Changelog

Jede Änderung am Katalog, an der Schnittstelle und an den Abrechnungsregeln, neueste zuerst. Wer sich in einer Integration darauf verlässt, sollte den Feed abonnieren.

1. 2026.10.14.1

   Neu2026-10-14

   Wan 2.6 Flash kann jetzt Personen aus Fotos und Clips besetzen

   Wan 2.6 Flash, die schnellere und günstigere Stufe von Alibabas Wan 2.6, hat jetzt einen zweiten Endpunkt auf SpicyAPI: Referenz zu Video.

   • Wan 2.6 Flash, Referenz zu Video (alibaba/wan-2.6-flash/reference-to-video): bis zu fünf Referenzen, davon höchstens drei kurze Clips und der Rest Standbilder, oder nur Standbilder. Benennen Sie sie im Prompt als character1, character2 und so weiter, und das Modell besetzt sie in einer neuen Szene von 2 bis 10 Sekunden in 720p oder 1080p, in fünf Seitenverhältnissen.
   • Ton ist ein Schalter. generate_audio ist standardmäßig aus; schalten Sie es ein, kommt der Clip mit generierten Stimmen, Effekten und Atmosphäre zurück, zum doppelten Sekundenpreis.
   • Standbilder sind kostenlos. Referenzclips fügen ihre Sekunden zur Rechnung hinzu, insgesamt bis zu fünf Sekunden.

   Vor dem Endpunkt sitzt kein Inhaltsfilter, und die Prompt-Erweiterung ist standardmäßig aus, damit Ihr Prompt das Modell wie geschrieben erreicht. Keine einzige unserer Testanfragen wurde abgelehnt.

   Modell	Endpunkt	Preis
   Wan 2.6 Flash	Referenz zu Video, stumm	$0.0225 pro Sekunde in 720p, $0.03375 in 1080p
   Wan 2.6 Flash	Referenz zu Video, mit Ton	$0.045 pro Sekunde in 720p, $0.0675 in 1080p

   Abrechenbare Sekunden sind die Ausgabelänge plus die Referenzclips, jeweils auf ganze Sekunden aufgerundet, wobei die Clips mit höchstens fünf Sekunden insgesamt zählen.

2. 2026.10.14

   Neu2026-10-14

   Qwen Image 2.1 Pro ist live, Turbo wird günstiger, und Wan 2.6 Flash kann Ton hinzufügen

   Qwen Image 2.1 Pro, die gehostete Pro-Stufe von Alibabas Qwen Image 2.1, lässt sich ab sofort über SpicyAPI aufrufen, und zwei Modelle, die bereits im Katalog sind, ändern sich heute.

   • Qwen Image 2.1 Pro, Text zu Bild (alibaba/qwen-image-2.1-pro/text-to-image): ein bis sechs Bilder pro Anfrage in fünfzehn Seitenverhältnissen bei 1k, 1.5k oder 2k. Unsere Anfragen dauerten 14 bis 43 Sekunden.
   • Qwen Image 2.1 Pro, Bildbearbeitung (alibaba/qwen-image-2.1-pro/edit): ein bis zehn Referenzbilder und eine Anweisung in normaler Sprache. Lassen Sie das Seitenverhältnis weg, behält das Ergebnis die Form Ihres Ausgangsbilds bei etwa 2K bei.
   • Qwen Image 2.1 Turbo kostet jetzt auf beiden Endpunkten $0.0144 pro Bild, vorher $0.0192.
   • Wan 2.6 Flash Bild zu Video hat einen neuen Schalter generate_audio. Aus, der Standard, bleibt der Clip stumm, zum selben Sekundenpreis wie bisher; an, kommt er mit generierter Tonspur zurück, zum doppelten Preis.

   Vor Qwen Image 2.1 Pro sitzt kein Inhaltsfilter, und die Prompt-Erweiterung ist standardmäßig aus, damit Ihr Prompt das Modell wie geschrieben erreicht. Keine einzige unserer Testanfragen wurde abgelehnt.

   Modell	Endpunkt	Preis
   Qwen Image 2.1 Pro	Text zu Bild, Bildbearbeitung	$0.036 pro Bild
   Qwen Image 2.1 Turbo	Text zu Bild, Bildbearbeitung	$0.0144 pro Bild (vorher $0.0192)
   Wan 2.6 Flash	Bild zu Video, stumm	$0.0225 pro Sekunde in 720p, $0.03375 in 1080p (unverändert)
   Wan 2.6 Flash	Bild zu Video, mit Ton	$0.045 pro Sekunde in 720p, $0.0675 in 1080p

   Bei beiden Qwen-Modellen kosten alle Auflösungsstufen gleich viel, jedes zurückgegebene Bild wird berechnet, und die Anzahl der Referenzbilder ändert den Preis nicht.

3. 2026.10.13

   Neu2026-10-13

   Video Extend ist da: Setzen Sie jeden vorhandenen Clip fort, bei 31 Videomodell-Familien

   Sie können jetzt ein Video fortsetzen, das Sie bereits haben. Laden Sie einen Clip hoch, beschreiben Sie, was als Nächstes passiert, und SpicyAPI erzeugt ab dem letzten Bild Ihres Clips einen neuen Abschnitt und fügt beide zu einem MP4 zusammen. Das funktioniert bei 31 Videomodell-Familien, per API und auf der Website.

   • So geht es. Senden Sie Ihren Clip als video_url (MP4, MOV oder WebM, bis zu 60 Sekunden) und einen kurzen Prompt, was als Nächstes geschieht. Bei den meisten Modellen ist der Prompt optional. Sie erhalten das zusammengefügte MP4 und zusätzlich den neuen Abschnitt einzeln. Das zusammengefügte Ergebnis können Sie beliebig oft erneut fortsetzen.
   • Optionales Endbild. Einige Modelle akzeptieren last_image_url, ein Bild, mit dem der neue Abschnitt enden soll. Seedance 2.5 nutzt bis zu die letzten 30 Sekunden Ihres Clips als Referenz, sodass der neue Abschnitt die Bewegung genauer aufgreift.
   • Preis. Sie zahlen nur für den neuen Abschnitt, zum Bild-zu-Video-Preis des jeweiligen Modells. Ihr Original-Clip wird nicht berechnet. Bei Seedance 2.5 werden zusätzlich die als Referenz gelesenen Sekunden berechnet, zum selben Preis wie bei Referenz-zu-Video. Schlägt das Zusammenfügen fehl, wird der gesamte Auftrag erstattet.
   • Sauberer Übergang. Farbe, Helligkeit und Lautstärke des neuen Abschnitts werden automatisch an Ihren Clip angeglichen, die Bildrate folgt Ihrem Clip. Es werden keine schwarzen Balken hinzugefügt. Damit der Übergang passt, kann das Bild an den Rändern um wenige Prozent beschnitten oder angepasst werden.
   • Auf der Website. In Playground, Studio, Assets, im Aufgabenverlauf der Konsole und im Kurzfilm-Editor hat jedes Videoergebnis einen Extend-Button. Ihr Clip ist bereits eingetragen, dasselbe Modell ist gewählt, und der Preis steht direkt neben dem Button.
   • 4K-HDR-Clips. Smartphone-Aufnahmen in 4K HDR haben eine Längenbegrenzung: etwa 15 Sekunden bei 60 fps und etwa 40 Sekunden bei 30 fps. 1080p-HDR ist nicht betroffen.

   FLUX 3 und Wan 2.2 Spicy LoRA hatten bereits eine eigene Fortsetzungsfunktion und behalten sie. Neu sind die video-extend-Modelle der folgenden Familien.

   Modell	API-Name
   LTX 2.3 Spicy	lightricks/ltx-2.3-spicy/video-extend
   LTX 2.3 Spicy LoRA	lightricks/ltx-2.3-spicy-lora/video-extend
   LTX-2 19B	lightricks/ltx-2-19b/video-extend
   MiniMax H3	minimax/h3/video-extend
   MiniMax H3 LoRA	minimax/h3-lora/video-extend
   MiniMax H3 Max	minimax/h3-max/video-extend
   MiniMax H3 Singularity LoRA	minimax/h3-singularity-lora/video-extend
   MiniMax H3 Spicy	minimax/h3-spicy/video-extend
   Seedance 1.5 Pro	bytedance/seedance-1.5-pro/video-extend
   Seedance 1.5 Pro Spicy	bytedance/seedance-1.5-pro-spicy/video-extend
   Seedance 2.0	bytedance/seedance-2.0/video-extend
   Seedance 2.0 Fast	bytedance/seedance-2.0-fast/video-extend
   Seedance 2.0 Fast Spicy	bytedance/seedance-2.0-fast-spicy/video-extend
   Seedance 2.0 Mini	bytedance/seedance-2.0-mini/video-extend
   Seedance 2.0 Mini Spicy	bytedance/seedance-2.0-mini-spicy/video-extend
   Seedance 2.0 Spicy	bytedance/seedance-2.0-spicy/video-extend
   Seedance 2.5	bytedance/seedance-2.5/video-extend
   Seedance 2.5 Spicy	bytedance/seedance-2.5-spicy/video-extend
   Vidu Q3 Spicy	vidu/q3-spicy/video-extend
   Vidu Q3 Turbo	vidu/q3-turbo/video-extend
   Vidu Q4 Preview	vidu/q4-preview/video-extend
   Wan 2.2 LoRA	alibaba/wan-2.2-lora/video-extend
   Wan 2.2 Spicy	alibaba/wan-2.2-spicy/video-extend
   Wan 2.5	alibaba/wan-2.5/video-extend
   Wan 2.7 Spicy	alibaba/wan-2.7-spicy/video-extend
   Wan 3.0	alibaba/wan-3.0/video-extend
   Wan 3.0 Prime	alibaba/wan-3.0-prime/video-extend
   Wan 3.0 Prime Spicy	alibaba/wan-3.0-prime-spicy/video-extend
   Wan 3.0 Pro	alibaba/wan-3.0-pro/video-extend
   Wan 3.0 Pro Prime	alibaba/wan-3.0-pro-prime/video-extend
   Wan 3.0 Spicy	alibaba/wan-3.0-spicy/video-extend

