개발에 실제로 영향을 주는 업데이트

chat 엔드포인트 세 개가 카탈로그에 합류했고, 기존 텍스트 모델들의 추론 설정도 각 제공사가 실제로 지원하는 내용에 맞췄습니다.

• zai/glm-5.3/chat — 100만 토큰당 입력 $1.05 / 캐시 $0.195 / 출력 $3.30, Z.ai 공표가보다 25% 저렴합니다. 콘텐츠 등급은 Light로, 제한이 느슨한 편이지만 텍스트만 쓰는 일부 프롬프트에는 여전히 제약이 남을 수 있습니다.
• zai/glm-5.3-flash/chat — 100만 토큰당 $0.1275 / $0.0255 / $0.425, Uncensored.
• deepseek/v4.1-flash/chat — 현재 가격 100만 토큰당 $0.30 / $0.006 / $1.20, Uncensored.

reasoning effort는 이제 어딘가의 목록을 그대로 복사한 것이 아니라 모델별로 다릅니다. Claude 4.5와 4.6에는 Anthropic이 모델마다 공표한 단계를, Gemini에는 minimal 단계를 넣었습니다. DeepSeek은 none을 받는데, 이것이 추론을 약하게 만드는 게 아니라 실제로 끄는 것임을 직접 측정해 확인했습니다. 제공사에 없는 단계는 우리도 내걸지 않습니다. 예컨대 Grok 4.5와 4.6은 reasoning_effort: none을 상위에서 거부하지만 4.3은 받습니다.

예산을 잡을 때 자주 걸려 넘어지는 지점 하나. 추론 토큰은 max_tokens에 포함됩니다. 150단어짜리 답을 요구하는 프롬프트도 effort를 높이면 수천 토큰을 태울 수 있습니다. 읽고 싶은 답의 길이가 아니라 모델이 실제로 내보낼 양을 기준으로 상한을 잡으세요.

오픈 웨이트 MiniMax H3에 요청마다 직접 고른 LoRA 파일을 최대 3개까지 얹어 실행하는 세 가지 새 모델 시리즈입니다. 파일마다 강도를 0~4로 따로 지정합니다.

• MiniMax H3 LoRA(minimax/h3-lora/text-to-video, /image-to-video, /reference-to-video): 3~15초, 480p·540p·768p·1080p이며 스테레오 사운드를 같은 생성에서 함께 만듭니다. 참조→영상은 이미지 9장, 클립 3개, 오디오 3개까지 받습니다.
• MiniMax H3 Singularity LoRA(minimax/h3-singularity-lora/image-to-video, /reference-to-video): HDR로 추가 학습한 커뮤니티 H3 파인튜닝입니다. 빠른 액션, 댄스, 얼굴이 무너지면 안 되는 원거리 숏에 맞춰져 있으며 H3용 LoRA를 그대로 불러옵니다.
• MiniMax H3 Image LoRA(minimax/h3-image-lora/text-to-image, /edit): H3를 1k·2k 이미지 모델로 씁니다. 편집은 참조 이미지 9장까지 지원합니다. 여기서 키 프레임을 만들고 같은 LoRA로 영상을 만들 수 있습니다.

LoRA는 .safetensors 파일 직링크로 지정합니다. 업로드도, 허용 목록도, 심사도 없습니다. 7개 엔드포인트 모두 무검열이며 LoRA를 불러와도 추가 요금은 없습니다.

Alibaba가 오늘 Qwen-Image-2.1을 오픈소스로 공개했고, 같은 날 카탈로그에 올렸습니다. 이미지 생성과 참조 편집이 각각 기본 버전과, 지정한 가중치 파일을 불러오는 LoRA 버전으로 나뉘어 모두 4개 엔드포인트입니다.

• 가중치를 직접 가져오세요. 요청 하나당 LoRA를 최대 3개까지, 각각 강도를 지정해 넘길 수 있습니다. .safetensors 직접 HTTPS 링크 또는 Hugging Face 리포지터리로 지정합니다. 업로드 절차도, 허용 목록도, 승인 대기도 없습니다.
• 프롬프트와 모델 사이에는 아무것도 없습니다. 네 엔드포인트 모두 무제한입니다. 모델 앞단에 필터가 없고, 성인 플래그도 요청별 신고도 없습니다.
• 화면비 15종, 해상도 3단계. 3:1과 21:9 같은 가로 띠부터 1:3과 9:21 세로 기둥까지, 1k / 1.5k / 2k로 지정합니다.
• 편집은 참조 이미지를 최대 10장. 전송 전에 보이는 견적에 한 장씩 반영되니, 실제로 효과를 내는 참조만 남기세요.

교체 계열에 엔드포인트 여섯 개가 더해졌고, 그중 셋은 영상용입니다. 차이는 '무엇까지 옮겨 가느냐'에 있습니다.

이미지

• spicyapi/face-swap-pro-v1/edit — 옮겨 가는 것은 이목구비뿐입니다. 대상의 헤어스타일, 헤어라인, 머리 윤곽, 자세, 의상, 조명, 배경은 그대로 남습니다. 장당 $0.16.
• spicyapi/face-swap-v1-plus/edit — 얼굴을 옮기면서 두 이미지 사이의 피부톤을 전송 과정에서 함께 맞춥니다. 얼굴만 섞을지 머리 전체를 섞을지는 더 자연스러운 쪽으로 엔진이 정합니다. 장당 $0.16.
• 기존 spicyapi/face-swap-v1/edit과 spicyapi/head-swap-v1/edit은 장당 $0.013 그대로입니다.

