Zmiany, które mają znaczenie przy budowaniu

Wan 2.6 Flash, szybszy i tańszy poziom modelu Wan 2.6 od Alibaba, ma w SpicyAPI drugi endpoint: referencje na wideo.

• Wan 2.6 Flash, referencje na wideo (alibaba/wan-2.6-flash/reference-to-video): do pięciu referencji, w tym do trzech krótkich klipów, a resztę stanowią obrazy, albo same obrazy. W prompcie nazywasz je character1, character2 i tak dalej, a model obsadza je w nowej scenie trwającej od 2 do 10 sekund, w 720p lub 1080p i w pięciu proporcjach.
• Dźwięk to przełącznik. generate_audio jest domyślnie wyłączone; włączone zwraca klip z wygenerowanymi głosami, efektami i tłem w dwukrotnej stawce za sekundę.
• Obrazy są bezpłatne. Klipy referencyjne dodają swoje sekundy do rachunku, liczone łącznie najwyżej do pięciu sekund.

Przed tym endpointem nie ma filtra treści, a rozszerzanie promptu jest domyślnie wyłączone, więc prompt dociera do modelu tak, jak został napisany. Żadne z naszych żądań testowych nie zostało odrzucone.

Rozliczane sekundy to długość wyniku plus klipy referencyjne, każde zaokrąglone w górę do pełnych sekund, przy czym klipy liczą się łącznie najwyżej do pięciu sekund.

Qwen Image 2.1 Pro, hostowany poziom Pro modelu Qwen Image 2.1 od Alibaba, można już wywoływać w SpicyAPI, a dwa modele, które już były w katalogu, zmieniają się dzisiaj.

• Qwen Image 2.1 Pro, tekst na obraz (alibaba/qwen-image-2.1-pro/text-to-image): od jednego do sześciu obrazów w jednym żądaniu, piętnaście proporcji, 1k, 1.5k lub 2k. Nasze żądania trwały od 14 do 43 sekund.
• Qwen Image 2.1 Pro, edycja obrazów (alibaba/qwen-image-2.1-pro/edit): od jednego do dziesięciu obrazów referencyjnych i polecenie zapisane zwykłym językiem. Jeśli pominiesz proporcje, wynik zachowa kształt obrazu źródłowego przy około 2K.
• Qwen Image 2.1 Turbo kosztuje teraz $0.0144 za obraz na obu endpointach, zamiast $0.0192.
• Wan 2.6 Flash, obraz na wideo ma nowy przełącznik generate_audio. Wyłączony, czyli domyślnie, zostawia klip niemy w tej samej cenie za sekundę co dotąd; włączony, zwraca klip z wygenerowaną ścieżką dźwiękową w dwukrotnej stawce.

Przed Qwen Image 2.1 Pro nie ma filtra treści, a rozszerzanie promptu jest domyślnie wyłączone, więc prompt dociera do modelu tak, jak został napisany. Żadne z naszych żądań testowych nie zostało odrzucone.

W obu modelach Qwen wszystkie poziomy rozdzielczości kosztują tyle samo, każdy zwrócony obraz jest rozliczany, a liczba obrazów referencyjnych nie zmienia ceny.

Qwen Image 2.1 Turbo, 8-krokowy checkpoint modelu Qwen Image 2.1, który zespół Qwen z Alibaba udostępnił z otwartymi wagami 9 października 2026 roku, można już wywoływać w SpicyAPI. Strona, która pokazywała go jako „wkrótce”, teraz go uruchamia.

• Tekst na obraz (alibaba/qwen-image-2.1-turbo/text-to-image): od jednego do sześciu obrazów w jednym żądaniu, piętnaście proporcji, 1k, 1.5k lub 2k. Nasze żądania trwały od 13 do 39 sekund.
• Edycja obrazów (alibaba/qwen-image-2.1-turbo/edit): od jednego do dziesięciu obrazów referencyjnych i polecenie zapisane zwykłym językiem. Jeśli pominiesz proporcje, wynik zachowa kształt obrazu źródłowego przy około 2K.