4. 2026.10.13.1

   Neu2026-10-13

   Qwen Image 2.1 Turbo ist live: unzensierte Text-zu-Bild-Generierung und Bildbearbeitung in 8 Schritten

   Qwen Image 2.1 Turbo, der 8-Schritte-Checkpoint von Qwen Image 2.1, den das Qwen-Team von Alibaba am 9. Oktober 2026 mit offenen Gewichten veröffentlicht hat, lässt sich ab sofort über SpicyAPI aufrufen. Die Seite, die ihn bisher als „bald verfügbar“ angekündigt hat, führt ihn jetzt aus.

   • Text zu Bild (alibaba/qwen-image-2.1-turbo/text-to-image): ein bis sechs Bilder pro Anfrage in fünfzehn Seitenverhältnissen bei 1k, 1.5k oder 2k. Unsere Anfragen dauerten 13 bis 39 Sekunden.
   • Bildbearbeitung (alibaba/qwen-image-2.1-turbo/edit): ein bis zehn Referenzbilder und eine Anweisung in normaler Sprache. Lassen Sie das Seitenverhältnis weg, behält das Ergebnis die Form Ihres Ausgangsbilds bei etwa 2K bei.

   Vor beiden Endpunkten sitzt kein Inhaltsfilter. Die Prompt-Erweiterung ist standardmäßig aus: Ist sie an, entschärft das Umschreiben durch Alibaba Prompts für Erwachsene, und in unseren Tests kam eine Bearbeitung, die ein bekleidetes Porträt „mehr zeigen“ lassen sollte, unverändert zurück.

   Endpunkt	Pro Bild
   Text zu Bild	$0.0192
   Bildbearbeitung	$0.0192

   Alle Auflösungsstufen kosten gleich viel, jedes zurückgegebene Bild wird berechnet, und die Anzahl der Referenzbilder ändert den Preis nicht.

5. 2026.10.12.1

   Neu2026-10-12

   Assets bekommt Ordner, Favoriten und Figuren sowie eine eigene Seite

   Ihre Assets-Bibliothek hat jetzt eine eigene Seite: spicyapi.ai/assets. Es ist dieselbe Bibliothek, die Sie auch in Studio sehen. Alles, was Sie behalten möchten, liegt dort: gespeicherte Ergebnisse, Uploads und Figuren.

   • Ordner. Fassen Sie Zusammengehöriges zusammen. Ziehen Sie Elemente auf einen Ordner in der Seitenleiste oder nutzen Sie Zu Ordner hinzufügen.
   • Favoriten. Tippen Sie auf das Herz bei allem, was Sie oft brauchen.
   • Figuren. Legen Sie ein paar Fotos derselben Person zusammen, geben Sie ihr einen Namen und schreiben Sie in Ihrem Prompt @ und diesen Namen. Figuren, die Sie schon in Studio angelegt haben, sind automatisch umgezogen, Sie müssen nichts neu machen. Sie haben kein eigenes Limit mehr und zählen wie alles andere zu Ihrem Speicher in der Bibliothek.
   • Damit erstellen. Jedes Element und jede Figur führt direkt weiter: in Studio mit eingesetzter Referenz, auf eine Modellseite mit ausgefülltem Referenzfeld oder als API-Code zum Kopieren.

   Für Entwickler: GET /api/v1/assets filtert jetzt nach Favoriten und Ordner und sortiert nach Datum, Name oder Größe. Figuren lassen sich über GET /api/v1/assets/entities abrufen. Bisherige spicy://p/-Verweise funktionieren weiter. Details finden Sie in der Dokumentation: Asset-Bibliothek.

6. 2026.10.12

   Neu2026-10-12

   Assets: Figuren und Referenzen in einer Bibliothek, im Team teilbar und per API nutzbar

   Bilder, Videos und Audiodateien, die Sie immer wieder brauchen – etwa Referenzfotos einer Figur –, können Sie jetzt in Assets ablegen und als spicy://a/<id> in jede Anfrage einsetzen. Dieselbe Bibliothek funktioniert im Playground, in Studio und über die API.

   • Von überall speichern. Setzen Sie ein Lesezeichen auf ein Ergebnis, laden Sie Dateien hoch oder speichern Sie per API mit POST /api/v1/assets (aus einer abgeschlossenen Aufgabe, einem Upload oder einem öffentlichen Link). Mit der Auto-Speicherung in Assets bleibt alles erhalten, was Sie auf der Website erzeugen.
   • Privat von Grund auf. Assets bleiben, bis Sie sie löschen. Vorschauen sind kurzlebige Links, die nur für Sie signiert sind; kein Element der Bibliothek erhält eine öffentliche URL.
   • Team-Bibliotheken. Jeder Team-Workspace hat seine eigene gemeinsame Bibliothek. Die API-Schlüssel des Teams lesen und speichern dort, und die Rollen bestimmen, wer hinzufügen oder löschen darf.

   Aufladungen gesamt	Speicher	Elemente
   10 $	500 MB	200
   100 $	1 GB	400
   250 $	2 GB	800
   1.000 $	10 GB	4.000

   Außerdem neu:

   • Referenzen direkt im Prompt ansprechen. Mit @ fügen Sie ein Referenzbild, -video, einen Audioclip oder ein benanntes Element ein – so geschrieben, wie das jeweilige Modell es erwartet. In Seedream 5.0 können Sie auf einem Referenzbild einen Punkt oder einen Rahmen markieren, und bei Inpainting-Endpunkten zeichnen Sie die Maske direkt im Formular.
   • MiniMax H3 Reference-to-Video nimmt jetzt bis zu 3 Referenzvideos (insgesamt 15 Sekunden) und bis zu 3 Audioclips entgegen. Die Sekunden der Referenzvideos haben jetzt einen eigenen, niedrigeren Tarif (0,0231 $ pro Sekunde bei 768p, 0,0378 $ bei 2K), die ersten fünf Referenzbilder bleiben kostenlos, ab dem sechsten kostet jedes Bild 0,014 $.
   • Studio öffnet schneller, listet Videos zuerst und nimmt neben Ihren Fotos auch Referenzvideos und Audio entgegen.

   Die API-Details finden Sie in der Dokumentation: Asset library

7. 2026.10.10

   Neu2026-10-10

   18 neue LoRA-Modellfamilien sind live: FLUX.2, FLUX.1, Krea 2, Qwen Image, Wan und LTX-2.3

   Heute sind achtzehn LoRA-fähige Modellfamilien in den Katalog gekommen, insgesamt 33 Endpunkte. Jede lädt Ihre eigenen LoRA-Dateien per Direktlink ohne Aufpreis (bei den meisten bis zu drei pro Anfrage, bei P-Image eine), und es gibt kein Content-Filter der Plattform.

