개발에 실제로 영향을 주는 업데이트

• Claude Sonnet 5.5가 출시되었습니다. Anthropic의 최신 Sonnet(9월 28일 출시)을 하나의 OpenAI 호환 엔드포인트로 제공합니다. 입력은 텍스트만, 창은 1,000,000토큰, 출력은 최대 128,000토큰(Sonnet 5의 두 배)입니다. 답변은 SSE로 스트리밍할 수 있고, 실패한 요청은 과금되지 않습니다.
• 콘텐츠 시험 24회, 24회 모두 완성. 거부도, 수위를 낮춘 답도 없었고 성인 사이의 친밀한 장면을 요청한 9번도 모두 완성했습니다. Sonnet 5는 직설적·이야기 속 요청을 모두 거절했습니다.
• 여섯 단계의 노력. reasoning_effort는 none부터 max까지 고를 수 있고 기본값은 medium입니다. none은 답하기 전의 사고를 건너뛰고, xhigh와 max는 추론 내용도 돌려줍니다. tool_choice는 auto나 none만 받으며, temperature와 top_p는 받지 않습니다.
• Anthropic 정가 그대로입니다. 100만 토큰당 입력 $2, 캐시 입력 $0.20, 캐시 쓰기 $2.50, 출력 $10으로 Sonnet 5의 정가와 같습니다.

Alibaba의 Wan 3.0을 성인 장면에 맞게 조정한 두 버전이 이제 SpicyAPI에서 제공됩니다. 둘 다 첫 프레임 한 장으로 480p, 720p, 1080p의 2~30초 영상을 만들며, 소리도 함께 생성되고 마지막 프레임은 선택 사항입니다.

어떤 모델을 쓸까. 대부분의 클립은 표준 Wan 3.0이나 Wan 3.0 Prime으로 시작하길 권합니다. 표준 모델도 SpicyAPI에서는 무검열이고, 초당 요금이 더 낮으며(480p 기준 Wan 3.0은 $0.045, Wan 3.0 Spicy는 $0.057 / Wan 3.0 Prime은 $0.0612, Prime Spicy는 $0.09), 프롬프트에서 옷을 입은 채로 두라고 하면 그대로 유지합니다. 텍스트→동영상과 레퍼런스→동영상도 지원합니다. 별다른 지시 없이도 성인 쪽으로 기우는 모델이 필요할 때 Spicy 버전으로 바꾸세요. Prime의 경우, 표준 Wan 3.0 Prime이 테스트에서 수위를 낮춘 친밀한 2인 장면도 Prime Spicy는 지시대로 출력했습니다.

테스트한 내용. 6단계 콘텐츠 사다리를 두 모델 모두 480p로 돌렸습니다. 어깨끈이 흘러내림, 상의 탈의, 전라, 친밀한 장면 속 성인 두 명, 합의에 따른 결박과 스팽킹, 영화적인 고어입니다. 모든 단계가 두 모델에서 요청한 그대로 나왔고, 거절도, 가려지는 것도, 다른 사람으로 바뀌는 일도 없었습니다. Wan 3.0 Prime Spicy에서는 이전 테스트에서 표준 Wan 3.0 Prime이 수위를 낮췄던 친밀한 2인 단계도 포함됩니다.

공개 전에 알아 두세요. 두 모델 모두 별다른 지시 없이도 성인 쪽으로 기웁니다. 옷을 입은 첫 프레임과 옷을 입은 채로 있으라는 프롬프트로 시험했을 때, Wan 3.0 Spicy는 6개 중 4개, Prime Spicy는 4개 중 2개 클립에서 인물이 옷을 벗었습니다. 대표 이미지만 보지 말고 클립 전체를 확인하고, 의상이 유지되어야 한다면 표준 Wan 3.0을 사용하세요.

세부 정보. 2초에서 30초 사이의 정수 초로 지정할 수 있습니다. 화면비는 16:9, 9:16, 1:1, 4:3, 3:4 중에서 고르며, 생략하면 첫 프레임을 따릅니다. last_image_url로 클립이 끝나는 모습을 지정할 수 있습니다. 첫 배치에서 5초 480p 클립은 Wan 3.0 Spicy에서 약 1분 30초, Prime Spicy에서 약 2분~2분 30초가 걸렸습니다. 요청한 초 단위로 과금합니다.

