Le novità che contano mentre sviluppi

Tre endpoint chat entrano nel catalogo e i controlli di ragionamento dei modelli testuali già presenti corrispondono ora a ciò che ciascun produttore supporta davvero.

• zai/glm-5.3/chat — $1,05 in ingresso / $0,195 in cache / $3,30 in uscita per milione di token, il 25% sotto il prezzo pubblicato da Z.ai. Etichetta di contenuto: Light, cioè restrizioni più leggere, anche se alcuni prompt di solo testo possono restare limitati.
• zai/glm-5.3-flash/chat — $0,1275 / $0,0255 / $0,425 per milione di token, Uncensored.
• deepseek/v4.1-flash/chat — prezzo attuale $0,30 / $0,006 / $1,20 per milione di token, Uncensored.

Il reasoning effort è ora specifico per modello, non un elenco copiato ovunque. Claude 4.5 e 4.6 portano i livelli che Anthropic pubblica per ciascuno; Gemini ha guadagnato la fascia minimal; DeepSeek accetta none, e abbiamo misurato che spegne davvero il ragionamento invece di limitarsi ad abbassarlo. Dove un produttore non offre un livello, noi non lo pubblicizziamo: Grok 4.5 e 4.6 rifiutano reasoning_effort: none a monte, mentre il 4.3 lo accetta.

Un dettaglio di budget su cui in molti inciampano: i token di ragionamento rientrano nel max_tokens. Un prompt che chiede 150 parole può comunque bruciare diverse migliaia di token con un livello di sforzo alto. Dimensionate quindi il limite su ciò che il modello emetterà davvero, non sulla lunghezza della risposta che volete leggere.

Tre nuove famiglie eseguono MiniMax H3 a pesi aperti con fino a tre file LoRA tuoi per richiesta, ognuno con la propria intensità da 0 a 4.

• MiniMax H3 LoRA (minimax/h3-lora/text-to-video, /image-to-video, /reference-to-video): da 3 a 15 secondi in 480p, 540p, 768p o 1080p, con audio stereo generato nello stesso passaggio. Riferimenti in video accetta fino a nove immagini, tre clip e tre clip audio.
• MiniMax H3 Singularity LoRA (minimax/h3-singularity-lora/image-to-video, /reference-to-video): il fine-tune della community di H3 addestrato in HDR, pensato per azione veloce, danza e campi lunghi in cui i volti devono reggere. I tuoi LoRA per H3 si caricano senza modifiche.
• MiniMax H3 Image LoRA (minimax/h3-image-lora/text-to-image, /edit): H3 come modello per immagini fisse in 1k o 2k, con modifica a partire da fino a nove riferimenti. Crea qui il fotogramma chiave, poi animalo con lo stesso LoRA.

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

Alibaba ha rilasciato oggi Qwen-Image-2.1 come open source e lo trovate in catalogo dalla stessa giornata. Quattro endpoint: generazione e modifica con riferimenti, ciascuno in edizione semplice e in edizione LoRA, che carica i file di pesi che le indicate.

• Portate i vostri pesi. Fino a tre file LoRA per richiesta, ognuno con la propria intensità, indicati come link HTTPS diretto a un file .safetensors oppure come repository Hugging Face. Nessun caricamento, nessuna lista di autorizzati, nessuna coda di approvazione.
• Fra il prompt e il modello non c'è nulla. Tutti e quattro gli endpoint sono senza restrizioni: nessun filtro davanti al modello, nessun contrassegno per contenuti per adulti, nessuna dichiarazione da allegare alla richiesta.
• Quindici proporzioni, tre livelli di risoluzione. Dalle strisce 3:1 e 21:9 alle colonne 1:3 e 9:21, a 1k, 1,5k o 2k.
• La modifica accetta fino a dieci immagini di riferimento. Ognuna entra nel preventivo che vedete prima di inviare: mandate i riferimenti che lavorano davvero e lasciate fuori il resto.

Sei endpoint si aggiungono alla famiglia degli scambi, tre dei quali per il video. A distinguerli è quanto viene effettivamente trasferito.

Immagini

• spicyapi/face-swap-pro-v1/edit — si spostano solo i tratti del viso. Acconciatura, attaccatura dei capelli, profilo della testa, posa, abbigliamento, luce e sfondo del soggetto di destinazione restano com'erano. $0,16 a immagine.
• spicyapi/face-swap-v1-plus/edit — sposta il viso e nel farlo concilia l'incarnato fra le due immagini; il motore fonde il solo viso oppure l'intera testa, a seconda di quale risulti più convincente. $0,16 a immagine.
• Gli originali spicyapi/face-swap-v1/edit e spicyapi/head-swap-v1/edit restano a $0,013 a immagine.