   Familie	Endpunkte	Preis
   FLUX.2 Dev LoRA	Text zu Bild, Bildbearbeitung	$0.0216 / $0.036 pro Bild
   FLUX.2 Klein 9B LoRA	Text zu Bild, Bildbearbeitung	$0.018 / $0.0252 pro Bild
   FLUX.2 Klein Base 9B LoRA	Text zu Bild, Bildbearbeitung	$0.024 / $0.0312 pro Bild
   FLUX.2 Klein 4B LoRA	Text zu Bild, Bildbearbeitung	$0.0156 / $0.0204 pro Bild
   FLUX.2 Klein Base 4B LoRA	Text zu Bild, Bildbearbeitung	$0.018 / $0.024 pro Bild
   FLUX.1 Krea Dev LoRA	Text zu Bild, Bildbearbeitung	$0.024 pro Bild
   FLUX.1 Schnell LoRA	Text zu Bild, Bildbearbeitung	$0.006 pro Bild
   FLUX.1 Fill Dev LoRA	Bildbearbeitung innerhalb einer Maske	$0.042 pro Bild
   FLUX.1 Dev ControlNet LoRA	Text zu Bild, gesteuert durch ein Kontrollbild	$0.036 pro Bild
   Krea 2 Turbo LoRA	Text zu Bild, Bildbearbeitung	$0.0216 bei 1k, $0.036 bei 2k pro Bild
   P-Image LoRA	Text zu Bild, Bildbearbeitung	$0.006 / $0.012 pro Bild
   Qwen Image 1.0 LoRA	Text zu Bild, Bildbearbeitung	$0.03 pro Bild
   Qwen Image Edit 2509 LoRA	Bildbearbeitung mit bis zu drei Quellbildern	$0.03 pro Bild
   Wan 2.1 Image LoRA	Text zu Bild, Bildbearbeitung	$0.03 pro Bild
   Wan 2.2 Image LoRA	Text zu Bild	$0.03 pro Bild
   Wan 2.1 LoRA	Text zu Video, Bild zu Video, Video zu Video	$0.24 bis $0.54 pro Clip (5 oder 10 Sekunden, 480p oder 720p)
   Wan 2.2 5B LoRA	Text zu Video, Bild zu Video	$0.12 pro 5-Sekunden-Clip in 720p
   LTX-2.3 LoRA	Text zu Video, Bild zu Video, mit Ton	$0.06 pro Clip plus $0.024 bis $0.048 pro Sekunde

   Bevor Sie ein LoRA einbinden:

   • Passende Basis wählen. Ein LoRA funktioniert nur auf dem Basismodell, für das es trainiert wurde. Eines für eine andere Basis lädt meist ohne Fehler und ändert nichts, prüfen Sie daher zuerst die Model Card. Jede Modellseite listet, was wir getestet haben.
   • Direktlink zur Gewichtsdatei verwenden. Ein Link auf eine Repository-Seite oder auf eine Datei, die ein Login braucht, schlägt mit einer klaren Fehlermeldung fehl und wird nicht berechnet.
   • Mit scale 1 starten. Stärken deutlich über 1 verschlechtern das Bild schnell.

   Öffnen Sie eine der neuen Familien unter Modelle für getestete Ergebnisse, Beispiel-Prompts und die vollständige Preistabelle.

8. 2026.10.09

   Geändert2026-10-09

   Vidu Q4 Preview kostet jetzt so viel wie Vidus eigener Listenpreis

   Ab dem 9. Oktober 2026 kosten beide Vidu-Q4-Preview-Endpunkte rund 17 % weniger, mit denselben Sekundenpreisen wie Vidus eigener Listenpreis.

   Auflösung	Vorher	Jetzt
   540p	$0.054	$0.045
   720p	$0.114	$0.095
   1080p	$0.144	$0.12
   2k	$0.228	$0.19
   4k	$0.468	$0.39

   Die Preise gelten je Ausgabesekunde, für vidu/q4-preview/image-to-video und vidu/q4-preview/reference-to-video.

   • Sie müssen nichts ändern. Anfragen, Auflösungen und Längen bleiben gleich, und sowohl die Schätzung vor dem Absenden als auch die Abrechnung danach nutzen die neuen Preise. Ton an oder aus und die Anzahl der Referenzen ändern den Preis weiterhin nicht.
   • Vidu hat Bild-zu-Video am selben Tag verschärft. Eine Anfrage für eine intime Szene zwischen zwei Erwachsenen, die am 8. Oktober noch angedeutet zurückkam, wird jetzt abgelehnt; abgelehnte Anfragen werden nicht berechnet. freizügige Szenen und einvernehmliche Fesselung kamen in unserem erneuten Test weiterhin durch.

9. 2026.10.08.1

   Neu2026-10-08

   Vidu Q4 Preview: Bild-zu-Video und Referenz-zu-Video mit Ton und gesprochenen Zeilen

   Vidu hat am 7. Oktober 2026 Vidu Q4 Preview veröffentlicht, eine öffentliche Vorschau seines Q4-Videomodells. Beide Endpunkte erzeugen Clips von 3 bis 16 Sekunden in 540p, 720p, 1080p, 2k oder 4k, wobei Dialog, Effekte und Atmosphäre gleich zum Bild mitgeneriert werden; eine im Prompt in doppelte Anführungszeichen gesetzte Zeile wird gesprochen.

   • Bild-zu-Video (vidu/q4-preview/image-to-video): animiert ein einzelnes Startbild und behält dessen Form bei. In unseren Inhaltstests wurde nie abgelehnt: freizügige Szenen und Fesselung kamen durch, die explizitesten Inhalte blieben außerhalb des Bildes, und eine intime Szene zwischen zwei Erwachsenen wurde nur angedeutet.
   • Referenz-zu-Video (vidu/q4-preview/reference-to-video): baut aus 1 bis 15 Referenzbildern von Personen, Outfits, Produkten oder Orten plus bis zu 3 Stimmclips eine Szene auf, in 16:9, 9:16, 1:1, 3:4 oder 4:3. die explizitesten Szenen werden abgelehnt, abgelehnte Anfragen werden nicht berechnet.

   Clips in 2k und 4k kommen als 10-Bit-HEVC-Dateien zurück, die manche Browser nicht inline abspielen können.

   Auflösung	Pro Sekunde
   540p	$0.054
   720p	$0.114
   1080p	$0.144
   2k	$0.228
   4k	$0.468

   Ton an oder aus und die Anzahl der Referenzen ändern den Preis nicht.

10. 2026.10.08.1

    Neu2026-10-08

    Claude Haiku 5.5: Anthropics schnellstes Claude zum Listenpreis

    • Claude Haiku 5.5 ist da. Anthropics neuestes Haiku, veröffentlicht am 7. Oktober und das schnellste Modell in Anthropics aktueller Reihe, auf einem einzigen OpenAI-kompatiblen Endpunkt: Text und Bilder als Eingabe, 1.000.000 Token Fenster und bis zu 128.000 Token Ausgabe. Antworten lassen sich per SSE streamen, fehlgeschlagene Anfragen werden nicht berechnet.
    • 20 von 24 Inhaltstests vollständig geschrieben. Zwei kamen abgeschwächt zurück, zwei wurden abgelehnt, beide eine explizite Figurenstudie Körperteil für Körperteil. Acht von neun Anfragen nach einer intimen Szene zwischen Erwachsenen wurden durchgeschrieben.
    • Tool-Aufrufe, die sich erzwingen lassen. tool_choice akzeptiert auto, none, required oder ein benanntes Tool, und parallel_tool_calls: false beschränkt jeden Zug auf einen Aufruf. Es gibt kein reasoning_effort, stop oder temperature, und max_tokens kürzt die Antwort nicht – nennen Sie die Länge also im Prompt.
    • Anthropics Listenpreis. 0,10 $ je Million Eingabe-Tokens und 0,50 $ Ausgabe bei Prompts bis 100.000 Token, darüber 0,50 $ und 2,50 $. Cache-Treffer kosten 0,10 $ je Million Token, Cache-Schreibvorgänge den Eingabepreis.

11. 2026.10.07.1

    Neu2026-10-07

    Nano Banana 2.1: das neueste Bildmodell von Google, mit Text-zu-Bild und Bearbeitung

    Google hat Nano Banana 2.1 am 6. Oktober 2026 als Update von Nano Banana 2 (Gemini 3.1 Flash Image) veröffentlicht, mit besserer Bildqualität, genauerer Befolgung des Prompts, konsistenteren Figuren über mehrere Bearbeitungen hinweg, besserer Textdarstellung und ohne Kachelnähte bei breiten Bannern in 2K und 4K.

    • Text-zu-Bild (google/nano-banana-2.1/text-to-image): 1K, 2K oder 4K in vierzehn Formaten von 1:8 bis 8:1, Ausgabe als PNG oder JPEG, wahlweise mit Websuche und Bildersuche.
    • Bearbeiten (google/nano-banana-2.1/edit): ein bis vierzehn Quellbilder; auto übernimmt das Format des Quellbilds.

    Es gelten die Inhaltsrichtlinien von Google: Anzügliche Mode wird umgesetzt, besonders explizite Anfragen werden bei Text-zu-Bild abgeschwächt und beim Bearbeiten abgelehnt (abgelehnte Bearbeitungen werden nicht berechnet).

    Größenstufe	Pro Bild
    1k	$0.048
    2k	$0.072
    4k	$0.162

    Beim Bearbeiten kommen $0.0024 je Quellbild hinzu; Websuche und Bildersuche kosten bei Aktivierung jeweils $0.0168 extra.

