# Models.dev vs Replicate AI

Models.dev 每月有 200,451 次造訪，月增率 -3.9%，定價模式為免費。Replicate AI 每月有 904,038 次造訪，成長率 -8.4%，定價模式為付費。

| 指標 | [Models.dev](https://openaitools.app/tw/tool/models-dev) | [Replicate AI](https://openaitools.app/tw/tool/replicate-ai) |
| :--- | :--- | :--- |
| 網站網址 | https://models.dev | https://replicate.com |
| 分類 | AI 模型, AI API, 開源 AI 模型, AI 工具目錄 | AI API, AI 模型, AI 開發者工具, 開源 AI 模型 |
| 定價模式 | 免費 | 付費 |
| 每月造訪次數 | 200,451 | 904,038 |
| 月成長率 | -3.9% | -8.4% |
| 主要市場 | 中國 | 美國 |
| 直接造訪 | 136,316 | 577,501 |
| 評論分數 | 4.4 | 4.6 |
| 收藏數 | 0 | 5 |
| 支援平台 | 網站 | 網站 |

## Models.dev

Models.dev 要回答一個非常實際的問題：該用哪個模型，成本是多少？網站為每個項目設定形如 provider/model 的規範識別碼，因此同一模型在不同供應商下的版本可以直接比較。表格欄位包含上下文視窗、最大輸出、是否支援輸入與輸出、推理、工具呼叫、結構化輸出、溫度控制、開放或閉源權重、每百萬 token 價格，以及發布與更新日期。

由於模型發布節奏很快，該目錄以保持最新為目標，提供可排序與可搜尋的表格，能依實驗室或供應商瀏覽並篩選關鍵條件。項目同時涵蓋閉源旗艦模型與開放權重模型，既能用於成本規劃，也能用於能力調研。

專案開源且免費，定位為可被程式化取用的資料源。開發者可透過 JSON API 或型別安全 SDK 把目錄接入自家工具，因此很適合作為儀表板、路由邏輯或內部成本計算器的後端，而不只是瀏覽用的參考頁。

**價格與方案:** Models.dev 免費且開源。它本身是參考資料庫，所列價格是模型供應商收取的每百萬 token 費率，而非使用本站的費用。

- **規範模型識別碼:** 每個模型採用統一的 provider/model 格式，方便跨供應商直接對比同一模型。
- **規格對比:** 並排查看上下文視窗、輸出上限、推理、工具呼叫、結構化輸出與溫度支援。
- **價格透明:** 列出每百萬 token 的輸入輸出價格，並標註發布與更新日期。
- **開源與閉源兼顧:** 在一個可排序目錄中同時涵蓋閉源旗艦 API 與各實驗室的開放權重模型。
- **面向開發者:** 可透過 JSON API 或型別安全 SDK 取得目錄，用於自建工具與儀表板。

**優勢:** 免費開源，無需註冊帳號; 統一的規範識別碼讓跨供應商對比更可靠; 在同一張可排序表格中呈現價格、上限與能力; 提供 JSON API 與型別安全 SDK，便於程式化使用

**限制:** 它是參考目錄，並非推論或託管服務; 資料品質取決於社群與維護者能否跟上發布節奏; 介面面向開發者，對非技術使用者幾乎沒有引導

[Profile (Markdown)](https://openaitools.app/tw/tool/models-dev.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

### Models.dev 與 Replicate AI 的每月流量相比如何？

Models.dev 每月有 200,451 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？

Models.dev 的月增率為 -3.9%；Replicate AI 為 -8.4%。

### 價格相比如何？

Models.dev：免費。Models.dev 免費且開源。它本身是參考資料庫，所列價格是模型供應商收取的每百萬 token 費率，而非使用本站的費用。 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 | [Chutes](https://openaitools.app/tw/tool/chutes) | 250,187 | -15.2% | 付費 | 為開源 AI 模型提供無伺服器去中心化推理 | [.md](https://openaitools.app/tw/tool/chutes.md) |

---
來源：https://openaitools.app/tw/compare/models-dev-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)