Novedades para tu integración

Wan 2.6 Flash, la versión más rápida y económica de Wan 2.6 de Alibaba, ya tiene un segundo endpoint en SpicyAPI: referencias a video.

• Wan 2.6 Flash, referencias a video (alibaba/wan-2.6-flash/reference-to-video): hasta cinco referencias, hasta tres de ellas clips cortos y el resto imágenes fijas, o solo imágenes fijas. Nómbralas en el prompt como character1, character2 y así sucesivamente, y el modelo las lleva a una escena nueva de 2 a 10 segundos en 720p o 1080p, en cinco relaciones de aspecto.
• El sonido es un interruptor. generate_audio viene desactivado; si lo activas, el clip llega con voces, efectos y ambiente generados al doble de la tarifa por segundo.
• Las imágenes fijas son gratis. Los clips de referencia suman sus segundos a la factura, contados hasta cinco segundos en total.

No hay ningún filtro de contenido delante del endpoint, y la expansión de prompts viene desactivada por defecto para que tu prompt llegue al modelo tal como lo escribes. Ninguna de nuestras solicitudes de prueba fue rechazada.

Los segundos facturables son la duración de salida más los clips de referencia, cada uno redondeado hacia arriba a segundos enteros, con los clips contados hasta cinco segundos en total.

Qwen Image 2.1 Pro, el nivel Pro alojado de Qwen Image 2.1 de Alibaba, ya se puede llamar en SpicyAPI, y hoy cambian dos modelos que ya estaban en el catálogo.

• Qwen Image 2.1 Pro, texto a imagen (alibaba/qwen-image-2.1-pro/text-to-image): de una a seis imágenes por solicitud, en quince relaciones de aspecto, a 1k, 1.5k o 2k. Nuestras solicitudes tardaron entre 14 y 43 segundos.
• Qwen Image 2.1 Pro, edición de imágenes (alibaba/qwen-image-2.1-pro/edit): de una a diez imágenes de referencia y una instrucción en lenguaje cotidiano. Si omites la relación de aspecto, el resultado conserva la forma de tu imagen original, a unos 2K.
• Qwen Image 2.1 Turbo ahora cuesta $0.0144 por imagen en ambos endpoints, frente a $0.0192.
• Wan 2.6 Flash, imagen a video tiene un nuevo interruptor generate_audio. Desactivado, que es el valor por defecto, el clip sigue sin sonido al mismo precio por segundo de antes; activado, llega con una pista de audio generada al doble de la tarifa.

No hay ningún filtro de contenido delante de Qwen Image 2.1 Pro, y la expansión de prompts viene desactivada por defecto para que tu prompt llegue al modelo tal como lo escribes. Ninguna de nuestras solicitudes de prueba fue rechazada.

En ambos modelos Qwen todos los niveles de resolución cuestan lo mismo, se cobra cada imagen devuelta y el número de imágenes de referencia no cambia el precio.

Qwen Image 2.1 Turbo, el checkpoint de 8 pasos de Qwen Image 2.1 que el equipo Qwen de Alibaba publicó con pesos abiertos el 9 de octubre de 2026, ya se puede llamar en SpicyAPI. La página que lo mostraba como «próximamente» ahora lo ejecuta.

• Texto a imagen (alibaba/qwen-image-2.1-turbo/text-to-image): de una a seis imágenes por solicitud, en quince relaciones de aspecto, a 1k, 1.5k o 2k. Nuestras solicitudes tardaron entre 13 y 39 segundos.
• Edición de imágenes (alibaba/qwen-image-2.1-turbo/edit): de una a diez imágenes de referencia y una instrucción en lenguaje cotidiano. Si omites la relación de aspecto, el resultado conserva la forma de tu imagen original, a unos 2K.

No hay ningún filtro de contenido delante de ninguno de los dos endpoints. La expansión de prompts viene desactivada por defecto: si la activas, la reescritura de Alibaba suaviza los prompts para adultos, y en nuestras pruebas una edición que pedía que un retrato vestido mostrara más volvió sin cambios.