12. 2026.10.05.1

    Neu2026-10-05

    Video-Editor in Spicy Studio: im Browser schneiden, untertiteln und exportieren

    • Der Video-Editor ist da. Im Spicy Studio öffnen: Legen Sie Ihre erstellten Clips auf eine Timeline, kürzen, teilen und ordnen Sie sie neu, fügen Sie Untertitel und Musik hinzu und exportieren Sie ein fertiges Video. Er läuft in Ihrem Browser, und Bearbeiten und Exportieren kosten nichts.
    • Starten Sie mit jedem Video-Ergebnis. Jedes Video-Ergebnis hat die Aktion Video-Editor – in Studio und neben Video-Ergebnissen auf den Modellseiten –, die den Editor mit dem Clip auf der Timeline öffnet. Sie können außerdem Videos, Fotos und Audiodateien von diesem Gerät oder aus Ihren Assets hinzufügen.
    • Untertitel, Sticker und Mosaike. Text in 12 Stilen und 11 Schriften, Untertitel, die Sie per Ziehen auf der Timeline platzieren, Sticker, Ihr eigenes Logo oder Wasserzeichen und ein Mosaik (Verpixeln, Weichzeichnen oder Schwarzer Balken) über einem Teil des Bildes. Bewegung folgen hält ein Mosaik oder einen Text an einem bewegten Motiv.
    • Stile, Filter und Übergänge. Ein Stil legt Filter, Effekt und Übergang mit einem Tipp fest – 14 stehen zur Auswahl – oder Sie wählen jedes einzeln, mit einem eigenen Übergang für jeden Schnitt.
    • Ihre Dateien bleiben auf Ihrem Gerät. Videos, Fotos und Audiodateien, die Sie von diesem Gerät hinzufügen, werden nie hochgeladen; sie werden in diesem Browser gespeichert, sodass ein Neuladen Ihre Bearbeitung nicht verliert.
    • Export. Quer, hochkant oder quadratisch, bis zu 1080p und bis zu 10 Minuten, als MP4, wo der Browser es aufzeichnen kann, sonst als WebM.

13. 2026.10.05.3

    Neu2026-10-05

    Sieben neue unzensierte Modellfamilien: Pony XL LoRA, Z-Image Base LoRA, Neta Lumina, Jib Mix Qwen, HunyuanVideo 1.5 und LTX-2 19B

    Sieben neue Familien erweitern den Katalog, alle unzensiert, dazu kommt ein Text-zu-Video-Endpunkt für Wan 2.2 LoRA.

    • Prefect Pony XL LoRA (prefect/pony-xl-lora/text-to-image): der Anime-Checkpoint Pony XL mit bis zu drei eigenen Pony-LoRAs pro Anfrage.
    • Z-Image Base LoRA (alibaba/z-image-base-lora/text-to-image, /edit): die nicht destillierte Z-Image-Basis, auf der die meisten Community-LoRAs für Z-Image trainiert sind, mit Bild-zu-Bild und einem Stärkeregler.
    • Neta Lumina (neta-art/neta-lumina/text-to-image): das Anime-Modell von Neta.art, ansteuerbar mit Tags im Danbooru-Stil oder mit Sätzen.
    • Jib Mix Qwen und Jib Mix Qwen LoRA (j1b/jib-mix-qwen-image/text-to-image, j1b/jib-mix-qwen-image-lora/text-to-image): ein fotorealistisches Qwen-Image-Fine-Tuning für natürliche Porträts, mit oder ohne eigene LoRAs.
    • HunyuanVideo 1.5 (tencent/hunyuan-video-1.5/text-to-video, /image-to-video): das offene Videomodell von Tencent, 5 oder 8 Sekunden in 480p oder 720p.
    • LTX-2 19B und LTX-2 19B LoRA (lightricks/ltx-2-19b/..., lightricks/ltx-2-19b-lora/...): das Videomodell von Lightricks mit Tonspur in jedem Clip, 5 bis 20 Sekunden bei bis zu 1080p, in der LoRA-Variante zusätzlich mit Kamera- oder Stil-LoRAs.
    • Wan 2.2 LoRA Text-zu-Video (alibaba/wan-2.2-lora/text-to-video): Wan 2.2 mit Ihren eigenen High-Noise- und Low-Noise-LoRAs, jetzt nicht nur aus einem Bild, sondern auch aus einem Prompt.

    Ein LoRA ist ein direkter Link zu einer .safetensors-Datei, die für das jeweilige Basismodell trainiert wurde; das Laden von LoRAs kostet nichts extra.

    Familie	Preis
    Prefect Pony XL LoRA	$0.024 / Bild
    Z-Image Base LoRA	$0.0144 / Bild
    Neta Lumina	$0.012 / Bild
    Jib Mix Qwen	$0.024 / Bild
    Jib Mix Qwen LoRA	$0.03 / Bild
    HunyuanVideo 1.5	$0.024 / s bei 480p, $0.048 / s bei 720p
    LTX-2 19B	$0.0144 / s bei 480p, $0.0192 / s bei 720p, $0.0288 / s bei 1080p
    LTX-2 19B LoRA	$0.018 / s bei 480p, $0.024 / s bei 720p, $0.036 / s bei 1080p
    Wan 2.2 LoRA Text-zu-Video	$0.048 / s bei 480p, $0.084 / s bei 720p

14. 2026.10.05.2

    Neu2026-10-05

    Anima Turbo und Anima Turbo LoRA: ein unzensiertes Anime-Bildmodell mit Ihren eigenen LoRAs

    Zwei neue Bild-Familien laufen auf Anima Turbo, der schnellen 8-bis-12-Schritte-Variante des Anime-Modells von CircleStone Labs mit 2 Milliarden Parametern. Sie können es mit Tags im Danbooru-Stil, mit normalen Sätzen oder mit beidem ansteuern.

    • Anima Turbo (circlestone-labs/anima-turbo/text-to-image, /edit): Anime-Illustrationen in fünfzehn Seitenverhältnissen und zwei Auflösungsstufen, meist unter zehn Sekunden pro Bild, dazu Bild-zu-Bild, das Fotos mit einem Stärkeregler in Anime verwandelt.
    • Anima Turbo LoRA (circlestone-labs/anima-turbo-lora/text-to-image, /edit): dasselbe Modell mit bis zu drei eigenen LoRA-Dateien pro Anfrage, jede mit eigener Stärke, für Retro-Spiel-Looks, Manga-Tusche, Charaktere und Stile für Erwachsene.

    Ein LoRA ist ein direkter Link zu einer .safetensors-Datei: kein Upload, keine Allowlist, keine Prüfung. Alle vier Endpunkte sind unzensiert, Bild-zu-Bild kostet genauso viel wie Text-zu-Bild, und das Laden von LoRAs kostet nichts extra.

    Familie	1k-Stufe (ca. 1 Megapixel)	1.5k-Stufe (ca. 2,4 Megapixel)
    Anima Turbo	$0.012 / Bild	$0.024 / Bild
    Anima Turbo LoRA	$0.018 / Bild	$0.036 / Bild

15. 2026.10.01.1

    Neu2026-10-01

    Claude Sonnet 5.5: Anthropics neuestes Sonnet zum Listenpreis

    • Claude Sonnet 5.5 ist da. Anthropics neuestes Sonnet, veröffentlicht am 28. September, auf einem einzigen OpenAI-kompatiblen Endpunkt: Texteingabe, 1.000.000 Token Fenster, bis zu 128.000 Token Ausgabe — doppelt so viel wie bei Sonnet 5. Antworten lassen sich per SSE streamen, fehlgeschlagene Anfragen werden nicht berechnet.
    • 24 von 24 Inhaltstests vollständig geschrieben. Keine Ablehnung, nichts abgeschwächt, auch alle neun Anfragen nach einer intimen Szene zwischen Erwachsenen — Sonnet 5 hatte alle direkten und in die Geschichte eingebetteten Anfragen abgelehnt.
    • Sechs Aufwandsstufen. reasoning_effort reicht von none bis max, Standard ist medium; none überspringt den Denkschritt, xhigh und max liefern das Reasoning mit. tool_choice akzeptiert nur auto oder none, temperature und top_p werden nicht angenommen.
    • Anthropics Listenpreis. 2 $ je Million Eingabe-Tokens, 0,20 $ zwischengespeichert, 2,50 $ für das Schreiben in den Cache und 10 $ für die Ausgabe — derselbe Listenpreis wie bei Sonnet 5.

16. 2026.09.30.1

    Neu2026-09-30

    Seedream 5.0 Flash und Ebenentrennung für Bilder

    • Seedream 5.0 Flash ist da. Die leichtere Seedream-Stufe von ByteDance mit Text-zu-Bild, Bearbeitung mit bis zu zehn Referenzbildern und Ebenentrennung. 0,029 $ pro Bild bei 1K, 1,5K und 2K gleichermaßen, fünfzehn Seitenverhältnisse, Ausgabe als JPEG oder PNG. Für Inhalte für Erwachsene brauchen Sie weder einen zusätzlichen Schalter noch einen eigenen Endpunkt.
    • Neu: Ebenentrennung. Sie senden ein Bild und erhalten eine saubere Basisebene plus bis zu 16 transparente PNG-Ebenen. Flash kostet 0,02 $ pro Ausgabebild; Seedream 5.0 Pro kostet 0,042 $ (1K, 1,5K) bzw. 0,084 $ (2K) und liefert zusätzlich die Position jeder Ebene, sodass Sie Ebenen im Web ein- und ausblenden, verschieben und exportieren können.
    • Abgerechnet wird, was Sie erhalten. Jedes Ausgabebild zählt, die Basisebene eingeschlossen, bis zu 17. Bei der Annahme reservieren wir 17 Bilder und erstatten die Differenz, sobald die tatsächliche Anzahl feststeht.

