Replicate: jak działa, ile kosztuje i jak używać API?

Marcin Wójtowicz

Marcin WójtowiczWeb developer i specjalista SEOOpublikowano 16.11.2026

Replicate to platforma umożliwiająca uruchamianie modeli sztucznej inteligencji w chmurze bez własnej karty graficznej. Możesz generować obrazy, wideo, przetwarzać nagrania audio i korzystać z modeli językowych przez API. Za grafikę wygenerowaną modelem FLUX Schnell zapłacisz 0,003 USD, a korzystając z publicznych modeli rozliczanych za czas GPU, płacisz wyłącznie za aktywne obliczenia, bez kosztów zimnego startu kontenera12.

Dla właściciela strony na WordPressie oznacza to możliwość zautomatyzowania tworzenia miniaturek, transkrypcji podcastów czy przygotowywania materiałów multimedialnych. Replicate możesz połączyć z Make i n8n, a wyniki przekazywać do kolejnych etapów procesu bez ręcznego pobierania plików.

Nie oznacza to jednak, że każde zadanie wykonasz jednym żądaniem HTTP. Trzeba rozumieć sposób rozliczania modeli, ograniczenia API, obsługę webhooków i czas przechowywania wygenerowanych materiałów. W przeciwnym razie automatyzacja może działać podczas testów, a zawodzić przy dłuższych zadaniach.

Co to jest Replicate i jak działa?

Replicate powstało w 2019 roku. Platformę założyli Ben Firshman, twórca Fig, z którego wywodzi się Docker Compose, oraz Andreas Jansson, wcześniej starszy inżynier uczenia maszynowego w Spotify. W grudniu 2023 roku firma pozyskała 40 mln USD w rundzie finansowania prowadzonej przez Andreessen Horowitz, osiągając wycenę 350 mln USD.

Z perspektywy użytkownika istotniejsza od historii firmy jest architektura usługi. Zamiast przygotowywać własne środowisko obliczeniowe, wybierasz model, przekazujesz dane wejściowe i odbierasz wynik.

Replicate udostępnia zarówno modele rozliczane za wygenerowany rezultat, jak i modele działające na infrastrukturze GPU, w których opłata zależy od czasu obliczeń12.

Jak wygląda uruchamianie modeli open source w chmurze?

Modele możesz uruchamiać na akceleratorach Nvidia T4, L40S i A100. Różnią się one dostępną pamięcią VRAM oraz przepustowością pamięci34.

Przykładowo Nvidia T4 ma 16 GB VRAM, L40S oferuje 48 GB, natomiast A100 zapewnia 80 GB VRAM i przepustowość około 2 TB/s34.

Nie musisz jednak wybierać najdroższego GPU do każdego zadania. Przy generowaniu pojedynczej grafiki ważniejszy może być model z przewidywalną ceną za obraz. Przy wdrażaniu własnego modelu znaczenie zyskują wymagania pamięciowe i czas wykonywania predykcji.

Jeżeli chcesz lepiej zrozumieć różnicę między repozytorium modeli a usługą uruchamiającą je przez API, przeczytaj również czym jest Hugging Face i jak działają modele AI open source.

Ile kosztuje Replicate i od czego zależy rachunek?

Replicate wykorzystuje różne mechanizmy naliczania opłat. Możesz płacić za sekundę pracy sprzętu, wygenerowany obraz, sekundę gotowego wideo albo liczbę tokenów przetwarzanych przez model językowy125.

To rozróżnienie ma bezpośrednie znaczenie przy planowaniu budżetu. Cena wykonania zadania nie zawsze wynika z czasu, przez jaki czekasz na odpowiedź.

W publicznych modelach rozliczanych za obliczenia zimny start i bezczynność są bezpłatne. Naliczany jest aktywny czas predykcji, czyli predict_time1.

Ile kosztuje generowanie grafik i wideo AI?

Poniższa tabela porównuje modele o różnych sposobach rozliczania.