ByteDance의 Seedream 5.0 Flash가 엔드포인트 3개와 함께 SpicyAPI에 추가되었습니다. 이미지 한 장을 넣으면 배경이 채워진 깨끗한 베이스 이미지와 투명 PNG 레이어를 최대 16장까지 돌려주는 레이어 분리 기능도 Flash와 Seedream 5.0 Pro 모두에서 사용할 수 있습니다.

Seedream 5.0 Flash. 더 가벼운 Seedream 등급입니다. 1K, 1.5K, 2K 모두 $0.029로 같아서 기본값은 가장 선명한 2K입니다. 프롬프트는 최대 5,000자, 화면 비율은 1:3부터 3:1까지 15종, 출력은 JPEG 또는 PNG입니다. 성인 대상 표현에 별도 스위치나 전용 엔드포인트가 필요 없습니다. 란제리, 부두아르, 그 밖의 성인 장면도 텍스트로 이미지 생성과 편집 모두에서 일반 프롬프트와 똑같이 만들어집니다.

레이어 분리. 이미지 한 장을 보내면 됩니다. 원한다면 ‘제목 글자와 앵무새’처럼 분리할 요소를 직접 지정할 수 있습니다. 결과로는 해당 요소를 없애고 배경을 채운 베이스 이미지와 요소별 투명 PNG가 나옵니다. 각 레이어를 옮기고, 크기를 바꾸고, 색을 바꾸고, 다른 것으로 교체할 수 있습니다. 포스터 헤드라인 교체, 제품 배경 변경, 단체 사진에서 한 명만 분리하기, 애니메이션용 레이어 준비 등에 알맞습니다. 이미지를 생성한 뒤 바로 ‘레이어로 분리’로 이어서 작업할 수도 있습니다.

레이어 분리는 Flash와 Pro 중 무엇을 고를까요? Pro는 레이어 이름과 베이스 이미지 위의 위치도 함께 돌려주므로, 웹 결과 화면이 캔버스로 열려 레이어를 켜고 끄고, 드래그하고, 보이는 상태 그대로 PNG 한 장으로 내보낼 수 있습니다. Flash는 위치 정보 없이 독립된 누끼 이미지를 돌려주며, 한 장씩 또는 zip 하나로 내려받을 수 있습니다. 또한 노출이 많은 입력 사진은 Flash에서는 거부되지만 Pro에서는 처리됩니다.

과금. 베이스 이미지를 포함해 출력된 이미지마다 과금되며, 요청 한 번에 최대 17장입니다. 요청을 접수할 때 17장 분량을 잡아 두었다가 실제 장수가 정해지면 차액을 환불합니다. 보통 한 번에 3~9장이 나오므로 Flash에서는 $0.06~$0.18입니다.

더 알아보기. Seedream 5.0 Flash API 테스트 · API로 이미지를 레이어로 나누는 방법

다섯 가지 음성 모델이 SpicyAPI에 새로 추가되어 Gemini 2.5 Pro TTS와 함께 제공됩니다. 다섯 모델 모두 콘텐츠 필터를 추가하지 않으며, 테스트에서 다섯 모델 모두 NSFW 대본을 끝까지 그대로 읽었습니다.

• Gemini 3.8 Flash TTS — Google의 최신 음성 모델입니다. 최대 5,000자, 30가지 음성, WAV 출력을 지원하며, [whispering]이나 [sighs] 같은 대괄호 지시를 실제로 연기하듯 반영합니다. 오디오 1초당 $0.00032입니다.
• Gemini 3.8 Flash-Lite TTS — 더 빠르고 저렴한 버전입니다. 동일한 30가지 음성을 제공하지만, 대괄호 태그를 그대로 읽어버릴 때가 있으니 소리는 글자로 풀어서 적으세요. 오디오 1초당 $0.00021입니다.
• Seed Speech 2.0(ByteDance) — 10개 언어에 걸친 41가지 프리셋 음성과 읽는 방식에 대한 평이한 언어의 메모를 제공하며, 출력은 MP3입니다. 1,000자당 $0.072입니다.
• Qwen3 TTS(Alibaba) — 오픈소스이며, 일본어·한국어와 두 가지 중국어 방언 화자를 포함해 9가지 음성을 제공합니다. 1,000자당 $0.068이며, 최소 100자부터입니다.
• Chatterbox(Resemble AI) — 읽기의 표현력을 조절하는 다이얼이 있는 오픈소스 영어 음성입니다. 최대 1,000자까지 요청당 고정 $0.036입니다.

