Les mises à jour qui comptent pour votre intégration

• Claude Sonnet 5.5 est disponible. Le dernier Sonnet d’Anthropic, sorti le 28 septembre, sur un point de terminaison compatible OpenAI : texte en entrée, fenêtre de 1 000 000 de tokens et jusqu’à 128 000 en sortie — deux fois le plafond de Sonnet 5. Les réponses se diffusent en SSE et les requêtes échouées ne sont pas facturées.
• 24 tests de contenu sur 24 écrits en entier. Aucun refus, rien d’adouci, y compris les neuf demandes de scène intime entre adultes — là où Sonnet 5 avait refusé toutes ses demandes directes ou intégrées au récit.
• Six niveaux d’effort. reasoning_effort va de none à max, avec medium par défaut ; none saute la phase de réflexion, xhigh et max renvoient leur raisonnement. tool_choice n’accepte que auto ou none, et temperature comme top_p sont refusés.
• Le tarif catalogue d’Anthropic. 2 $ par million de tokens en entrée, 0,20 $ en cache, 2,50 $ pour l’écriture en cache et 10 $ en sortie — le même tarif catalogue que Sonnet 5.

Deux versions de Wan 3.0 d’Alibaba réglées pour les scènes adultes sont désormais disponibles sur SpicyAPI. Toutes deux transforment une image d’ouverture en 2 à 30 secondes de vidéo en 480p, 720p ou 1080p, avec du son généré et une dernière image facultative.

Laquelle choisir. Pour la plupart des clips, nous recommandons de commencer par le Wan 3.0 ou le Wan 3.0 Prime standard. Ils sont eux aussi non censurés sur SpicyAPI, coûtent moins cher à la seconde (en 480p, $0.045 pour Wan 3.0 contre $0.057 pour Wan 3.0 Spicy, et $0.0612 pour Wan 3.0 Prime contre $0.09 pour Prime Spicy), gardent les vêtements en place quand le prompt le demande et proposent aussi le texte vers vidéo et la vidéo à partir de références. Passez à une version Spicy quand vous voulez un modèle qui penche de lui-même vers l’adulte ; côté Prime, Prime Spicy a aussi rendu le palier intime à deux personnes que le Wan 3.0 Prime standard a adouci lors de notre test.

Ce que nous avons testé. Nous avons passé notre échelle de contenu à six niveaux sur les deux modèles en 480p : une bretelle qui glisse, seins nus, nudité complète, deux adultes dans une scène intime, bondage consenti et impact play, et gore cinématographique. Chaque niveau est revenu tel qu’écrit sur les deux : aucun refus, rien de couvert, personne remplacé par quelqu’un d’autre. Sur Wan 3.0 Prime Spicy, cela inclut le niveau intime à deux personnes, que le Wan 3.0 Prime standard avait adouci lors de notre test précédent.

À savoir avant de publier. Les deux modèles penchent d’eux-mêmes vers l’adulte. Avec des images d’ouverture habillées et des prompts demandant que la personne reste habillée, Wan 3.0 Spicy a déshabillé le sujet dans quatre clips sur six, et Prime Spicy dans deux sur quatre. Vérifiez les clips entiers plutôt que les images d’affiche, et utilisez le Wan 3.0 standard quand la tenue doit rester en place.

Détails. N’importe quel nombre entier de secondes de 2 à 30. Format 16:9, 9:16, 1:1, 4:3 ou 3:4, ou omettez-le pour suivre l’image d’ouverture. last_image_url fixe la façon dont le clip se termine. Dans notre premier lot, un clip de cinq secondes en 480p a pris environ une minute et demie sur Wan 3.0 Spicy et environ deux à deux minutes et demie sur Prime Spicy. La facturation se fait par seconde demandée.

