TL;DR
- Replicate 사용법의 핵심은 한 줄이다. 모델 이름과 입력을 넘기면 결과가 돌아온다. GPU를 빌리거나 환경을 맞출 필요가 없다.
- 과금 방식이 모델마다 다르다. 하드웨어 사용 시간으로 매기는 모델과 결과물 개수로 매기는 모델이 있다.
- 남의 모델을 쓰는 것뿐 아니라 자기 모델을 올려 배포할 수도 있다.
Replicate 사용법을 찾는 시점은 대개 이미지나 영상 생성 모델을 써보려는 때다.
오픈소스 모델을 직접 돌리려면 GPU를 구하고, 의존성을 맞추고, 가중치를 받고, 추론 코드를 짜야 한다.
시험 삼아 해보기에는 준비가 너무 길다.
Replicate는 그 준비를 없앤다.
모델 페이지에서 이름을 복사하고 입력을 넘기면 결과가 돌아온다.
공식 홈의 예제 코드가 여섯 줄 남짓이다.
아래는 첫 실행부터 과금 방식 파악, 자기 모델 올리기까지를 공식 문서와 요금 안내 기준으로 정리한 것이다.
한 줄로 돈다는 게 무슨 뜻인가
공식 홈이 보여주는 자바스크립트 예제는 이런 형태다.
클라이언트를 만들고, 모델 이름과 입력을 넘기고, 결과를 받는다.
const replicate = new Replicate({ auth: process.env.REPLICATE_API_TOKEN })
const [output] = await replicate.run(model, { input })파이썬과 HTTP 직접 호출도 같은 구조로 제공된다.
여기서 model은 조직명/모델명 형식의 문자열이라, 다른 모델로 바꾸려면 그 문자열만 교체하면 된다.
이 구조가 만드는 차이는 시험 비용이다.
이미지 모델 다섯 개를 비교하고 싶으면 문자열 다섯 개를 순서대로 넣어보면 된다.
각각을 직접 돌리려 했다면 며칠이 걸릴 일이다.
Replicate 사용법, 첫 실행까지
- 계정을 만들고 API 토큰을 발급받습니다.
- 모델 탐색 페이지에서 하려는 작업에 맞는 모델을 찾습니다. 이미지 생성, 음성 생성, 음악, 이미지 복원, 영상 생성, 이미지 캡션, 언어 모델 같은 분류가 있습니다.
- 모델 페이지에서 입력 항목과 예상 비용을 확인합니다. 각 모델 페이지에 비용 추정이 표시됩니다.
- 브라우저에서 먼저 돌려봅니다. 코드를 짜기 전에 결과를 확인하는 단계입니다.
- 마음에 들면 페이지에 나온 코드를 복사해 붙입니다.
- 토큰을 환경변수로 넣고 실행합니다.
- 결과 파일을 어디에 저장할지 정합니다. 출력이 URL로 오므로 내려받아 보관하는 처리가 필요합니다.
3번을 건너뛰면 비용 예측이 어긋난다.
모델마다 과금 단위가 다르기 때문에 페이지에 적힌 추정치를 보는 게 가장 정확하다.
과금 단위가 모델마다 다르다
이 부분이 처음 쓸 때 가장 헷갈린다.
공식 요금 안내가 두 가지 방식을 설명한다.
하드웨어와 시간으로 매기는 방식이 대부분이다.
요청을 처리하는 데 걸린 시간만큼 내고, 초당 단가는 어떤 하드웨어에서 도는지에 따라 다르다.
무거운 모델일수록 좋은 GPU를 쓰고 그만큼 단가가 올라간다.
입력과 출력으로 매기는 방식도 있다.
이미지 생성 모델에서 자주 보이는데, 결과 이미지 한 장당 얼마 식이다.
공개된 예시로는 이미지 한 장에 $0.04, 다른 모델은 $0.025 같은 값이 요금 페이지에 적혀 있다.
더 빠르고 싼 모델도 함께 안내된다.
계산이 갈리는 지점은 이렇다.
시간 기준 모델은 프롬프트가 복잡하거나 해상도가 높으면 비용이 늘어난다.
개수 기준 모델은 결과물 수만 세면 되므로 예측이 쉽다.
대량 생성이 예정돼 있다면 개수 기준 모델이 예산 잡기에 편하다.
자기 모델을 올리는 경로
Replicate가 남의 모델 실행기만은 아니다.
문서에 자기 모델을 올려 배포하는 절차가 정리돼 있다.
경로가 몇 가지로 나뉜다.
직접 푸시하는 방식, 깃허브 액션으로 게시하는 방식, 표준 라이브러리 형식의 모델을 올리는 방식이 각각 문서화돼 있다.
CI/CD 파이프라인을 구성하는 안내도 별도로 있다.
이미지 모델을 파인튜닝하는 경로와, 파인튜닝 결과를 어디에 저장할지 정하는 항목도 준비돼 있다.
자기 데이터로 학습한 모델을 API 뒤에 두고 제품에서 부르는 구성이 가능하다는 뜻이다.
