載入中…
正面對決基準比較
Models.dev vs Outlier AI
Models.dev 每月有 200,451 次造訪，月增率 -3.9%，定價模式為免費。Outlier AI 每月有 10,372,036 次造訪，成長率 +7.6%，定價模式為付費。
Models.dev 每月有 200,451 次造訪，月增率 -3.9%，定價模式為免費。Outlier AI 每月有 10,372,036 次造訪，成長率 +7.6%，定價模式為付費。
| 面向／指標 |  |  |
|---|---|---|
| 官方網域 | models.dev | outlier.ai |
| 定價模式 | 免費 | 付費 |
| 每月造訪次數 | 20.05萬 (200,451) | 1037.2萬 (10,372,036) |
| 月流量變化量 | -8167 (-3.9%) | +73.65萬 (+7.6%) |
| 主要市場與市佔 | 🇨🇳 中國 (23%) | 🇺🇸 美國 (21.6%) |
| 每月直接造訪 | 13.63萬 | 581.92萬 |
| 使用者評分 | 4.4 | 3.8 |
| 支援平台 | 網站 | 網站 |
開源 AI 模型資料庫，價格與能力一目了然
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。
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。
列出每百萬 token 的輸入輸出價格，並標註發布與更新日期。
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。
透過訓練下一代 AI 模型賺取報酬
通過技能篩選後，貢獻者會被媒合到與自身領域相符的專案，涵蓋程式設計、數學、語言學、醫學等。
完全遠端且無最低工時，專家可圍繞學業、研究或正職安排任務。
典型工作包括撰寫高難度提示詞、製作評分標準、對多個答案排序以及審視模型的推理過程。
貢獻者每週為審核通過的工作獲得報酬，獎勵隨輸出品質提升而增加。
將 AI 研究實驗室與人類領域專家連結，以執行專門的評估與數據標註任務。
專項更強Hosts AI hackathons and community building events rather than freelance data annotation work.
提供企業級的人工數據與 RLHF 評估，將專家標註員與頂尖 AI 實驗室連結起來。
專項更強Includes model pricing trackers and developer news alongside tools directories, but less focused on raw API specs.
免費 / 開源Large open community hub for data science and machine learning practitioners to collaborate and network.
免費 / 開源Large open community hub for data science and machine learning practitioners to collaborate and network.
專項更強Provides custom enterprise AI consulting and development services rather than crowd-sourced annotation tasks.
專項更強Provides custom enterprise AI consulting and development services rather than crowd-sourced annotation tasks.
專項更強Focuses on security challenges and bug bounties for AI models and libraries instead of general data labeling.
專項更強Catalogues and compares AI infrastructure tools and services across categories, but lacks deep per-token pricing tables.
專項更強Catalogues and compares AI infrastructure tools and services across categories, but lacks deep per-token pricing tables.
專項更強Talent marketplace connecting companies with vetted applied AI professionals rather than task-based annotators.
