Updates, die für Ihre Integration zählen

403 Beispielläufe decken inzwischen 117 der 120 aufrufbaren Endpunkte ab. Jeder davon ist ein Auftrag, der tatsächlich auf dieser Plattform gelaufen ist — kein Konzeptbild, kein aus einer Modellkarte übernommenes Standbild. Zu jedem gehören drei Dinge:

• Die fertige Datei, aus unserem eigenen CDN, im ursprünglichen Seitenverhältnis.
• Das vollständige Eingabeobjekt, das sie erzeugt hat — Prompt, Größe, Dauer, jeder Parameter —, direkt zum Kopieren in Ihren eigenen Aufruf.
• Eine Erläuterung in allen zehn Oberflächensprachen: warum diese Eingabe gewählt wurde, für welches Seitenverhältnis die Komposition geschrieben ist, welcher Parameter die Arbeit tut und was man zuerst ändern sollte.

Auf jeder Modellseite stehen sie als überblickbare Wand von Ergebnissen; über die API kommen sie unter examples aus GET /console/v1/catalog/models/{slug}.

Ein Modell auszuwählen hieß bisher, eine Parametertabelle zu lesen und sich das Ergebnis vorzustellen. Jetzt sehen Sie, was ein Endpunkt wirklich produziert, und beginnen mit einer Eingabe, von der bekannt ist, dass sie dort funktioniert.

Katalog ansehen

Sechs Endpunkte kommen zur Swap-Familie hinzu, drei davon für Video. Der Unterschied liegt darin, wie viel tatsächlich mitwandert.

Bilder

• spicyapi/face-swap-pro-v1/edit — es wandern nur die Gesichtszüge. Frisur, Haaransatz, Kopfsilhouette, Pose, Kleidung, Licht und Hintergrund der Zielperson bleiben, wie sie waren. $0,16 pro Bild.
• spicyapi/face-swap-v1-plus/edit — überträgt das Gesicht und gleicht dabei den Hautton zwischen beiden Bildern an; die Engine blendet entweder nur das Gesicht oder den ganzen Kopf ein, je nachdem, was besser wirkt. $0,16 pro Bild.
• Die ursprünglichen spicyapi/face-swap-v1/edit und spicyapi/head-swap-v1/edit bleiben bei $0,013 pro Bild.

Video

• spicyapi/face-swap-video-v1/video-edit — trägt die Züge aus einem einzigen Referenzbild durch jedes Einzelbild. Frisur, Kopfsilhouette, Bewegung, Kleidung und Licht der auftretenden Person bleiben unangetastet. $0,0325 pro Ausgabesekunde.
• spicyapi/head-swap-video-v1/video-edit — Haare, Kopfform und Identität ändern sich. $0,064 pro Ausgabesekunde.
• spicyapi/character-swap-v1/video-edit — die ganze Figur wechselt, Kleidung eingeschlossen. $0,064 pro Ausgabesekunde.

Die beiden Video-Endpunkte für mehrere Personen sind bewusst zweistufig. Rufen Sie zuerst den zugehörigen video-analyze-Endpunkt auf, $0,08 pro Anfrage: Er verfolgt jede erkennbare Person durch den Clip und liefert je ein Vorschaubild, in fester Reihenfolge — das erste Bild ist Position 0, das zweite Position 1. Anschließend übergeben Sie die gewählten Positionen mit je einem bis drei Referenzfotos. Es bleibt nichts zu raten, auf welche Person das Modell wirkt.

Drei xAI-Modelle, je ein chat-Endpunkt, alle im OpenAI-Format und mit Streaming.

• 40% unter dem von xAI veröffentlichten Preis, in jeder Stufe, abgeglichen mit deren Preisseite am 19. September 2026.
• Nur 4.3 akzeptiert reasoning_effort: none. Bei 4.5 und 4.6 wird dieser Wert stromaufwärts abgelehnt; die übrigen vier Stufen funktionieren bei allen dreien.
• 4.5 cacht günstiger als 4.6 ($0,18 gegenüber $0,30 je 1 Mio. gecachte Eingabetoken) und ist sonst gleichauf.
• Prompts ab 200.000 Token werden mit dem höheren Long-Context-Tarif abgerechnet, genau wie bei xAI. Reasoning-Token zählen gegen max_tokens — planen Sie sie ein.
• Diese Routen nehmen Text und Bilder entgegen. Datei- oder PDF-Bestandteile akzeptieren sie nicht.

Fünf Bild-Endpunkte über eine Preisspanne von Faktor vier — so wählen Sie die Stufe passend zur Aufgabe, statt für ein Vorschaubild den Höchstsatz zu zahlen.

• bytedance/seedream-4.0/text-to-image und bytedance/seedream-4.0/edit — $0,03 pro Bild, beide Uncensored. Der edit-Endpunkt nimmt ein vorhandenes Bild und eine schriftliche Anweisung entgegen.
• krea/2-large/text-to-image — $0,06 pro Bild, Filtered.
• krea/2-medium/text-to-image — $0,03 pro Bild, Softened.
• krea/2-medium-turbo/text-to-image — $0,015 pro Bild, Filtered. Nach der Swap-Familie der günstigste Bild-Endpunkt im Katalog.

Zwei Dinge lohnen sich vor der Wahl. Die Krea-Stufen unterscheiden sich nicht nur im Preis, sondern darin, was sie überhaupt annehmen: Filtered weist freizügige Anfragen rundheraus ab, Softened liefert ein abgeschwächtes Ergebnis und rechnet es trotzdem ab — prüfen Sie dort also die Ausgabe statt des Statuscodes. Und die Bildgröße ist kein nachträglicher Regler: Die Beispielläufe auf jeder Modellseite nennen genau die Größe, für die eine Komposition geschrieben wurde, denn ein Prompt für ein hochformatiges Bild lässt sich nicht einfach ins Querformat skalieren.

heartmula/transcribe/speech-to-text transkribiert den gesungenen Text einer Audiodatei und gibt ihn als Text an der Aufgabe zurück. Er ist auf Gesang über Musik abgestimmt, nicht auf reine Sprache.

• Eine einzige Eingabe: audio_url, die direkt auf eine Audiodatei zeigen muss. Mehr gibt es nicht zu senden — kein Sprachhinweis, keine Zeitstempel-Anforderung, kein Schalter für Sprechertrennung.
• Das Ergebnis ist Text an der Aufgabe. Es entsteht kein Medienobjekt, also gibt es nichts herunterzuladen und nichts fällt unter die Medien-Aufbewahrung.
• Keine Zeilenzeiten, keine Konfidenzwerte, keine Sprecherkennzeichen.
• $0,05 je Transkription, unabhängig von der Länge des Audios.

Es ist zugleich der erste Endpunkt im Katalog, dessen Ausgabe Text und keine Datei ist. Wenn Ihre Integration davon ausgeht, dass jede abgeschlossene Aufgabe ein herunterladbares Objekt trägt, wird genau diese Annahme hier sichtbar — ein Blick in Ihre Ergebnisverarbeitung lohnt sich, bevor Sie ihn einbinden.