Todos los niveles de resolución cuestan lo mismo, se cobra cada imagen devuelta y el número de imágenes de referencia no cambia el precio.

Ahora puedes continuar un vídeo que ya tienes. Sube un clip, cuenta qué pasa a continuación y SpicyAPI genera un nuevo fragmento a partir del último fotograma de tu clip y los une en un solo MP4. Funciona en 31 familias de modelos de vídeo, tanto en la API como en el sitio.

• Cómo funciona. Envía tu clip como video_url (MP4, MOV o WebM, hasta 60 segundos) y un prompt breve con lo que pasa después. En la mayoría de los modelos el prompt es opcional. Recibes el MP4 unido y, por separado, el fragmento nuevo solo. Puedes volver a extender el resultado unido tantas veces como quieras.
• Fotograma final opcional. Algunos modelos aceptan last_image_url, un fotograma con el que quieres que termine el fragmento nuevo. Seedance 2.5 lee hasta los últimos 30 segundos de tu clip como referencia, así que el fragmento nuevo sigue mejor el movimiento.
• Precio. Solo pagas el fragmento nuevo, al precio de imagen a vídeo de ese modelo. Tu clip original no se cobra. Seedance 2.5 también cobra los segundos de referencia que lee, al mismo precio que su generación a partir de referencias. Si la unión falla, se reembolsa todo el trabajo.
• Una unión limpia. El color, el brillo y el volumen del fragmento nuevo se ajustan a tu clip, y la velocidad de fotogramas sigue la de tu clip. No se añaden barras negras. Para alinear la unión, la imagen puede recortarse o ajustarse unos pocos puntos porcentuales en los bordes.
• En el sitio. En Playground, Studio, Recursos, el historial de tareas de la consola y el editor de cortometrajes, cada resultado de vídeo tiene un botón Extend de un clic. Tu clip ya viene cargado, se elige el mismo modelo y el precio aparece junto al botón.
• Clips 4K HDR. Las grabaciones de móvil en 4K HDR tienen un límite de duración: unos 15 segundos a 60 fps y unos 40 segundos a 30 fps. El HDR en 1080p no se ve afectado.

FLUX 3 y Wan 2.2 Spicy LoRA ya tenían su propia función de continuación nativa y la mantienen. Lo nuevo son los modelos video-extend de cada una de las familias siguientes.

Hoy se incorporaron al catálogo dieciocho familias de modelos compatibles con LoRA, 33 endpoints en total. Cada una carga tus propios archivos LoRA mediante un enlace directo sin costo adicional (hasta tres por solicitud en la mayoría, uno en P-Image), y la plataforma no aplica ningún filtro de contenido.

Antes de usar un LoRA:

• Que coincida la base. Un LoRA solo funciona con el modelo base para el que fue entrenado. Uno hecho para otra base normalmente se carga sin error y no cambia nada, así que revisa primero su ficha del modelo. Cada página de modelo indica lo que probamos.
• Usa un enlace directo al archivo de pesos. Un enlace a la página de un repositorio, o a un archivo que exige iniciar sesión, falla con un error claro y no se cobra.
• Empieza con scale 1. Con valores muy por encima de 1 la imagen se degrada rápido.

Abre cualquiera de las nuevas familias en Modelos para ver resultados probados, prompts de ejemplo y la tabla de precios completa.

Vidu Q4 Preview, la vista previa pública del modelo de video Q4 de Vidu (lanzado el 7 de octubre de 2026), ya está en SpicyAPI con dos endpoints. Los clips duran de 3 a 16 segundos, de 540p hasta 4k, con diálogo, efectos y ambiente generados junto con la imagen; una línea escrita entre comillas dobles se pronuncia en voz alta.

• Imagen a video (vidu/q4-preview/image-to-video): parte de un único fotograma inicial; el clip mantiene su forma. En nuestras pruebas de contenido nunca se rechazó.
• Referencia a video (vidu/q4-preview/reference-to-video): de 1 a 15 imágenes de referencia de personas, atuendos, productos o lugares, más hasta 3 clips de voz, se convierten en una sola escena. Rechaza el desnudo y las escenas de sexo, y las solicitudes rechazadas no se cobran.