실행 전에 가격이 확정됩니다. Seed Speech 2.0과 Qwen3 TTS는 글자 수 단위로 과금되는 첫 모델로, 글자 수를 미리 알 수 있어 표시되는 견적이 곧 최종 가격입니다. Gemini 모델들은 반환된 오디오의 초 단위로 과금되며, 생성 가능한 최장 분량만큼 보류되었다가 오디오 길이가 측정되면 해제됩니다.

지원하지 않는 것. 이 엔드포인트들은 모두 음성 복제를 지원하지 않으며, 한 번의 요청에서 두 음성이 대화하는 기능도 지원하지 않습니다. 각 대사를 각각의 음성으로 생성한 뒤 파일을 합쳐 사용하세요.

Google의 Gemini 2.5 Pro 음성 합성이 SpicyAPI에서 google/gemini-2.5-pro-tts/text-to-speech로 제공됩니다.

• 입력: 최대 5,000자의 대본. [sighs]처럼 대괄호로 표시된 지시는 소리 내어 읽히지 않고 연기로 표현됩니다.
• 음성: 고정된 개성을 가진 30가지 기본 음성 중 하나를 선택합니다. 밝고 단단한 톤부터 숨소리 섞인 부드러운 톤까지 다양합니다.
• 연출: 스타일(whisper, empathetic, vocalsmile, newscaster, promohype, deadpan 중 하나), 8가지 영어 억양, 속도·분위기·청자를 지정하는 자유 서술형 instructions를 선택적으로 지정할 수 있으며, 어느 것도 소리 내어 읽히지 않습니다.
• 출력: 24kHz, 16비트, 모노 WAV 파일 1개.
• 가격: 반환된 오디오 1초당 $0.00045(분당 약 $0.027)로, Google 정가보다 10% 저렴합니다. 작업이 실행되는 동안 생성 가능한 최장 클립만큼 보류되며, 오디오 길이가 측정되면 나머지는 해제됩니다. 실패한 요청에는 과금되지 않습니다.

어디까지 표현하는가. 자체 콘텐츠 필터를 추가하지 않습니다. 테스트에서 직접적인 대사, 서술형 픽션, 숨소리 같은 음성 지시가 포함된 NSFW 대본도 단어를 건너뛰지 않고 끝까지 읽었습니다. 이 엔드포인트에는 두 음성이 대화하는 기능이 없고 음성 복제도 지원하지 않습니다. 요청당 30가지 기본 음성 중 하나만 사용할 수 있습니다.

Gemini 2.5 Pro TTS 사용해보기 →

Anthropic의 최신 Opus(9월 22일 출시)가 SpicyAPI에 anthropic/claude-opus-5.5/chat으로 등록되었으며, /v1/chat/completions의 OpenAI 호환 엔드포인트 하나로 제공됩니다.

• 가격: 입력 100만 토큰당 $3.60, 캐시 입력 $0.18, 캐시 쓰기 $4.50, 출력 $18로 Anthropic 정가보다 10% 저렴합니다.
• 컨텍스트 길이: 입력 1,000,000토큰, 출력 최대 128,000토큰.
• 사고 기능은 항상 켜져 있습니다: reasoning_effort는 low, medium, high 중에서 선택할 수 있으며 기본값은 medium입니다.
• 도구: 최대 128개까지 정의할 수 있으며, tool_choice는 auto 또는 none만 지원합니다. 이 모델은 강제로 지정된 도구 호출을 거부하기 때문입니다.

어디까지 표현하는가. 저희는 자체 콘텐츠 필터를 전혀 추가하지 않습니다. 출시 당일 세 가지 프롬프트 스타일로 총 24건의 성인 콘텐츠 테스트를 진행했고 거부는 0건이었습니다. 성인 픽션용 시스템 프롬프트 아래에서는 모든 은밀한 장면을 끝까지 작성했으며, 직접 요청했을 때는 대체로 순화된 버전으로 작성했습니다——Claude Opus 5는 이 경우 아예 거부했습니다.

Claude Opus 5.5 사용해보기 →

Kling의 현재 동영상 라인업이 SpicyAPI에 추가되었습니다. 미국 달러로 초 단위 과금되며, 미리 구매해야 하는 패키지는 없습니다.

