Updates, die für Ihre Integration zählen

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.

SpicyAPI lässt sich jetzt direkt in die Apps einbinden, die viele ohnehin für Rollenspiel-Chats und Automatisierung nutzen.

SillyTavern. Verbinden Sie es über die Quelle Custom (OpenAI-compatible) mit https://api.spicyapi.ai/v1. Die kostenlose SpicyAPI-Erweiterung, Open Source unter der MIT-Lizenz auf github.com/spicyapi-ai/sillytavern-spicyapi, bringt Bilder und kurze Videos in den Chat: /spicy-img, /spicy-video und einen Animate-Button an jedem Bild, jeweils mit Preis vor der Ausführung. Wenn Sie es einschalten, kann das Chatmodell auch von sich aus ein Bild anfordern – innerhalb einer Abklingzeit und eines Tageslimits, die Sie selbst festlegen. Die vollständige Anleitung mit Screenshots und der Liste der unzensierten Chatmodelle finden Sie auf der SillyTavern-Seite.

Weitere Rollenspiel-Apps. RisuAI, Agnai, Chub und KoboldAI Lite verwenden dieselbe Adresse, denselben API-Schlüssel und dieselbe Modell-ID. Die Felder der einzelnen Apps stehen in der Anleitung zu Rollenspiel-Apps.

Weniger Fehler bei benutzerdefinierten Endpunkten.

1. Eine Chat-Anfrage schlägt nicht mehr fehl, wenn eine App eine Sampling-Einstellung sendet, die das Modell nicht verwendet, etwa eine Frequency- oder Presence-Penalty. Die Einstellung wird übersprungen und im Antwort-Header X-Spicy-Ignored-Params genannt.
2. Die API beantwortet jetzt Aufrufe direkt aus dem Browser, sodass browserbasierte Tools ohne Proxy funktionieren. Legen Sie Ihren Schlüssel nicht auf öffentlichen Webseiten ab und geben Sie jedem Tool einen eigenen Schlüssel und einem täglichen Ausgabenlimit.

n8n. Der Community-Node @spicyapi/n8n-nodes-spicyapi bringt Bild-, Video-, Audio- und Chatmodelle in n8n-Workflows, mit Preisprüfung vor jeder kostenpflichtigen Ausführung. Installieren Sie ihn bei selbst gehostetem n8n unter Settings > Community Nodes. Einrichtungsanleitung: docs.spicyapi.ai/de/docs/n8n

Das SpicyAPI-Node-Paket für ComfyUI ist da: kostenlos und Open Source (MIT) unter github.com/spicyapi-ai/comfyui-spicyapi. Jedes Bild-, Video- und Audiomodell aus dem Katalog wird zu einem ganz normalen ComfyUI-Node, der auf unseren Servern läuft. So kann auch ein Laptop ohne GPU Text zu Bild zu Video verketten, ganz ohne Modell-Downloads.

Einrichtung in drei Schritten.

1. Führe in ComfyUI/custom_nodes den Befehl git clone https://github.com/spicyapi-ai/comfyui-spicyapi aus und starte ComfyUI neu.
2. Füge deinen API-Schlüssel unter Settings > SpicyAPI ein.
3. Doppelklicke auf die Arbeitsfläche und tippe einen Modellnamen, oder öffne im Template-Browser einen fertigen Graphen.

Was im Paket steckt

Unzensierte Modelle inklusive. Mehr als 100 der Nodes führen Modelle aus, deren eigene Richtlinie uneingeschränkt ist, von den Spicy-Editionen von Seedance, Wan und MiniMax H3 bis zu den LoRA-Bildmodellen. Die aktuelle Liste mit Freiheitswerten und Preisen findest du zusammen mit Praxisbeispielen auf der ComfyUI-Seite.

Der Preis steht am Node. Jeder Node zeigt seinen Tarif für die gewählten Optionen, jeder Lauf wird vor dem Start berechnet, und Max cost per run in den Settings stoppt alles über deinem Limit. Seeds stehen standardmäßig auf fixed, wenn du denselben Graphen zweimal in die Warteschlange stellst, zahlst du also nicht doppelt.

Dein Schlüssel bleibt aus geteilten Dateien heraus. Er liegt im Benutzerordner von ComfyUI, nie in einem Workflow und nie in den Metadaten eines gespeicherten Bilds.

Einrichtungsanleitung: docs.spicyapi.ai/de/docs/comfyui.