Seedream 5.0 Flash, de ByteDance, est désormais disponible sur SpicyAPI avec trois endpoints. La séparation en calques — une image en entrée, un fond propre plus jusqu’à 16 calques PNG transparents en sortie — est proposée sur Flash et sur Seedream 5.0 Pro.

Seedream 5.0 Flash. La déclinaison allégée de Seedream. Le 1K, le 1,5K et le 2K coûtent tous 0,029 $, donc la définition par défaut est la plus nette (2K). Prompts jusqu’à 5 000 caractères, quinze formats d’image de 1:3 à 3:1, sortie en JPEG ou PNG. Le contenu pour adultes ne demande ni interrupteur supplémentaire ni endpoint dédié : lingerie, boudoir et autres scènes pour adultes sont traités comme n’importe quel prompt, en texte vers image comme en édition.

Séparation en calques. Vous envoyez une image et, si vous le souhaitez, vous nommez ce qu’il faut isoler (« le titre et le perroquet »). Vous obtenez un fond dont ces éléments ont été retirés et l’arrière-plan reconstitué, plus un PNG transparent par élément. Chacun peut être déplacé, redimensionné, recoloré ou remplacé. Usages courants : changer le titre d’une affiche, remplacer l’arrière-plan d’un visuel produit, extraire une personne d’une photo de groupe, préparer des calques pour l’animation. Après n’importe quelle génération, vous pouvez aussi envoyer le résultat directement vers « Séparer en calques ».

Flash ou Pro pour les calques. Pro renvoie en plus le nom de chaque calque et sa position sur le fond : la vue de résultat sur le web devient alors un canevas où vous affichez ou masquez les calques, les déplacez et exportez l’empilement visible en un seul PNG. Flash renvoie des détourages indépendants, sans position, présentés sous forme de bandeau à télécharger calque par calque ou en un seul zip. Pro accepte aussi des photos d’entrée plus dénudées, que Flash refuse.

Facturation. Chaque image produite compte, fond compris, jusqu’à 17 par requête. Nous réservons 17 images à l’acceptation de la requête et remboursons la différence dès que le nombre réel est connu. Une exécution typique produit de 3 à 9 images, soit 0,06 à 0,18 $ sur Flash.

Pour en savoir plus. L’API Seedream 5.0 Flash testée · Séparer une image en calques avec une API

Cinq nouveaux modèles vocaux sont désormais disponibles sur SpicyAPI, aux côtés de Gemini 2.5 Pro TTS. Aucun d’entre eux n’ajoute de filtre de contenu : lors de nos tests, les cinq ont lu des scripts NSFW dans leur intégralité.

• Gemini 3.8 Flash TTS — le tout dernier modèle vocal de Google. Jusqu’à 5 000 caractères, 30 voix, sortie en WAV, et il interprète les indications entre crochets comme [whispering] ou [sighs]. 0,00032 $ par seconde d’audio.
• Gemini 3.8 Flash-Lite TTS — la version plus rapide et moins chère. Les mêmes 30 voix ; il lit parfois les balises entre crochets à voix haute, mieux vaut donc épeler les sons. 0,00021 $ par seconde d’audio.
• Seed Speech 2.0 par ByteDance — 41 voix prédéfinies dans dix langues, une note en langage clair sur la manière de lire le texte, sortie en MP3. 0,072 $ pour 1 000 caractères.
• Qwen3 TTS par Alibaba — open source, neuf voix dont le japonais, le coréen et deux locuteurs de dialectes chinois. 0,068 $ pour 1 000 caractères, 100 caractères minimum.
• Chatterbox par Resemble AI — une voix open source en anglais avec un curseur d’expressivité. Jusqu’à 1 000 caractères pour un tarif fixe de 0,036 $ par requête.

Le prix est connu avant l’exécution. Seed Speech 2.0 et Qwen3 TTS sont les premiers modèles facturés au caractère : le nombre de caractères est connu à l’avance, donc le devis affiché est déjà le prix final. Les modèles Gemini facturent à la seconde d’audio renvoyé, avec un montant retenu puis libéré une fois l’audio mesuré.