• Kling O3(kling/o3/text-to-video, /image-to-video, /reference-to-video, /video-edit): Kling 3.0 Omni입니다. 참조 사진을 최대 7장까지 한 장면에 담을 수 있고, 이미 가지고 있는 클립(3~10초 길이의 원본)을 편집할 수 있으며, 스마트 멀티샷 전환과 네이티브 사운드를 최대 4K까지 지원합니다.
• Kling 3.0(kling/3.0/text-to-video, /image-to-video, /character-animation): 첫 프레임과 마지막 프레임을 지정할 수 있고 최대 4K, 사운드 켜고 끄기가 가능한 플래그십 모델입니다. Motion Control은 3~30초 길이의 클립에서 움직임, 표정, 제스처를 뽑아내 사용자의 캐릭터에 그대로 입힙니다.
• Kling 3.0 Turbo(kling/3.0-turbo/text-to-video, /image-to-video): 모든 클립에 네이티브 사운드가 포함되며 720p 또는 1080p를 지원합니다.
• Kling 2.6(kling/2.6/text-to-video, /image-to-video, /character-animation): Kling 최초의 네이티브 오디오 모델로, 1080p에 5초 또는 10초 길이를 지원하고 자체 Motion Control도 제공합니다.
• Kling 2.5 Turbo(kling/2.5-turbo/text-to-video, /image-to-video): 1080p에 5초 또는 10초 길이를 지원하는 저가형 모델로, 종료 프레임, 네거티브 프롬프트, 가이던스를 지원합니다.
• Kling 2.1(kling/2.1/image-to-video)과 Kling 2.1 Master(kling/2.1-master/text-to-video, /image-to-video): 이전 세대 모델로, 720p 이미지-투-비디오부터 Master의 고화질 1080p까지 지원합니다.
• Kling Avatar 2.0(kling/avatar-2.0/talking-avatar): 인물 사진 한 장과 음성 트랙만 있으면 오디오가 재생되는 동안, 최대 약 5분까지 그 인물이 말하거나 노래하게 만들 수 있습니다.

Kling은 콘텐츠를 자체적으로 심사합니다. 암시적인 장면은 때때로 통과되지만 그보다 더 노골적인 내용은 거부되며, 거부된 요청은 과금되지 않습니다. 성인용 콘텐츠에는 저희 Spicy 계열 모델 중 하나를 이용해 주십시오.

Kling O3, Kling 3.0, Kling 2.5 Turbo, Kling Avatar 2.0의 경우 Kling 자체의 초당 정가보다 낮은 가격으로 책정되어 있습니다.

새로운 이미지 모델 시리즈 세 가지가 오픈 모델에 요청마다 직접 만든 LoRA 파일을 최대 3개까지 얹어 실행하며, 파일마다 강도를 따로 지정합니다. 화면비와 관계없이 이미지 한 장의 가격은 균일합니다.

• Z-Image Turbo LoRA(alibaba/z-image-turbo-lora/text-to-image, /edit): Alibaba의 8스텝 모델 Z-Image Turbo입니다. 이미지 한 장에 몇 초면 되고, 약 100만 화소에 9가지 화면비를 지원하며, 강도를 조절할 수 있는 이미지→이미지도 제공합니다.
• FLUX.1 Dev LoRA(black-forest-labs/flux-1-dev-lora/text-to-image): Black Forest Labs의 FLUX.1 [dev]입니다. Hugging Face에 커뮤니티 LoRA가 1,000개 넘게 올라와 있는 기본 모델이며, 가이던스를 조절할 수 있습니다.
• Qwen Image 2512 LoRA(alibaba/qwen-image-2512-lora/text-to-image, /edit): Qwen-Image-2512는 긴 변 최대 1536픽셀까지 나오고, Qwen-Image-Edit-2511 편집은 원본 1~3장을 받으며 새 카메라 앵글 같은 편집 LoRA도 지원합니다.

LoRA는 .safetensors 파일 직링크로 지정합니다. 업로드도, 허용 목록도, 심사도 없습니다. 5개 엔드포인트 모두 무검열이며 LoRA를 불러와도 추가 요금은 없습니다.

9월 26일에 한 가지 작업만 하는 엔드포인트 8개를 공개했습니다. 각각 이미 가진 이미지나 클립에 한 가지 처리를 하며, 가격은 정액입니다. 다른 모델처럼 API로 호출하거나, Spicy Studio에서 도구 메뉴와 각 결과의 작업 버튼으로 쓸 수 있습니다.

요금을 정하는 기준은 다음과 같습니다.