Video

• spicyapi/face-swap-video-v1/video-edit — porta i tratti di una singola immagine di riferimento su tutti i fotogrammi. Acconciatura, profilo della testa, movimento, abiti e luce dell'interprete non vengono toccati. $0,0325 al secondo prodotto.
• spicyapi/head-swap-video-v1/video-edit — cambiano capelli, forma della testa e identità. $0,064 al secondo prodotto.
• spicyapi/character-swap-v1/video-edit — cambia l'intera figura, abiti compresi. $0,064 al secondo prodotto.

I due endpoint video per più persone sono volutamente in due passaggi. Chiamate prima il video-analyze corrispondente, $0,08 a richiesta: segue ogni persona che riesce a distinguere nella clip e restituisce un fermo immagine di anteprima per ciascuna, in ordine fisso — la prima immagine è la posizione 0, la seconda la posizione 1. Poi passate le posizioni scelte, con una o tre foto di riferimento per ognuna. Non resta nulla da indovinare su chi il modello andrà a toccare.

Tre modelli xAI, un endpoint chat ciascuno, tutti nel formato OpenAI e con streaming.

• Il 40% sotto il prezzo pubblicato da xAI, su ogni fascia, verificato sulla loro pagina dei prezzi il 19 settembre 2026.
• Solo il 4.3 accetta reasoning_effort: none. Su 4.5 e 4.6 quel valore viene rifiutato a monte; gli altri quattro livelli funzionano su tutti e tre.
• Il 4.5 mette in cache a meno del 4.6 ($0,18 contro $0,30 per milione di token di input in cache), pari in tutto il resto.
• I prompt da 200.000 token in su passano alla tariffa a contesto lungo, esattamente come fa xAI. I token di ragionamento rientrano nel max_tokens: tenetene conto.
• Queste rotte accettano testo e immagini. Non accettano parti di tipo file o PDF.

Cinque endpoint per le immagini, con una forbice di prezzo di quattro a uno: si sceglie il livello in base al lavoro, invece di pagare la tariffa più alta per una miniatura.

• bytedance/seedream-4.0/text-to-image e bytedance/seedream-4.0/edit — $0,03 a immagine, entrambi Uncensored. L'endpoint edit accetta un'immagine esistente e un'istruzione scritta.
• krea/2-large/text-to-image — $0,06 a immagine, Filtered.
• krea/2-medium/text-to-image — $0,03 a immagine, Softened.
• krea/2-medium-turbo/text-to-image — $0,015 a immagine, Filtered. Dopo la famiglia degli scambi, l'endpoint per immagini più economico del catalogo.

Due cose da sapere prima di scegliere. I livelli di Krea si distinguono per che cosa accettano, non solo per il prezzo: Filtered rifiuta senza mezzi termini le richieste spinte, mentre Softened restituisce un risultato attenuato e lo addebita comunque; su una rotta Softened, quindi, controllate l'output e non il codice di stato. Inoltre la dimensione dell'immagine non è una regolazione applicata a posteriori: gli esempi su ogni pagina di modello riportano la dimensione esatta per cui la composizione è stata scritta, perché un prompt pensato per un'inquadratura verticale non si ridimensiona semplicemente in una orizzontale.

heartmula/transcribe/speech-to-text trascrive il testo cantato di un file audio e lo restituisce come testo sull'attività. È tarato sulla voce sopra la musica, non sul parlato semplice.

• Un solo input: audio_url, che deve puntare direttamente a un file audio. Non c'è altro da inviare: nessun suggerimento di lingua, nessuna richiesta di marcatura temporale, nessun interruttore per la separazione dei parlanti.
• Il risultato è testo sull'attività. Non viene prodotta alcuna risorsa multimediale, quindi non c'è nessun file da scaricare e nulla rientra nella conservazione dei media.
• Niente tempi per riga, niente valori di confidenza, niente etichette di parlante.
• $0,05 a trascrizione, a prescindere dalla durata dell'audio.

È anche il primo endpoint del catalogo il cui output è testo e non un file. Se la vostra integrazione dà per scontato che ogni attività completata porti con sé una risorsa scaricabile, è qui che quell'assunto verrà allo scoperto: conviene dare un'occhiata alla gestione dei risultati prima di collegarlo.