Ce qu’ils ne font pas. Aucun de ces points de terminaison ne clone les voix, et aucun ne prend en charge un dialogue à deux voix dans une seule requête — générez chaque réplique avec sa propre voix, puis assemblez les fichiers.

La synthèse vocale Gemini 2.5 Pro de Google est désormais disponible sur SpicyAPI sous la forme de google/gemini-2.5-pro-tts/text-to-speech.

• Entrée : un script de jusqu’à 5 000 caractères. Les indications entre crochets telles que [sighs] sont interprétées, pas lues à voix haute.
• Voix : l’une de 30 voix prédéfinies, chacune avec un caractère fixe, du ton clair et affirmé à la voix douce et haletante.
• Interprétation : un style facultatif (whisper, empathetic, vocalsmile, newscaster, promohype ou deadpan), l’un de 8 accents anglais, et des instructions en texte libre sur le rythme, l’ambiance et le destinataire — rien de tout cela n’est prononcé.
• Sortie : un fichier WAV, 24 kHz, 16 bits, mono.
• Prix : 0,00045 $ par seconde d’audio renvoyé (environ 0,027 $ par minute), 10 % sous le tarif catalogue de Google. Pendant l’exécution de la tâche, un montant est retenu pour le clip le plus long possible, puis la différence est libérée une fois l’audio mesuré ; les requêtes échouées ne sont pas facturées.

Jusqu’où ça va. Nous n’ajoutons aucun filtre de contenu. Lors de nos tests, le modèle a lu des scripts NSFW dans leur intégralité : répliques directes, fiction narrée, indications de voix haletante, sans sauter un mot ni couper le clip avant la fin. Ce point de terminaison ne prend pas en charge le dialogue à deux voix ni le clonage vocal : une voix parmi les 30 voix prédéfinies par requête.

Essayer Gemini 2.5 Pro TTS →

Le dernier Opus d’Anthropic, sorti le 22 septembre, est maintenant sur SpicyAPI sous la référence anthropic/claude-opus-5.5/chat, sur un point de terminaison compatible OpenAI unique à /v1/chat/completions.

• Prix : 3,60 $ par million de tokens en entrée, 0,18 $ pour les tokens en cache, 4,50 $ pour l’écriture en cache et 18 $ en sortie, soit 10 % sous le tarif catalogue d’Anthropic.
• Fenêtre de contexte : 1 000 000 tokens en entrée, jusqu’à 128 000 en sortie.
• La réflexion est toujours active : reasoning_effort accepte low, medium ou high, medium étant la valeur par défaut.
• Outils : jusqu’à 128 définitions ; tool_choice n’accepte que auto ou none, car le modèle refuse un appel d’outil forcé.

Jusqu’où il va. Nous n’ajoutons aucun filtre de contenu qui nous soit propre. Le jour du lancement, nous lui avons envoyé 24 tests de contenu pour adultes selon trois styles de prompt différents, et il n’en a refusé aucun. Sous un system prompt de fiction pour adultes, il a écrit chaque scène intime en entier ; sollicité directement, il écrivait le plus souvent une version adoucie plutôt que de refuser, là où Claude Opus 5 refusait purement et simplement.

Essayer Claude Opus 5.5 →

La gamme vidéo actuelle de Kling est désormais disponible sur SpicyAPI, facturée à la seconde en dollars américains, sans aucun forfait à acheter à l’avance.

