# Replicate 如何计费：完整拆解

> 详细分析 Replicate 的纯按用量计费模式，包括跨硬件层级的按秒计算定价、冷启动成本，以及如何为自己的 AI 平台构建相同的按秒基础设施计费模式。
- **Author**: Ayush Agarwal
- **Published**: 2026-04-09
- **Category**: AI, Billing
- **URL**: https://dodopayments.com/blogs/zh/replicate-billing-model

---

大多数 AI 平台都会采取折中方案：将计算资源打包进订阅层级、销售 token 套餐，或通过按请求计费隐藏 GPU 成本。Replicate 这些都不做。它按计算时间的秒数收费，费率取决于模型运行所使用的硬件。没有月费，没有最低承诺，也没有按模型定价。

这使 Replicate 成为当今生产环境中最纯粹的[按用量计费](https://dodopayments.com/blogs/usage-based-billing-vs-flat-fees-ai-saas)案例之一。[Midjourney 将 GPU 时间打包进订阅层级](https://dodopayments.com/blogs/midjourney-billing-model)，[Cursor 将 token 打包进以美元计价的额度池](https://dodopayments.com/blogs/cursor-billing-model)，而 Replicate 则把一切简化为单一计费原语：硬件乘以秒数。

本文将详细解析 Replicate 的计费模式、它为何适合 AI 基础设施、会在哪些地方造成摩擦，以及如何使用 [Dodo Payments](https://dodopayments.com) 构建同样的按秒计算计费模式。有关包含代码示例的完整技术实现指南，请参阅 Dodo 文档中的 [Replicate 计费拆解](https://docs.dodopayments.com/developer-resources/billing-deconstructions/replicate)。

## Replicate 按硬件层级定价

Replicate 的定价页面简单得令人耳目一新。没有需要比较的方案，也没有需要摸索的功能限制。整个定价模式都放在一张表里：每种硬件选项的每秒成本。以下费率为本文撰写时公布的价格。

**标准硬件**

| 硬件                   | 价格/秒   | 价格/小时 | GPU 内存 | 系统内存 |
| :--------------------- | :-------- | :-------- | :------- | :------- |
| CPU（Small）           | $0.000025 | $0.09     | -        | 2 GB     |
| CPU                    | $0.000100 | $0.36     | -        | 8 GB     |
| Nvidia T4 GPU          | $0.000225 | $0.81     | 16 GB    | 16 GB    |
| Nvidia L40S GPU        | $0.000975 | $3.51     | 48 GB    | 65 GB    |
| Nvidia A100（80GB）GPU | $0.001400 | $5.04     | 80 GB    | 144 GB   |
| Nvidia H100 GPU        | $0.001525 | $5.49     | 80 GB    | 72 GB    |

**多 GPU 配置**

| 硬件                   | 价格/秒   | 价格/小时 |
| :--------------------- | :-------- | :-------- |
| 2x Nvidia L40S         | $0.001950 | $7.02     |
| 2x Nvidia A100（80GB） | $0.002800 | $10.08    |
| 2x Nvidia H100         | $0.003050 | $10.98    |
| 4x Nvidia A100（80GB） | $0.005600 | $20.16    |
| 4x Nvidia H100         | $0.006100 | $21.96    |
| 8x Nvidia A100（80GB） | $0.011200 | $40.32    |
| 8x Nvidia H100         | $0.012200 | $43.92    |

多 GPU 配置（4x 和 8x）需要签订承诺消费合同。其他配置都可按需使用，任何绑定信用卡的用户均可购买。

注意，定价会随着 GPU 数量线性增长。两块 A100 的价格正好是一块 A100 的两倍。硬件层级本身没有内置批量折扣----折扣来自 Replicate 的企业团队，面向高用量客户提供。

## Replicate 如何计费

计费机制从概念上看很直接，但其中有几个细节会影响实际成本。

### 按硬件区分、与模型无关的费率

Replicate 托管了由社区贡献的数千个开源模型。它没有为每个模型单独定价，而是将计费与模型完全解耦。无论你运行的是 Stable Diffusion、Llama 3 还是 Whisper，成本只取决于模型运行在哪种硬件上，以及运行了多长时间。

这样一来，Replicate 可以添加新模型，而无需改动定价系统。贡献者明天上传一个新模型，计费也已经可以正常工作，因为系统跟踪的是硬件层，而不是模型层。

```mermaid
flowchart LR
    A["API 请求"] --> B["模型加载
到硬件"]
    B --> C{"硬件层级？"}
    C -->|"CPU"| D["$0.000100/秒"]
    C -->|"T4 GPU"| E["$0.000225/秒"]
    C -->|"L40S GPU"| F["$0.000975/秒"]
    C -->|"A100 80GB"| G["$0.001400/秒"]
    C -->|"H100"| H["$0.001525/秒"]
    D --> I["秒数 x 费率
= 总成本"]
    E --> I
    F --> I
    G --> I
    H --> I
```

