Le novità che contano mentre sviluppi

• Claude Sonnet 5.5 è disponibile. Il nuovo Sonnet di Anthropic, rilasciato il 28 settembre, su un unico endpoint compatibile con OpenAI: input di solo testo, finestra da 1.000.000 di token e fino a 128.000 in uscita — il doppio del tetto di Sonnet 5. Le risposte arrivano in streaming via SSE e le richieste fallite non si pagano.
• 24 test sui contenuti su 24 scritti per intero. Nessun rifiuto e niente di attenuato, comprese tutte e nove le richieste di una scena intima tra adulti, mentre Sonnet 5 aveva rifiutato tutte le richieste dirette o interne alla storia.
• Sei livelli di sforzo. reasoning_effort va da none a max, con medium come predefinito; none salta la fase di ragionamento e xhigh e max restituiscono il ragionamento. tool_choice accetta solo auto o none, e temperature e top_p non sono accettati.
• Il prezzo di listino di Anthropic. 2 $ per milione di token in ingresso, 0,20 $ per quelli in cache, 2,50 $ per la scrittura in cache e 10 $ per l'output — lo stesso listino di Sonnet 5.

Due versioni di Wan 3.0 di Alibaba messe a punto per le scene per adulti sono ora disponibili su SpicyAPI. Entrambe trasformano un fotogramma iniziale in 2–30 secondi di video a 480p, 720p o 1080p, con audio generato e un ultimo fotogramma facoltativo.

Quale usare. Per la maggior parte dei clip consigliamo di partire dal Wan 3.0 o dal Wan 3.0 Prime standard. Anche loro su SpicyAPI sono senza censura, costano meno al secondo (a 480p, $0.045 per Wan 3.0 contro $0.057 per Wan 3.0 Spicy, e $0.0612 per Wan 3.0 Prime contro $0.09 per Prime Spicy), tengono i vestiti addosso quando il prompt lo chiede e offrono anche testo in video e video da riferimenti. Passa a una versione Spicy quando vuoi un modello che tende da solo verso l’adulto; sul Prime, Prime Spicy ha anche reso il livello intimo a due persone che il Wan 3.0 Prime standard ha attenuato nel nostro test.

Cosa abbiamo testato. Abbiamo eseguito la nostra scala di contenuto a sei livelli su entrambi i modelli a 480p: una spallina che scivola, topless, nudo integrale, due adulti in una scena intima, bondage consensuale e impact play, e gore cinematografico. Ogni livello è tornato come scritto su entrambi: nessun rifiuto, nulla coperto, nessuno sostituito con un’altra persona. Su Wan 3.0 Prime Spicy questo include il livello intimo a due persone, che il Wan 3.0 Prime standard aveva attenuato nel nostro test precedente.

Da sapere prima di pubblicare. Entrambi i modelli tendono da soli verso l’adulto. Con fotogrammi iniziali vestiti e prompt che chiedevano di restare vestiti, Wan 3.0 Spicy ha spogliato il soggetto in quattro clip su sei e Prime Spicy in due su quattro. Controlla i clip interi e non solo le immagini di copertina, e usa il Wan 3.0 standard quando i vestiti devono restare addosso.

Dettagli. Qualsiasi numero intero di secondi da 2 a 30. Proporzioni 16:9, 9:16, 1:1, 4:3 o 3:4, oppure omettile per seguire il fotogramma iniziale. last_image_url fissa come finisce il clip. Nel nostro primo lotto un clip da cinque secondi a 480p ha richiesto circa un minuto e mezzo su Wan 3.0 Spicy e circa due minuti o due e mezzo su Prime Spicy. La fatturazione è per secondo richiesto.

Seedream 5.0 Flash di ByteDance è ora disponibile su SpicyAPI con tre endpoint. La separazione in livelli — entra un’immagine, escono una base pulita e fino a 16 livelli PNG trasparenti — funziona su Flash e su Seedream 5.0 Pro.

Seedream 5.0 Flash. Il livello più leggero di Seedream. 1K, 1,5K e 2K costano tutti $0,029, quindi la risoluzione predefinita è la più nitida (2K). Prompt fino a 5.000 caratteri, quindici proporzioni da 1:3 a 3:1, output in JPEG o PNG. I contenuti per adulti non richiedono un interruttore in più né un endpoint separato: lingerie, boudoir e altre scene per adulti vengono generate come qualsiasi altro prompt, sia da testo a immagine sia in modifica.