Los clips en 2k y 4k se devuelven como archivos HEVC de 10 bits, que algunos navegadores no pueden reproducir en línea. Activar o desactivar el sonido y el número de referencias no cambian el precio.

FLUX 3, el modelo de video de Black Forest Labs, ya está en SpicyAPI con cuatro endpoints: texto a video, imagen a video (con último fotograma opcional), extender video y escalar video.

Texto a video, imagen a video y extender tienen el precio de lista de Black Forest Labs.

Clips con sonido. Los videos duran de 5 a 20 segundos y llevan audio sincronizado; el costo es el mismo con o sin sonido. El borrador es un nivel de vista previa rápido y económico en 720p: úsalo para probar un prompt y luego renderiza en calidad completa solo el que te quedes.

Extender y escalar. Extender toma un clip de hasta 15 segundos y genera de 5 a 20 segundos nuevos a partir de su último fotograma; recibes solo el segmento nuevo. Escalar agranda un clip de hasta 20 segundos entre 1,5 y 3 veces y conserva su sonido: precise solo aumenta la nitidez, creative además reconstruye el detalle fino.

Pruebas de contenido. No añadimos ningún filtro propio. FLUX 3 funciona con la moderación de Black Forest Labs: se devuelven escenas sugerentes, y todo lo más revelador se rechaza. Las solicitudes fallidas o rechazadas no se cobran.

Seis modelos FLUX.2 de Black Forest Labs ya están en SpicyAPI, cada uno con un endpoint de texto a imagen y otro de edición: FLUX.2 Max, Pro, Flex, Dev, Klein 9B y Klein 4B.

Los precios son por imagen. La relación de aspecto no cambia el precio, y una edición cuesta lo mismo si envías una o tres imágenes de referencia.

Para qué sirve cada uno. Max es el modelo insignia, con el mejor nivel de detalle. Pro es el modelo versátil de uso diario. Flex destaca en tipografía y texto dentro de la imagen. Dev es el modelo de pesos abiertos de 32B. Klein 9B y 4B son modelos pequeños destilados que devuelven una imagen en bastante menos de un minuto.

Pruebas de contenido. No añadimos ningún filtro propio. Max, Pro y Flex funcionan con la moderación de Black Forest Labs: se devuelven imágenes sugerentes, las solicitudes más reveladoras suelen salir cubiertas o rechazadas, y las ediciones de personas se rechazan más a menudo que el texto a imagen. Dev y los dos modelos Klein son de pesos abiertos y no tienen moderación; en nuestras pruebas no se rechazó nada, aunque los modelos más pequeños suelen añadir ropa por su cuenta.

Todos los modelos aceptan nueve relaciones de aspecto en 1k (aproximadamente un megapíxel) o 2k (2048 px en el lado largo) y hasta tres imágenes de referencia en las ediciones. Las solicitudes fallidas o rechazadas no se cobran.

Claude Haiku 5.5, lanzado por Anthropic el 7 de octubre, ya está en SpicyAPI como un único endpoint de chat compatible con OpenAI: anthropic/claude-haiku-5.5/chat.

Pruebas de contenido. No añadimos ningún filtro propio. En 24 solicitudes de prueba el 8 de octubre, el modelo escribió 20 completas, suavizó 2 y rechazó 2. Una escena íntima entre dos adultos salió completa en 8 de 9 intentos; los rechazos fueron estudios explícitos del cuerpo, parte por parte.

Conviene saber. El modelo decide cuánto razonar, así que no hay reasoning_effort, y tampoco stop ni temperature. max_tokens no corta la respuesta: pide la extensión que quieras en el prompt y pagas solo los tokens que se escriben de verdad. Los aciertos de caché cuestan $0.10 por millón de tokens.

En nuestras pruebas, las respuestas cortas llegaron en tres a cinco segundos. Las solicitudes fallidas no se cobran.

