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.

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.

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.

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.

Claude Haiku 5.5, am 7. Oktober von Anthropic veröffentlicht, ist ab sofort bei SpicyAPI verfügbar – als ein OpenAI-kompatibler Chat-Endpunkt: anthropic/claude-haiku-5.5/chat.

Inhaltstests. Wir setzen keinen eigenen Filter davor. Bei 24 Testanfragen am 8. Oktober hat das Modell 20 vollständig geschrieben, 2 abgeschwächt und 2 abgelehnt. Eine intime Szene zwischen zwei Erwachsenen kam in 8 von 9 Versuchen vollständig zurück; abgelehnt wurden explizite Figurenstudien, die Körperteil für Körperteil vorgehen.

Gut zu wissen. Das Modell entscheidet selbst, wie viel es nachdenkt – deshalb gibt es kein reasoning_effort, und auch stop und temperature fehlen. max_tokens kürzt die Antwort nicht ab: Wünschen Sie eine bestimmte Länge, sagen Sie es im Prompt; bezahlt werden nur die tatsächlich geschriebenen Tokens. Cache-Treffer kosten $0.10 pro Million Tokens.

Kurze Antworten kamen in unseren Tests nach drei bis fünf Sekunden. Fehlgeschlagene Anfragen werden nicht berechnet.

Google hat Nano Banana 2.1 am 6. Oktober 2026 veröffentlicht, ein Update von Nano Banana 2 (Gemini 3.1 Flash Image) mit besserer Bildqualität, genauerer Befolgung des Prompts, konsistenteren Figuren über mehrere Bearbeitungen hinweg und besserer Textdarstellung. Zwei Endpunkte sind ab heute live:

• 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. In unseren Tests wurde jede Textzeile in Anführungszeichen genau so geschrieben wie angegeben, und mit der Websuche druckte ein Wetterposter das richtige Datum.
• Bearbeiten (google/nano-banana-2.1/edit): ein bis vierzehn Quellbilder, Gesichter und Produktdetails bleiben erhalten; auto übernimmt das Format des Quellbilds.

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

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

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.

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.