少数专有模型是例外，它们改用基于输入/输出的定价：Anthropic 和 OpenAI 等供应商的前沿文本模型按 token 计费，Flux Pro 系列等图像模型则按图像计费。这些费率会在供应商调整价格时变化，因此应将模型页面上看到的数字视为实时价格，而不是 Replicate 控制的价格。对于绝大多数开源模型，计费方式就是硬件乘以秒数。

### 按秒计费的精细度

传统云服务商按小时或分钟计费。Replicate 按秒计费。对于典型推理耗时为 3 到 30 秒的 AI 工作负载，这种精细度可以消除大量计费浪费。

来看一个简单的比较。在 A100 上耗时 8 秒的图像生成任务，在 Replicate 上的成本是 $0.0112。如果某个平台向上取整到最近的一分钟，同一个 8 秒的任务将花费 $0.084----超过 7 倍。对于用户每天运行数百次小型推理的[按需付费 AI 平台](https://dodopayments.com/blogs/pay-as-you-go-ai-saas)来说，按秒计费决定了商业模式是否可行，也决定了利润是否会持续流失。

### 冷启动也会计费

这是最容易让新用户措手不及的细节。当一个公共模型近期没有被使用时，Replicate 必须先将它加载到 GPU 内存中，才能处理请求。冷启动通常需要 10 到 30 秒，这段加载时间会按照与实际执行相同的每秒费率计费。

对于运行在 A100 上的模型，20 秒的冷启动会让首次请求增加 $0.028 的成本。后续请求只要模型保持热状态，就完全不会产生这项成本。如果你的应用向许多不同模型发送零散请求，冷启动成本甚至可能超过执行成本。

Replicate 通过预热时间来缓解这一问题：模型在上一次请求后会继续加载一小段时间。但如果流量呈突发状，或分散在许多模型之间，冷启动就会成为一项不可忽视的成本。

### 公共模型与私有模型

Replicate 区分两种部署模式，计费规则也有很大不同。

**公共模型**与其他用户共享基础设施。你只需为请求实际处理的时间付费（另加冷启动时间）。请求完成后，硬件就会为其他用户提供服务。

**私有模型**运行在专用硬件上。实例在线的全部时间都需要付费：包括设置时间、空闲时间和主动处理时间。如果你的私有模型空闲了一小时，你仍需支付完整的一小时费率。换来的好处是专用容量、不会与其他请求竞争队列，也没有冷启动。

例外是"快速启动微调模型"----这类私有微调模型使用共享基础设施，只针对主动处理时间计费。

> 当你直接根据基础设施用量----计算时间、硬件层级和消耗的秒数----进行计费时，就能建立一种与所交付价值诚实同步的计费模式。客户不会为自己没有使用的资源多付一分钱。
>
> - Ayush Agarwal，Dodo Payments 联合创始人兼 CPTO

## Replicate 的模式为何有效

这种计费模式具备多项特性，非常适合 AI 基础设施平台。

### 零承诺降低了入门门槛

没有月费、没有年度合同，也没有最低消费。开发者可以注册，花 $0.01 运行一次预测，然后离开。这正是 Replicate 成为 AI 开发者首选原型平台的原因之一。没有订阅，就不会有阻碍实验的摩擦。

作为比较，[订阅制计费](https://dodopayments.com/blogs/subscription-model-best-practices)要求用户在确定产品是否适合工作流程之前就作出承诺。Replicate 完全避开了这一点。用户在找到适合自己使用场景的模型后，会自然选择增加消费。

### 成本透明建立信任

用户可以在运行任务前准确计算成本。Replicate 会在每个模型页面上显示成本估算。在 A100 上运行一次耗时 8 秒的 SDXL 生成任务，成本约为 $0.0112；一次耗时 3 秒的 Llama 3 推理，成本约为 $0.0035。没有隐藏费用、平台附加费或无法解释的费用项目。

Replicate 将成本直接与可观察变量（硬件运行秒数）绑定，即使工作负载难以预测，成本依然可预期。

### 硬件选择让用户掌控成本

用户不会被锁定在单一硬件层级中。许多模型支持多种硬件选项，用户可以在速度与成本之间进行选择。在 T4 GPU 上运行 Whisper 的价格为 $0.000225/秒，但耗时更长；在 A100 上运行的价格为 $0.001400/秒，但完成速度更快。这体现了[价值定价](https://dodopayments.com/blogs/value-based-pricing-saas)的理念：需要更快结果的用户每秒支付更多，但消耗的总秒数更少。