Model Zastosowanie Koszt
FLUX Schnell Generowanie grafiki 0,003 USD za obraz2
FLUX Dev Generowanie grafiki 0,025 USD za obraz
FLUX 1.1 Pro Generowanie grafiki 0,04 USD za obraz
SDXL Generowanie grafiki około 0,003-0,0043 USD za obraz
MiniMax H3 Lite Wideo 480p 0,025 USD za sekundę materiału5
MiniMax H3 Lite Wideo 768p 0,04 USD za sekundę materiału5
Stable Video Diffusion Generowanie klipu około 0,05-0,09 USD za klip

Dla bloga publikującego dużo treści szczególnie interesujący jest FLUX Schnell. Generowanie 1000 grafik kosztuje 3 USD. W FLUX Dev taka sama liczba obrazów kosztuje 25 USD, a w FLUX 1.1 Pro 40 USD2.

SDXL działa inaczej. Model korzysta z Nvidia L40S i jest rozliczany na podstawie rzeczywistego czasu generowania. Przy medianie wynoszącej 3-4 sekundy koszt obrazu mieści się w przybliżeniu między 0,003 a 0,0043 USD.

Nie porównuj więc samych stawek za GPU. Porównuj koszt rezultatu, którego rzeczywiście potrzebujesz. Szczególnie gdy przygotowujesz materiały seryjnie.

Czym różni się płatność za GPU od opłaty za tokeny?

W modelu sprzętowym Nvidia T4 kosztuje 0,000225 USD za sekundę, L40S 0,000975 USD, a A100 0,0014 USD1. H100 ma stawkę 0,001525 USD za sekundę1.

Przy modelach językowych możesz natomiast spotkać rozliczenie tokenowe.

Model meta/meta-llama-3-8b kosztuje 0,05 USD za milion tokenów wejściowych i 0,25 USD za milion tokenów wyjściowych. Dla meta/meta-llama-3-70b stawki wynoszą odpowiednio 0,65 USD i 2,75 USD.

Rozliczenie za tokeny pozwala powiązać budżet z objętością przetwarzanego tekstu. Rozliczenie GPU wymaga natomiast uwzględnienia czasu wykonywania zadania.

Pamiętaj również o systemie przedpłaconych kredytów Replicate. Doładowane środki zachowują ważność przez 12 miesięcy, a funkcja auto-reload pozwala automatycznie zasilać saldo po osiągnięciu wybranego progu.

Jak korzystać z Replicate API?

Replicate udostępnia REST API, w którym żądania autoryzujesz tokenem rozpoczynającym się od r8_. Token przekazujesz w nagłówku Authorization: Bearer <TOKEN>.

Samo wywołanie modelu to jednak tylko początek procesu. Trzeba jeszcze obsłużyć jego stan, odebrać rezultat i zdecydować, czy aplikacja będzie czekać na odpowiedź, czy kontynuować działanie.

Jak sprawdzić status generowania w Replicate?

Każda predykcja może znajdować się w jednym z sześciu stanów: starting, processing, succeeded, failed, canceled albo aborted.

Stan starting oznacza rozpoczynanie zadania, a processing jego wykonywanie. Pozostałe stany informują odpowiednio o powodzeniu, błędzie albo anulowaniu.

Jeśli wynik nie jest jeszcze gotowy, możesz sprawdzać status predykcji przez API. Trzeba jednak uwzględnić limity.

Standardowy limit tworzenia predykcji wynosi 600 żądań na minutę, natomiast dla pozostałych operacji API przewidziano 3000 żądań na minutę6. Konta niezweryfikowane, korzystające z promocyjnych kredytów bez dodanej karty, mają ograniczenie do maksymalnie 6 żądań na minutę6.

Po przekroczeniu limitu serwer zwraca HTTP 429 i informację o resecie okna limitu6.

Kiedy stosować Prefer: wait, a kiedy webhooki?

