# Lunit vs Replicate AI Lunit 每月有 29,181 次造訪，月增率 -12.8%，定價模式為需聯絡報價。Replicate AI 每月有 904,038 次造訪，成長率 -8.4%，定價模式為付費。 | 指標 | [Lunit](https://openaitools.app/tw/tool/lunit) | [Replicate AI](https://openaitools.app/tw/tool/replicate-ai) | | :--- | :--- | :--- | | 網站網址 | https://www.lunit.io/en | https://replicate.com | | 分類 | AI 醫療健康, AI 醫學診斷, AI 影像辨識 | AI API, AI 模型, AI 開發者工具, 開源 AI 模型 | | 定價模式 | 需聯絡報價 | 付費 | | 每月造訪次數 | 29,181 | 904,038 | | 月成長率 | -12.8% | -8.4% | | 主要市場 | 南韓 | 美國 | | 直接造訪 | 8,314 | 577,501 | | 評論分數 | 4.6 | 4.6 | | 收藏數 | 1 | 5 | | 支援平台 | 網站 | 網站 | ## Lunit Lunit 是一家總部設於韓國首爾的醫療 AI 公司，脫胎於深度學習研究，專注於腫瘤學領域。它沒有追求通用型醫療 AI，而是建構了兩個相互連結的產品族：一類協助醫師在影像中更早發現癌症，另一類從組織中提取定量生物學資訊以指引治療與藥物研發。其技術已覆蓋廣泛的國際市場，涉及 70 多個國家的 10,000 多個客戶據點，背後有數百篇同儕審查論文與產業合作支撐。 在篩檢方面，Lunit INSIGHT 系列負責分析乳房 X 光片與胸部 X 光片。Lunit INSIGHT MMG 處理 2D 乳房攝影，Lunit INSIGHT DBT 涵蓋 3D 乳房斷層攝影，兩者都會標出可疑區域，協助放射科醫師優先處理最需要關注的檢查。Lunit INSIGHT CXR 對胸片做同樣的事。圍繞這些偵測引擎，Lunit 還建置了計畫級工具：密度評估、風險評估與風險路徑、即時乳房攝影報告、品質管理、分析以及病患中心，讓篩檢機構能把 AI 當作日常工作流程的一部分，而非孤立的試驗。 在精準腫瘤學方面，Lunit SCOPE 系列分析病理影像。Lunit SCOPE IO 量化腫瘤微環境與免疫細胞浸潤，這對免疫治療策略至關重要；Lunit SCOPE IHC 套件則支援 HER2、PD-L1 等標記的免疫組織化學量化，並提供基因型預測工具。這些產品面向生技製藥夥伴、臨床試驗團隊與伴隨診斷開發，因為可重複的定量讀取正是此環節的瓶頸。由於 Lunit 的客戶是醫院、篩檢計畫與製藥公司，其價格由業務直接報價而不公開發布，且各市場的監管狀態不同。 **價格與方案:** 需聯繫詢價。Lunit 向醫院、篩檢計畫與生技製藥夥伴銷售企業級軟體與平台授權，商務條件與部署成本均透過其業務團隊直接報價，不提供公開價目表。 - **Lunit INSIGHT MMG 與 DBT:** 對 2D 與 3D 乳房攝影進行深度學習分析並標示可疑病灶，協助放射科醫師更早發現乳癌、減少漏診。 - **Lunit INSIGHT CXR:** 胸部 X 光分析，突顯結節等潛在異常，協助高負荷影像科更快完成分流。 - **Lunit SCOPE IO:** 透過病理切片量化腫瘤浸潤淋巴細胞與免疫表型，為免疫治療研究提供依據。 - **Lunit SCOPE IHC 套件:** AI 輔助免疫組織化學量化，涵蓋 HER2、PD-L1 等標記，包括 uIHC 與基因表現預測工具，達成標準化評分。 - **篩檢分析與工作流程工具:** 即時乳房攝影報告、風險評估、風險路徑、品質管理以及面向病患的工具，把 AI 融入整體篩檢流程。 **優勢:** 影像 AI 經臨床驗證，具備公開的監管許可與已發表證據; 覆蓋癌症診療路徑兩端——篩檢偵測與精準腫瘤學生物標記——可統一對接同一供應商; 在多个國家擁有大量真實部署，整合經驗與工作流程實務已經成熟; 研究成果豐富並與生技製藥夥伴合作，為臨床試驗與伴隨診斷提供可信度 [Profile (Markdown)](https://openaitools.app/tw/tool/lunit.md) ## Replicate AI Replicate is a cloud API for running, fine-tuning, and deploying machine learning models. Spin up open-source and hosted models — from image, video, and audio generation to speech synthesis, captioning, and LLM inference — with one line of code, or package your own model with Cog and put it behind a production-ready API. **價格與方案:** Paid, usage-based — you only pay for what you use. Most public models are billed by runtime at per-second hardware rates; some models are billed per input and output (for example, $0.04 per output image on Flux 1.1 Pro, $3.75 per million input tokens on DeepSeek R1). Published GPU hardware ranges from about $0.81/hr for a T4 up to roughly $43.92/hr for 8x H100. Private deployments bill for setup, idle, and active time on dedicated hardware, and you can start for free. Enterprise and volume discounts available. - **Thousands of models behind one API:** Run image, video, audio, speech, and language models through a uniform API surface, with official models for FLUX, Nano Banana, Seedream, Grok Imagine, MiniMax, Wan, Seedance, and more. - **One-line-of-code inference:** Set up a model in minutes and make an API call in Python, Node, or plain HTTP after authenticating with an API token. - **Cog packaging and custom deployments:** Package your own model with Cog, an open-source tool for packaging machine learning models, and deploy it on dedicated hardware that scales up and down with demand. - **Model fine-tuning:** Fine-tune models on your own data, including fast-booting fine-tunes that are billed only while actively processing requests rather than for idle time. - **Published hardware and inference rates:** Transparent per-second hardware rates across CPU, T4, L40S, A100, H100, and H200 configurations, with committed-spend options for multi-GPU capacity. **優勢:** Very broad model catalog spanning image, video, audio, speech, and LLMs behind one consistent API; Usage-based billing with openly published per-second