### 与模型无关的计费让生态系统得以扩展

由于定价与模型解耦，Replicate 可以托管庞大的模型库，而无需管理每个模型的价格。社区贡献者上传模型时也不需要协商定价条款。按模型定价的平台（例如采用[分层 token 定价的 OpenAI](https://dodopayments.com/blogs/openai-billing-model)）需要为所提供的每个模型设定并更新费率。Replicate 将这种复杂性转移到硬件层，即使模型目录增长到数万个，定价系统仍然保持简单。

## Replicate 的模式会在哪些地方造成摩擦

没有任何计费模式是完美的。Replicate 纯粹的按用量计费方式存在一些取舍，会同时影响平台和用户。

### 月度账单难以预测

让 Replicate 保持灵活的特性----没有订阅、完全按用量计费----也让成本难以预测。运行批处理任务的团队可能某月花费 $50，下个月则因项目需求变化而花费 $500。对于需要预算可预测性的公司来说，这种波动会给财务团队和采购流程带来摩擦。

这正是[按用量计费与固定费用计费](https://dodopayments.com/blogs/usage-based-billing-vs-flat-fees-ai-saas)之间的核心矛盾。纯按用量计费的模式奖励效率、惩罚浪费，但也让财务规划更加困难。大多数成熟平台最终都会加入消费上限或预算提醒来解决这个问题；当你[实现按用量计费](https://dodopayments.com/blogs/implement-usage-based-billing)时，这通常也是最值得提前规划的功能之一。

### 冷启动成本会伤害低频用户

不频繁使用多个不同模型的开发者几乎每次请求都会承担冷启动成本。一个每天涉及 10 个不同模型的工作流，冷启动成本可能高于实际推理成本。这种计费模式在无形中更偏向集中、高频的使用模式，而不是广泛的探索性使用。

### 没有内置的留存机制

将 Replicate 与 [Midjourney 的方式](https://dodopayments.com/blogs/midjourney-billing-model)进行比较：当 Midjourney 订阅者用完快速 GPU 小时后，他们会进入 Relax Mode，而不会被直接切断。[Cursor 也提供了类似机制](https://dodopayments.com/blogs/cursor-billing-model)，通过分层使用额度池来实现。Replicate 没有对应机制。当用户停止发送请求时，消费就会降为零。没有月度订阅来制造转换成本，没有[计费预付额度](https://dodopayments.com/blogs/billing-credits-pricing-cashflow)来鼓励预付，除了平台的模型库之外，也没有其他锁定因素。

### 私有模型计费可能十分昂贵

私有模型的持续在线计费意味着即使硬件处于空闲状态，你也要付费。一台全天候运行的 A100 实例每天成本为 $120.96，每月约为 $3,629----即使它每天只有几个小时在处理请求。快速启动微调模型可以缓解这一问题，但它们仅适用于特定的模型架构。

## 使用 Dodo Payments 构建 Replicate 的计费模式

你可以使用 [Dodo Payments 的按用量计费](https://docs.dodopayments.com/features/usage-based-billing/introduction)功能，构建相同的按秒、按硬件层级计费模式。关键在于为每个硬件层级创建单独的[计量器](https://docs.dodopayments.com/features/usage-based-billing/meters)，并在模型执行完成时发送[用量事件](https://docs.dodopayments.com/features/usage-based-billing/event-ingestion)。

### 第 1 步：为每个硬件层级创建计量器

每种硬件的每秒成本都不同，因此你需要使用独立计量器分别跟踪和定价。这种按资源设置计量器的结构，是几乎所有[面向 AI SaaS 构建的计费系统](https://dodopayments.com/blogs/build-billing-system-ai-saas)的基础。

| 计量器名称         | 事件名称              | 聚合方式 | 属性                |
| :----------------- | :-------------------- | :------- | :------------------ |
| CPU 计算           | `compute.cpu`         | 求和     | `execution_seconds` |
| GPU T4 计算        | `compute.gpu_t4`      | 求和     | `execution_seconds` |
| GPU L40S 计算      | `compute.gpu_l40s`    | 求和     | `execution_seconds` |
| GPU A100 80GB 计算 | `compute.gpu_a100_80` | 求和     | `execution_seconds` |
| GPU H100 计算      | `compute.gpu_h100`    | 求和     | `execution_seconds` |

