휴먼 아카이브 vs 라이너

휴먼 아카이브 장단점

• 스탠포드와 버클리 출신의 창업진이 현장 중심의 실행력을 바탕으로 '에이전틱 AI(Embodied AI)'의 핵심인 물리적 데이터 병목 현상을 정면으로 해결하고 있습니다. 특히 시각, 촉각, 소리를 하나로 통합한 정렬된(Aligned) 데이터는 차세대 휴머노이드 로봇 학습에 필수적인 고부가가치 자산으로 평가받습니다. Y Combinator(W26) 배치를 통해 기술력을 인정받았으며, 저비용 하드웨어를 활용해 데이터 수집의 경제성을 확보함으로써 고품질 데이터셋의 대중화를 이끌 잠재력이 큽니다.

• 2026년에 설립된 극초기 스타트업인 만큼 데이터의 장기적인 정밀도와 신뢰성에 대한 업계의 검증 기간이 더 필요합니다. 전 세계에 배포된 하드웨어 기기들의 유지보수 및 데이터 품질 일관성을 유지하는 운영적 난도가 매우 높을 것으로 예상되며, 이는 비용 증가의 원인이 될 수 있습니다. 또한 철저히 로봇 제조사와 연구소를 위한 B2B 서비스로 설계되어 있어 일반 개발자가 개별적으로 접근하거나 소량의 데이터만 구매하기에는 진입 장벽이 높다는 한계가 있습니다.

라이너 장단점

• 답변에 출처가 함께 표기돼 사실 확인이 빠르고, 학술 자료 기반이라 일반 챗봇보다 근거를 따져 보기 좋습니다
• GPT·Claude·Gemini 등 여러 모델을 한 화면에서 골라 같은 질문에 다른 답을 비교할 수 있습니다
• 검색 결과를 인용·레퍼런스로 자동 정리하거나 최대 20장 슬라이드로 바꿔 줘 리서치 후속 작업이 줄어듭니다
• Liner Scholar로 학술 데이터베이스에 특화된 심층 리서치까지 같은 생태계에서 이어 갈 수 있습니다

• 무료 플랜은 고급 검색이 하루 3회, 에이전트 크레딧이 월 100개로 제한돼 본격적으로 쓰려면 유료 전환이 사실상 필요합니다
• 강점이 검색·리서치에 쏠려 있어 긴 글쓰기나 코드 작성이 주 목적이라면 전용 도구가 더 낫습니다
• 답변이 출처를 인용하더라도 인용한 자료 자체의 신뢰도와 맥락은 사용자가 직접 검증해야 합니다

휴먼 아카이브 주요 기능

• 자체 설계 하드웨어 기반 하루 최대 8,000시간 데이터 수집
• 멀티모달(시각·촉각·동작) 데이터 정렬 최적화
• 대규모 데이터 익명화 및 HITL 주석 파이프라인
• 125개 이상 국가 파트너십 기반 50,000+ 글로벌 기여자 네트워크
• 로봇 파운데이션 모델 전용 데이터셋 공급

라이너 주요 기능

• OpenAI, Anthropic, Google, Meta 등 8개 최신 AI 모델 선택 지원
• 출처 기반 AI 검색 및 학술 논문 연구 통합 워크플로우
• Liner Scholar: 학술 데이터베이스 기반 정확한 연구 보조
• 인용 및 레퍼런스 자동 생성
• 10,000,000명 이상의 학생·연구자 커뮤니티
• 50개국 이상에서 사용되는 다국어 지원