Replicate：モデルの知能、性能、料金

Replicate

この分析は、ユースケースに最適なReplicate提供モデルを選ぶための参考情報です。

最高の知能

Updated

Granite 4.0 H Small

Granite 3.3 8B (non-reasoning)

Intelligence Index

モデル合計：2件

最速

Granite 3.3 8B (non-reasoning)

44 t/s

Granite 4.0 H Small

14 t/s

出力速度

モデル合計：2件

最安料金

Granite 3.3 8B (non-reasoning)

$0.05

Granite 4.0 H Small

$0.08

ブレンド料金（100万トークンあたり）

モデル合計：2件

Replicateは2モデルを提供しており、知能、性能、料金の特性はそれぞれ異なります。以下でモデル間の主要指標を比較します。

Replicateで知能が上位のモデルはGranite 4.0 H Small（6）、Granite 3.3 8B (non-reasoning)（5）です。
出力速度が最も速いモデルはGranite 3.3 8B (non-reasoning)（44 t/s）、Granite 4.0 H Small（14 t/s）です。
遅延では、Granite 3.3 8B (non-reasoning)（9.45秒）、Granite 4.0 H Small（36.00秒）の最初の回答トークンまでの時間が最短です。
料金では、Granite 3.3 8B (non-reasoning)（$0.05）、Granite 4.0 H Small（$0.08）の100万トークンあたりのブレンド料金が最安です。
Replicateで最大のコンテキストウィンドウに対応するモデルはGranite 4.0 H Small（128k）、Granite 3.3 8B (non-reasoning)（128k）です。
Granite 3.3 8B (non-reasoning)は出力が最も速く、料金も最も優れているため、スループットと費用を重視するアプリケーションに適しています。最高品質が必要なタスクでは、Granite 4.0 H Smallが知能で首位です。

Updated

知能

Artificial Analysis Intelligence Index · Higher is better

速度

Output tokens per second · Higher is better

料金

USD per 1M tokens (blended) · Lower is better

知能評価

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 incorporates 10 evaluations: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1

Estimate (independent evaluation forthcoming)

Artificial Analysis Intelligence Index v4.3.2 includes: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Intelligence Evaluations

Intelligence evaluations measured independently by Artificial Analysis · Higher is better

AA-Briefcase v1.1Updated

Agentic knowledge work, (Elo-500)/2000

No data available

GDPval-AA v2.1Updated

Agentic real-world work tasks, (Elo-500)/2000

No data available

AutomationBench-AA

Agentic SaaS workflows

No data available

Terminal-Bench 4.0

Agentic coding & terminal use

No data available

SciCodeUnder review

Coding

No data available

Humanity's Last Exam

Reasoning & knowledge

GDP.pdf

Professional document reasoning, All-pass

No data available

CritPtUnder review

Physics reasoning

AA-Omniscience Accuracy

Knowledge

AA-Omniscience Non-Hallucination Rate

1 - hallucination rate

AA-LCR v1.1

Long context reasoning

Harvey LAB-AA

Legal agentic work, criterion pass rate

No data available

EnterpriseOps-Gym-AA

Agentic business operations

No data available

Terminal-Bench-Science 0.1New

Agentic scientific research workflows in a terminal

No data available

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

No data available

ITBench-AA

Kubernetes incident root-cause analysis

No data available

MMMU-Pro

Visual reasoning

No data available

MLCR-AA

Medical long context reasoning

No data available

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

Intelligence Indexと料金

Blended at 7:2:1 (cache-input-output) · USD per 1M tokens (blended)

Most attractive quadrant

Pareto line

While higher intelligence models are typically more expensive, they do not all follow the same price-quality curve.

コンテキストウィンドウ

Context window: tokens limit · Higher is better

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

料金

Intelligence Indexと料金

Blended at 7:2:1 (cache-input-output) · USD per 1M tokens (blended)

Most attractive quadrant

Pareto line

While higher intelligence models are typically more expensive, they do not all follow the same price-quality curve.

性能の概要

出力速度と料金

Output speed: output tokens per second · USD per 1M tokens (blended)

Most attractive quadrant

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Price per token, shown in USD per million tokens. Price is a blend of cache hit, input, and output token prices using the selected ratio (default 7:2:1 cache-input-output).

速度

出力速度（1秒あたりのトークン数）で測定

出力速度

Output tokens per second · Higher is better

Tokens per second received while the model is generating tokens (ie. after first chunk has been received from the API for models which support streaming).

Figures represent performance of the model's first-party API or the median across providers where a first-party API is not available.

