Replicate: 모델 지능, 성능 및 가격

Replicate

이 분석은 사용 사례에 가장 적합한 Replicate 제공 모델을 선택하는 데 도움을 드립니다.

가장 높은 지능

Updated

Granite 4.0 H Small

Granite 3.3 8B (non-reasoning)

Intelligence Index

총 모델 2개

가장 빠름

Granite 3.3 8B (non-reasoning)

44 t/s

Granite 4.0 H Small

14 t/s

출력 속도

총 모델 2개

가장 낮은 가격

Granite 3.3 8B (non-reasoning)

$0.05

Granite 4.0 H Small

$0.08

혼합 가격(토큰 100만 개당)

총 모델 2개

Replicate에서 지능, 성능, 가격 특성이 서로 다른 모델 2개를 제공합니다. 아래에서 모델별 주요 지표를 비교합니다.

Replicate에서 지능이 가장 높은 모델은 Granite 4.0 H Small(6) 및 Granite 3.3 8B (non-reasoning)(5)입니다.
출력 속도가 가장 빠른 모델은 Granite 3.3 8B (non-reasoning)(44 t/s) 및 Granite 4.0 H Small(14 t/s)입니다.
첫 답변 토큰까지 걸린 시간이 가장 짧은 모델은 Granite 3.3 8B (non-reasoning)(9.45초) 및 Granite 4.0 H Small(36.00초)입니다.
토큰 100만 개당 혼합 가격이 가장 낮은 모델은 Granite 3.3 8B (non-reasoning)($0.05) 및 Granite 4.0 H Small($0.08)입니다.
Replicate에서 가장 큰 컨텍스트 창을 지원하는 모델은 Granite 4.0 H Small(128k) 및 Granite 3.3 8B (non-reasoning)(128k)입니다.
Granite 3.3 8B (non-reasoning)은 출력이 가장 빠르고 가격도 가장 낮아 처리량과 비용에 민감한 애플리케이션에 매력적입니다. 최고의 품질이 필요한 작업에서는 Granite 4.0 H Small의 지능이 가장 높습니다.

Updated

지능

Artificial Analysis Intelligence Index · Higher is better

속도

Output tokens per second · Higher is better

가격

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

지능 평가

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 vs. 가격

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.

컨텍스트 창

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).

가격

Intelligence Index vs. 가격

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.

성능 요약

출력 속도와 가격

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).

속도

출력 속도(초당 토큰 수)로 측정

출력 속도

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.

지연 시간

첫 토큰까지 걸린 시간(초)으로 측정

지연 시간: 첫 토큰까지 걸린 시간

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.

종단 간 응답 시간

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

종단 간 응답 시간과 가격

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).


									추가 분석
Granite 4.0 H Small	128k	오픈	6*	--	14	35.79	70.92	--	모델 제공업체
Llama 2 Chat 7B	4.1k	오픈	6*	--	--	--	--	--	모델 제공업체
Llama 3 70B	8.19k	오픈	5*	--	--	--	--	--	모델 제공업체
Granite 3.3 8B (non-reasoning)	128k	오픈	5*	--	--	--	--	--	모델 제공업체
Llama 3 8B	8.19k	오픈	5*	--	--	--	--	--	모델 제공업체

주요 용어 정의

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

자주 묻는 질문

Replicate에 관한 일반적인 질문

Replicate에서 추적 중인 모델 2개를 제공합니다: Granite 4.0 H Small 및 Granite 3.3 8B (non-reasoning).

Replicate에서 제공하는 모델 중 지능이 가장 높은 모델은 Intelligence Index 점수 6점인 Granite 4.0 H Small입니다.

Replicate에서 출력 속도가 가장 빠른 모델은 초당 44.4토큰을 생성하는 Granite 3.3 8B (non-reasoning)입니다.

Replicate에서 첫 답변 토큰까지 걸린 시간이 가장 짧은 모델은 9.45초인 Granite 3.3 8B (non-reasoning)입니다. 지연 시간이 짧을수록 최초 응답을 더 빨리 받습니다.

Replicate에서 혼합 가격이 가장 낮은 모델은 토큰 100만 개당 $0.05인 Granite 3.3 8B (non-reasoning)입니다(캐시 적중/입력/출력 비율 7:2:1).

Replicate의 모델별 가격은 최대 2배 차이 납니다. Granite 3.3 8B (non-reasoning)은 토큰 100만 개당 $0.05, Granite 4.0 H Small은 $0.08입니다.

예. Replicate은 OpenAI 호환 API를 제공하므로 OpenAI에서 쉽게 전환하거나 기존 OpenAI SDK 통합을 사용할 수 있습니다.

예. Replicate의 모델 2개 모두 오픈 웨이트 모델입니다.

예. 인프라 변경, 부하 분산, 업데이트에 따라 제공업체 성능이 달라질 수 있습니다. 모든 제공업체를 지속적으로 벤치마킹하고 '시간 경과' 차트에 과거 성능 추이를 표시합니다.

Replicate에서 모델을 선택할 때는 지능(품질 중심 작업), 출력 속도(처리량 중심 작업), 지연 시간(빠른 최초 응답이 필요한 대화형 애플리케이션), 가격(비용에 민감한 워크로드), 컨텍스트 창 크기, JSON 모드, 함수 호출 지원 같은 기능을 고려하세요.

Replicate: 모델 지능, 성능 및 가격

가장 높은 지능

가장 빠름

가장 낮은 가격

지능

속도

가격

지능 평가

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Intelligence Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

Intelligence Index vs. 가격

Price-Quality Variance

컨텍스트 창

컨텍스트 창

Context Window for RAG

Context Window

가격

Intelligence Index vs. 가격

Price-Quality Variance

성능 요약

출력 속도와 가격

Output Speed

Price

속도

출력 속도

Output Speed

Model Performance Representation

지연 시간

지연 시간: 첫 토큰까지 걸린 시간

Latency (Time to First Token)

Model Performance Representation

종단 간 응답 시간

종단 간 응답 시간과 가격

Price

주요 용어 정의

Context Window

자주 묻는 질문

Replicate에서 어떤 모델을 제공하나요?

Replicate에서 지능이 가장 높은 모델은 무엇인가요?

Replicate에서 가장 빠른 모델은 무엇인가요?

Replicate에서 지연 시간이 가장 짧은 모델은 무엇인가요?

Replicate에서 가장 저렴한 모델은 무엇인가요?

Replicate의 모델별 가격 차이는 얼마나 되나요?

Replicate은 OpenAI와 호환되나요?

Replicate은 오픈 웨이트 모델을 제공하나요?

Replicate의 성능은 시간에 따라 달라지나요?

Replicate에서 모델을 어떻게 선택해야 하나요?