17. 2026.09.29.1

    Neu2026-09-29

    Vier weitere Text-to-Speech-Modelle: Gemini 3.8 Flash und Flash-Lite TTS, Seed Speech 2.0 und Chatterbox

    • Gemini 3.8 Flash TTS und 3.8 Flash-Lite TTS sind da. Googles neueste Sprachmodelle verwandeln ein Skript mit bis zu 5.000 Zeichen in eine WAV-Datei, in einer von 30 Stimmen. 3.8 Flash spielt Regieanweisungen in eckigen Klammern wie [whispering] oder [sighs] aus; 3.8 Flash-Lite ist schneller und günstiger, liest solche Tags aber manchmal laut vor – buchstabieren Sie Geräusche stattdessen aus. 0,00032 $ bzw. 0,00021 $ pro Sekunde gelieferten Audios.
    • Seed Speech 2.0 von ByteDance. 41 voreingestellte Stimmen in zehn Sprachen, ein Hinweis in Klartext zur Betonung, Ausgabe als MP3. Es ist das erste Modell, das pro Zeichen abgerechnet wird – 0,072 $ pro 1.000 Zeichen –, sodass der vor dem Lauf angezeigte Preis bereits der endgültige ist.
    • Chatterbox von Resemble AI. Eine Open-Source-Stimme für Englisch mit einem Regler für die Ausdrucksstärke der Vorlesung, bis zu 1.000 Zeichen für pauschal 0,036 $ pro Anfrage.
    • Wir setzen bei keinem davon einen Inhaltsfilter ein. In unseren Tests haben alle vier NSFW-Skripte vollständig gelesen. Jede Anfrage nutzt eine voreingestellte Stimme; keiner dieser Endpunkte klont Stimmen.

18. 2026.09.29.2

    Neu2026-09-29

    Qwen3 TTS: Alibabas Open-Source-Sprachmodell mit neun Stimmen und ohne Inhaltsfilter

    • Qwen3 TTS ist da. Alibabas Open-Source-Text-to-Speech-Modell liest bis zu 2.000 Zeichen in einer von neun Stimmen vor – darunter japanische und koreanische Stimmen sowie zwei Stimmen für chinesische Dialekte – und nimmt einen Hinweis in Klartext dazu entgegen, wie der Text gesprochen werden soll. Ausgabe als MP3, zehn Sprachen.
    • 0,068 $ pro 1.000 Zeichen, mit einem Minimum von 100 Zeichen pro Anfrage. Die Zeichenzahl ist vor dem Lauf bekannt, daher ist der angezeigte Preis bereits der endgültige.
    • Wir setzen keinen Inhaltsfilter ein. In unseren Tests hat es NSFW-Skripte vollständig gelesen. Jede Anfrage nutzt eine voreingestellte Stimme; dieser Endpunkt klont keine Stimmen.

19. 2026.09.29.3

    Neu2026-09-29

    MiniMax Speech 2.8 HD und Turbo, dazu Seed Audio 1.0 für ganze Audioszenen

    • MiniMax Speech 2.8 HD und Turbo sind da. Beide lesen bis zu 5.000 Zeichen in einer von 17 Systemstimmen vor, mit einer von sieben Emotionen und einem optionalen Hinweis für 40 Sprachen. Soundtags in Klammern wie (sighs), (laughs) oder (breath) werden ausgespielt, nicht vorgelesen. HD ist die hochauflösendere Variante für 0,12 $ pro 1.000 Zeichen; Turbo ist auf Geschwindigkeit und Kosten getrimmt, für 0,072 $ pro 1.000 Zeichen. Die Zeichenzahl ist vor dem Lauf bekannt, daher ist der angezeigte Preis bereits der endgültige.
    • Seed Audio 1.0 von ByteDance. Ein einziger Prompt beschreibt die gesamte Szene – wer wie spricht, die Dialogzeilen in Anführungszeichen, dazu Musik, Umgebungsgeräusche und Soundeffekte – und kommt als eine MP3-Datei von bis zu etwa zwei Minuten zurück, inklusive Dialogen zwischen mehreren Figuren. Es kostet pauschal 0,36 $ pro Anfrage.
    • Wir setzen auch bei diesen keinen Inhaltsfilter ein. In unseren Tests haben alle drei Modelle NSFW-Skripte vollständig gelesen.

20. 2026.09.28.1

    Neu2026-09-28

    Kling-Video: acht Familien von O3 bis Avatar 2.0

    • Acht Kling-Familien, abgerechnet pro Sekunde. Kling O3 (Text, Bild, Referenzfotos und die Bearbeitung eigener Clips), Kling 3.0 (erster und letzter Frame, bis zu 4K, plus Motion Control), Kling 3.0 Turbo (nativer Ton bei jedem Clip), Kling 2.6, Kling 2.5 Turbo, Kling 2.1, Kling 2.1 Master und Kling Avatar 2.0, ein sprechender Avatar aus einem Porträt und einer Audiospur. Kein Paket, das Sie im Voraus kaufen müssten.
    • Vier Familien unter Klings eigenem Listenpreis. Kling O3 und Kling 3.0 starten bei 0,0672 $ pro Sekunde (720p, ohne Ton), etwa 20 % unter Klings Listenpreis; Kling 2.5 Turbo kostet 0,056 $ pro Sekunde, Kling Avatar 2.0 startet bei 0,0512 $.
    • Kling prüft Inhalte selbst. Angedeutetes kommt manchmal durch, alles Freizügigere wird abgelehnt, und eine abgelehnte Anfrage wird nie berechnet. Für Video-Bearbeitungen brauchen Sie einen Quellclip von 3 bis 10 Sekunden.

21. 2026.09.28.3

    Neu2026-09-28

    Gemini 2.5 Pro TTS: Googles Sprachsynthese, 10 % unter dem Listenpreis

    • Gemini 2.5 Pro TTS ist da. Googles Sprachsynthese-Modell verwandelt ein Skript mit bis zu 5.000 Zeichen in eine WAV-Datei, in einer von 30 Stimmen, mit optionalem Stil, Akzent und Regieanweisungen in Klartext.
    • 10 % unter Googles Listenpreis. 0,00045 $ pro Sekunde gelieferten Audios (rund 0,027 $ pro Minute). Während die Aufgabe läuft, wird ein Betrag für den längstmöglichen Clip reserviert und freigegeben, sobald das Audio gemessen ist; fehlgeschlagene Anfragen werden nicht berechnet.
    • Wir setzen keinen Inhaltsfilter ein. In unseren Tests hat es NSFW-Skripte vollständig gelesen – direkte Dialogzeilen, erzählte Fiktion, hauchige Stimm-Hinweise. Dieser Endpunkt unterstützt keinen Zwei-Stimmen-Dialog und kein Voice-Cloning: eine Stimme pro Anfrage.

22. 2026.09.28.2

    Neu2026-09-28

    Claude Opus 5.5: Anthropics neuestes Opus, unter dem Listenpreis

    • Claude Opus 5.5 ist da. Anthropics neuestes Opus, veröffentlicht am 22. September, auf einem einzigen OpenAI-kompatiblen Endpunkt: 1.000.000 Tokens Eingabe, bis zu 128.000 Ausgabe, mit dauerhaft aktivem Denken auf drei Effort-Stufen.
    • 10 % unter Anthropics Listenpreis. 3,60 $ pro Million Eingabe-Tokens, 0,18 $ für zwischengespeicherte Tokens, 4,50 $ für das Schreiben in den Cache und 18 $ für Ausgabe-Tokens.
    • Statt abzulehnen, entschärft das Modell. Bei 24 Inhaltstests am Launch-Tag hat es keine einzige Anfrage abgelehnt; unter einem System-Prompt für Adult-Fiction hat es jede intime Szene vollständig ausgeschrieben. Das erzwungene Aufrufen eines bestimmten Tools wird von diesem Modell nicht akzeptiert: Lassen Sie tool_choice auf auto und nennen Sie das gewünschte Tool im Prompt.

