Plattformvergleich
Replicate hat den breitesten Katalog offener Modelle in diesem Vergleich und ist die Plattform, die die meisten schon benutzt haben. Zwei Zeilen lohnen vor einer Festlegung genaues Lesen: was eine abgerechnete Sekunde kauft und was aus der monatlichen Ausgabengrenze geworden ist.
Ausgangspunkt
Replicate hostet quelloffene und Community-Modelle hinter einer Prediction-API und bietet ein Werkzeug, um eigene Modelle zu verpacken und hochzuladen. Die meisten Modelle rechnen nach Laufzeit mit einem hardwareabhängigen Sekundensatz ab, einige nach Ausgabe. Die Bedingungen halten in Großbuchstaben fest, dass der Dienst anstößige Inhalte erzeugen kann und deren Handhabung Sache der Kundschaft ist.
Wir veröffentlichen einen kuratierten statt eines offenen Katalogs: weniger Modelle, dafür jedes mit festem Preis gegen die eigene Einheit und veröffentlichtem Eingabeschema. Nichts rechnet nach Ausführungszeit ab, ein langsamer Lauf kostet also so viel wie ein schneller.
Zeile für Zeile
Unsere Spalte ist auf jeder dieser Seiten identisch, denn unser Verhalten ändert sich nicht danach, mit wem wir verglichen werden. Nur die rechte Spalte gilt speziell für diese Plattform.
| Verglichenes Kriterium | SpicyAPI | Replicate |
|---|---|---|
| Inhaltsrichtlinie | Keine Inhaltsprüfung pro Anfrage, kein Safety-Checker-Parameter, um den verhandelt werden müsste, und kein Inhaltsmodus-Schalter am Schlüssel. Was ein Modell ausgibt und was nicht, entscheidet dieses Modell. Rechtswidrige Nutzung bleibt durch die Nutzungsrichtlinie untersagt, und der Meldeweg ist öffentlich. | Die Bedingungen halten in Großbuchstaben fest, dass der Dienst anstößige Inhalte erzeugen kann und die Ausgabe von der Kundschaft zu verwalten ist. Die Nutzungsrichtlinie behandelt Inhalte nur als allgemeines Verbot obszönen oder anstößigen Materials. Auf bestimmten Basismodellen und deren Feinabstimmungen läuft bei Web-Predictions ein Safety-Checker; disable_safety_checker steht standardmäßig auf false und ist laut Dokumentation nur über die API verfügbar. |
| Abrechnung | US-Dollar, abgerechnet nach der Einheit, in der die Aufgabe selbst gemessen wird. Keine Guthabenwährung zum Umrechnen, kein Abonnement, keine Tarifstufe, kein Monatsmindestumsatz. Ein Angebotsaufruf bepreist genau den Rumpf, den Sie senden wollen, und reserviert nichts. Guthaben wird per Karte oder Kryptowährung (USDT) aufgeladen. | Die meisten Modelle rechnen nach Laufzeit mit hardwareabhängigem Sekundensatz ab – dieselbe Ausgabe kostet auf langsamerer Hardware oder bei einem langsameren Lauf mehr. Einige rechnen pro Ausgabebild oder pro tausend Ausgabetoken ab. Private Modelle und Deployments berechnen auch Start- und Leerlaufzeit. Guthaben ist vorausbezahlt, ein Jahr gültig und nicht erstattungsfähig. |
| Fehlgeschlagene Anfrage | Eine erfolgreiche Aufgabe wird nach tatsächlichem Verbrauch abgerechnet und nicht erstattet, weil die Ausgabe enttäuscht hat. Fehlgeschlagene oder abgelaufene Aufträge werden normalerweise nicht berechnet. Manche Modelle berechnen Inhaltsablehnungen wie auf ihrer Modellseite angegeben; prüfen Sie diese Abrechnungsbedingungen vor dem Absenden. | Die beiden offiziellen Dokumente widersprechen sich. Die Abrechnungsdokumentation sagt, für alle Modelle werde ein fehlgeschlagener Lauf nicht berechnet. Die Bedingungen sagen, Teilläufe und fehlgeschlagene Versuche würden je nach protokolliertem Fehlerzeitpunkt berechnet. Für private Modelle und Deployments ist gesondert dokumentiert, dass fehlgeschlagene und abgebrochene Läufe nach aktiver Instanzzeit berechnet werden. |
| Anfrageform | Ein Erstellungsaufruf antwortet mit 202 und einer Task-ID; Ergebnisse kommen per Abfrage oder signiertem Webhook. Text läuft über dieselbe Kennung auf einer OpenAI-kompatiblen Schnittstelle. Eingaben werden gegen ein veröffentlichtes Schema mit geschlossenem additionalProperties geprüft, und jeder schreibende Aufruf nimmt 24 Stunden lang einen Idempotency-Key an. | Asynchrone Predictions mit Abfrage, dazu Webhooks, die sich nach Ereignis filtern lassen. Eine Anfrage kann mit einem wait-Parameter bis zu sechzig Sekunden offen bleiben. Predictions laufen nach dreißig Minuten ab. In der HTTP-API-Referenz ist kein OpenAI-kompatibler Chat-Endpunkt aufgeführt. |
