Les mises à jour qui comptent pour votre intégration

Trois endpoints de chat rejoignent le catalogue, et les réglages de raisonnement des modèles de texte existants correspondent désormais à ce que chaque éditeur prend réellement en charge.

• zai/glm-5.3/chat — 1,05 $ en entrée / 0,195 $ en cache / 3,30 $ en sortie par million de tokens, 25 % sous le prix publié par Z.ai. Étiquette de contenu : Light, c'est-à-dire des restrictions plus légères, même si certains prompts purement textuels peuvent rester limités.
• zai/glm-5.3-flash/chat — 0,1275 $ / 0,0255 $ / 0,425 $ par million de tokens, Uncensored.
• deepseek/v4.1-flash/chat — prix actuel 0,30 $ / 0,006 $ / 1,20 $ par million de tokens, Uncensored.

Le niveau de raisonnement est maintenant propre à chaque modèle, et non une liste recopiée partout. Claude 4.5 et 4.6 portent les niveaux publiés par Anthropic pour chacun ; Gemini a reçu son palier minimal ; DeepSeek accepte none, dont nous avons mesuré qu'il coupe réellement le raisonnement au lieu de simplement le réduire. Là où un éditeur ne propose pas un niveau, nous ne l'annonçons pas : Grok 4.5 et 4.6 refusent reasoning_effort: none en amont, tandis que 4.3 l'accepte.

Un point de budget qui piège souvent : les tokens de raisonnement comptent dans max_tokens. Un prompt demandant 150 mots peut consommer plusieurs milliers de tokens à un niveau élevé. Dimensionnez donc la limite sur ce que le modèle va réellement produire, pas sur la longueur de réponse que vous souhaitez lire.

Trois nouvelles familles font tourner MiniMax H3 en poids ouverts avec jusqu’à trois fichiers LoRA de votre choix par requête, chacun avec sa propre intensité de 0 à 4.

• MiniMax H3 LoRA (minimax/h3-lora/text-to-video, /image-to-video, /reference-to-video) : de 3 à 15 secondes en 480p, 540p, 768p ou 1080p, avec un son stéréo généré dans la même passe. Références vers vidéo accepte jusqu’à neuf images, trois clips et trois extraits audio.
• MiniMax H3 Singularity LoRA (minimax/h3-singularity-lora/image-to-video, /reference-to-video) : le fine-tune communautaire de H3 entraîné en HDR, pensé pour l’action rapide, la danse et les plans larges où les visages doivent tenir. Vos LoRA H3 s’y chargent tels quels.
• MiniMax H3 Image LoRA (minimax/h3-image-lora/text-to-image, /edit) : H3 en modèle d’image fixe, en 1k ou 2k, avec retouche à partir de neuf références au plus. Composez ici l’image de départ, puis animez-la avec le même LoRA.

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

Alibaba a publié aujourd'hui Qwen-Image-2.1 en open source, et il est au catalogue le jour même. Quatre points d'accès : génération et édition par références, chacun en édition simple et en édition LoRA, qui charge les fichiers de poids que vous lui indiquez.

• Apportez vos propres poids. Jusqu'à trois fichiers LoRA par requête, chacun avec sa propre intensité, indiqués par un lien HTTPS direct vers un fichier .safetensors ou par un dépôt Hugging Face. Aucun téléversement, aucune liste blanche, aucune file d'approbation.
• Entre le prompt et le modèle, il n'y a rien. Les quatre points d'accès sont sans restriction : aucun filtre devant le modèle, aucun indicateur de contenu pour adultes, aucune déclaration à joindre à la requête.
• Quinze rapports d'image, trois paliers de résolution. Des bandes 3:1 et 21:9 aux colonnes 1:3 et 9:21, en 1k, 1,5k ou 2k.
• L'édition accepte jusqu'à dix images de référence. Chacune entre dans l'estimation affichée avant l'envoi : envoyez les références qui travaillent et laissez le reste de côté.

Six endpoints rejoignent la famille des échanges, dont trois pour la vidéo. Ce qui les distingue, c'est l'étendue de ce qui se déplace réellement.

Images

• spicyapi/face-swap-pro-v1/edit — seuls les traits du visage se déplacent. Coiffure, ligne des cheveux, silhouette de la tête, pose, tenue, éclairage et arrière-plan de la cible restent inchangés. 0,16 $ par image.
• spicyapi/face-swap-v1-plus/edit — déplace le visage et harmonise au passage la carnation entre les deux images ; le moteur fond soit le visage seul, soit la tête entière, selon ce qui rend le mieux. 0,16 $ par image.
• Les spicyapi/face-swap-v1/edit et spicyapi/head-swap-v1/edit d'origine restent à 0,013 $ par image.