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.

„Modelle vergleichen“ ist da: unter spicyapi.ai/compare und in Spicy Studio unter „Werkzeuge“. Schreiben Sie einen Prompt, wählen Sie die Modelle, und alle Ergebnisse erscheinen nebeneinander, mit Dauer und Kosten. So wählen Sie ein Modell danach, was es aus Ihrer Szene tatsächlich gemacht hat.

Starten Sie mit einem Set. Modell-Sets übernehmen die Auswahl: Beste unzensierte, Bestbewertet, Spicy-Editionen, LoRA-Modelle, Neu im Katalog, Flaggschiffe, Günstigste und je ein Set pro Modellreihe (jede Seedream-Version, jede Qwen-Image-Version). Oder fügen Sie selbst bis zu acht Modelle hinzu und speichern Sie sie als eigenes Set.

Bilder und Video, sieben Arten von Läufen.

Die Modellliste richtet sich nach dem Typ, Sie sehen also nur Modelle, die diese Art von Lauf beherrschen.

Gemeinsame Eingaben gehören dahin, wo sie passen. Negativer Prompt, Seed, Ton und LoRA tragen Sie einmal ein, sie gehen an jedes Modell, das sie annimmt, samt Anzahl der Modelle, die das tun. Optionen, die sich von Modell zu Modell unterscheiden, auch eine eigene LoRA, stehen in den Einstellungen des jeweiligen Modells.

Der Preis vor dem Lauf. Jedes Modell zeigt seinen Preis, der Button die Summe. Lassen Sie jedes Modell bis zu viermal laufen, um zu sehen, wie stark seine Ergebnisse schwanken.

Wenn ein Modell ablehnt. Der Lauf zeigt, wie viele Modelle abgelehnt haben, und mit einem Klick läuft derselbe Prompt auf dem Set „Beste unzensierte“.

Außerdem

• Eine Vollbildansicht, um in voller Größe zwischen den Ergebnissen zu blättern.
• Nachstellen lädt die Einstellungen eines früheren Vergleichs wieder ein.
• Vergleiche und gespeicherte Sets bleiben auf diesem Gerät; die Ergebnisse selbst liegen wie jeder andere Lauf in Ihrem Verlauf.

• 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.

Mit Short film in Spicy Studio kommst du jetzt in deutlich weniger Schritten von einer Zeile Story zu einem fertigen MP4 mit Musik und Untertiteln.

Starte mit vier einfachen Entscheidungen. Wähle die Länge (30 Sek., 1 Min. oder 2 Min.), wie viele Personen mitspielen, wie viel gesprochen wird und wie heiß es zugeht (Sweet, Flirty oder Steamy). Du siehst die Anzahl der Szenen und eine Schätzung für den ganzen Film, bevor etwas geschrieben wird.

Make my film. Ein Button, zwei Bestätigungen:

1. Figurenporträts, Schauplätze und das erste Bild jeder Szene.
2. Alle Szenenvideos auf einen Schlag – nachdem du dir deinen Film als Bilder angesehen und angepasst hast, was du ändern willst.

Untertitel aus dem Skript werden automatisch ergänzt, und du landest auf der Timeline, von der aus du direkt exportieren kannst.

Musik und Voice-over. Wähle eines von 12 Instrumentalstücken: Es läuft durch den ganzen Film und liegt dabei unter den Dialogen. Oder lass Score this film ein Musikstück für deine Story komponieren. Szenen mit eingeblendetem Text lassen sich mit einem Klick als Voice-over vorlesen.

Dieselbe Stimme in jeder Szene. Gib jeder Figur eine von 30 Stimmen, die du vorher anhören kannst. Aktiviere Same voice in every scene: Jede Zeile wird zuerst in dieser Stimme gesprochen, und das Video wird anschließend lippensynchron darauf abgestimmt. So klingt deine Hauptfigur von der ersten bis zur letzten Szene wie dieselbe Person.

Folgen. Make the next episode schreibt Folge 2 genau dort weiter, wo die Story aufgehört hat, und nimmt Figurenporträts, Schauplätze, Look und Stimmen mit. Folgen derselben Serie werden in deinem Projektregal zusammengefasst.

20 neue einminütige Beispiele mit Sprechstimmen. Öffne eines davon und sieh dir genau an, wie es entstanden ist. Use this story übernimmt die Figurenporträts und Szenenbilder in dein Projekt, sodass du direkt bei den Videos weitermachen kannst.

