Replicate API 사용법: 모델 선택부터 배포·요금·운영 제약까지

2026년 11월 5일 Replicate의 당시 요금표와 문서를 기준으로 확인했습니다. 문서에 명시된 동작과 계산한 비용 예시를 바탕으로 평가합니다.

Replicate API는 어떤 서비스인가요?

Replicate는 입력을 받아 결과를 반환하도록 패키징된 프로그램, 즉 모델을 자체 관리 인프라에서 실행합니다. 애플리케이션이 프롬프트, 파일 등 모델에 맞는 입력을 보내면 Replicate는 개별 실행을 뜻하는 prediction을 생성하고 결과 또는 나중에 상태를 조회할 작업 식별자를 반환합니다. 카탈로그에는 오픈 소스 모델과 독점 모델이 모두 있으므로, Replicate에서 제공한다는 이유만으로 오픈 소스라고 볼 수는 없습니다. 현재 Replicate는 Cloudflare 소유입니다. Replicate의 2025년 11월 발표에서는 브랜드와 API를 유지한다고 밝혔고, Cloudflare의 인수 완료 발표에서는 2025년 12월 1일 공식 편입을 확인했습니다. 그렇다고 모든 Replicate 모델이 엣지에서 호스팅되는 것은 아닙니다. 실제 사용할 엔드포인트의 문서에 명시된 기능을 기준으로 판단해야 합니다.

Replicate는 누구에게 적합한가요?

사용자, 작업, 파일을 처리할 기반이 있는 제품에 모델 추론, 즉 학습된 모델을 실행하는 기능을 추가하려는 개발자에게 적합합니다. SaaS 앱의 이미지 생성 기능, 비동기 영상 편집기, 자체 이미지 분류기 모두 이런 구성을 활용할 수 있습니다. GPU 서버 운영은 맡길 수 있지만, 제품 워크플로와 결과물의 품질 판단은 여전히 직접 책임져야 합니다.

어떤 서비스를 후보에 넣을지는 배포할 워크로드에 따라 달라집니다. 아래 비교는 용도에 따른 판단이며, 속도를 실측해 매긴 순위가 아닙니다.

커스텀 GPU 애플리케이션과 실행 환경을 Python으로 정의하고 싶다면 Modal이 더 잘 맞습니다. 코드로 실행 환경을 정의하는 방식 덕분에 애플리케이션 수준의 제어 범위가 넓지만, 직접 관리할 서빙 코드도 늘어납니다. 이 선택이 비용에 어떻게 반영되는지는 Modal 요금을 참고하면 됩니다.

fal AI와 Replicate, 어떻게 선택하나요?

생성형 미디어가 중심인 제품이라면 fal을 우선 비교할 만합니다. 같은 애플리케이션에서 커뮤니티 모델이나 직접 패키징한 모델도 필요하다면 Replicate를 우선 검토할 만합니다. 양쪽 모두 원하는 모델을 제공한다면 해당 엔드포인트의 입력 옵션, 출력 과금 단위, 운영 제어 기능, 데이터 정책을 비교해야 합니다. 어느 플랫폼이 항상 더 빠르거나 저렴하다는 식의 주장은 구매 기준으로 유용하지 않습니다.

이미 지속적으로 사용할 하드웨어 용량을 구매하는 단계라면 카탈로그부터 비교할 필요가 없습니다. 그다음 선택은 더 넓은 범위를 다루는 GPU 클라우드 제공업체 비교에서 확인할 수 있습니다. 마찬가지로 완성된 고객 지원 에이전트나 영상 편집 앱을 찾는 비개발자라면 애플리케이션을 구매하는 편이 맞습니다. 모델 엔드포인트만으로는 직접 만들어야 할 제품 기능이 상당히 남습니다.

모델 선택부터 API 호출까지

Replicate의 첫 연동 자체는 간단합니다. 다만 애플리케이션이 무엇을 보내고 받을지는 각 모델의 API 스키마, 즉 허용하는 입력과 반환 필드가 결정합니다.

Replicate AI 모델은 어떻게 구분되나요?

Replicate는 공식 모델과 커뮤니티 모델을 구분합니다. 공식 모델 문서는 항상 준비된 인스턴스, 안정적인 입출력 API, 지속적인 유지보수, 예측 가능한 입력 또는 출력 기준 과금을 약속합니다. 공식 모델은 버전 식별자 없이 소유자와 모델 이름만으로 호출할 수 있습니다.

