Сравнение с другими инструментами

Оба открыты и покрывают разметку текста, изображений, аудио и видео. Potato бесплатен навсегда и не имеет тарифа Enterprise; в Community Edition у Label Studio нет ни метрик согласованности разметчиков, ни предразметки через LLM; платные тарифы дают и то и другое, ограниченно в Starter ($99 в месяц плюс $49 за каждого дополнительного пользователя) и полностью в Enterprise (цена по запросу). У Potato есть и то, чего у Label Studio нет: многофазные сценарии (согласие → обучение → разметка → опрос), оценка компетентности разметчиков по MACE, поведенческая телеметрия (клавиатура, мышь, тайминги), 55 валидированных опросных методик, встроенная интеграция с MTurk и Prolific и полноценная инфраструктура оценки агентов с 13 форматами трасс. Конфигурация — YAML, а не XML-шаблоны.

Да. Potato закрывает основные возможности Prodigy — классификацию текста, NER-спаны, отношения, сегментацию аудио и видео, ограничивающие рамки на изображениях, активное обучение, согласованность разметчиков, арбитраж — и добавляет многофазные исследовательские сценарии, MACE, поведенческую телеметрию, более широкую поддержку провайдеров LLM, Solo Mode и оценку агентов. Конфигурация — YAML (рецепты на Python не нужны). Potato бесплатен и открыт; Prodigy стоит около $490 за место (для академии есть бесплатные лицензии). Схема триажа в Potato покрывает сценарий accept/reject из Prodigy.

INCEpTION остаётся сильнейшей платформой для сложной лингвистической разметки со связыванием с базами знаний (Wikidata, DBPedia, OWL, SKOS) и развитой работой с кореференцией. Potato не уступает INCEpTION в основных возможностях по спанам, отношениям, событиям и кореференции и добавляет разметку изображений, аудио и видео, полноценную оценку агентов, конфигурацию в YAML (без Java и XML), многофазные сценарии, опросы, поведенческую телеметрию, более широкую интеграцию с ИИ и LLM и более лёгкое развёртывание на Python и Flask. Берите INCEpTION для проектов с глубоким связыванием с базами знаний, Potato — для всего остального.

Для типичных задач разметки в компьютерном зрении — да. Potato поддерживает ограничивающие рамки, полигоны, полилинии, эллипсы, двумерные кубоиды, скелеты ключевых точек, маски сегментации, трекинг на видео, трёхмерные облака точек и кубоиды, карты глубины и калибровку камеры с лидаром, а экспортирует в COCO (с масками RLE), YOLO, Pascal VOC, KITTI и ещё 25 форматов. Сегментация по клику и разметка по текстовому промпту работают прямо в браузере без GPU. CVAT по-прежнему глубже для больших конвейеров исключительно по компьютерному зрению: атрибуты у каждого объекта, более развитое управление задачами и заданиями и более широкая экосистема форматов через Datumaro. У CVAT нет поддержки NLP, а согласованность он показывает как сырой IoU или точное совпадение, без поправки на случайность. Берите Potato, когда работа по зрению соседствует с текстом, аудио или задачами оценки, либо когда нужна обоснованная согласованность между разметчиками.

doccano проще развернуть для базовой классификации текста и NER, но Potato предлагает заметно больше: 61 тип разметки помимо текста (изображения, аудио, видео, трассы агентов), интеграцию с ИИ и LLM через множество типов эндпоинтов, активное обучение с 5 стратегиями отбора, контроль качества (проверки внимательности, эталонные примеры, MACE), многофазные исследовательские сценарии, валидированные опросные методики, встроенную интеграцию с краудсорсингом (MTurk, Prolific) и инфраструктуру оценки агентов.

Три причины. **Стоимость**: коммерческие платформы берут от $1000 до $10 000+ в месяц; Potato бесплатен навсегда. **Приватность данных**: Potato разворачивается у вас, поэтому чувствительные данные (медицинские записи, закрытые материалы, внутренние трассы) не покидают вашу инфраструктуру. **Исследовательские сценарии**: коммерческие платформы нацелены на промышленную разметку, а Potato изначально поддерживает академические практики (многофазные исследования, процедуры информированного согласия под требования этического комитета, поведенческую телеметрию для исследований человеческого фактора, валидированные опросы после исследования, оценку компетентности по MACE и выплаты в краудсорсинге). Potato опубликован на ACL 2026 и EMNLP 2022 и получил награду за лучшее демо на HCOMP 2024.

Некоторые возможности уникальны или почти уникальны. **Инфраструктура оценки агентов**: наблюдение за веб-сёрфингом вживую с перехватом управления, отрисовка трасс кодовых агентов (Claude Code, Cursor, Aider, SWE-Agent), пошаговая разметка ошибок через trajectory_eval. **Solo Mode** с каскадной эскалацией по уверенности для качества при одном разметчике. **Оценка компетентности разметчиков по MACE** для взвешивания меток, вызывающих разногласия. **Обоснования от ИИ**, объясняющие каждую предложенную метку. **55 валидированных опросных методик** (SUS, NASA-TLX, UMUX, AttrakDiff) для оценки после исследования. **Разметка n-арных событий**, **разметка деревьев зависимостей** через связывание спанов. **8 типов источников данных**, включая Google Drive, Dropbox, S3, HuggingFace, Google Таблицы и базы данных. **Многофазные сценарии** с ветвлением.

Да. То, что в других местах закрыто платными тарифами, в Potato бесплатно: согласованность разметчиков (каппа Коэна, каппа Фляйса, альфа Криппендорфа), интерфейс арбитража разногласий, эталонные примеры, проверки внимательности, оценка по эталону, SSO/OAuth (Google, GitHub, произвольный OIDC), интеграция через вебхуки с подписью HMAC-SHA256, экспорт в HuggingFace Hub с автоматически сгенерированными DatasetCard, интеграция с несколькими провайдерами LLM и полное журналирование действий. Оговорка: разворачивать нужно самим. Управляемого облачного тарифа нет.