23. 2026.09.27.3

    Neu2026-09-27

    Spicy Studio: Gesichts-, Kopf- und Figurentausch, ein Vollbild-Editor für die Leinwand und jedes Bildformat und jede Länge im Eingabefeld

    • Alle Werkzeuge in einem Panel. Das Werkzeug-Panel in Spicy Studio listet jedes Werkzeug, zeigt bei allen, die direkt aus dem Panel laufen, den Preis und wendet sie auf eines Ihrer Ergebnisse oder eine hochgeladene Datei an. Neu in Studio: Gesichtstausch auf Fotos ($0.013 pro Bild mit Standard, $0.16 mit Plus oder Pro) und im Video ($0.0325 pro Sekunde, in 8-Sekunden-Blöcken), Kopftausch auf Fotos ($0.013) und im Video, Figurentausch, Doppelgänger, der ein Bild des prominenten Gesichts liefert, dem ein Porträt am meisten ähnelt ($0.05), und das Verlängern eines Clips um 5 oder 8 Sekunden (ab $0.038 pro Sekunde an neuem Material). Kopf- und Figurentausch im Video laufen in zwei Schritten: $0.08, um die Personen im Clip zu finden, dann ab $0.064 pro Sekunde für den Tausch. Findet der erste Schritt niemanden, wird der Betrag dafür erstattet, und es läuft nichts weiter.
    • Eine einmalige Bestätigung vor Gesichtswerkzeugen. Bei der ersten Nutzung von Gesichtstausch, Kopftausch, Figurentausch, Doppelgänger, sprechendem Avatar oder Lip-Sync bittet Studio um Zustimmung zu drei Regeln: nur das eigene Gesicht oder die Gesichter von Menschen, die zugestimmt haben; niemals Personen unter 18; keine Identitätstäuschung und keine Irreführung. Die Antwort wird auf dem Gerät gespeichert.
    • Ein Vollbild-Editor für die Leinwand. Leinwände öffnen im Vollbild auf einem Punktraster. Knoten fügen Sie per Doppelklick, mit + oder mit der Taste N hinzu. Das + rechts an einem Bild oder Clip erzeugt daraus etwas Neues, das + links an einem Prompt-Knoten fügt eine Eingabe hinzu. Verbinden Sie einen Bildknoten mit einem Videoknoten, um eine Einstellung zu planen, bevor etwas läuft. Das Prompt-Feld eines Prompt-Knotens öffnet sich direkt daneben, mit nummerierten Referenzen, die Sie als @image2 nennen können, und bei Videomodellen, die ein Endbild annehmen, mit der Wahl zwischen Start- und Endbild oder Referenzbildern.
    • Das Eingabefeld folgt dem Modell. Bildformate stehen als Zahlen da, jedes, das das Modell annimmt, und jede unterstützte Länge lässt sich per Schaltfläche oder Schieberegler wählen. „Auto“ zeigt die maximale Länge des Modells. Fehlen einem neu gewählten Modell Ihr Format oder Ihre Länge, stellt Studio auf den nächstgelegenen Wert um und sagt es Ihnen.
    • Videovorlagen mit Beispielclips. Jede der 20 Videovorlagen spielt beim Überfahren mit der Maus einen echten, mit MiniMax H3 erzeugten Beispielclip ab und öffnet mit MiniMax H3. Die Vorlagenbibliothek lässt sich zwischen Bildern und Videos umschalten.

24. 2026.09.27

    Neu2026-09-27

    Drei weitere LoRA-Familien: Z-Image Turbo, FLUX.1 Dev und Qwen Image 2512

    Drei neue Bildfamilien betreiben offene Modelle mit bis zu drei eigenen LoRA-Dateien pro Anfrage, jede mit eigener Stärke. Jedes Bild kostet einen Fixpreis, unabhängig vom Seitenverhältnis.

    • Z-Image Turbo LoRA (alibaba/z-image-turbo-lora/text-to-image, /edit): Alibabas Z-Image Turbo mit 8 Schritten, wenige Sekunden pro Bild, neun Seitenverhältnisse mit etwa einem Megapixel, dazu Bild-zu-Bild mit regelbarer Stärke.
    • FLUX.1 Dev LoRA (black-forest-labs/flux-1-dev-lora/text-to-image): FLUX.1 [dev] von Black Forest Labs, das Basismodell mit mehr als tausend Community-LoRAs auf Hugging Face, mit regelbarer Guidance.
    • Qwen Image 2512 LoRA (alibaba/qwen-image-2512-lora/text-to-image, /edit): Qwen-Image-2512 mit bis zu 1536 Pixeln an der langen Seite, dazu Bearbeitung mit Qwen-Image-Edit-2511 aus einer bis drei Quellen und mit Bearbeitungs-LoRAs, etwa für neue Kamerawinkel.

    Eine LoRA ist ein direkter Link auf eine .safetensors-Datei: kein Upload, keine Positivliste, keine Prüfung. Alle fünf Endpunkte sind unzensiert, und das Laden von LoRAs kostet nichts extra.

    Familie	Preis
    Z-Image Turbo LoRA	0,012 $ / Bild
    FLUX.1 Dev LoRA	0,018 $ / Bild
    Qwen Image 2512 LoRA	0,03 $ / Bild

25. 2026.09.27.2

    Geändert2026-09-27

    Lip-Sync wird nach der Länge des gesendeten Audios berechnet

    spicyapi/lip-sync-v1/lip-sync berechnet jetzt die Sekunden des Audios in audio_url, nicht das gelieferte Video. Das Video läuft meist etwa eine halbe Sekunde länger als das Audio; diese Zeit wird nicht berechnet.

    Der Preis bleibt bei $0.012 pro Sekunde, aufgerundet auf volle Sekunden, mindestens 3 Sekunden, und Anfragen bleiben unverändert. Ein Sprachclip von 4,5 Sekunden wird als 5 Sekunden abgerechnet ($0.06). Das Angebot vor dem Absenden reserviert weiterhin das Maximum von 60 Sekunden; die Differenz wird bei der Abrechnung der Aufgabe freigegeben.

26. 2026.09.26.3

    Neu2026-09-26

    Spicy Studio ist offen: Bild, Video, Stile, Effekte und eine Storyboard-Leinwand an einem Ort

    Spicy Studio ist seit dem 26. September unter spicyapi.ai/create geöffnet. Dieselben Modelle und dieselben Preise pro Lauf wie über die API – in einem Arbeitsbereich, der zum Gestalten gebaut ist, nicht zum Integrieren.

    • Eine Zeile, dann Generieren. Wählen Sie Bild oder Video, schreiben Sie, was Sie sehen möchten, oder übernehmen Sie mit Tab das Beispiel. Jeder Modus startet mit einem passenden Modell, das Sie jederzeit wechseln können; Ihr Prompt wandert mit. Der Preis auf der Schaltfläche ist das Maximum, das der Lauf kosten kann, und berechnet wird erst, wenn Sie klicken.
    • 97 Looks, 4 Finishes und 12 Effekte. Ein Look umgibt Ihr Motiv mit erprobten Formulierungen für Licht, Farbe und Medium – Film, Editorial, Anime, Malerei, 3D und ein After-Dark-Set – und zeigt den vollständigen Prompt vor dem Lauf. Er kostet nichts extra. Ein Effekt macht aus einem Foto eine fertige Einstellung: Push-in, Orbit, Drohnenaufstieg, Regen, Schnee, 16-mm-Look.
    • 150 Vorlagen in 13 Gruppen. Jede ist ein fertiges Briefing mit Set, Licht und Objektiv; Sie sagen nur, wer im Bild ist.
    • Leinwand für Arbeiten mit mehr als einer Einstellung. Verzweigen Sie jedes Bild in ein Video, eine Bearbeitung oder Varianten, machen Sie das letzte Bild eines Clips zum Anfang des nächsten, fassen Sie Takes zu Szenen zusammen und spielen Sie sie als Storyboard ab. Beispielprojekte zeigen jeden Prompt und lassen sich komplett kopieren.
    • Werkzeuge an jedem Ergebnis: Die acht neuen Werkzeuge, vom Freistellen bis zur Lippensynchronisation, stehen neben „In Bewegung setzen“ und „Varianten“.
    • Verbessern schreibt eine Idee aus einer Zeile vor dem Lauf zu einem ausführlichen Prompt für das gewählte Modell um; das wird separat berechnet, zum kleinen Betrag auf der Schaltfläche.
    • Standardmäßig privat. Nichts wird in einem Feed oder einer Galerie veröffentlicht. Ergebnisse bleiben 14 Tage in „Meine Werke“, Uploads werden nach einem Tag gelöscht, und mit „Unscharf, bis ich tippe“ bleiben Ergebnisse verdeckt, bis Sie sie antippen.

    Stöbern, Beispiele laden und genaue Preise sehen geht ohne Konto; zum Generieren brauchen Sie eines, und Ihr Entwurf bleibt während der Anmeldung erhalten. Jeder Lauf im Studio ist zugleich ein API-Aufruf mit denselben Parametern – ein Look, den Sie hier festlegen, wandert direkt in Ihren Code.

    Der Seitenkopf hat sich mit geändert: Modelle · Studio · Rankings · Entwickler · Preise. Die Modellzusammenstellungen, die bisher unter „Entdecken“ lagen, finden Sie jetzt unter „Sammlungen“ im Menü „Modelle“.

27. 2026.09.26.2

    Neu2026-09-26

    Acht neue Werkzeuge: Hintergrund entfernen, Objekte löschen, Bilder erweitern, hochskalieren, sprechende Avatare, Lippensynchronisation und Soundeffekte

    Am 26. September sind acht Endpunkte mit je einer Aufgabe live gegangen. Jeder erledigt einen Arbeitsschritt an einem Bild oder Clip, den Sie schon haben, zu einem festen Preis. Rufen Sie sie wie jedes andere Modell auf, oder nutzen Sie sie in Spicy Studio unter „Werkzeuge“ und direkt an Ihren Ergebnissen.