对 `execution_seconds` 使用 `Sum` 聚合，可以计算每个计费周期内各硬件层级的总计算时间。将所有计量器的免费阈值设置为 0----每一秒都需要计费。

### 第 2 步：将计量器关联到按用量计费的产品

在 [Dodo Payments](https://dodopayments.com) 控制台中创建产品，并设置：

- **定价类型**：按用量计费
- **基础价格**：$0/月（无订阅费，与 Replicate 的模式一致）
- **计费频率**：每月

为每个计量器设置对应的单价：

| 计量器                | 每秒价格  |
| :-------------------- | :-------- |
| `compute.cpu`         | $0.000100 |
| `compute.gpu_t4`      | $0.000225 |
| `compute.gpu_l40s`    | $0.000975 |
| `compute.gpu_a100_80` | $0.001400 |
| `compute.gpu_h100`    | $0.001525 |

### 第 3 步：在每次预测后写入用量事件

每当模型执行完成，就向 Dodo 发送一个用量事件。将硬件层级作为事件名称，并在元数据中记录执行秒数。

```typescript
import DodoPayments from "dodopayments";

type HardwareTier = "cpu" | "gpu_t4" | "gpu_l40s" | "gpu_a100_80" | "gpu_h100";

const client = new DodoPayments({
  bearerToken: process.env.DODO_PAYMENTS_API_KEY,
});

async function trackPrediction(
  customerId: string,
  modelId: string,
  hardware: HardwareTier,
  executionSeconds: number,
  predictionId: string,
) {
  await client.usageEvents.ingest({
    events: [
      {
        event_id: `pred_${predictionId}`,
        customer_id: customerId,
        event_name: `compute.${hardware}`,
        timestamp: new Date().toISOString(),
        metadata: {
          execution_seconds: executionSeconds,
          model_id: modelId,
          hardware: hardware,
        },
      },
    ],
  });
}

// 示例：SDXL 图像生成----在 A100 上耗时 8.3 秒
await trackPrediction(
  "cus_abc123",
  "stability-ai/sdxl",
  "gpu_a100_80",
  8.3,
  "pred_xyz789",
);
```

`event_id` 可确保幂等性----如果网络重试导致同一事件被发送两次，Dodo 会自动去重。

### 第 4 步：使用精确计时封装执行过程

为了实现[准确的计量计费](https://dodopayments.com/blogs/metered-billing-accurate-billing)，请使用高精度计时封装模型执行过程。

```typescript
async function runModelWithMetering(
  customerId: string,
  modelId: string,
  hardware: HardwareTier,
  input: Record<string, unknown>,
) {
  const predictionId = `pred_${Date.now()}`;
  const startTime = performance.now();

  try {
    const result = await executeModel(modelId, input, hardware);
    const executionMs = performance.now() - startTime;
    const billedSeconds = Math.round(executionMs / 100) / 10;

    await trackPrediction(
      customerId,
      modelId,
      hardware,
      billedSeconds,
      predictionId,
    );

    return result;
  } catch (error) {
    // 即使失败，也要为已消耗的计算时间计费
    const executionMs = performance.now() - startTime;
    if (executionMs > 1000) {
      await trackPrediction(
        customerId,
        modelId,
        hardware,
        Math.round(executionMs / 100) / 10,
        predictionId,
      );
    }
    throw error;
  }
}
```

这种模式可以确保每次预测都被计量，包括那些已经消耗 GPU 时间但最终失败的预测。

### 为用户估算成本

由于纯按用量计费可能让人感觉难以预测，因此应在用户运行模型前显示成本估算。这可以减少意外账单，建立用户信任。

| 模型            | 硬件      | 平均耗时 | 预计成本 |
| :-------------- | :-------- | :------- | :------- |
| SDXL（图像）    | A100 80GB | ~8 秒    | ~$0.0112 |
| Llama 3（文本） | A100 80GB | ~3 秒    | ~$0.0042 |
| Whisper（音频） | T4 GPU    | ~15 秒   | ~$0.0034 |
| 视频生成        | H100      | ~45 秒   | ~$0.0686 |

如需了解更深入的实现流程，包括长时间运行任务的心跳计量、预留容量建模以及 Time Range Ingestion Blueprint，请参阅 Dodo 文档中的完整 [Replicate 计费拆解](https://docs.dodopayments.com/developer-resources/billing-deconstructions/replicate)。

## 这种模式适合你的平台吗

Replicate 的按秒硬件计费并不适合所有 AI 产品。它最适合以下情况。

**适合采用这种模式的情况：**

- 平台运行时长不固定的工作负载，执行时间难以预测
- 用户可以在不同计算资源之间进行选择（CPU 与 GPU 层级）
- 希望直接转嫁硬件成本，而不层层叠加利润
- 目标用户是了解基础设施定价的开发者
- 正在构建托管多个模型的模型市场或推理平台