hardware and per-output model rates; Cog makes it straightforward to package and deploy your own private models; Automatic scaling handles traffic spikes without manual capacity planning **限制:** Costs are consumption-based and can rise quickly with heavy traffic or always-on private deployments; Private models bill for idle and setup time, not just request processing, unless they are fast-booting fine-tunes; Long-running GPU models can queue on shared public capacity during peak periods; It is an infrastructure layer, so you still need your own prompts, pipelines, and application code [Profile (Markdown)](https://openaitools.app/tw/tool/replicate-ai.md) ## 常見問題 ### Lunit 與 Replicate AI 的每月流量相比如何？ Lunit 每月有 29,181 次造訪，而 Replicate AI 有 904,038。流量估算反映受眾規模，並非產品品質。 ### 兩者的成長率相比如何？ Lunit 的月增率為 -12.8%；Replicate AI 為 -8.4%。 ### 價格相比如何？ Lunit：需聯絡報價。需聯繫詢價。Lunit 向醫院、篩檢計畫與生技製藥夥伴銷售企業級軟體與平台授權，商務條件與部署成本均透過其業務團隊直接報價，不提供公開價目表。 Replicate AI：付費。Paid, usage-based — you only pay for what you use. Most public models are billed by runtime at per-second hardware rates; some models are billed per input and output (for example, $0.04 per output image on Flux 1.1 Pro, $3.75 per million input tokens on DeepSeek R1). Published GPU hardware ranges from about $0.81/hr for a T4 up to roughly $43.92/hr for 8x H100. Private deployments bill for setup, idle, and active time on dedicated hardware, and you can start for free. Enterprise and volume discounts available. ## 替代方案 | # | 工具名稱 | 每月造訪次數 | 月成長率 | 定價模式 | Summary | Profile (Markdown) | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 1 | [OpenRouter](https://openaitools.app/tw/tool/openrouter-ai) | 19,941,437 | -6.2% | 付費 | 擅長跨各種供應商路由文字與多模態提示詞，但缺乏 Replicate 的專屬自訂 ML 部署。 | [.md](https://openaitools.app/tw/tool/openrouter-ai.md) | | 2 | [fal.ai](https://openaitools.app/tw/tool/fal-ai) | 3,093,684 | -3.7% | Paid, pay-as-you-go usage-based pricing | 影像與視訊模型的無伺服器執行速度更快，但自訂模型部署的通用性不如 Replicate。 | [.md](https://openaitools.app/tw/tool/fal-ai.md) | | 3 | [Together AI](https://openaitools.app/tw/tool/together-ai) | 1,645,930 | +64.9% | 免費增值、付費 | 更著重於 LLM 推論與微調，但缺乏 Replicate 那種由社群策展的多樣化媒體模型目錄。 | [.md](https://openaitools.app/tw/tool/together-ai.md) | | 4 | [Unsloth AI](https://openaitools.app/tw/tool/unsloth-ai) | 887,457 | -17.6% | 免費 | Specializes specifically in ultra-efficient model fine-tuning, rather than providing a general-purpose model hosting API. | [.md](https://openaitools.app/tw/tool/unsloth-ai.md) | | 5 | [Atlas Cloud](https://openaitools.app/tw/tool/atlas-cloud) | 777,031 | -16.4% | 付費 | Offers a broad mix of generative media models via API, but lacks Replicate's massive community deployment ecosystem. | [.md](https://openaitools.app/tw/tool/atlas-cloud.md) | | 6 | [Fireworks](https://openaitools.app/tw/tool/fireworks-ai) | 659,687 | +6% | 需聯絡報價 | 為開源模型提供極快的推論速度，但模型選擇比 Replicate 少。 | [.md](https://openaitools.app/tw/tool/fireworks-ai.md) | | 7 | [DeepInfra](https://openaitools.app/tw/tool/deep-infra) | 457,810 | -8.9% | 付費 | 執行開源權重模型的價格便宜得多，但提供的進階自訂訓練與部署功能較少。 | [.md](https://openaitools.app/tw/tool/deep-infra.md) | | 8 | [Pollinations](https://openaitools.app/tw/tool/pollinations) | 316,875 | +22.8% | 免費 | 面向生成式 AI 開發者的開放基礎設施與統一 API | [.md](https://openaitools.app/tw/tool/pollinations.md) | | 9 | [Novita AI](https://openaitools.app/tw/tool/novita-ai) | 271,371 | -10.4% | 付費 | 提供平價的無伺服器 GPU 執行與多樣化的模型 API，但開發者生態系較不成熟。 | [.md](https://openaitools.app/tw/tool/novita-ai.md) | | 10 | [ScanSkinAI](https://openaitools.app/tw/tool/scanskinai) | 265,770 | -10.9% | 免費增值、付費 | 免費 AI 皮膚與痣掃描，可選皮膚科醫師複核 | [.md](https://openaitools.app/tw/tool/scanskinai.md) | --- 來源：https://openaitools.app/tw/compare/lunit-vs-replicate-ai More Markdown: [分類](https://openaitools.app/tw/categories.md) · [流量排名](https://openaitools.app/tw/rankings.md) · [llms.txt](https://openaitools.app/tw/llms.txt)