Außerdem neu

• Die Zeilen jeder Szene lassen sich direkt neben dem jeweiligen Shot bearbeiten, mit einem Hinweis, wenn eine Zeile für die Szene zu lang ist.
• Die Modellauswahl zeigt an, welche Modelle sprechen können und welche unzensiert sind; Seedance 2.0 Fast ist jetzt das Standardmodell für Dialoge.
• Lehnt die Inhaltsprüfung eines Modells eine Szene ab, kannst du sie mit einem Klick von einem unzensierten Modell neu erstellen lassen.

Du zahlst nur für das, was du erstellst, und bestätigst den Preis immer vorher. Eine Story zu schreiben kostet etwa einen Cent; die Musikbibliothek und der Export sind kostenlos.

Zwei auf Erwachsenenszenen abgestimmte Fassungen von Alibabas Wan 3.0 sind jetzt auf SpicyAPI verfügbar. Beide machen aus einem Startbild 2 bis 30 Sekunden Video in 480p, 720p oder 1080p, mit erzeugtem Ton und optionalem letztem Bild.

Welche Fassung? Für die meisten Clips empfehlen wir, mit dem regulären Wan 3.0 oder Wan 3.0 Prime zu beginnen. Beide sind auf SpicyAPI ebenfalls unzensiert, kosten pro Sekunde weniger (in 480p $0.045 für Wan 3.0 statt $0.057 für Wan 3.0 Spicy, $0.0612 für Wan 3.0 Prime statt $0.09 für Prime Spicy), lassen die Kleidung an, wenn der Prompt das verlangt, und bieten zusätzlich Text-to-Video und Reference-to-Video. Zu einer Spicy-Fassung greifen Sie, wenn Sie ein Modell wollen, das von sich aus ins Erwachsene zieht; bei Prime hat Prime Spicy außerdem die intime Zwei-Personen-Stufe umgesetzt, die das reguläre Wan 3.0 Prime in unserem Test abgeschwächt hat.

Was wir getestet haben. Wir haben unsere Inhaltsleiter mit sechs Stufen bei beiden Modellen in 480p durchgespielt: ein abrutschender Träger, oben ohne, vollständige Nacktheit, zwei Erwachsene in einer intimen Szene, einvernehmliche Fesselspiele und Impact Play sowie Filmgore. Jede Stufe kam bei beiden wie geschrieben zurück – nichts abgelehnt, nichts verdeckt, niemand durch eine andere Person ersetzt. Bei Wan 3.0 Prime Spicy gilt das auch für die intime Zwei-Personen-Stufe, die das Standardmodell Wan 3.0 Prime in unserem früheren Test entschärft hatte.

Das sollten Sie vor dem Livegang wissen. Beide Modelle ziehen von sich aus ins Erwachsene. Bei bekleideten Startbildern und Prompts, in denen die Person bekleidet bleiben sollte, entkleidete Wan 3.0 Spicy die Person in vier von sechs Clips und Prime Spicy in zwei von vier. Prüfen Sie ganze Clips statt nur Vorschaubilder, und nehmen Sie das Standardmodell Wan 3.0, wenn die Kleidung anbleiben muss.

Details. Jede ganze Sekundenzahl von 2 bis 30. Seitenverhältnis 16:9, 9:16, 1:1, 4:3 oder 3:4, oder weglassen, um dem Startbild zu folgen. Mit last_image_url legen Sie fest, wie der Clip endet. In unserem ersten Durchlauf brauchte ein fünfsekündiger 480p-Clip bei Wan 3.0 Spicy etwa anderthalb Minuten und bei Prime Spicy etwa zwei bis zweieinhalb Minuten. Abgerechnet wird pro angeforderter Sekunde.

Seedream 5.0 Flash von ByteDance ist jetzt mit drei Endpunkten auf SpicyAPI verfügbar. Die Ebenentrennung – ein Bild hinein, eine saubere Basisebene plus bis zu 16 transparente PNG-Ebenen heraus – gibt es für Flash und für Seedream 5.0 Pro.

Seedream 5.0 Flash. Die leichtere Seedream-Stufe. 1K, 1,5K und 2K kosten alle 0,029 $, daher ist die schärfste Stufe (2K) der Standard. Prompts bis 5.000 Zeichen, fünfzehn Seitenverhältnisse von 1:3 bis 3:1, Ausgabe als JPEG oder PNG. Für Inhalte für Erwachsene brauchen Sie keinen zusätzlichen Schalter und keinen eigenen Endpunkt: Dessous, Boudoir und andere erwachsene Szenen werden wie jeder andere Prompt umgesetzt, sowohl bei Text-zu-Bild als auch beim Bearbeiten.

