애프트쿼리 vs 벨벳

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.

벨벳 장단점

• Y Combinator의 지원을 받은 신뢰할 수 있는 팀이 운영하며, 월드 모델과 비디오 생성 AI라는 명확한 시장 수요에 부합하는 서비스를 제공합니다. 데이터 제공자 입장에서는 보유한 영상 자산을 수익화할 수 있는 명확한 채널이 있다는 점이 장점이며, 구매자 입장에서는 직접 수집하기 어려운 희귀 데이터(재난 현장, 특수 산업 환경 등)를 검증된 품질로 획득할 수 있습니다. 특히 자율주행, 로보틱스, 산업 안전 AI 분야의 연구자들에게는 희소성 높은 엣지 케이스 데이터를 확보할 수 있는 실질적인 대안으로 평가받고 있습니다.

• 플랫폼이 비교적 최근에 출시되어 데이터셋의 다양성과 거래량이 아직 제한적일 수 있으며, 일반 개발자가 접근하기에는 진입 장벽이 높은 B2B 특화 서비스입니다. 가격 정책이 명확하지 않아 구매 전 별도 문의가 필요할 수 있고, 한국어 지원 여부도 불확실합니다. 또한 경쟁사인 Scale AI나 이미 구축된 대형 데이터셋 보유 기업들에 비해서는 플랫폼 인지도와 네트워크 효과가 부족한 상태입니다.

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

벨벳 주요 기능

• 월드 모델 학습에 최적화된 고품질 비디오 데이터 큐레이션
• 프론티어 연구소와 데이터 보유자를 연결하는 마켓플레이스
• 맞춤형 데이터 템플릿 및 API 액세스 제공
• 고유 데이터셋 제출 및 잠재적 매입 프로세스
• 연구자·AI 개발자·기관을 위한 고급 분석 기능