커뮤니티 모델 문서에 명시된 조건은 다릅니다. API 호출 시 특정 버전을 지정하며, 일반적으로 하드웨어 사용 시간에 따라 과금되고, 사용 빈도가 낮은 모델에서는 콜드 부팅이 발생할 수 있습니다. 버전 고정은 특정 패키지 리비전을 요청한다는 뜻이지, 모든 모델의 라이선스나 입력 필드가 같다는 뜻이 아닙니다.

제품 기능에 사용할 모델은 연동 코드를 작성하기 전에 선택해야 합니다. 라이선스, 허용 파일 형식, 필수 매개변수, 출력 구조, 과금 단위를 확인해야 합니다. 이미지 모델의 요청 예제를 복사한 뒤 이름만 음성 모델로 바꿔서는 충분하지 않습니다. 필요한 입력이 다르기 때문입니다.

Replicate로 AI 이미지를 생성하는 방법

Replicate는 개별 모델 엔드포인트로 이미지 생성 기능을 제공합니다. 예를 들어 Black Forest Labs FLUX Schnell은 텍스트 프롬프트를 받아 생성한 이미지를 반환합니다. 콘셉트 이미지 생성 기능을 추가하려는 창업자라면 먼저 브라우저 인터페이스에서 모델 입력을 정한 뒤 백엔드에서 같은 스키마를 사용할 수 있습니다.

계정에서 API 토큰을 만들고 백엔드의 REPLICATE_API_TOKEN 환경 변수에 저장합니다. Replicate의 토큰 문서는 토큰을 비밀번호처럼 취급하도록 안내합니다. 브라우저에 전달되는 코드에 넣지 말고 환경마다 별도 토큰을 사용해야 합니다.

환경 변수를 설정하면 아래 HTTP 요청을 실행할 수 있습니다. 실행 시 본인의 Replicate 계정을 사용하며 해당 모델의 요금이 발생할 수 있습니다.

curl --fail-with-body --silent --show-error \
  https://api.replicate.com/v1/models/black-forest-labs/flux-schnell/predictions \
  --request POST \
  --header "Authorization: Bearer $REPLICATE_API_TOKEN" \
  --header "Content-Type: application/json" \
  --header "Prefer: wait" \
  --data '{"input":{"prompt":"A matte ceramic teapot on a wooden kitchen table","num_outputs":1}}' \
  > prediction.json

응답은 prediction 객체입니다. HTTP 요청이 성공했다고 생성까지 끝났다고 가정하지 말고 status, output, error 필드를 확인해야 합니다. 예측 생성 문서에 따르면 Prefer: wait 사용 시 기본 대기 시간은 60초입니다. 이는 요청의 대기 설정이며, 응답 지연 시간을 보장하는 수치가 아닙니다. 실행이 끝나지 않았다면 starting 또는 processing 상태의 prediction과 이후 상태를 조회할 urls.get 주소가 반환됩니다.

기본 비동기 동작을 사용하려면 Prefer: wait를 제거합니다. 그러면 API는 완료를 기다리지 않고 작업 식별자를 반환합니다. 공식 모델, 커뮤니티 모델, 배포 인스턴스는 생성 경로가 서로 다릅니다. HTTP API 레퍼런스를 확인하고 선택한 모델이나 배포에 맞춰 생성된 예제를 사용해야 합니다.

영상·음성·텍스트를 백그라운드 작업으로 처리하기

시간이 오래 걸리는 작업은 앱에 작업 기록을 남기고 제출 후 결과를 수집하는 방식으로 구성하는 것이 좋습니다. 서버로 HTTP 알림을 보내는 웹훅을 사용하면 요청을 열어 둔 채 사용자를 기다리게 하는 대신, 완료 알림에 맞춰 앱이 후속 처리를 할 수 있습니다.

고객이 승인한 대본으로 삽화가 들어간 영상을 만드는 제품을 생각해 볼 수 있습니다. 미디어 생성을 요청하고, prediction ID를 고객의 작업과 연결해 기록한 뒤, 완성된 파일을 수집해 최종 결과물을 조립합니다. Replicate의 웹훅 문서는 예측 데이터 저장과 모델 출력을 다른 모델의 입력으로 전달하는 방식을 명시적으로 지원합니다. 전체 실행 흐름을 조율하고 고객에게 보여 줄 최종 작업 상태를 관리하는 일은 애플리케이션의 몫입니다.