Separazione in livelli. Invii un’immagine e, se vuoi, indichi cosa separare («il testo del titolo e il pappagallo»). Ottieni una base senza quegli elementi e con lo sfondo ricostruito, più un PNG trasparente per ciascun elemento. Puoi spostare, ridimensionare, ricolorare o sostituire ognuno di essi. Usi tipici: cambiare il titolo di un poster, sostituire lo sfondo di una foto di prodotto, estrarre una persona da una foto di gruppo o preparare livelli per l’animazione. Dopo qualsiasi generazione puoi anche inviare il risultato direttamente a «Dividi in livelli».

Flash o Pro per i livelli. Pro restituisce anche il nome di ogni livello e la sua posizione sulla base, quindi la vista dei risultati sul web diventa una tela in cui puoi mostrare o nascondere i livelli, trascinarli ed esportare la pila visibile come un unico PNG. Flash restituisce ritagli indipendenti senza posizione, mostrati in una striscia che puoi scaricare livello per livello o in un unico zip. Pro accetta anche foto di input più audaci, che Flash rifiuta.

Fatturazione. Ogni immagine in uscita conta, base inclusa, fino a 17 per richiesta. Alla presa in carico della richiesta riserviamo 17 immagini e rimborsiamo la differenza appena il numero reale è noto. Un’esecuzione tipica produce da 3 a 9 immagini, cioè da $0,06 a $0,18 su Flash.

Per saperne di più. L’API Seedream 5.0 Flash alla prova · Come dividere un’immagine in livelli con un’API

Cinque nuovi modelli vocali sono ora disponibili su SpicyAPI, ad affiancare Gemini 2.5 Pro TTS. Nessuno di questi aggiunge un filtro sui contenuti: nei nostri test tutti e cinque hanno letto script NSFW per intero.

• Gemini 3.8 Flash TTS — il modello vocale più recente di Google. Fino a 5.000 caratteri, 30 voci, output in WAV, e interpreta le indicazioni tra parentesi quadre come [whispering] o [sighs]. $0,00032 per secondo di audio.
• Gemini 3.8 Flash-Lite TTS — la versione più veloce ed economica. Le stesse 30 voci; a volte legge i tag tra parentesi ad alta voce, quindi scrivi i suoni per esteso. $0,00021 per secondo di audio.
• Seed Speech 2.0 di ByteDance — 41 voci preimpostate in dieci lingue, una nota in linguaggio semplice su come leggere il testo, output in MP3. $0,072 ogni 1.000 caratteri.
• Qwen3 TTS di Alibaba — open source, nove voci tra cui giapponese, coreano e due parlanti di dialetti cinesi. $0,068 ogni 1.000 caratteri, minimo 100 caratteri.
• Chatterbox di Resemble AI — una voce open source in inglese con un cursore per l'espressività. Fino a 1.000 caratteri per una tariffa fissa di $0,036 a richiesta.

Il prezzo è noto prima di eseguire. Seed Speech 2.0 e Qwen3 TTS sono i primi modelli fatturati per carattere: il conteggio è noto in anticipo, quindi il preventivo mostrato è già il prezzo finale. I modelli Gemini fatturano per secondo di audio restituito, con un importo trattenuto e rilasciato non appena l'audio viene misurato.

Cosa non fanno. Nessuno di questi endpoint clona le voci, e nessuno supporta un dialogo a due voci in un'unica richiesta — genera ogni battuta con la propria voce e unisci i file.

La sintesi vocale Gemini 2.5 Pro di Google è ora disponibile su SpicyAPI come google/gemini-2.5-pro-tts/text-to-speech.

• Input: uno script fino a 5.000 caratteri. Le indicazioni tra parentesi quadre come [sighs] vengono interpretate, non lette ad alta voce.
• Voce: una tra 30 voci predefinite, ciascuna con un carattere fisso, da toni chiari e decisi a voci morbide e ansimanti.
• Interpretazione: uno stile opzionale (whisper, empathetic, vocalsmile, newscaster, promohype o deadpan), un accento tra 8 accenti inglesi e istruzioni in testo libero su ritmo, tono e a chi è rivolto il parlato: nulla di questo viene pronunciato.
• Output: un file WAV, 24 kHz, 16 bit, mono.
• Prezzo: $0,00045 per secondo di audio restituito (circa $0,027 al minuto), il 10% sotto il prezzo di listino di Google. Mentre il task è in esecuzione viene trattenuto un importo per il clip più lungo possibile, rilasciato non appena l'audio viene misurato; le richieste fallite non vengono addebitate.

Fin dove arriva. Non aggiungiamo alcun filtro sui contenuti. Nei nostri test ha letto script NSFW per intero: battute dirette, narrativa raccontata, indicazioni di voce ansimante, senza saltare parole né interrompere il clip in anticipo. Questo endpoint non supporta il dialogo a due voci né la clonazione vocale: una tra le 30 voci predefinite per richiesta.