Przed żadnym z tych dwóch endpointów nie ma filtra treści. Rozszerzanie promptu jest domyślnie wyłączone: po włączeniu przepisywanie przez Alibaba łagodzi prompty dla dorosłych, a w naszych testach edycja, która miała sprawić, by ubrany portret pokazał więcej, wróciła bez zmian.

Wszystkie poziomy rozdzielczości kosztują tyle samo, każdy zwrócony obraz jest rozliczany, a liczba obrazów referencyjnych nie zmienia ceny.

Pojawiła się nowa strona do tworzenia jednej spójnej postaci: Generator influencera AI. Wybierz wygląd, zostaw twarz, która Ci się podoba, a wszystko, co zrobisz potem, będzie wychodzić od tej samej osoby.

• Wybierz albo opisz. Wybieraj spośród 17 list cech z 162 opcjami, każda z małym obrazkiem: płeć, wiek, pochodzenie, odcień skóry, budowa ciała, kształt twarzy, fryzura, kolor włosów, kształt oczu, kolor oczu, rysy twarzy, zarost, znaki szczególne, makijaż, styl, dodatki i wyraz twarzy. Co zostawisz puste, o tym zdecyduje model. Wolisz pisać? Opisz wygląd jednym zdaniem, a zostanie wysłany dokładnie tak, jak go napisałeś(-aś).
• 36 przykładowych postaci. Otwórz przykład i naciśnij Użyj tych cech, aby skopiować jego wybory, a potem zmień, co chcesz. Albo naciśnij Zaskocz mnie.
• Każdy kandydat to dwa zdjęcia. Zbliżenie i zdjęcie w pełnej postaci tej samej osoby na jednolitym tle, wykonane w Seedream 5.0 Pro po $0,036 za zdjęcie, czyli $0,072 za kandydata. Możesz wygenerować od 1 do 4 kandydatów naraz. Cena jest na przycisku przed uruchomieniem.
• Zmień jedną rzecz. Napisz krótkie zdanie, np. „włosy do ramion”, a dostaniesz nowego kandydata, w którym zmienia się tylko ten szczegół.
• Zapisz raz. Nadaj postaci imię i zapisz ją. Oba zdjęcia trafią do Twojej biblioteki zasobów, a postać pojawi się w sekcji Postacie w całym Studio. Biblioteka zasobów otwiera się, gdy łącznie doładujesz konto na $10 lub więcej.
• Strona postaci. Otwórz zapisaną postać i wybierz, co zrobić: Zestaw zdjęć w nowych miejscach, strojach i pozach; Nowa stylizacja z jednego zdania, w trzech wersjach; Zrób wideo ze zdjęcia na okładkę; Mówienie — klip z synchronizacją ust do napisanej przez Ciebie kwestii i wybranego głosu; albo Skopiuj ruch z klipu referencyjnego o długości od 2 do 30 sekund. Każda karta pokazuje swoją cenę.

Każda postać tutaj to oryginalny, fikcyjny dorosły. Wiek zaczyna się od 20 lat i nie ma opcji nastolatków. Aby stworzyć postać z własnych zdjęć, użyj zamiast tego Nowa postać w swojej bibliotece zasobów, gdzie trzeba potwierdzić, że zdjęcie jest Twoje albo że masz zgodę tej osoby.

Możesz teraz kontynuować wideo, które już masz. Wgraj klip, napisz, co dzieje się dalej, a SpicyAPI wygeneruje nowy fragment od ostatniej klatki Twojego klipu i połączy oba w jeden plik MP4. Działa w 31 rodzinach modeli wideo, zarówno przez API, jak i na stronie.