영상은 텍스트 투 비디오 컬렉션을 살펴본 뒤 선택한 모델의 API를 확인합니다. 텍스트로 영상을 만드는 모델과 이미지로 영상을 만드는 모델은 출발점이 다릅니다. 나중에 실패하거나 만족스럽지 않은 결과의 원인을 파악할 수 있도록 선택한 모델과 입력을 작업에 함께 저장해야 합니다.

Replicate 음성 AI 활용하기

Replicate의 텍스트 투 스피치 컬렉션에는 글을 오디오로 바꾸는 모델이 있습니다. 내레이션이 있는 제품 안내 영상을 만든다면 대본의 언어와 음성 제어 요구에 맞는 모델을 골라 음성을 생성하고, 오디오를 다른 작업 파일과 함께 저장합니다. 음성 모델이 있다는 사실만으로 실시간 전화 대화에도 적합하다고 판단해서는 안 됩니다. 선택한 엔드포인트가 애플리케이션 안에서 어떻게 응답하는지 평가해야 합니다.

Replicate는 텍스트를 생성하고 해석하는 대규모 언어 모델도 호스팅하며, 언어 모델 컬렉션에서 관련 모델을 찾을 수 있습니다. 내레이션 초안을 쓰거나 접수된 요청을 분류하는 데 활용한 뒤, 결과를 검증하고 다음 단계로 넘기면 됩니다. 품질이 낮은 중간 결과가 그대로 고객용 완성품이 되지 않도록 대본 검토와 최종 조립을 앱 워크플로에 포함해야 합니다.

Cog로 자체 모델 배포하기

공개 카탈로그에 필요한 로직이 없다면 직접 학습한 모델을 Replicate에서 서빙할 수 있습니다. Cog는 코드, 의존성, 모델 가중치를 재현 가능한 소프트웨어 환경인 컨테이너로 묶는 오픈 소스 패키징 툴입니다.

예를 들어 상품 이미지 분류기를 이미 갖춘 유통업체라면 해당 분류기를 패키징해 비공개 API로 제공할 수 있습니다. 이는 이미 보유한 모델을 배포하는 절차입니다. 폴더를 업로드하는 것만으로 쓸 만한 분류기가 학습되지는 않습니다.

Replicate의 자체 모델 배포 가이드와 Cog 푸시 가이드는 다음 절차를 안내합니다.

실무에서 남는 과제는 패키지를 직접 책임지는 일입니다. GPU 클러스터는 운영하지 않아도 되지만, 정상 동작하는 추론 코드, 호환되는 의존성, 적절한 하드웨어, 유용한 결과를 내는 모델은 여전히 필요합니다. 모델이 선택한 장비보다 많은 메모리를 요구한다면 API로 감싼다고 그 요구사항이 사라지지는 않습니다.

전용 배포로 처리 용량 제어하기

Replicate 배포는 전용 엔드포인트와 하드웨어·스케일링 제어 기능을 제공합니다. 모델이 제품의 핵심 의존성이 되어 공유 대기열을 운영상 받아들이기 어려워졌을 때 의미가 있습니다.

배포 문서에서는 최소·최대 인스턴스 수, 제로 스케일링, 모니터링, 롤링 버전 업데이트를 설명합니다. 인스턴스는 실행 중인 모델 복사본입니다. 최소값이 1이면 실행 가능한 복사본을 유지하고, 0이면 사용하지 않는 용량을 종료할 수 있습니다. 복사본을 준비해 둔다고 해서 트래픽이 아무리 급증해도 추가 용량이 필요 없다는 뜻은 아닙니다.

고객용 이미지 분류기라면 필요한 응답성을 기준으로 최소값을 정하고, 감당할 용량 비용을 기준으로 최대값을 정합니다. 오류와 요청 지연 시간뿐 아니라 활성·유휴·시작 중 인스턴스도 함께 모니터링해야 합니다. 하루 대부분을 유휴 상태로 보낸다면 비용 검토에서 용량 설정을 다시 살펴봐야 합니다. 최대값에 반복해서 도달하는 상황에서는 API 재시도를 늘려도 설정된 용량이 늘어나지 않습니다.

Replicate 요금은 어떻게 계산하나요?