• 영상 업스케일은 원본 클립 길이로 과금합니다. 초 단위로 올림하며 최소 3초입니다.
• 말하는 아바타와 립싱크는 반환되는 영상 길이로 과금하며, 이 길이는 음성과 같습니다(최소 3초). 립싱크는 음성보다 짧은 클립을 반복 재생해 맞춥니다.
• 효과음은 클립 길이가 아니라 요청한 duration_seconds(1~30, 기본값 8)로 과금하므로 클립 길이에 맞춰 설정하세요. 만드는 것은 효과음과 배경음이며, 대사나 음악은 만들지 않습니다.
• 오디오와 영상 입력은 파일로 바로 연결되는 링크여야 하며, 업로드하는 방법이 가장 확실합니다. 허용 길이를 벗어난 입력은 과금 전에 거부합니다.

xAI는 9월 21일에 Grok 4.7을 출시했고, xai/grok-4.7/chat은 9월 22일부터 여기서 호출할 수 있습니다. 다른 Grok 엔드포인트와 같은 OpenAI 채팅 형식과 SSE 스트리밍을 지원합니다.

• xAI 공표 가격보다 40% 저렴합니다(표준 구간 $2 / $0.50 / $6). 롱컨텍스트 구간($4 / $1 / $12)보다는 60% 저렴합니다.
• 이 경로에서는 무검열입니다. 9월 22일, 5단계로 된 저희 콘텐츠 테스트 사다리의 4단계에 해당하는 창작 프롬프트를 세 가지 방식으로 아홉 번 보냈고, 아홉 번 모두 거부 없이 장면을 끝까지 완성했습니다. 9월 24일에는 최상단을 포함한 나머지 단계도 모두 통과했습니다. 저희 쪽 필터는 따로 없습니다.
• system 역할이 적용됩니다. 일부러 확인했습니다. 스레드 맨 앞에서 정한 설정이 끝까지 유지됩니다.
• 추론은 출력으로 과금됩니다. 기본값 high는 보기보다 비쌉니다. 대화라면 low나 medium이 더 자연스럽고 저렴합니다.

9월 24일부터 MiniMax H3 Max 엔드포인트 두 개는 768p와 함께 resolution: "480p"도 받습니다.

가격은 출력 1초당이며 MiniMax가 직접 공표한 요금과 같습니다. 480p는 축소본이 아니라 네이티브 해상도 구간입니다. 768p 비용을 쓰기 전에 움직임과 구도를 저렴하게 확인하는 용도로 좋습니다.

콘텐츠 라벨 다섯 개가 바뀌었습니다. 저희가 제공하는 경로에서 진행한 추가 콘텐츠 테스트가 9월 24일에 끝났고, 다음 라벨이 바뀌었습니다.

• 순화됨은 모델 자체의 한도를 넘는 요청이 실패하지 않고 수위가 낮아진 결과로 돌아온다는 뜻입니다. 성공과 똑같이 과금되므로 상태 코드가 아니라 출력을 확인하세요. 필터 적용은 요청이 content_rejected로 거부되고 환불된다는 뜻입니다.
• 9월 21일 공지를 보고 무검열 작업용으로 H3 Max 이미지→영상을 골랐다면, 지금 무검열 라벨이 붙은 것은 minimax/h3/image-to-video(초당 $0.025부터)와 Wan 2.5 엔드포인트 두 개입니다.

네 개 계열이 영상 카탈로그에 합류했습니다. 모두 출력 1초 단위로 과금되며, 짐작이 아니라 실측에 근거한 콘텐츠 등급이 붙어 있습니다.

• minimax/h3-max/image-to-video와 text-to-video — 초당 $0.08. 이미지 기반은 Uncensored, 텍스트 기반은 Softened입니다. 후자는 성인 지향 프롬프트에 오류 대신 수위를 낮춘 결과를 돌려주고, 그래도 과금됩니다. 상태 코드가 아니라 결과물을 확인하세요.
• alibaba/wan-2.6/text-to-video와 image-to-video — 초당 $0.09, 둘 다 Uncensored. reference-to-video는 초당 $0.065이며 Filtered로, 성인 지향 요청을 아예 거부합니다.
• alibaba/wan-2.6-flash/image-to-video — 초당 $0.0225, Uncensored. 카탈로그에서 초당 단가가 압도적으로 가장 싼 영상입니다.
• lightricks/ltx-2.5/text-to-video와 image-to-video — 초당 $0.09, 둘 다 Uncensored.
• vidu/q3-pro/image-to-video는 초당 $0.054, vidu/q3-turbo/image-to-video는 초당 $0.042, 둘 다 Uncensored.

등급은 실제로 서비스하는 경로에서 직접 측정한 값이라, 경로가 바뀌면 등급도 바뀝니다. 등급이 없는 모델은 아직 측정하지 않았다는 뜻입니다. 여러분을 대신해 짐작하느니 아무 말도 하지 않는 쪽을 택합니다.