• Kling O3 (kling/o3/text-to-video, /image-to-video, /reference-to-video, /video-edit) : Kling 3.0 Omni. Intégrez jusqu’à sept photos de référence dans un seul plan, retouchez un clip que vous possédez déjà (une source de 3 à 10 secondes), et activez les changements de plan intelligents ainsi que le son natif, jusqu’en 4K.
• Kling 3.0 (kling/3.0/text-to-video, /image-to-video, /character-animation) : le modèle phare, avec première et dernière image, jusqu’en 4K et son activable. Motion Control reproduit les mouvements, expressions et gestes d’un clip de 3 à 30 secondes sur votre propre personnage.
• Kling 3.0 Turbo (kling/3.0-turbo/text-to-video, /image-to-video) : chaque clip est livré avec un son natif, en 720p ou 1080p.
• Kling 2.6 (kling/2.6/text-to-video, /image-to-video, /character-animation) : le premier modèle de Kling avec son natif, en 1080p sur 5 ou 10 secondes, avec son propre Motion Control.
• Kling 2.5 Turbo (kling/2.5-turbo/text-to-video, /image-to-video) : une option économique en 1080p sur 5 ou 10 secondes, avec image de fin, prompt négatif et guidance.
• Kling 2.1 (kling/2.1/image-to-video) et Kling 2.1 Master (kling/2.1-master/text-to-video, /image-to-video) : la génération précédente, du 720p en image vers vidéo jusqu’au 1080p haute fidélité de Master.
• Kling Avatar 2.0 (kling/avatar-2.0/talking-avatar) : un portrait et une piste audio suffisent pour faire parler ou chanter cette personne aussi longtemps que dure l’audio, jusqu’à environ cinq minutes.

Kling modère lui-même les contenus : les plans suggestifs passent parfois, tout ce qui est plus dévoilé est refusé, et une requête refusée n’est jamais facturée. Pour du contenu réservé aux adultes, utilisez l’une de nos familles Spicy.

Kling O3, Kling 3.0, Kling 2.5 Turbo et Kling Avatar 2.0 sont proposés sous le tarif catalogue à la seconde de Kling lui-même.

Trois nouvelles familles d’images font tourner des modèles ouverts avec jusqu’à trois de vos propres fichiers LoRA par requête, chacun avec sa propre intensité. Chaque image est à prix fixe, quel que soit le ratio d’image.

• Z-Image Turbo LoRA (alibaba/z-image-turbo-lora/text-to-image, /edit) : Z-Image Turbo d’Alibaba en 8 étapes, quelques secondes par image, neuf ratios d’image à environ un mégapixel, plus image vers image avec réglage de force.
• FLUX.1 Dev LoRA (black-forest-labs/flux-1-dev-lora/text-to-image) : FLUX.1 [dev] de Black Forest Labs, la base qui compte plus d’un millier de LoRA communautaires sur Hugging Face, avec un réglage de guidance.
• Qwen Image 2512 LoRA (alibaba/qwen-image-2512-lora/text-to-image, /edit) : Qwen-Image-2512 jusqu’à 1536 pixels sur le grand côté, et la retouche avec Qwen-Image-Edit-2511 à partir d’une à trois sources, avec des LoRA de retouche comme les nouveaux angles de caméra.

Un LoRA est un lien direct vers un fichier .safetensors : pas d’envoi, pas de liste blanche, pas de validation. Les cinq endpoints sont sans censure, et charger des LoRA ne coûte rien de plus.

Huit endpoints à tâche unique sont en ligne depuis le 26 septembre. Chacun effectue une seule opération sur une image ou un clip que vous avez déjà, à prix fixe. Appelez-les comme n’importe quel modèle, ou utilisez-les dans Spicy Studio, sous Outils et directement sur vos résultats.