    Endpunkt	Was er tut	Preis
    spicyapi/background-remover-v1/edit	Stellt das Hauptmotiv als transparentes PNG in Originalgröße frei	$0.0048 pro Bild
    spicyapi/object-eraser-v1/edit	Entfernt, was Sie in prompt benennen oder in mask_url markieren, und füllt die Lücke	$0.03 pro Bild
    spicyapi/image-expander-v1/edit	Erweitert ein Foto auf 1:1, 16:9, 9:16, 4:3, 3:4, 3:2 oder 2:3 und malt den neuen Bereich aus	$0.024 pro Bild
    spicyapi/image-upscaler-v1/upscale	Skaliert auf 2K, 4K oder 8K (etwa 4, 17 oder 67 Megapixel), ein Preis für alle drei	$0.012 pro Bild
    spicyapi/video-upscaler-v1/upscale	Skaliert einen Clip von 3–60 Sekunden auf 720p, 1080p, 2K oder 4K; Länge, Bewegung und Ton bleiben	$0.006 pro Sekunde (720p, 1080p), $0.012 (2K), $0.024 (4K)
    spicyapi/talking-avatar-v1/talking-avatar	Macht aus einem Porträt und 3–60 Sekunden Sprache ein Video, in dem dieses Gesicht spricht	$0.018 pro Sekunde
    spicyapi/lip-sync-v1/lip-sync	Zeichnet den Mund in einem vorhandenen Clip passend zu neuer Sprache neu, bis 720p	$0.012 pro Sekunde
    spicyapi/foley-v1/video-to-audio	Erzeugt Soundeffekte und Atmo passend zum Bild, bis 30 Sekunden	$0.0012 pro Sekunde

    Was die Rechnung bestimmt:

    • Video-Upscaling wird nach der Länge des Ausgangsclips berechnet, auf volle Sekunden aufgerundet, mindestens 3 Sekunden.
    • Sprechender Avatar und Lippensynchronisation werden nach dem gelieferten Video berechnet, das so lang ist wie Ihr Audio (mindestens 3 Sekunden). Ein Clip, der kürzer ist als das Audio, wird bei der Lippensynchronisation geloopt.
    • Soundeffekte werden nach dem angeforderten duration_seconds berechnet (1–30, Standard 8), nicht nach Ihrem Clip – stellen Sie den Wert also auf die Cliplänge ein. Erzeugt werden Effekte und Atmo, keine Dialoge und keine Musik.
    • Audio- und Video-Eingaben müssen direkte Links auf die Datei sein; am zuverlässigsten ist der Upload. Eingaben außerhalb der zulässigen Länge werden abgelehnt, bevor etwas berechnet wird.

28. 2026.09.26

    Neu2026-09-26

    MiniMax H3 LoRA ist da: eigene Gewichte für H3-Videos und Standbilder

    Drei neue Familien betreiben das Open-Weights-Modell MiniMax H3 mit bis zu drei eigenen LoRA-Dateien pro Anfrage, jede mit eigener Stärke von 0 bis 4.

    • MiniMax H3 LoRA (minimax/h3-lora/text-to-video, /image-to-video, /reference-to-video): 3 bis 15 Sekunden in 480p, 540p, 768p oder 1080p, mit Stereoton aus demselben Durchgang. Referenz-zu-Video nimmt bis zu neun Bilder, drei Clips und drei Audioclips.
    • MiniMax H3 Singularity LoRA (minimax/h3-singularity-lora/image-to-video, /reference-to-video): das HDR-trainierte Community-Fine-Tune von H3 für schnelle Action, Tanz und Totalen, in denen Gesichter erkennbar bleiben müssen. Ihre H3-LoRAs laden darauf unverändert.
    • MiniMax H3 Image LoRA (minimax/h3-image-lora/text-to-image, /edit): H3 als Bildmodell in 1k oder 2k, mit Bearbeitung aus bis zu neun Referenzen. Gestalten Sie hier das Startbild und animieren Sie es anschließend mit derselben LoRA.

    Eine LoRA ist ein direkter Link auf eine .safetensors-Datei: kein Upload, keine Positivliste, keine Prüfung. Alle sieben Endpunkte sind unzensiert, und das Laden von LoRAs kostet nichts extra.

    Familie	Ab
    MiniMax H3 LoRA	0,05 $ / Sekunde
    MiniMax H3 Singularity LoRA	0,06 $ / Sekunde
    MiniMax H3 Image LoRA	0,042 $ / Bild

29. 2026.09.25

    Geändert2026-09-25

    Ein zufälliger Seed, wenn keiner angegeben ist, der Code 40310 für unbestätigte Konten und Wiederholungen über eine andere Route

    Vier Änderungen daran, wie sich Tasks verhalten. Zwei davon können eine Anpassung auf Ihrer Seite erfordern: Wenn Sie sich darauf verlassen, dass identische Anfragen identische Ergebnisse liefern, senden Sie einen seed mit; wenn Sie auf Fehlercodes verzweigen, behandeln Sie 40310.

    • Anfragen ohne Seed erhalten einen zufälligen Seed (seit 24. September). Bei Modellen, deren Schema seed enthält, bekommt eine Anfrage ohne Seed einen zufälligen, der im input der Task zurückkommt. Identische Anfragen liefern also nicht mehr identische Ergebnisse. Damit Läufe vergleichbar bleiben, schicken Sie den zurückgegebenen Seed erneut mit; ein fester Seed garantiert allerdings kein identisches Ergebnis. Einige wenige Modelle variieren den Seed, ohne ihn zurückzugeben. Ein Seed, den Sie selbst senden, wird immer unverändert verwendet.
    • 40310 für Konten mit unbestätigter E-Mail-Adresse (seit 25. September). Ein Schlüssel eines solchen Kontos erhält jetzt diesen Geschäftscode statt eines allgemeinen 403, mit dem Hinweis, den Bestätigungslink zu öffnen oder in der Konsole einen neuen anzufordern. Der Schlüssel funktioniert, sobald die Adresse bestätigt ist.
    • Fehlgeschlagene Läufe werden über eine andere Route wiederholt (seit 23. September). Scheitert ein Lauf nach der Annahme und bedient eine andere Route dasselbe Modell mit denselben Einstellungen, läuft er dort, bevor ein Fehler gemeldet wird – solange die Task noch Zeit hat. Berechnet wird einmal, für das Ergebnis, das Sie erhalten. Fehler, die sich überall wiederholen würden, etwa eine Ablehnung wegen Urheberrechts, werden nicht wiederholt.
    • Ablehnungen wegen Urheberrechts oder realer Gesichter sagen, was zu ändern ist. errorMessage nennt jetzt Ursache und Abhilfe, etwa generate_audio: false, wenn eine generierte Tonspur die Sperre ausgelöst hat, oder ein anderes Modell, wenn das gewählte keine realen Gesichter in Referenzen annimmt. errorCode bleibt content_rejected, und der Betrag wird erstattet.

30. 2026.09.24

    Neu2026-09-24

    MiniMax H3 Max akzeptiert 480p für $0.05 pro Sekunde

    Seit dem 24. September akzeptieren beide MiniMax-H3-Max-Endpunkte neben 768p auch resolution: "480p".

    Endpunkt	480p	768p
    minimax/h3-max/image-to-video	$0.05	$0.08
    minimax/h3-max/text-to-video	$0.05	$0.08

    Die Preise gelten pro Sekunde Ausgabe und entsprechen den von MiniMax selbst veröffentlichten Tarifen. 480p ist eine native Stufe, keine Verkleinerung – der günstige Weg, Bewegung und Bildaufbau zu prüfen, bevor Sie für 768p bezahlen.

31. 2026.09.23

    Geändert2026-09-23

    15 % Rabatt auf Wan 2.2 LoRA Bild-zu-Video

    Seit dem 23. September 2026 gibt es auf beide Wan 2.2 LoRA Bild-zu-Video-Endpunkte 15 % Rabatt – ohne festgelegtes Enddatum.

    Endpunkt	480p	720p
    alibaba/wan-2.2-lora/image-to-video	$0.024 → $0.0204	$0.048 → $0.0408
    alibaba/wan-2.2-spicy-lora/image-to-video	$0.024 → $0.0204	$0.048 → $0.0408

    Die Preise gelten je Ausgabesekunde.

    • Sie müssen nichts ändern. Der Rabatt greift bei der Preisberechnung jeder Anfrage: Die Schätzung vor dem Absenden, die Abrechnung danach und die Preiskarten zeigen alle den neuen Betrag. Auflösungen, Längen, Inhaltsverhalten und Anfrageform bleiben gleich.
    • Damit geben wir den größten Teil der Erhöhung vom 20. September zurück. Die Bedingung, die sie nötig gemacht hatte, hat sich inzwischen zu unseren Gunsten verschoben, und das reichen wir weiter. Mit $0.0204 liegt der Preis allerdings noch 2 % über dem Stand vor der Erhöhung, nicht darunter.
    • Ein Enddatum gibt es nicht. Sollte sich das ändern, steht das Datum auf der Preiskarte.