遅延

最初のトークンまでの時間（秒）で測定

遅延: 最初のトークンまでの時間

Seconds to first token received · Lower is better

Time to first token received, in seconds, after API request sent. For reasoning models which share reasoning tokens, this will be the first reasoning token. For models which do not support streaming, this represents time to receive the completion.

Figures represent performance of the model's first-party API or the median across providers where a first-party API is not available.

エンドツーエンド応答時間

Seconds to output 500 tokens, calculated based on time to first token, 'thinking' time for reasoning models, and output speed

エンドツーエンド応答時間と料金

End-to-end response time: end-to-end seconds to output 500 tokens · USD per 1M tokens (blended)

Most attractive quadrant

Price per token, shown in USD per million tokens. Price is a blend of cache hit, input, and output token prices using the selected ratio (default 7:2:1 cache-input-output).


									詳細分析
Granite 4.0 H Small	128k	オープン	6*	--	14	35.79	70.92	--	モデルプロバイダー
Llama 2 Chat 7B	4.1k	オープン	6*	--	--	--	--	--	モデルプロバイダー
Llama 3 70B	8.19k	オープン	5*	--	--	--	--	--	モデルプロバイダー
Granite 3.3 8B (non-reasoning)	128k	オープン	5*	--	--	--	--	--	モデルプロバイダー
Llama 3 8B	8.19k	オープン	5*	--	--	--	--	--	モデルプロバイダー

主要な定義

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

よくある質問

Replicateに関するよくある質問

Replicateが提供し、当社が追跡しているモデルは2モデルです：Granite 4.0 H Small、Granite 3.3 8B (non-reasoning)。

Replicateで利用できるモデルのうち、知能が最も高いのはIntelligence Indexスコア6のGranite 4.0 H Smallです。

Replicateで出力速度が最も速いモデルは、毎秒44.4トークンのGranite 3.3 8B (non-reasoning)です。

Replicateで最初の回答トークンまでの時間が最短のモデルは、9.45秒のGranite 3.3 8B (non-reasoning)です。遅延が短いほど、最初の応答が速くなります。

Replicateでブレンド料金が最も安いモデルは、100万トークンあたり$0.05のGranite 3.3 8B (non-reasoning)です（キャッシュヒット／入力／出力を7:2:1とした場合）。

Replicateのモデル間では料金に最大2倍の差があり、Granite 3.3 8B (non-reasoning)の100万トークンあたり$0.05から、Granite 4.0 H Smallの$0.08までとなっています。

はい。ReplicateはOpenAI互換APIを提供しているため、OpenAIからの切り替えや既存のOpenAI SDK連携の利用が容易です。

はい。Replicateの全2モデルがオープンウェイトです。

はい。インフラストラクチャの変更、負荷分散、アップデートにより、プロバイダーの性能は時間とともに変化する場合があります。すべてのプロバイダーを継続的にベンチマークし、「推移」グラフに過去の性能傾向を表示しています。

Replicateのモデルを選ぶ際は、知能（品質を重視するタスク）、出力速度（高スループットが必要なタスク）、遅延（最初の応答の速さが必要な対話型アプリケーション）、料金（費用を重視するワークロード）、コンテキストウィンドウの規模、JSONモード、関数呼び出しへの対応などを検討してください。

Replicate：モデルの知能、性能、料金

最高の知能

最速

最安料金

知能

速度

料金

知能評価

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Intelligence Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

Intelligence Indexと料金

Price-Quality Variance

コンテキストウィンドウ

コンテキストウィンドウ

Context Window for RAG

Context Window

料金

Intelligence Indexと料金

Price-Quality Variance

性能の概要

出力速度と料金

Output Speed

Price

速度

出力速度

Output Speed

Model Performance Representation

遅延

遅延: 最初のトークンまでの時間

Latency (Time to First Token)

Model Performance Representation

エンドツーエンド応答時間

エンドツーエンド応答時間と料金

Price

主要な定義

Context Window

よくある質問

Replicateはどのモデルを提供していますか？

Replicateで最も知能が高いモデルはどれですか？

Replicateで最速のモデルはどれですか？

Replicateで遅延が最も短いモデルはどれですか？

Replicateで最も安価なモデルはどれですか？

Replicateのモデル間で料金はどの程度異なりますか？

ReplicateはOpenAI互換ですか？

Replicateはオープンウェイトモデルを提供していますか？

Replicateの性能は時間とともに変化しますか？

Replicateのモデルはどう選べばよいですか？