Vidéo

• spicyapi/face-swap-video-v1/video-edit — porte les traits d'une seule image de référence sur toutes les images du clip. Coiffure, silhouette de la tête, mouvement, tenue et éclairage de la personne filmée ne bougent pas. 0,0325 $ par seconde produite.
• spicyapi/head-swap-video-v1/video-edit — cheveux, forme de la tête et identité changent. 0,064 $ par seconde produite.
• spicyapi/character-swap-v1/video-edit — la silhouette entière change, vêtements compris. 0,064 $ par seconde produite.

Les deux endpoints vidéo multi-personnes sont volontairement en deux temps. Appelez d'abord le video-analyze correspondant, 0,08 $ par requête : il suit chaque personne visible dans le clip et renvoie une image d'aperçu par personne, dans un ordre fixe — la première image est la position 0, la deuxième la position 1. Vous transmettez ensuite les positions retenues, avec une à trois photos de référence pour chacune. Rien n'est laissé au hasard quant à la personne sur laquelle le modèle agit.

Trois modèles xAI, un endpoint chat chacun, tous au format OpenAI et compatibles streaming.

• 40 % sous le prix publié par xAI, à chaque palier, vérifié sur leur page tarifaire le 19 septembre 2026.
• Seul 4.3 accepte reasoning_effort: none. Sur 4.5 et 4.6, cette valeur est refusée en amont ; les quatre autres niveaux fonctionnent sur les trois modèles.
• 4.5 met en cache moins cher que 4.6 (0,18 $ contre 0,30 $ par million de tokens d'entrée en cache), à égalité partout ailleurs.
• Les prompts de 200 000 tokens ou plus passent au tarif long contexte, exactement comme chez xAI. Les tokens de raisonnement comptent dans max_tokens : prévoyez-les.
• Ces routes acceptent texte et images. Elles n'acceptent pas les pièces jointes de type fichier ou PDF.

Cinq endpoints d'image couvrant un rapport de prix de un à quatre : de quoi choisir le palier en fonction du travail plutôt que de payer le tarif haut pour une vignette.

• bytedance/seedream-4.0/text-to-image et bytedance/seedream-4.0/edit — 0,03 $ par image, tous deux Uncensored. L'endpoint edit prend une image existante et une consigne écrite.
• krea/2-large/text-to-image — 0,06 $ par image, Filtered.
• krea/2-medium/text-to-image — 0,03 $ par image, Softened.
• krea/2-medium-turbo/text-to-image — 0,015 $ par image, Filtered. L'endpoint d'image le moins cher du catalogue après la famille des échanges.

Deux points à connaître avant de choisir. Les paliers Krea diffèrent par ce qu'ils acceptent, pas seulement par le prix : Filtered refuse catégoriquement les demandes osées, tandis que Softened renvoie un résultat atténué et le facture quand même — sur une route Softened, vérifiez donc la sortie plutôt que le code de statut. Par ailleurs, la taille de l'image n'est pas un réglage appliqué après coup : les exemples de chaque page de modèle indiquent la taille exacte pour laquelle la composition a été écrite, car un prompt pensé pour un cadre vertical ne se redimensionne pas en format large.

heartmula/transcribe/speech-to-text transcrit les paroles chantées d'un fichier audio et les renvoie sous forme de texte porté par la tâche. Il est réglé pour du chant sur fond musical, pas pour de la parole simple.

• Une seule entrée : audio_url, qui doit pointer directement vers un fichier audio. Il n'y a rien d'autre à envoyer : ni indication de langue, ni demande d'horodatage, ni option de séparation des locuteurs.
• Le résultat est du texte sur la tâche. Aucun média n'est produit : il n'y a pas de fichier à télécharger et rien n'entre dans la rétention des médias.
• Pas de minutage par ligne, pas d'indice de confiance, pas d'étiquette de locuteur.
• 0,05 $ par transcription, quelle que soit la durée de l'audio.

C'est aussi le premier endpoint du catalogue dont la sortie est du texte plutôt qu'un fichier. Si votre intégration suppose que toute tâche terminée porte un média téléchargeable, c'est ici que cette hypothèse se révélera — jetez un œil à votre traitement des résultats avant de le brancher.