Replicate는 사용량에 따라 과금하며 과금 단위는 모델마다 다릅니다. 요금 페이지에 따르면 하드웨어와 시간을 기준으로 하는 모델도 있고, 입력과 출력을 기준으로 하는 모델도 있습니다. 플랫폼 전체에 적용되는 단일 요청당 요금은 없습니다.

아래는 공개된 요금 예시이며, 해당 모델이 가장 최신이거나 특정 작업에 가장 적합하다는 의미는 아닙니다.

소규모 개발자라면 원하는 출력과 적절한 과금 단위를 갖춘 공개 모델부터 시작하는 편이 합리적입니다. 시간 기준으로 과금되는 공개 모델에서는 요청을 처리하는 시간만 지불하며 초기 설정과 유휴 시간은 무료입니다. 전용 배포와 대부분의 비공개 모델은 기준이 달라집니다. 초기 설정·활성·유휴 인스턴스 시간이 모두 과금됩니다. 비공개 모델의 문서상 예외는 fast booting으로 표시된 파인튜닝 모델로, 실제 처리 시간만 과금됩니다.

청구 문서는 선불 계정과 후불 계정도 구분합니다. 선불 계정은 크레딧에서 사용량을 차감하고, 후불 계정은 월초에 지난달 사용량을 청구합니다.

계산 예시를 보면 차이가 분명해집니다. 공개된 출력 단가를 적용하면 한 달에 FLUX Schnell 이미지 10,000장을 생성하는 비용은 $30이며, 다른 서비스나 추가 생성 이미지 비용은 별도입니다. 한편 T4 한 대를 30일간 계속 가동하면 $583.20입니다. 720시간에 $0.81을 곱한 금액으로, 추가 확장 인스턴스 비용은 포함하지 않습니다. 서로 다른 구매 방식을 비교한 예시이며, T4가 해당 이미지 서비스와 같은 출력이나 처리량을 낸다는 벤치마크가 아닙니다.

일반적으로 실패한 실행은 과금되지 않습니다. 다만 청구 문서에 따르면 활성 상태인 비공개 모델 및 배포 인스턴스, 시간 과금 모델에서 취소 전까지 사용한 시간은 과금 대상이며 공식 모델 취소에도 요금이 발생할 수 있습니다. 다른 모델을 호출하는 모델은 전체 실행이 실패하더라도 하위 모델 호출 비용이 발생할 수 있습니다. 실제 운영할 워크플로 전체의 비용을 추산해야 합니다.

운영 전에 확인해야 할 제약

Replicate를 이용하면 초기 연동에서 GPU 운영을 맡길 수 있습니다. 그래도 문서에는 애플리케이션이 직접 처리해야 할 구체적인 제약이 남아 있습니다.

콜드 스타트와 공유 용량

Replicate는 콜드 스타트를 cold boot라고 부릅니다. 요청을 처리하기 전에 모델의 실행 환경과 가중치를 불러와야 하는 상태입니다. 플랫폼 아키텍처 설명에 따르면 인기 있는 공개 모델은 지속적인 사용 덕분에 준비 상태를 유지하는 경우가 많고, 사용량이 적은 모델은 콜드 부팅이 더 자주 발생합니다. 공식 모델에는 앞서 설명한 별도의 상시 준비 약속이 적용됩니다.

따라서 가끔 호출되는 커뮤니티 모델을 대화형 기능에 쓴다면 대기 화면을 마련하거나 용량을 계속 유지하도록 전용 배포를 설정해야 합니다. 백그라운드 일괄 작업과 즉각적인 결과를 기다리는 사용자는 시작 지연을 받아들일 수 있는 정도가 다릅니다. 해당 모델과 워크로드를 평가하는 일을 대신할 보편적인 지연 시간 수치는 없습니다.

크레딧이 줄면 요청 한도도 낮아집니다

Replicate의 요청 한도 문서는 예측 생성 요청을 분당 600회, 다른 엔드포인트 요청을 분당 3,000회로 명시합니다. 기본 한도를 잠깐 넘는 버스트는 가능하며, 한도에 걸리면 HTTP 429를 반환합니다. 더 높은 한도는 Replicate에 문의해야 합니다. 이는 API 요청 한도이며 모델이 분당 그만큼의 작업을 완료한다는 약속이 아닙니다.