32. 2026.09.22

    Neu2026-09-22

    Grok 4.7 ist da – zum Preis von Grok 4.6, 40% unter xAI

    xAI hat Grok 4.7 am 21. September veröffentlicht, und xai/grok-4.7/chat ist hier seit dem 22. September aufrufbar – im selben OpenAI-Chatformat und mit SSE-Streaming wie die anderen Grok-Endpunkte.

    	xai/grok-4.7/chat
    Kontext	500.000 Token, Bilder eingeschlossen
    Max. Antwort	450.000 Token (max_tokens standardmäßig 4.096)
    Reasoning Effort	low · medium · high · xhigh, Standard high
    Eingabe	Text und Bilder; keine Datei- oder PDF-Bestandteile
    Je 1 Mio. Token: Ein / Cache / Aus	$1.20 / $0.30 / $3.60
    Prompts ab 200.000 Token	$1.60 / $0.40 / $4.80

    • 40% unter dem von xAI veröffentlichten Preis in der Standardstufe ($2 / $0.50 / $6) und 60% unter dessen Long-Context-Stufe ($4 / $1 / $12).
    • Auf dieser Route unzensiert. Am 22. September kamen neun Schreibproben von Stufe 4 unserer fünfstufigen Inhaltstests, in drei Prompt-Stilen, als neun vollständige Szenen ohne Ablehnung zurück; am 24. September bestand das Modell auch alle übrigen Stufen, die oberste eingeschlossen. Einen eigenen Filter setzen wir nicht davor.
    • Die System-Rolle wird beachtet – gezielt geprüft –, sodass ein Rahmen vom Anfang eines Threads bis zum Ende trägt.
    • Reasoning wird als Ausgabe berechnet. Der Standard high kostet mehr, als es aussieht; für Dialoge liest sich low oder medium besser und ist günstiger.

33. 2026.09.21

    Neu2026-09-21

    Qwen Image 2.1 am Tag der Freigabe – samt LoRA-Ausgabe für eigene Gewichte

    Alibaba hat Qwen-Image-2.1 heute als Open Source freigegeben. Noch am selben Tag steht es im Katalog, als vier Endpunkte: Generierung und Bearbeitung mit Referenzbildern, jeweils in einer regulären Ausgabe und in einer LoRA-Ausgabe, die Gewichtsdateien Ihrer Wahl lädt.

    Endpunkt	Nimmt entgegen
    alibaba/qwen-image-2.1/text-to-image	Einen Prompt
    alibaba/qwen-image-2.1/edit	Einen Prompt und bis zu zehn Referenzbilder
    alibaba/qwen-image-2.1-lora/text-to-image	Einen Prompt und bis zu drei LoRA-Gewichte
    alibaba/qwen-image-2.1-lora/edit	Referenzen und LoRA-Gewichte in derselben Anfrage

    • Eigene Gewichte, ohne vorherige Freigabe. Die LoRA-Ausgabe nimmt bis zu drei Gewichtsdateien pro Anfrage entgegen, jede mit eigener Stärke, angegeben entweder als direkter HTTPS-Link auf eine .safetensors-Datei oder als Hugging-Face-Repository. Kein Upload-Schritt, keine Positivliste, keine Freigabe-Warteschlange – geladen wird genau das, worauf Sie zeigen, bei der Generierung wie bei der Bearbeitung.
    • Zwischen Prompt und Modell steht nichts. Alle vier Endpunkte sind uneingeschränkt: kein Inhaltsklassifikator vor dem Modell, kein Reifegrad-Flag, keine Erklärung pro Anfrage. Unzensierte Arbeiten laufen über dieselben Endpunkte wie alles andere.
    • Drei Auflösungsstufen und fünfzehn Seitenverhältnisse. Wählen Sie 1k, 1.5k oder 2k – die Stufe ist das, was den Preis bewegt: günstig iterieren, den Treffer anschließend hoch nachziehen. Das Seitenverhältnis komponiert das Bild, statt es zu beschneiden, von 3:1- und 21:9-Streifen bis zu 1:3- und 9:21-Säulen.
    • Bei der Bearbeitung zählt jede Referenz in den Preis. Generierung wird pro Bild abgerechnet; jede angehängte Quelle kommt hinzu, sodass eine Anfrage mit zehn Referenzen auf derselben Stufe ein Vielfaches einer Anfrage mit einer Referenz kostet. Der Preis, den Sie vor dem Absenden sehen, enthält das bereits – schicken Sie die Referenzen, die etwas beitragen, und lassen Sie den Rest weg.

34. 2026.09.20

    Neu2026-09-20

    Offizielle SDKs für TypeScript, Python, Go, Java und PHP

    Die API ist schlichtes REST und bleibt es auch. Neu ist, dass Sie die Polling-Schleife, den dreistufigen Upload und die Prüfung der Webhook-Signatur nicht mehr selbst schreiben: Fünf offizielle SDKs übernehmen das, jedes davon in der Registry veröffentlicht, aus der Ihr Build ohnehin schon zieht.

    Sprache	Paket	Installation
    TypeScript	@spicyapi/sdk	npm install @spicyapi/sdk
    Python	spicyapi	pip install spicyapi
    Go	github.com/spicyapi-ai/spicy-go	go get github.com/spicyapi-ai/spicy-go
    Java	ai.spicyapi:spicyapi-java	Maven Central, ab Java 17
    PHP	spicyapi/spicyapi	composer require spicyapi/spicyapi

    • Bewusst schmale Abhängigkeiten. Python und Go ziehen nichts außer der Standardbibliothek herein. PHP braucht ebenfalls keine Bibliothek, nur ext-json und ext-hash. Java bringt genau eine mit: Jackson. Ein Client für eine HTTP-API sollte nicht der Grund sein, warum Ihr nächstes Dependency-Audit länger dauert.
    • Der gesamte asynchrone Ablauf, nicht nur der HTTP-Aufruf. Jedes SDK beherrscht createTask mit waitSeconds: Der Server hält die Verbindung offen, bis die Aufgabe einen Endzustand erreicht, bis zu sechzig Sekunden lang — im Normalfall entfällt das Pollen damit vollständig. Dazu kommen der dreistufige Upload für eigene Bilder und Videos sowie die Verifikation der Webhook-Signatur.
    • Terminal, Editor und Agent, noch bevor eine Integration entsteht. @spicyapi/cli durchsucht den Katalog, nennt den Preis, bevor Geld fließt, und lädt fertige Ergebnisse herunter. @spicyapi/mcp gibt Claude Code, Codex, Cursor oder jedem anderen MCP-Client dieselben Fähigkeiten und fragt vor jedem kostenpflichtigen Schritt nach. Der Agent Skill, installiert mit npx skills add spicyapi-ai/spicy-skill, bringt einem Coding-Assistenten die richtige Reihenfolge bei — er rät dann keine Modell-IDs mehr und erfindet keine Eingabefelder.
    • @spicyapi/proxy hält den Schlüssel von den Geräten Ihrer Nutzer fern. Ein Schlüssel, der in einer Browser-, Mobil- oder Desktop-App steckt, ist ein öffentlicher Schlüssel: Jede Person kann ihn auslesen und Ihr Guthaben ausgeben, während Ihr Dashboard lediglich einen betriebsamen Tag zeigt. Dieses Paket ist der serverseitige Zwischenschritt, der die Zugangsdaten stattdessen hält — ein Re-Export im Route Handler von Next.js oder ein app.all in Express.

35. 2026.09.18

    Neu2026-09-18

    SpicyAPI ist live: Die Registrierung steht allen offen

    Registrierungen werden nicht mehr schubweise freigeschaltet. Konto anlegen, Guthaben aufladen und noch am selben Nachmittag die erste Anfrage senden – über hundert Endpunkte in siebzig Modellversionen für Video, Bild und Chat, alles hinter einem einzigen Schlüssel.

    • Zwischen Ihrem Prompt und dem Modell steht nichts: kein Inhaltsklassifikator, keine Erklärung pro Anfrage, keine Freigabe-Warteschlange. Siebzehn unzensierte Spicy-Editionen von Seedance, Wan, MiniMax, LTX, Vidu, Z-Image und Qwen Image laufen neben dem regulären Katalog, zu dem unter anderem Seedream, Claude, Gemini, DeepSeek, GLM und Kimi gehören.
    • Eine Integration deckt alles ab. Medienaufträge laufen über createTask mit Polling oder Callback, Chat spricht das OpenAI-Format mit Streaming, und derselbe Schlüssel funktioniert über die native REST-API, unser SDK, die CLI, den MCP-Server und den Agent Skill.
    • Jedes Modell rechnet in seiner eigenen Einheit ab – pro Bild, pro Ausgabesekunde, pro Million Tokens. Den Preis sehen Sie vor dem Absenden, berechnet wird, was tatsächlich gelaufen ist. Kein Tarif, kein Paket, kein Mindestumsatz, und ein fehlgeschlagener Lauf kostet nichts. Aufladen per Karte oder mit Kryptowährung.
    • Sie bestimmen, wie lange etwas gespeichert bleibt: Generierte Dateien, Prompt-Texte und hochgeladene Referenzen verfallen jeweils nach einem Zeitplan Ihrer Wahl, und die Ergebnisse eines abgeschlossenen Tasks lassen sich sofort endgültig löschen. Die Abrechnung bleibt dokumentiert, der Inhalt nicht.