Replicate は、画像生成・音声合成・LLM など数千のオープンソースモデルを、API 経由で数行のコードから実行できる開発者向けプラットフォーム。米国の Replicate, Inc. が運営し、2019 年から提供されている。GPU サーバーの調達やモデルの依存関係の解決といった面倒な準備を肩代わりしてくれるため、「試したいモデルを見つけたその日に自分のアプリへ組み込む」といった進め方ができる。自社製のオープンソースツール Cog を使えば、独自モデルを同じ仕組みに載せてデプロイすることも可能。課金は使った分だけの従量制で、アイドル時間の固定費を抱えずに済む。
主な特徴
- 数千のモデルをワンラインで実行: 公開されているモデルをカタログから選び、
replicate.run("owner/model", { input })のような呼び出しひとつで実行できる。公式クライアントは JavaScript / Node.js、Python、iOS（SwiftUI）向けが用意され、HTTP API と OpenAPI スキーマも公開されている - Cog によるカスタムモデルのデプロイ: Replicate が開発するオープンソースのコンテナ化ツール Cog を使い、自前のモデルを推論 API としてパッケージング・公開できる。環境構築の再現性を保ったまま本番運用に載せられる
- ファインチューニングとトレーニング: FLUX 系の画像モデルなどを自分のデータで学習させ、専用モデルとして呼び出せる。トレーニングジョブも API から実行できる
- 自動スケーリングと Deployments: リクエスト量に応じてインスタンス数が自動で増減する。Deployments 機能では、モデルごとにハードウェアや最小・最大インスタンス数を指定して挙動を固定できる
- Webhook による非同期処理: 予測やトレーニングの完了時に Webhook 通知を受け取れるため、長時間かかる生成処理をバックグラウンドに逃がしやすい
- MCP サーバーと Agent Skills: Model Context Protocol のサーバーを提供しており、2026 年 2 月には公式 MCP レジストリからの自動検出に対応。2026 年 4 月には、コーディングアシスタント向けに Replicate の使い方をまとめた Agent Skills も公開された
料金
事前定額のプランではなく、実行したぶんだけ支払う従量課金。課金単位はモデルによって異なり、大きく「実行時間（秒）」「出力単位」「トークン」の 3 通りがある。
| 課金タイプ | 単価の例 |
|---|---|
| ハードウェア時間課金 | CPU（Small）$0.000025/秒（約 $0.09/時）、Nvidia T4 $0.000225/秒（約 $0.81/時）、Nvidia L40S $0.000975/秒（約 $3.51/時）、Nvidia A100 80GB $0.001400/秒（約 $5.04/時）、Nvidia H100 $0.001525/秒（約 $5.49/時） |
| 出力単位課金 | FLUX Pro $0.04/画像、Ideogram v3 $0.09/画像 など（モデルごとに設定） |
| トークン課金 | DeepSeek R1 入力 $3.75/100 万トークン、出力 $0.01/1,000 トークン など |
| エンタープライズ | 要問い合わせ（専任担当者・優先サポート・大口利用のボリュームディスカウント） |
高速起動に対応したファインチューン済みモデルは、待機中ではなく実際に処理している時間だけが課金対象になる。無料枠の有無は料金ページに明示されていないため、継続利用を前提にするなら実際の単価と想定リクエスト数で試算しておきたい。
料金は2026年8月時点の情報です。最新の料金は公式サイトをご確認ください。
メリット・デメリット
✅ メリット
- GPU の調達や環境構築なしで、最新のオープンソースモデルをすぐ試せる
- 画像・動画・音声・LLM と扱えるモデルの幅が広く、同じ API の書き方で横断的に使える
- 従量課金のため、トラフィックが少ない個人開発やプロトタイプでもコストを抑えやすい
- Cog を使えば独自モデルも同じ運用に載せられ、プロトタイプから本番まで乗り換えずに済む
- Webhook・自動スケーリング・Deployments など、本番運用に必要な足回りが揃っている
⚠️ デメリット
- 単価がモデルごと・課金単位ごとにばらばらで、事前のコスト見積もりが読みにくい
- コールドスタート（モデルの起動待ち）が発生することがあり、リアルタイム性の高い用途では体感が落ちる
- 完全に管理されたプラットフォームであるぶん、インフラの細かなチューニング余地は限られる
- 大量・常時稼働のワークロードでは、自前 GPU や専用インスタンスのほうが安くなる場合がある
- 管理画面・ドキュメントは英語中心で、日本語の情報は多くない
類似サービスとの比較
| 比較項目 | Replicate | fal.ai | Hugging Face Inference | Modal |
|---|---|---|---|---|
| 提供元 | Replicate, Inc.（米国） | Features and Labels（米国） | Hugging Face（米国） | Modal Labs（米国） |
| 主な用途 | 公開モデルの実行 + 独自モデルのデプロイ | 画像・動画などの生成系モデル実行 | Hub 上のモデルの推論 | 任意の Python ワークロードの実行 |
| モデルカタログ | 数千の公開モデル | 生成系モデル中心 | Hub の膨大なモデル群 | カタログではなく実行基盤 |
| 独自モデル | Cog でコンテナ化してデプロイ | カスタムエンドポイント対応 | Inference Endpoints で対応 | コードをそのままデプロイ |
| 料金体系 | 従量課金（時間 / 出力 / トークン） | 従量課金 | 従量課金 + 有料プラン | 従量課金 |
| 向いている人 | モデルを手早く組み込みたい開発者 | 生成系の速度を重視する開発者 | Hub のエコシステムを使う人 | インフラを自分で書きたい人 |
こんな人におすすめ
- 話題の画像生成・動画生成モデルを、自分のアプリやサービスに手早く組み込みたい開発者
- GPU サーバーの運用まで手が回らない個人開発者やスタートアップ
- 学習させたカスタムモデルを、推論 API として外部に公開したいチーム
- 複数のモデルを比較検討しながらプロダクトの方向性を決めたいプロトタイピング段階のプロジェクト
- コーディングアシスタントから AI モデルを呼び出す仕組み（MCP・Agent Skills）を試したい人
まとめ
Replicate は、「動かしてみたいモデルはあるが、GPU とデプロイ環境の面倒は見たくない」という開発者の需要にまっすぐ応えるプラットフォームである。数千の公開モデルをそのまま呼び出せる手軽さと、Cog によって独自モデルまで同じ土俵に載せられる拡張性の両方を備えている点が強み。一方で単価がモデルごとに異なるため、本格運用の前に想定利用量でのコスト試算はしておきたい。まずは使いたいモデルのページで単価を確認し、少量のリクエストから試すのがよい。