Prova Gemini 2.5 Pro TTS →

Il nuovo Opus di Anthropic, rilasciato il 22 settembre, è ora su SpicyAPI come anthropic/claude-opus-5.5/chat, su un unico endpoint compatibile con OpenAI su /v1/chat/completions.

• Prezzo: 3,60 $ per milione di token in ingresso, 0,18 $ per quelli in cache, 4,50 $ per la scrittura in cache e 18 $ per l'output, il 10% sotto il prezzo di listino di Anthropic.
• Finestra di contesto: 1.000.000 di token in ingresso, fino a 128.000 in uscita.
• Il ragionamento è sempre attivo: reasoning_effort accetta low, medium o high, con medium come valore predefinito.
• Tool: fino a 128 definizioni; tool_choice accetta solo auto o none, perché il modello rifiuta una chiamata di tool forzata.

Fin dove arriva. Non aggiungiamo alcun filtro sui contenuti nostro. Il giorno del lancio gli abbiamo inviato 24 test di contenuti per adulti su tre stili di prompt diversi e non ne ha rifiutato nessuno. Con un system prompt di narrativa per adulti ha scritto per intero ogni scena intima; se richiesto direttamente, di solito scriveva una versione più attenuata invece di rifiutare, cosa che Claude Opus 5 rifiutava del tutto.

Prova Claude Opus 5.5 →

L'attuale gamma video di Kling è ora disponibile su SpicyAPI, con fatturazione al secondo in dollari statunitensi e senza alcun pacchetto da acquistare in anticipo.

• Kling O3 (kling/o3/text-to-video, /image-to-video, /reference-to-video, /video-edit): è Kling 3.0 Omni. Inserisci fino a sette foto di riferimento in un'unica inquadratura, modifica una clip che hai già (una sorgente da 3 a 10 secondi) e attiva tagli multi-shot intelligenti e audio nativo, fino a 4K.
• Kling 3.0 (kling/3.0/text-to-video, /image-to-video, /character-animation): il modello di punta, con primo e ultimo fotogramma, fino a 4K e audio attivabile. Motion Control copia i movimenti, le espressioni e i gesti di una clip da 3 a 30 secondi sul tuo personaggio.
• Kling 3.0 Turbo (kling/3.0-turbo/text-to-video, /image-to-video): ogni clip include audio nativo, in 720p o 1080p.
• Kling 2.6 (kling/2.6/text-to-video, /image-to-video, /character-animation): il primo modello di Kling con audio nativo, 1080p in 5 o 10 secondi, con il proprio Motion Control.
• Kling 2.5 Turbo (kling/2.5-turbo/text-to-video, /image-to-video): opzione economica in 1080p in 5 o 10 secondi, con fotogramma di chiusura, prompt negativo e guidance.
• Kling 2.1 (kling/2.1/image-to-video) e Kling 2.1 Master (kling/2.1-master/text-to-video, /image-to-video): la generazione precedente, dal 720p image-to-video fino al 1080p ad alta fedeltà di Master.
• Kling Avatar 2.0 (kling/avatar-2.0/talking-avatar): un ritratto e una traccia audio bastano per far parlare o cantare quella persona per tutta la durata dell'audio, fino a circa cinque minuti.

Kling modera i contenuti da solo: le inquadrature allusive a volte passano, qualsiasi cosa più esplicita viene rifiutata e una richiesta rifiutata non viene mai addebitata. Per contenuti per adulti, usa una delle nostre famiglie Spicy.

Kling O3, Kling 3.0, Kling 2.5 Turbo e Kling Avatar 2.0 hanno un prezzo inferiore al listino al secondo dello stesso Kling.

Tre nuove famiglie di immagini eseguono modelli aperti con fino a tre file LoRA tuoi per richiesta, ognuno con la propria intensità. Ogni immagine ha un unico prezzo fisso, qualunque sia il formato.

• Z-Image Turbo LoRA (alibaba/z-image-turbo-lora/text-to-image, /edit): Z-Image Turbo di Alibaba a 8 passi, pochi secondi per immagine, nove formati a circa un megapixel, più immagine in immagine con il controllo della strength.
• FLUX.1 Dev LoRA (black-forest-labs/flux-1-dev-lora/text-to-image): FLUX.1 [dev] di Black Forest Labs, la base con più di mille LoRA della community su Hugging Face, con un controllo della guidance.
• Qwen Image 2512 LoRA (alibaba/qwen-image-2512-lora/text-to-image, /edit): Qwen-Image-2512 fino a 1536 pixel sul lato lungo, e la modifica con Qwen-Image-Edit-2511 da una a tre sorgenti, con LoRA di modifica come quelli per nuove angolazioni della camera.

Un LoRA è un link diretto a un file .safetensors: nessun caricamento, nessuna lista di autorizzazione, nessuna revisione. Tutti e cinque gli endpoint sono senza censura e caricare LoRA non costa nulla in più.