Nagłówek Prefer: wait pozwala utrzymać połączenie HTTP podczas oczekiwania na rezultat, maksymalnie przez 60 sekund. Zapis Prefer: wait=n umożliwia ustawienie czasu oczekiwania od 1 do 60 sekund7.

Jeżeli model nie zakończy pracy w wyznaczonym czasie, API może zwrócić status starting lub processing wraz z nagłówkiem Location, wskazującym miejsce sprawdzania wyniku7.

Przy długich zadaniach lepszym rozwiązaniem są webhooki. Zamiast stale odpytywać serwer, przekazujesz adres odbiorcy powiadomienia.

Replicate może wysyłać zdarzenia start, output, logs i completed za pomocą parametru webhook_events_filter7.

Dzięki temu automatyzacja nie musi utrzymywać otwartego połączenia przez cały czas wykonywania modelu.

Jak połączyć Replicate API z Make i n8n?

Replicate można wykorzystać jako silnik generowania treści w scenariuszach automatyzacji. Make i n8n odpowiadają wtedy za przekazanie danych, uruchomienie modelu oraz dalszą obsługę wyniku.

To przydatne nie tylko przy grafikach blogowych. Taką architekturę można rozważyć również w procesach tworzenia materiałów marketingowych, obok rozwiązań opisanych w artykule o automatyzacji link buildingu dla blogów podróżniczych przy pomocy sztucznej inteligencji.

Jak zintegrować Replicate API z Make?

Integracja w Make wykorzystuje moduł HTTP – Make a request albo aplikacje zewnętrzne dostępne w katalogu integracji.

Przy automatycznym generowaniu miniaturek WordPress proces może wyglądać następująco:

  1. Moduł WordPress pobiera tytuł nowego szkicu.
  2. Moduł HTTP wysyła prompt do modelu black-forest-labs/flux-schnell, wykorzystując nagłówek Prefer: wait=60.
  3. Make odczytuje adres wygenerowanej grafiki z odpowiedzi JSON i przekazuje plik do WordPress – Create a Media Item7.

W ten sposób tworzysz proces, który nie wymaga ręcznego pobierania obrazów.

Musisz jednak pamiętać o rozmiarach plików. Moduły HTTP w Make obsługują maksymalnie 5 MB w planie Free, 100 MB w Core i 250 MB w Pro.

Przy większych materiałach, szczególnie wideo, bezpośrednie pobieranie do bufora Make może stanowić ograniczenie.

Jak skonfigurować webhooki Replicate w n8n?

W n8n możesz wysyłać żądania za pomocą węzła HTTP Request, korzystając z uwierzytelniania Header Auth.

Do odbierania gotowych wyników służy węzeł Webhook, którego produkcyjny adres przekazujesz w żądaniu utworzenia predykcji.

Przy konfiguracji webhooków szczególnie istotne są trzy kwestie.

Replicate wykorzystuje standard Standard Webhooks i podpis HMAC-SHA256. Powiadomienia zawierają nagłówki webhook-id, webhook-timestamp i webhook-signature.

Weryfikacja podpisu polega na obliczeniu HMAC-SHA256 z identyfikatora, znacznika czasu i surowego ciała żądania. Zalecane jest również odrzucanie powiadomień starszych niż 300 sekund, aby ograniczyć ryzyko ponownego wykorzystania przechwyconej wiadomości.

Jeżeli potrzebujesz wyłącznie gotowego rezultatu, zastosuj filtr webhook_events_filter: [„completed”]7.

Pozwala to uprościć dalszą logikę przepływu.

Dlaczego pliki Replicate znikają po godzinie?

Pliki wynikowe udostępniane przez CDN replicate.delivery, w tym obrazy, nagrania i wideo, są automatycznie usuwane po 60 minutach od utworzenia.

To ograniczenie łatwo przeoczyć, szczególnie gdy scenariusz automatyzacji najpierw zapisuje adres pliku, a pobiera sam materiał dopiero później.

Adres wygenerowanego pliku nie powinien być traktowany jako trwałe miejsce przechowywania materiału.