놓치기 쉬운 조건은 계정 잔액입니다. Replicate는 크레딧이 줄어들수록 요청 한도를 더 엄격하게 적용하며, 잔액을 $20 초과로 유지하도록 자동 충전을 권장합니다. 지급받은 크레딧만 있고 결제 수단을 등록하지 않은 계정에는 초당 1회, 분당 최대 6회라는 별도 한도가 적용됩니다.

엔지니어링 팀이 배포 설정을 바꾸지 않아도 청구 상태 때문에 대기열 처리 속도가 느려질 수 있다는 뜻입니다. 요청 오류와 함께 크레딧도 모니터링하고, 한도 초과 시 재시도 횟수를 제한하면서 대기 간격을 늘려야 합니다. 다른 엔드포인트의 요청 한도를 소모하는 과도한 폴링도 피해야 합니다.

API와 브라우저의 데이터 보관 방식은 다릅니다

Replicate의 데이터 보관 문서에 따르면 API 예측의 입력 매개변수, 출력값, 출력 파일, 로그는 기본적으로 1시간 뒤 삭제됩니다. 애플리케이션에 필요한 데이터는 삭제 전에 저장해야 합니다. 반환된 파일 URL을 영구 자산 저장소로 취급해서는 안 됩니다.

브라우저에서 생성한 예측 데이터는 무기한 보관됩니다. 웹사이트의 Delete 기능을 사용하면 예측과 관련 출력 데이터 및 파일을 삭제할 수 있습니다. 브라우저 실험과 API 연동은 보관 동작이 다르므로 한쪽의 동작으로 다른 쪽을 추정해서는 안 됩니다.

운영 워크플로에서는 완성된 미디어를 직접 관리하는 저장소에 저장하고, 지원 업무에 필요한 모델·입력·작업 상태도 보관해야 합니다. 모델 공개 범위는 별개의 문제입니다. 자체 모델을 비공개로 설정하면 접근 주체를 제어할 수 있지만, 다른 데이터 보관 조건이 보장되는 것은 아닙니다. 마찬가지로 보관 정책 페이지만으로 학습 목적 사용 여부, 지역별 데이터 저장 위치, 모든 계약상 데이터 처리 요건을 포괄적으로 단정할 수는 없습니다.

모델 선택의 책임은 애플리케이션에 남습니다

Replicate 카탈로그는 모델을 배포하고 실행하는 계층입니다. 상업적 이용 권한은 여전히 선택한 모델의 라이선스에 달려 있으며 커뮤니티 모델마다 스키마도 다릅니다. 모델 교체는 애플리케이션 변경으로 취급해야 합니다. 운영 트래픽을 전환하기 전에 입력 검증, 파일 출력, 이용 권한, 비용을 확인해야 합니다. 플랫폼이 하나라고 모든 모델을 서로 바꿔 쓸 수 있는 것은 아닙니다.

평가: 공개 모델로 시작하고, 필요가 분명해지면 전용 용량을 선택합니다

제품의 가치가 모델을 둘러싸고 구현하는 기능에 있고, GPU 운영을 맡겨 더 빨리 출시할 수 있다면 Replicate는 좋은 선택입니다. 적합한 공개 엔드포인트부터 시작하면 됩니다. 문서에 명시된 가용성, 안정적인 인터페이스, 과금 단위가 요구사항에 맞는다면 공식 모델을 우선 고려할 만합니다.

커스텀 추론 코드, 하드웨어 제어, 전용 용량, 고객용 기능에 필요한 상시 준비 인스턴스처럼 이유가 분명할 때 전용 배포로 옮기는 것이 좋습니다. 초기 설정과 유휴 시간의 비용도 그 결정에 포함해야 합니다. 핵심 요구사항이 미디어 특화 카탈로그, 언어 모델 서빙, Hub 기반 배포, 더 폭넓은 Python 컴퓨팅 앱이라면 앞서 소개한 대안을 후보로 삼으면 됩니다.

첫 구현 목표는 작업 하나를 끝까지 완결하는 것입니다. 요청을 제출하고, 완료를 확인하고, 출력을 저장하고, 비용을 집계해야 합니다. 그다음 공개 엔드포인트와 전용 배포 중 무엇을 운영 환경에 쓸지 결정하면 됩니다.

Replicate 자주 묻는 질문

기능 도입을 확정하기 전에 AI 비즈니스 워크플로 점검 체크리스트로 모델 전후에 필요한 작업을 정리해 보시기 바랍니다.