Il 26 settembre sono arrivati otto endpoint dedicati a un solo compito. Ognuno fa un lavoro su un'immagine o una clip che hai già, a prezzo fisso. Chiamali come qualsiasi altro modello oppure usali in Spicy Studio, dove li trovi sotto Strumenti e direttamente sui tuoi risultati.

Cosa determina il costo:

• L'upscaling video si paga sulla durata della clip di partenza, arrotondata al secondo intero successivo, con un minimo di 3 secondi.
• Avatar parlante e lip sync si pagano sul video restituito, che dura quanto il tuo audio (minimo 3 secondi). Il lip sync ripete in loop una clip più corta dell'audio.
• Gli effetti sonori si pagano sui duration_seconds richiesti (da 1 a 30, default 8), non sulla clip, quindi impostali sulla durata della clip. Lo strumento crea effetti e ambiente, non dialoghi né musica.
• Gli input audio e video devono essere link diretti al file, e caricare il file è la strada più affidabile. Gli input fuori dalla durata consentita vengono rifiutati prima di qualsiasi addebito.

xAI ha rilasciato Grok 4.7 il 21 settembre, e xai/grok-4.7/chat si può chiamare qui dal 22 settembre, con lo stesso formato chat OpenAI e lo stesso streaming SSE degli altri endpoint Grok.

• Il 40% sotto il prezzo pubblicato da xAI nella fascia standard ($2 / $0.50 / $6) e il 60% sotto la sua fascia a contesto lungo ($4 / $1 / $12).
• Senza censura su questa route. Il 22 settembre nove prove di scrittura creativa dal gradino 4 della nostra scala di test sui contenuti, che ne ha cinque, in tre stili di prompt, sono tornate come nove scene complete, senza alcun rifiuto; il 24 settembre ha superato anche tutti gli altri gradini testati, compreso il più alto. Non aggiungiamo filtri nostri.
• Il ruolo system viene rispettato, lo abbiamo verificato apposta: una cornice impostata all'inizio della conversazione regge fino alla fine.
• Il ragionamento si paga come output. Il default high costa più di quanto sembri; per i dialoghi low o medium rende meglio e costa meno.

Dal 24 settembre entrambi gli endpoint di MiniMax H3 Max accettano resolution: "480p" oltre a 768p.

I prezzi sono al secondo prodotto e coincidono con le tariffe pubblicate da MiniMax. Il 480p è una fascia nativa, non un ridimensionamento: il modo economico per controllare movimento e inquadratura prima di pagare il 768p.

Cinque etichette di contenuto sono cambiate. Il 24 settembre si è chiuso un nuovo ciclo di test sui contenuti lungo le route che serviamo, e queste etichette sono cambiate:

• Attenuato vuol dire che una richiesta oltre i limiti del modello non fallisce: torna con un risultato ammorbidito e viene addebitata come qualsiasi successo, quindi controlla l'output, non il codice di stato. Filtrato vuol dire che la richiesta viene rifiutata con content_rejected e rimborsata.
• Se dopo il nostro avviso del 21 settembre avevi scelto H3 Max immagine-video per lavori senza censura, ora l'etichetta Senza censura ce l'hanno minimax/h3/image-to-video (da $0.025 al secondo) ed entrambi gli endpoint di Wan 2.5.

Quattro famiglie entrano nel catalogo video, a consumo per secondo prodotto. Ognuna porta un'etichetta di contenuto misurata, non presunta.

• minimax/h3-max/image-to-video e text-to-video — $0,08 al secondo. Da immagine a video è Uncensored; da testo a video è Softened: un prompt spinto restituisce lì un risultato attenuato anziché un errore, e viene comunque addebitato. Controllate l'output, non il codice di stato.
• alibaba/wan-2.6/text-to-video e image-to-video — $0,09 al secondo, entrambi Uncensored. reference-to-video costa $0,065 al secondo ed è Filtered: rifiuta senza mezzi termini le richieste spinte.
• alibaba/wan-2.6-flash/image-to-video — $0,0225 al secondo, Uncensored. Di gran lunga il video più economico al secondo dell'intero catalogo.
• lightricks/ltx-2.5/text-to-video e image-to-video — $0,09 al secondo, entrambi Uncensored.
• vidu/q3-pro/image-to-video a $0,054 e vidu/q3-turbo/image-to-video a $0,042 al secondo, entrambi Uncensored.

Le etichette nascono da misure reali sulla rotta che serviamo davvero, quindi cambiano quando cambia la rotta. Un modello senza etichetta è un modello che non abbiamo ancora misurato: preferiamo tacere piuttosto che tirare a indovinare al posto vostro.