Updates, die für Ihre Integration zählen

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.

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

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.

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

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.

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

Es gibt eine neue Seite für eine durchgängige Figur: KI-Influencer erstellen. Wählen Sie einen Look, behalten Sie das Gesicht, das Ihnen gefällt, und alles, was Sie danach erstellen, geht von derselben Person aus.

• Auswählen oder beschreiben. Wählen Sie aus 17 Merkmallisten mit 162 Optionen, jeweils mit kleinem Bild: Geschlecht, Alter, Herkunft, Hautton, Statur, Gesichtsform, Frisur, Haarfarbe, Augenform, Augenfarbe, Gesichtszüge, Bart, Besondere Merkmale, Make-up, Stil, Accessoires und Ausdruck. Was Sie leer lassen, entscheidet das Modell. Lieber schreiben? Beschreiben Sie den Look in einem Satz, er wird genau so gesendet, wie Sie ihn geschrieben haben.
• 36 Beispielfiguren. Öffnen Sie ein Beispiel und klicken Sie auf Diese Merkmale übernehmen, um die Auswahl zu kopieren, und ändern Sie dann, was Sie möchten. Oder klicken Sie auf Zufällig.
• Jeder Kandidat besteht aus zwei Fotos. Ein Porträt und ein Ganzkörperfoto derselben Person vor einfachem Hintergrund, erstellt mit Seedream 5.0 Pro für $0,036 pro Foto, also $0,072 pro Kandidat. Sie erstellen 1 bis 4 Kandidaten auf einmal. Der Preis steht vor dem Start auf der Schaltfläche.
• Eine Sache ändern. Schreiben Sie eine kurze Zeile wie „Haare schulterlang“ und erhalten Sie einen neuen Kandidaten, bei dem sich nur dieses Detail ändert.
• Einmal speichern. Geben Sie der Figur einen Namen und speichern Sie sie. Beide Fotos landen in Ihrer Asset-Bibliothek, und die Figur erscheint in ganz Studio unter Figuren. Die Asset-Bibliothek öffnet sich, sobald Sie insgesamt $10 oder mehr aufgeladen haben.
• Figurenstartseite. Öffnen Sie eine gespeicherte Figur und wählen Sie, was entstehen soll: ein Fotoset an neuen Orten, in neuen Outfits und Posen; ein Neuer Look aus einem Satz, in drei Varianten; Video erstellen aus dem Titelfoto; Sprechen, ein lippensynchroner Clip aus einem Text von Ihnen und einer Stimme Ihrer Wahl; oder Bewegung übernehmen aus einem Referenzclip von 2 bis 30 Sekunden. Jede Karte zeigt ihren Preis.

Jede Figur hier ist ein originaler, fiktiver Erwachsener. Das Alter beginnt bei den 20ern, Optionen für Teenager gibt es nicht. Wenn Sie eine Figur aus Ihren eigenen Fotos erstellen möchten, nutzen Sie stattdessen Neue Figur in Ihrer Asset-Bibliothek. Dort bestätigen Sie, dass das Foto von Ihnen stammt oder dass Sie die Erlaubnis der abgebildeten Person haben.

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.

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.

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.

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

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.

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.

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

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. Oben-ohne und einvernehmliche Fesselung kamen in unserem erneuten Test weiterhin durch.

Vidu Q4 Preview, die öffentliche Vorschau von Vidus Q4-Videomodell (veröffentlicht am 7. Oktober 2026), ist jetzt mit zwei Endpunkten auf SpicyAPI verfügbar. Die Clips dauern 3 bis 16 Sekunden bei 540p bis 4k, Dialog, Effekte und Atmosphäre werden gleich zum Bild mitgeneriert; eine in doppelte Anführungszeichen gesetzte Zeile wird gesprochen.

• Bild-zu-Video (vidu/q4-preview/image-to-video): ausgehend von einem einzelnen Startbild; der Clip behält dessen Form. In unseren Inhaltstests wurde nie abgelehnt.
• Referenz-zu-Video (vidu/q4-preview/reference-to-video): 1 bis 15 Referenzbilder von Personen, Outfits, Produkten oder Orten plus bis zu 3 Stimmclips werden zu einer Szene. Nacktheit und Sexszenen 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. Ton an oder aus und die Anzahl der Referenzen ändern den Preis nicht.

FLUX 3, das Videomodell von Black Forest Labs, ist jetzt auf SpicyAPI verfügbar, mit vier Endpunkten: Text zu Video, Bild zu Video (mit optionalem letztem Frame), Video verlängern und Video hochskalieren.

Text zu Video, Bild zu Video und Verlängern kosten so viel wie der Listenpreis von Black Forest Labs.

Clips mit Ton. Die Videos dauern 5 bis 20 Sekunden und haben synchronen Ton; mit oder ohne Ton kostet es gleich viel. Draft ist eine schnelle, günstige Vorschaustufe in 720p: Probieren Sie damit einen Prompt aus und rendern Sie anschließend nur den Clip, den Sie behalten, in voller Qualität.

Verlängern und Hochskalieren. Beim Verlängern übergeben Sie einen Clip von bis zu 15 Sekunden, und ab dessen letztem Frame entstehen 5 bis 20 neue Sekunden; Sie erhalten nur das neue Segment. Das Hochskalieren vergrößert einen Clip von bis zu 20 Sekunden um das 1,5- bis 3-Fache und behält den Ton: Precise schärft nur, Creative baut zusätzlich feine Details neu auf.

Inhaltstests. Wir setzen keinen eigenen Filter ein. FLUX 3 läuft mit der Moderation von Black Forest Labs: Andeutende Szenen werden geliefert, alles Freizügigere wird abgelehnt. Fehlgeschlagene oder abgelehnte Anfragen werden nicht berechnet.

Sechs FLUX.2-Modelle von Black Forest Labs sind jetzt auf SpicyAPI verfügbar, jeweils mit einem Text-zu-Bild- und einem Edit-Endpunkt: FLUX.2 Max, Pro, Flex, Dev, Klein 9B und Klein 4B.

Die Preise gelten pro Bild. Das Seitenverhältnis ändert den Preis nicht, und eine Bearbeitung kostet gleich viel, ob Sie ein oder drei Referenzbilder senden.

Wofür sich welches Modell eignet. Max ist das Flaggschiff für die beste Detailtreue. Pro ist das Arbeitspferd für den Alltag. Flex ist am stärksten bei Typografie und Text im Bild. Dev ist das Open-Weight-Modell mit 32B. Klein 9B und 4B sind kleine, destillierte Modelle, die ein Bild in deutlich unter einer Minute liefern.

Inhaltstests. Wir setzen keinen eigenen Filter ein. Max, Pro und Flex laufen mit der Moderation von Black Forest Labs: Andeutende Bilder werden geliefert, freizügigere Anfragen werden meist verdeckt oder abgelehnt, und Bearbeitungen von Personen werden häufiger abgelehnt als Text zu Bild. Dev und die beiden Klein-Modelle sind Open-Weight und ohne Moderation; in unseren Tests wurde nichts abgelehnt, auch wenn die kleineren Modelle oft von selbst Kleidung hinzufügen.

Jedes Modell unterstützt neun Seitenverhältnisse bei 1k (etwa ein Megapixel) oder 2k (2048 px an der langen Seite) und für Bearbeitungen bis zu drei Referenzbilder. Fehlgeschlagene oder abgelehnte Anfragen werden nicht berechnet.