영상

• spicyapi/face-swap-video-v1/video-edit — 참조 이미지 한 장의 이목구비를 모든 프레임에 실어 나릅니다. 출연자의 헤어스타일, 머리 윤곽, 움직임, 의상, 조명은 건드리지 않습니다. 출력 1초당 $0.0325.
• spicyapi/head-swap-video-v1/video-edit — 머리카락, 머리 모양, 인물의 정체성까지 바뀝니다. 출력 1초당 $0.064.
• spicyapi/character-swap-v1/video-edit — 의상을 포함해 인물 전체가 바뀝니다. 출력 1초당 $0.064.

여러 사람이 나오는 영상용 두 엔드포인트는 일부러 2단계입니다. 먼저 짝이 되는 video-analyze를 호출합니다(요청당 $0.08). 클립에서 인식되는 모든 사람을 추적해 한 명당 미리보기 스틸 한 장씩을 정해진 순서로 돌려줍니다. 첫 번째 이미지가 position 0, 두 번째가 position 1입니다. 그다음 고른 position과 각각에 대한 참조 사진 1~3장을 넘기면 됩니다. 모델이 어느 사람을 건드릴지 추측에 맡길 일이 없습니다.

xAI 모델 세 종, 각각 chat 엔드포인트 하나씩입니다. 모두 OpenAI 형식으로 말하며 스트리밍을 지원합니다.

• 모든 구간에서 xAI가 공표한 가격보다 40% 저렴합니다. 2026년 9월 19일에 해당 가격 페이지와 대조했습니다.
• reasoning_effort: none을 받는 것은 4.3뿐입니다. 4.5와 4.6에서는 상위에서 거부합니다. 나머지 네 단계는 셋 다 됩니다.
• 4.5는 캐시 입력이 4.6보다 쌉니다(100만 토큰당 $0.18 대 $0.30). 나머지는 동일합니다.
• 20만 토큰 이상의 프롬프트는 xAI와 똑같이 롱컨텍스트 요율로 청구됩니다. 추론 토큰은 max_tokens에 포함되므로 그만큼을 감안하세요.
• 이 경로는 텍스트와 이미지를 받습니다. 파일이나 PDF 파트는 받지 않습니다.

이미지 엔드포인트 다섯 개, 가격 폭은 4배입니다. 썸네일 한 장에 최상위 요금을 내지 않고 용도에 맞는 등급을 고를 수 있습니다.

• bytedance/seedream-4.0/text-to-image와 bytedance/seedream-4.0/edit — 장당 $0.03, 둘 다 Uncensored. edit는 기존 이미지와 글로 쓴 지시를 받습니다.
• krea/2-large/text-to-image — 장당 $0.06, Filtered.
• krea/2-medium/text-to-image — 장당 $0.03, Softened.
• krea/2-medium-turbo/text-to-image — 장당 $0.015, Filtered. 교체 계열을 빼면 카탈로그에서 가장 싼 이미지 엔드포인트입니다.

고르기 전에 알아 둘 것이 두 가지. Krea의 등급은 가격만이 아니라 무엇을 받아 주는지도 다릅니다. Filtered는 성인 지향 요청을 아예 거부하고, Softened는 수위를 낮춘 결과를 돌려주면서 과금까지 합니다. 후자에서는 상태 코드가 아니라 결과물을 확인하세요. 또 하나, 이미지 크기는 나중에 얹는 보정값이 아닙니다. 각 모델 페이지의 생성 예시에는 그 구도가 어떤 크기를 전제로 쓰였는지가 적혀 있습니다. 세로 화면을 염두에 두고 쓴 프롬프트는 가로로 '크기만 바꾼다'고 되는 것이 아니기 때문입니다.

heartmula/transcribe/speech-to-text는 오디오 파일에 담긴 노래 가사를 받아 적어 작업의 텍스트로 돌려줍니다. 맨 말소리가 아니라 반주 위에 얹힌 보컬에 맞춰 조정돼 있습니다.

• 입력은 audio_url 하나이며, 오디오 파일로 곧장 연결되는 주소여야 합니다. 그 밖에 보낼 것은 없습니다. 언어 힌트도, 타임스탬프 요청도, 화자 분리 스위치도 없습니다.
• 결과는 작업에 실린 텍스트입니다. 미디어 자산은 생기지 않습니다. 내려받을 파일이 없고, 미디어 보관 기간에도 들어가지 않습니다.
• 줄 단위 타이밍도, 신뢰도 값도, 화자 라벨도 없습니다.
• 전사 1건당 $0.05, 오디오 길이와 무관합니다.

카탈로그에서 출력이 파일이 아니라 텍스트인 첫 엔드포인트이기도 합니다. 완료된 작업에는 반드시 내려받을 자산이 있다는 전제로 짠 연동이 있다면, 바로 여기서 그 전제가 드러납니다. 붙이기 전에 결과 처리 코드를 한 번 살펴보시길 권합니다.