**应考虑其他模式的情况：**

- 用户不具备技术背景，希望价格简单且可预测
- 工作负载足够统一，按请求计费会更简单
- 需要通过[订阅层级](https://dodopayments.com/blogs/subscription-model-best-practices)或预付额度系统建立强留存机制
- 平台只运行单个模型，抽象硬件无法带来额外价值

许多平台会组合使用不同方式----先通过纯按用量计费[实现 AI 推理变现](https://dodopayments.com/blogs/monetize-ai)，之后再为企业客户增加订阅层级。到了这个阶段，[订阅计费平台](https://dodopayments.com/blogs/subscription-billing-platforms)才开始真正发挥价值。Dodo Payments 在同一产品中同时支持[按用量计费](https://docs.dodopayments.com/features/usage-based-billing/introduction)和订阅计费，因此你可以调整定价，而无需[迁移计费系统](https://dodopayments.com/blogs/billing-system-migration-mistakes)。

如需了解 AI 公司设计计费模式的更多案例，请参阅我们对 [OpenAI](https://dodopayments.com/blogs/openai-billing-model)、[ElevenLabs](https://dodopayments.com/blogs/elevenlabs-billing-model)和 [Midjourney](https://dodopayments.com/blogs/midjourney-billing-model)的拆解。如需比较 AI 行业中的不同计费方式，请查看[AI 定价模式解析](https://dodopayments.com/blogs/ai-pricing-models)。

准备为自己的 AI 平台构建按用量计费了吗？[Dodo Payments](https://dodopayments.com) 负责计量、开具发票和[全球税务合规](https://dodopayments.com/blogs/how-to-avoid-global-tax-mistakes-solopreneur)，让你专注于模型本身。查看[定价](https://dodopayments.com/pricing)，或浏览[开发者文档](https://docs.dodopayments.com/developer-resources/billing-deconstructions/replicate)开始构建。

## 常见问题

### Replicate 收取月度订阅费吗？

不收取。Replicate 使用纯按用量计费模式，没有月费、最低消费或年度合同。你只需按照模型所运行硬件层级的每秒费率，为预测实际消耗的计算秒数付费。

### Replicate 的计费包括冷启动吗？

包括。当模型近期未被使用时，将其加载到 GPU 内存需要 10 到 30 秒，这段时间会按照与执行时间相同的每秒费率计费。只要模型保持热状态，后续请求就不会产生这项成本。

### Replicate 的价格与云服务商按小时收取 GPU 费用相比如何？

对于短时间推理任务，Replicate 的按秒计费明显更便宜。在 Replicate 上，一个耗时 8 秒的 A100 任务成本为 $0.0112。如果平台按分钟或小时计费，即使你只使用了其中一小部分时间，也需要支付完整的最低计费单位。

### 我可以为自己的 AI 平台构建类似 Replicate 的按秒计费吗？

可以。使用 Dodo Payments 的[按用量计费](https://docs.dodopayments.com/features/usage-based-billing/introduction)，你可以为每个硬件层级创建独立计量器，设置每秒费率，并在每次预测完成后写入用量事件。完整实现已记录在[Replicate 计费拆解](https://docs.dodopayments.com/developer-resources/billing-deconstructions/replicate)中。

### Replicate 的公共模型与私有模型计费有什么区别？

公共模型共享基础设施，你只需为主动处理时间和冷启动时间付费。私有模型运行在专用硬件上，实例在线的全部时间都需要付费，包括空闲时间。快速启动微调模型是一种混合方案：它使用共享基础设施，但只针对主动处理时间计费。

## 总结

Replicate 的计费模式，是基础设施诚实定价的极致体现。通过将成本直接绑定到硬件和时间，用户不会为未使用的计算资源多付费。代价是账单难以预测，而且没有内置留存机制----但对于面向开发者的基础设施平台来说，这些取舍是值得的。

如果你正在构建[AI 推理平台](https://dodopayments.com/blogs/monetize-fine-tuned-model-api)、[模型市场](https://dodopayments.com/blogs/best-payment-api-ai-agents)，或任何计算成本会随硬件和时长变化的产品，这就是值得研究的计费模式。结合 [Dodo Payments 的计量基础设施](https://dodopayments.com/blogs/best-billing-platform-usage-based-pricing)，无需从零构建计费系统，也能推出同样的模式。
---
- [More AI articles](https://dodopayments.com/blogs/category/ai)
- [All articles](https://dodopayments.com/blogs)