Ebenentrennung. Sie senden ein Bild und benennen auf Wunsch, was getrennt werden soll („der Titeltext und der Papagei“). Sie erhalten eine Basisebene, aus der diese Elemente entfernt und der Hintergrund aufgefüllt wurde, sowie für jedes Element ein transparentes PNG. Jede Ebene lässt sich verschieben, skalieren, umfärben oder austauschen. Typische Einsatzzwecke: die Schlagzeile eines Plakats ändern, den Hintergrund eines Produktfotos tauschen, eine Person aus einem Gruppenfoto herauslösen oder Ebenen für Animationen vorbereiten. Nach jeder Generierung können Sie das Ergebnis auch direkt an „In Ebenen aufteilen“ weitergeben.

Flash oder Pro für Ebenen? Pro liefert zusätzlich Name und Position jeder Ebene auf der Basisebene. Deshalb wird die Ergebnisansicht im Web zu einer Arbeitsfläche, auf der Sie Ebenen ein- und ausblenden, verschieben und den sichtbaren Stapel als ein PNG exportieren können. Flash liefert einzelne Freisteller ohne Positionen, als Leiste dargestellt, die Sie Ebene für Ebene oder als ZIP-Datei herunterladen. Zudem nimmt Pro auch freizügigere Eingabefotos an, die Flash ablehnt.

Abrechnung. Jedes Ausgabebild zählt, die Basisebene eingeschlossen, bis zu 17 pro Anfrage. Bei der Annahme reservieren wir 17 Bilder und erstatten die Differenz, sobald die tatsächliche Anzahl feststeht. Ein typischer Durchlauf ergibt 3 bis 9 Bilder, bei Flash also 0,06–0,18 $.

Mehr dazu. Seedream 5.0 Flash API im Test · Ein Bild per API in Ebenen zerlegen

Fünf weitere Sprachmodelle sind jetzt auf SpicyAPI verfügbar und ergänzen Gemini 2.5 Pro TTS. Keines von ihnen setzt einen Inhaltsfilter ein: In unseren Tests haben alle fünf NSFW-Skripte vollständig gelesen.

• Gemini 3.8 Flash TTS — Googles neuestes Sprachmodell. Bis zu 5.000 Zeichen, 30 Stimmen, Ausgabe als WAV, und es spielt Regieanweisungen in eckigen Klammern wie [whispering] oder [sighs] aus. 0,00032 $ pro Sekunde Audio.
• Gemini 3.8 Flash-Lite TTS — der schnellere, günstigere Ableger. Dieselben 30 Stimmen; manchmal liest es Tags in Klammern laut vor, buchstabieren Sie Geräusche daher aus. 0,00021 $ pro Sekunde Audio.
• Seed Speech 2.0 von ByteDance — 41 voreingestellte Stimmen in zehn Sprachen, ein Hinweis in Klartext zur Betonung, Ausgabe als MP3. 0,072 $ pro 1.000 Zeichen.
• Qwen3 TTS von Alibaba — Open Source, neun Stimmen, darunter Japanisch, Koreanisch und zwei chinesische Dialektsprecher. 0,068 $ pro 1.000 Zeichen, mindestens 100 Zeichen.
• Chatterbox von Resemble AI — eine Open-Source-Stimme für Englisch mit einem Regler für die Ausdrucksstärke. Bis zu 1.000 Zeichen für pauschal 0,036 $ pro Anfrage.

Der Preis steht schon vor dem Start fest. Seed Speech 2.0 und Qwen3 TTS sind die ersten Modelle, die pro Zeichen abgerechnet werden: Die Anzahl ist von vornherein bekannt, daher ist der angezeigte Preis bereits der endgültige. Die Gemini-Modelle rechnen pro Sekunde gelieferten Audios ab, mit einer Reservierung, die freigegeben wird, sobald das Audio gemessen ist.

Was sie nicht können. Keiner dieser Endpunkte klont Stimmen, und keiner unterstützt einen Zwei-Stimmen-Dialog in einer Anfrage — erzeugen Sie jede Zeile mit ihrer eigenen Stimme und fügen Sie die Dateien zusammen.