Jak trwale zapisać wygenerowane zdjęcia i wideo?

Najprostsza zasada brzmi: odbierz wynik i przenieś go do własnego miejsca przechowywania w ramach tego samego procesu.

W przypadku WordPressa Make może przekazywać wygenerowaną grafikę bezpośrednio do biblioteki mediów przez WordPress – Create a Media Item.

Dla długich predykcji można wykorzystać osobne scenariusze Make. Pierwszy uruchamia generowanie, a drugi odbiera webhook i przekazuje wynik do Google Drive lub AWS S3.

Nie opieraj architektury na samym przechowywaniu tymczasowego adresu w arkuszu czy bazie danych. Zachowaj właściwy plik.

Przy rozbudowanych procesach publikacji możesz też porównać takie podejście z możliwościami opisanymi w artykule o platformie generatywnej sztucznej inteligencji AKOOL.

Jak transkrybować podcasty przez Replicate i Whisper?

Replicate udostępnia model openai/whisper, który pozwala przekształcać nagrania audio w tekst. Model działa na Nvidia T4, a średni koszt pojedynczego uruchomienia wynosi około 0,00099 USD8.

Dla porównania natywne API OpenAI ma wskazaną stawkę 0,006 USD za minutę pliku audio8. Nie są to jednak identyczne jednostki rozliczeniowe, dlatego porównanie konkretnego nagrania wymaga uwzględnienia jego długości i czasu przetwarzania.

Whisper zwraca nie tylko tekst transkrypcji, lecz także wykryty język oraz segmenty ze znacznikami czasu. Na tej podstawie n8n może przygotować napisy w formatach .srt i .vtt8.

Jak obsługiwać duże pliki audio w n8n?

Domyślnie n8n przechowuje dane binarne w pamięci RAM kontenera. Przy dużych plikach MP3 lub MP4 może to prowadzić do błędów Out-Of-Memory.

Rozwiązaniem jest zapis danych binarnych na dysku.

Zmienna N8N_DEFAULT_BINARY_DATA_MODE=filesystem przełącza sposób przechowywania, a N8N_BINARY_DATA_STORAGE_PATH wskazuje katalog plików. Takie ustawienie umożliwia stabilniejsze buforowanie nagrań przekraczających 100 MB.

Dla dłuższych transkrypcji praktycznym wyborem jest webhook odbierający zdarzenie completed, zamiast blokowania węzła HTTP podczas całego przetwarzania.

Co to jest Cog i jak wdrożyć własny model na Replicate?

Cog to narzędzie open source stworzone przez Replicate, udostępnione na licencji Apache 2.0. Służy do pakowania modeli AI w obrazy kontenerów Docker OCI, ograniczając problemy wynikające z konfliktów zależności CUDA i cuDNN.

To rozwiązanie dla osób, które nie chcą ograniczać się do gotowych modeli dostępnych na platformie.

Podstawę konfiguracji stanowi plik cog.yaml. Definiujesz w nim środowisko systemowe, akcelerację GPU, wersję Pythona oraz zależności instalowane przez APT i pip.

Logikę wykonywania modelu umieszczasz natomiast w predict.py.

Jak działają setup() i predict() w Cog?

Cog wykorzystuje klasę BasePredictor i metody setup() oraz predict().

Metoda setup() uruchamia się podczas startu kontenera i służy do załadowania wag modelu do pamięci VRAM. Metoda predict() jest wykonywana przy każdym żądaniu inferencji.

Rozdzielenie tych operacji pozwala uniknąć ponownego ładowania modelu przy każdej predykcji, dopóki kontener pozostaje aktywny.

Serwer inferencyjny Cog wykorzystuje Rust i framework Axum oraz automatycznie generuje specyfikację OpenAPI na podstawie wejść i wyjść modelu.

Dzięki temu własny model może zostać udostępniony przez interfejs HTTP bez ręcznego projektowania całej warstwy obsługi żądań.

Jak ustawić min_instances i uniknąć zimnego startu?