| Ausgabengrenzen | Legen Sie für jeden Schlüssel Ausgabenlimits je Tag, Monat und für die gesamte Laufzeit fest. Neue Schlüssel haben kein Ausgabenlimit, bis Sie eines setzen. Sie können einen Schlüssel auch auf ausgewählte Modelle und Quell-IP-Adressen beschränken. Noch nicht abgerechnete Reservierungen zählen zu seinem Kontingent. | Die Möglichkeit, eine monatliche Ausgabengrenze zu setzen, wurde eingestellt; das Änderungsprotokoll verweist Betroffene an den Support. Es bleibt das Prepaid-Guthaben, das bei null neue Arbeit stoppt, und ein Nachladeschwellenwert. Eine Grenze je Schlüssel ist nicht dokumentiert. |
| Offizielle Werkzeuge | Natives REST plus eine OpenAI-kompatible Schnittstelle sowie unser eigenes SDK, CLI, ein MCP-Server und ein Agent Skill – alles über denselben Schlüssel. | Eigene Clients für Node.js, Python, Swift und Go, ein gehosteter MCP-Server sowie ein CLI und ein Paketierwerkzeug auf GitHub. Die Client-Bibliotheksseite der Dokumentation führt den MCP-Server auf, das CLI jedoch nicht. |
| Veröffentlichte Zusagen | Veröffentlicht ist ein Betriebsziel von 99,9 % für unsere eigene Schicht – Anfragen entgegennehmen, Aufgaben annehmen, Rückrufe zustellen. Es ist ein Ziel, keine Dienstgütevereinbarung: keine Service-Gutschriften, keine Entschädigung, und es umfasst weder die Drittanbieter, die die Generierung ausführen, noch angekündigte Wartungsfenster oder Ereignisse außerhalb unserer Kontrolle. Der Live-Status steht auf status.spicyapi.ai. | In der öffentlichen Dokumentation findet sich keine Verfügbarkeitszusage und keine Dienstgütevereinbarung. Dokumentiert sind Ratengrenzen von 600 Prediction-Erstellungen pro Minute und 3000 Anfragen pro Minute auf übrigen Endpunkten. |
| Sprachen | Website, Modelldokumentation, Konsole und API-Fehlertexte in zehn Sprachen: Englisch, Japanisch, Koreanisch, Deutsch, Französisch, Spanisch, brasilianisches Portugiesisch, Russisch, Italienisch und Polnisch. Fehlercodes ändern sich nie mit der Sprache, Ihre Fallunterscheidungen bleiben also stabil. | Dokumentation nur auf Englisch vorgefunden, ohne Hinweis auf andere Sprachfassungen. |
Horizontal wischen, um alle Spalten zu sehen.
Inhaltsrichtlinie
Gleichen Sie die genaue Modellversion und das Fine-Tune ab, nicht nur den Anzeigenamen. Prüfen Sie Charakterreferenz und Prompt am Zielendpoint, bevor Sie die gesamte Warteschlange umstellen.
Abrechnung
Trennen Sie aktive Laufzeit öffentlicher Modelle von Einrichtung und Leerlauf eines Deployments. Einrichtung und Leerlauf öffentlicher Modelle sind kostenlos; ein Kaltstart kann die Wartezeit ohne zusätzliche abrechenbare Inferenz verlängern.
Anfrageform
Ordnen Sie Replicates version/input und Prediction-ID dem Zielschema und der Task-ID zu. Liefert Prefer: wait einen unfertigen Lauf, frage weiter ab statt einen weiteren kostenpflichtigen Job zu starten.
Ausgabengrenzen
Geben Sie einer Integration aus einem automatisch aufgeladenen Konto einen eigenen begrenzten Schlüssel. Kundenbudgets bleiben in der App: Ein Schlüssellimit umfasst alle Kunden, die diesen Schlüssel teilen.
Passung
Modelle
Jeder Link führt auf die Seite der jeweiligen Modellfamilie: Eingaben, Grenzen, Inhaltsrichtlinie und der aktuelle Preis je Einheit.
Häufige Fragen
Was wir bei Replicate gelesen haben
Dies sind die offiziellen Quellen von Replicate. Der Vergleich beschreibt veröffentlichte Funktionen, keinen Benchmark oder Test des Dienstes.
Weitere Vergleiche
Weiter
Der Kostenrechner nimmt genau die Einstellungen, die Sie senden würden, und gibt zurück, was die Aufgabe hier kostet – ohne Laufzeit als Variable im Ergebnis.