공개 여부도 고를 수 있다.
비공개 모델로 두면 자기 계정에서만 부른다.
운영에 넣을 때 볼 것
시험을 넘어 제품에 넣는다면 문서의 예측 관련 항목을 봐야 한다.
예측 수명주기가 정리돼 있다.
요청을 만들고, 상태를 확인하고, 결과를 받는 흐름이다.
오래 걸리는 모델은 결과를 기다리는 대신 웹훅으로 받는 방식이 낫다.
스트리밍 출력을 지원하는 모델이 있다.
언어 모델처럼 결과가 순차적으로 나오는 경우 사용자에게 먼저 보여줄 수 있다.
배포라는 개념이 따로 있다.
특정 모델을 전용 자원에 올려두고 쓰는 방식이라, 요청마다 준비 시간이 드는 문제를 줄인다.
트래픽이 꾸준한 서비스라면 검토 대상이다.
요청 한도와 안전성 검사, 데이터 보관 정책도 각각 문서화돼 있다.
사용자 입력을 그대로 모델에 넘기는 서비스라면 이 항목들을 먼저 읽는 편이 좋다.
AI 코딩 도구와 연결하기
2026년에 추가된 항목 중 눈에 띄는 게 스킬이다.
코딩 도구에 Replicate 사용 지식을 넣는 마크다운 파일 묶음이고, 한 줄로 설치한다.
npx skills add replicate/skills여기에 담기는 건 모델을 찾고 비교하고 API로 실행하는 방법, 그리고 이미지·영상 생성 모델의 프롬프트 작성 요령이다.
공개된 규격을 따르기 때문에 Claude Code, OpenCode, Codex 같은 도구에서 함께 동작한다.
MCP 서버와는 역할이 다르다고 문서가 구분한다.
MCP는 도구를 주고, 스킬은 그 도구를 잘 쓰는 지식을 준다.
어떤 모델을 고를지, 프롬프트를 어떻게 쓸지, 무엇을 맞바꾸는지에 대한 내용이다.
한계와 안 맞는 경우
- 지연이 아주 짧아야 하는 서비스. 요청마다 모델을 준비하는 시간이 들 수 있어 전용 배포를 검토해야 한다.
- 비용 예측이 엄격한 경우. 시간 기준 모델은 입력에 따라 비용이 움직인다.
- 데이터를 외부로 보낼 수 없는 경우. 관리형 서비스라 요청이 밖으로 나간다.
- 모델을 직접 깊게 손봐야 하는 경우. 실행 환경이 감싸여 있어 세밀한 통제에는 제약이 있다.
제품 만들 때 가져갈 설계
첫째는 시험 비용을 없앤 점이다.
모델을 쓰기 전에 준비해야 하는 것이 많으면 대부분은 시도조차 하지 않는다.
그 준비를 제거하니 비교와 선택이 일상적인 행동이 됐다.
둘째는 비용 추정을 모델 페이지마다 붙인 방식이다.
과금 단위가 제각각인 상황에서 사용자에게 요금표를 읽으라고 하는 대신, 각 모델 옆에 예상 비용을 적어 판단 지점에 정보를 뒀다.
셋째는 도구와 지식을 나눈 구분이다.
API를 열어주는 것과 그 API를 잘 쓰는 법을 알려주는 건 다른 문제인데, 후자를 별도 산출물로 만들어 배포했다.
실행 체크리스트
- 계정을 만들고 API 토큰을 발급받습니다.
- 하려는 작업 분류에서 모델 후보를 두세 개 고릅니다.
- 각 모델 페이지에서 과금 방식과 예상 비용을 확인합니다.
- 브라우저에서 먼저 돌려 결과를 비교합니다.
- 대량 생성 계획이 있으면 개수 기준 과금 모델을 우선 봅니다.
- 코드에 붙이고 토큰을 환경변수로 관리합니다.
- 출력이 URL로 오므로 저장 처리를 함께 만듭니다.
- 오래 걸리는 모델은 웹훅으로 결과를 받습니다.
- 트래픽이 꾸준하면 전용 배포로 준비 시간을 줄입니다.
자주 묻는 질문
Replicate는 어떻게 과금되나요
모델마다 다릅니다.
대부분은 처리에 걸린 시간과 사용한 하드웨어로 계산되고, 일부는 결과물 개수로 매겨집니다.
각 모델 페이지에 예상 비용이 표시됩니다.
GPU를 따로 준비해야 하나요
필요 없습니다.
모델 이름과 입력만 넘기면 Replicate 쪽 하드웨어에서 실행되고 결과가 돌아옵니다.
내가 만든 모델을 올릴 수 있나요
직접 푸시하거나 깃허브 액션으로 게시하는 경로가 문서화돼 있습니다.
비공개로 두고 자기 계정에서만 부르는 것도 가능합니다.
결과를 실시간으로 보여줄 수 있나요
스트리밍 출력을 지원하는 모델이 있어 결과가 나오는 대로 보여줄 수 있습니다.
오래 걸리는 작업은 웹훅으로 완료를 통지받는 방식이 적합합니다.