Ce qui détermine la facture :

• L’agrandissement vidéo est facturé sur la durée du clip source, arrondie à la seconde supérieure, avec un minimum de 3 secondes.
• L’avatar parlant et la synchronisation labiale sont facturés sur la vidéo rendue, qui dure autant que votre audio (3 secondes minimum). La synchronisation labiale boucle un clip plus court que l’audio.
• Les bruitages sont facturés sur le duration_seconds demandé (1 à 30, 8 par défaut), pas sur votre clip : réglez-le sur la durée du clip. L’outil produit bruitages et ambiance, pas de dialogues ni de musique.
• Les entrées audio et vidéo doivent être des liens directs vers le fichier, et l’envoi du fichier reste la voie la plus fiable. Une entrée hors de la durée autorisée est refusée avant tout débit.

xAI a publié Grok 4.7 le 21 septembre, et xai/grok-4.7/chat est appelable ici depuis le 22 septembre, avec le même format de chat OpenAI et le même streaming SSE que les autres endpoints Grok.

• 40 % sous le prix publié par xAI sur le palier standard ($2 / $0.50 / $6), et 60 % sous son palier long contexte ($4 / $1 / $12).
• Sans censure sur cette route. Le 22 septembre, neuf sondes d’écriture créative du niveau 4 de notre échelle de tests de contenu, qui en compte cinq, envoyées dans trois styles de prompt, sont revenues sous forme de neuf scènes complètes, sans aucun refus ; le 24 septembre, tous les autres niveaux testés sont passés aussi, y compris le plus élevé. Nous n’ajoutons aucun filtre.
• Le rôle system est respecté, vérifié exprès : un cadre posé en tête de conversation tient jusqu’au bout.
• Le raisonnement est facturé comme de la sortie. La valeur par défaut high coûte plus qu’il n’y paraît ; pour du dialogue, low ou medium se lit mieux et coûte moins.

Depuis le 24 septembre, les deux endpoints MiniMax H3 Max acceptent resolution: "480p" en plus de 768p.

Les prix s’entendent par seconde produite et correspondent aux tarifs publiés par MiniMax. Le 480p est un palier natif, pas une réduction : c’est la façon économique de vérifier le mouvement et le cadrage avant de payer le 768p.

Cinq étiquettes de contenu ont changé. Une nouvelle série de tests de contenu sur les routes que nous servons s’est terminée le 24 septembre, et ces étiquettes ont bougé :

• Atténué signifie qu’une requête qui dépasse les limites propres au modèle n’échoue pas : elle revient adoucie et elle est facturée comme n’importe quel succès. Vérifiez donc le résultat, pas le code de statut. Filtré signifie que la requête est refusée avec content_rejected et remboursée.
• Si vous aviez choisi H3 Max image vers vidéo pour un travail sans censure après notre annonce du 21 septembre, ce sont désormais minimax/h3/image-to-video (à partir de $0.025 la seconde) et les deux endpoints Wan 2.5 qui portent l’étiquette Sans censure.

Quatre familles rejoignent le catalogue vidéo, facturées à la seconde produite. Chacune porte une étiquette de contenu mesurée, non supposée.

• minimax/h3-max/image-to-video et text-to-video — 0,08 $ la seconde. L'image vers vidéo est Uncensored ; le texte vers vidéo est Softened : un prompt osé y renvoie un résultat atténué plutôt qu'une erreur, et reste facturé. Vérifiez la sortie, pas le code de statut.
• alibaba/wan-2.6/text-to-video et image-to-video — 0,09 $ la seconde, tous deux Uncensored. reference-to-video est à 0,065 $ la seconde et Filtered : il refuse catégoriquement les demandes osées.
• alibaba/wan-2.6-flash/image-to-video — 0,0225 $ la seconde, Uncensored. De loin la vidéo la moins chère à la seconde du catalogue.
• lightricks/ltx-2.5/text-to-video et image-to-video — 0,09 $ la seconde, tous deux Uncensored.
• vidu/q3-pro/image-to-video à 0,054 $ et vidu/q3-turbo/image-to-video à 0,042 $ la seconde, tous deux Uncensored.

Les étiquettes viennent de mesures réelles sur la route que nous servons effectivement : si la route change, l'étiquette change. Un modèle sans étiquette est un modèle que nous n'avons pas encore mesuré — nous préférons ne rien dire plutôt que de deviner à votre place.