W Replicate Deployments parametr min_instances określa minimalną liczbę utrzymywanych instancji.

Ustawienie min_instances: 0 pozwala wyłączyć instancje przy braku ruchu, eliminując stałe koszty. Kolejne żądanie może jednak wymagać zimnego startu trwającego zazwyczaj od 30 do 180 sekund, zależnie od wielkości wag modelu.

Z kolei min_instances: 1 utrzymuje maszynę GPU w gotowości. Zimny start zostaje wyeliminowany, ale opłaty naliczane są przez całą dobę.

Jeżeli uruchamiasz model sporadycznie, redukcja do zera pozwala ograniczyć koszty. Przy aplikacji wymagającej szybkich odpowiedzi utrzymywanie gotowej instancji może być uzasadnione.

W praktyce decyzję podejmij na podstawie charakteru ruchu. Automatyczne generowanie grafik do szkiców WordPressa może tolerować oczekiwanie. Model obsługujący interaktywną funkcję strony powinien natomiast odpowiadać możliwie szybko.

Replicate daje możliwość zbudowania obu rozwiązań, ale to konfiguracja infrastruktury, sposób odbierania wyników i kontrola rozliczeń decydują, czy wdrożenie będzie wygodne w codziennej pracy.

Źródła

Zweryfikowano: listopad 2026

Dane, daty i wyniki badań sprawdziliśmy w dokumentacji i publikacjach źródłowych wymienionych poniżej.

  1. Pricing : ReplicateRaportReplicatereplicate.com
  2. FLUX.1 [schnell] | Text to ImageRaportReplicatereplicate.com
  3. NVIDIA T4 Tensor Core GPU for AI Inference | NVIDIA Data CenterRaportNvidianvidia.com
  4. L40S GPU for AI and Graphics Performance | NVIDIARaportNvidianvidia.com
  5. Generate videos with Minimax’s Hailuo video-01 modelRaportReplicatereplicate.com
  6. HTTP API – ReplicateRaportReplicatereplicate.com
  7. HTTP API – ReplicateRaportReplicatereplicate.com
  8. Whisper AI by Open AI – Run with an API on ReplicateRaportReplicatereplicate.com

Najczęściej zadawane pytania

Przez jaki czas wygenerowane pliki są dostępne na serwerach Replicate?

Materiały wynikowe udostępniane przez CDN replicate.delivery są automatycznie usuwane po 60 minutach od momentu utworzenia. Aby nie utracić wygenerowanych grafik lub nagrań, należy pobrać plik i zapisać go we własnym magazynie danych w ramach tego samego procesu.

Jakie stany może przyjmować zadanie predykcji w API?

Każda predykcja może znajdować się w jednym z sześciu stanów, którymi są starting, processing, succeeded, failed oraz canceled. Stan starting oznacza rozpoczęcie zadania, natomiast processing wskazuje na jego aktywne wykonywanie.

Jaki jest koszt wygenerowania obrazu za pomocą modelu FLUX Schnell?

Pojedyncza grafika stworzona modelem FLUX Schnell kosztuje 0,003 USD. Wygenerowanie pakietu 1000 grafik przy użyciu tego modelu oznacza wydatek na poziomie 3 USD.

Jak długo zachowują ważność doładowane środki w Replicate?

Doładowane środki w systemie przedpłaconych kredytów zachowują ważność przez 12 miesięcy od momentu zasilenia konta. Użytkownik ma także możliwość włączenia automatycznego odnawiania salda po osiągnięciu określonego progu.

Jakie są standardowe limity zapytań w Replicate API?

Standardowy limit tworzenia nowych predykcji wynosi 600 żądań na minutę, a dla pozostałych operacji przewidziano pułap 3000 zapytań na minutę. Konta niezweryfikowane bez dodanej karty płatniczej posiadają ograniczenie zredukowane do 6 żądań na minutę.

Facebook
Twitter
LinkedIn
Pinterest

Najnowsze Wpisy

Śledź nas