Google lanzó Nano Banana 2.1 el 6 de octubre de 2026, una actualización de Nano Banana 2 (Gemini 3.1 Flash Image) con mejor calidad de imagen, mayor fidelidad al prompt, más consistencia de los personajes entre ediciones y mejor renderizado de texto. Hoy ya hay dos endpoints disponibles:

• Texto a imagen (google/nano-banana-2.1/text-to-image): 1K, 2K o 4K en catorce formatos de 1:8 a 8:1, salida en PNG o JPEG, con búsqueda web y búsqueda de imágenes opcionales. En nuestras pruebas, cada línea de texto que pusimos entre comillas salió escrita tal cual, y con la búsqueda web un póster del pronóstico del tiempo imprimió la fecha correcta.
• Edición (google/nano-banana-2.1/edit): de una a catorce imágenes de origen, conservando los rostros y los detalles del producto; auto mantiene el formato de la imagen de origen.

Se aplica la política de contenido de Google: la moda sugerente se genera, mientras que las solicitudes de desnudos salen atenuadas en texto a imagen y se rechazan en edición (las ediciones rechazadas no se cobran).

La edición suma $0.0024 por imagen de origen; la búsqueda web y la búsqueda de imágenes suman $0.0168 cada una cuando se activan.

Siete nuevas familias se suman al catálogo, todas sin censura, además de un endpoint de texto a video para Wan 2.2 LoRA.

• Prefect Pony XL LoRA (prefect/pony-xl-lora/text-to-image): el checkpoint anime Pony XL con hasta tres LoRAs Pony propios por solicitud.
• Z-Image Base LoRA (alibaba/z-image-base-lora/text-to-image, /edit): la base de Z-Image sin destilar sobre la que se entrenan la mayoría de los LoRAs de Z-Image de la comunidad, con imagen a imagen y un control de intensidad.
• Neta Lumina (neta-art/neta-lumina/text-to-image): el modelo anime de Neta.art, que se maneja con etiquetas al estilo Danbooru o con frases.
• Jib Mix Qwen y Jib Mix Qwen LoRA (j1b/jib-mix-qwen-image/text-to-image, j1b/jib-mix-qwen-image-lora/text-to-image): un ajuste fino fotorrealista de Qwen-Image para retratos naturales, con o sin tus propios LoRAs.
• HunyuanVideo 1.5 (tencent/hunyuan-video-1.5/text-to-video, /image-to-video): el modelo de video abierto de Tencent, de 5 u 8 segundos en 480p o 720p.
• LTX-2 19B y LTX-2 19B LoRA (lightricks/ltx-2-19b/..., lightricks/ltx-2-19b-lora/...): el modelo de video de Lightricks con banda sonora en cada clip, de 5 a 20 segundos hasta 1080p, y con LoRAs de cámara o de estilo en la versión LoRA.
• Wan 2.2 LoRA texto a video (alibaba/wan-2.2-lora/text-to-video): Wan 2.2 con tus propios LoRAs de ruido alto y ruido bajo, ahora también a partir de un prompt y no solo de una imagen.

Un LoRA es un enlace directo a un archivo .safetensors entrenado para ese modelo base; cargar LoRAs no tiene ningún cargo aparte.

Dos nuevas familias de imagen funcionan con Anima Turbo, la versión rápida de 8 a 12 pasos del modelo anime de 2000 millones de parámetros de CircleStone Labs. Puedes escribir prompts con etiquetas al estilo Danbooru, con frases normales o con ambas cosas.

• Anima Turbo (circlestone-labs/anima-turbo/text-to-image, /edit): ilustraciones anime en quince relaciones de aspecto y dos niveles de resolución, normalmente en menos de diez segundos por imagen, además de imagen a imagen para convertir fotos en anime con un control de intensidad.
• Anima Turbo LoRA (circlestone-labs/anima-turbo-lora/text-to-image, /edit): el mismo modelo con hasta tres archivos LoRA propios por solicitud, cada uno con su propia intensidad, para estilos de videojuego retro, tinta de manga, personajes y estilos para adultos.

Un LoRA es un enlace directo a un archivo .safetensors: sin subida, sin lista de permitidos, sin revisión. Los cuatro endpoints son sin censura, imagen a imagen cuesta lo mismo que texto a imagen y cargar LoRAs no tiene ningún cargo aparte.