애프트쿼리 vs 레버리 랩스

애프트쿼리 장단점

• 단순 라벨링을 넘어 골드만삭스, 구글 출신 등 실제 업계 전문가들이 직접 설계한 고품질 데이터를 제공하므로 모델의 전문성이 비약적으로 향상됩니다. 특히 루브릭(Rubrics) 기반의 RLHF를 통해 모델이 왜 해당 답변을 내놓아야 하는지에 대한 정교한 피드백을 학습시킬 수 있으며, 에이전트 전용 훈련 환경을 통해 복잡한 멀티스텝 워크플로우 학습이 가능합니다. 또한 독자적인 벤치마크(IDE-Bench, FinanceQA 등)를 보유하고 있어 모델 성능을 객관적으로 검증할 수 있는 연구 역량이 뛰어납니다.

• 전문 인력을 직접 투입하는 방식의 특성상 구축 비용이 경쟁사 대비 매우 높을 것으로 예상되며, 대규모 범용 데이터를 단기간에 확보해야 하는 프로젝트에는 가성비가 떨어질 수 있습니다. 소규모 스타트업이나 개인 개발자를 위한 셀프 서비스 플랜이나 공개된 가격 정보가 부족하여 접근성이 낮으며, 주로 최상위 AI 리서치 랩이나 엔터프라이즈를 타겟으로 하기에 도입 상담 과정이 복잡할 수 있다는 점이 진입 장벽으로 작용합니다.

레버리 랩스 장단점

• 뇌 투과성 약물 개발이라는 명확한 특화 영역을 보유하여 관련 연구팀에게는 전문화된 인사이트를 제공합니다. BBB 예측 모델은 전통적인 실험실 테스트보다 빠르게 후보물질을 필터링할 수 있어 초기 스크리닝 비용 절감에 기여합니다. 분자 합성 가능성 평가가 통합되어 있어 설계 단계에서 제조 공정까지 고려한 의사결정이 가능합니다.

• 일반인이나 비전공자가 접근하기 어려운 고도로 전문화된 B2B 서비스로, 공개된 가격 정보나 무료 체험이 없어 도입 전 검증이 어렵습니다. G2나 Capterra 같은 공개 리뷰 플랫폼에서 사용자 평가를 찾기 어려워 실제 사용자 피드백 확인이 제한적입니다. Reddit이나 커뮤니티에서도 활발한 논의가 없어 투명성 측면에서 정보가 부족합니다. BBB 예측 특화로 인해 다른 약물 개발 시나리오에는 활용도가 낮을 수 있습니다.

애프트쿼리 주요 기능

• 고품질 SFT·RLHF 훈련용 전문가 제작 데이터 페어
• 추론·코딩 성능 개선을 위한 루브릭 기반 피드백
• MCP 기반 에이전트 훈련 상호작용 데이터
• 맞춤형 도메인 특화 데이터셋 제작 서비스
• 컴퓨터 사용 환경 시뮬레이션 및 데이터 수집

레버리 랩스 주요 기능

• 고정밀 혈액-뇌 장벽(BBB) 투과율 예측 엔진
• 생성형 소분자 설계 플랫폼
• 화학적 합성 가능성 통합 평가
• Ginkgo Bioworks 파운드리 기반 AI 워크플로우
• AI 기반 고속 합성 경로 탐색