 需聯絡報價 | 通過 FDA 認證的牙科 AI，讓診斷更精準、櫃檯更順暢 | [.md](https://openaitools.app/tw/tool/hellopearl-com.md) | | 10 | [Label Studio](https://openaitools.app/tw/tool/label-studio) | 137,199 | -16.1% | 需聯絡報價、免費 | 提供靈活的開源替代方案用於自訂資料標註，但需要自行架設與手動維護基礎設施。 | [.md](https://openaitools.app/tw/tool/label-studio.md) | --- 來源：https://openaitools.app/tw/compare/labelbox-vs-lunit 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)