• Jak to działa. Wyślij klip jako video_url (MP4, MOV lub WebM, do 60 sekund) oraz krótki prompt opisujący, co dzieje się dalej. W większości modeli prompt jest opcjonalny. Dostajesz połączony plik MP4 i osobno sam nowy fragment. Połączony wynik możesz przedłużać ponownie, ile razy chcesz.
• Opcjonalna klatka końcowa. Niektóre modele przyjmują last_image_url, czyli klatkę, na której ma kończyć się nowy fragment. Seedance 2.5 czyta jako referencję do ostatnich 30 sekund Twojego klipu, dzięki czemu nowy fragment dokładniej podąża za ruchem.
• Cena. Płacisz tylko za nowy fragment, według ceny obraz na wideo danego modelu. Twój oryginalny klip nie jest rozliczany. Seedance 2.5 dolicza też sekundy odczytane jako referencja, w tej samej cenie co generowanie z referencji. Jeśli łączenie się nie powiedzie, całe zadanie jest zwracane.
• Czysty łącznik. Kolor, jasność i głośność nowego fragmentu są automatycznie dopasowywane do Twojego klipu, a liczba klatek na sekundę jest taka jak w klipie. Nie są dodawane czarne pasy. Aby dopasować łączenie, obraz może zostać przycięty lub skorygowany o kilka procent przy krawędziach.
• Na stronie. W Playground, Studio, Zasobach, historii zadań w konsoli i edytorze krótkich metraży każdy wynik wideo ma przycisk Extend na jedno kliknięcie. Twój klip jest już wstawiony, wybrany jest ten sam model, a cena widnieje obok przycisku.
• Klipy 4K HDR. Nagrania z telefonu w 4K HDR mają limit długości: około 15 sekund przy 60 kl./s i około 40 sekund przy 30 kl./s. HDR w 1080p nie jest objęty limitem.

FLUX 3 i Wan 2.2 Spicy LoRA miały już własne natywne przedłużanie i je zachowują. Nowością są modele video-extend każdej z poniższych rodzin.

Twoja biblioteka Zasobów ma teraz własną stronę: spicyapi.ai/assets. To ta sama biblioteka, którą widzisz w Studio. Wszystko, co zachowujesz, jest tam: zapisane wyniki, wgrane pliki i postacie.

• Foldery. Trzymaj razem to, co do siebie pasuje. Przeciągnij elementy na folder w panelu bocznym albo użyj Dodaj do folderu.
• Ulubione. Stuknij serduszko przy wszystkim, po co sięgasz często.
• Postacie. Zbierz kilka zdjęć tej samej osoby, nadaj jej imię i wpisz w prompcie @ oraz to imię. Postacie utworzone wcześniej w Studio przeniosły się same, nic nie musisz robić od nowa. Nie mają już własnego limitu: liczą się do miejsca w Twojej bibliotece jak wszystko inne.
• Twórz z tym. Każdy element i każda postać otwiera się od razu w Studio z gotowym odniesieniem, na stronie modelu z wypełnionym polem odniesienia albo jako kod API gotowy do skopiowania.

Dla programistów: GET /api/v1/assets filtruje teraz po ulubionych i folderze oraz sortuje według daty, nazwy lub rozmiaru, a postacie odczytasz przez GET /api/v1/assets/entities. Dotychczasowe odwołania spicy://p/ nadal działają. Szczegóły znajdziesz w dokumentacji: Biblioteka zasobów.

Obrazy, filmy i nagrania audio, z których korzystasz wielokrotnie, na przykład zdjęcia referencyjne postaci, możesz teraz trzymać w Zasobach i wstawiać do dowolnego zapytania jako spicy://a/<id>. Ta sama biblioteka działa w Playground, w Studio i przez API.

• Zapisuj skądkolwiek. Dodaj wynik do zakładek, prześlij pliki albo zapisz przez API za pomocą POST /api/v1/assets (z ukończonego zadania, z przesłanego pliku lub z publicznego linku). Włącz automatyczny zapis w Zasobach, aby zachować wszystko, co generujesz na stronie.
• Prywatność od początku. Zasoby zostają, dopóki ich nie usuniesz. Podglądy to krótkotrwałe linki podpisane tylko dla Ciebie, a żaden element biblioteki nie dostaje publicznego adresu URL.
• Biblioteki zespołowe. Każda przestrzeń robocza zespołu ma własną wspólną bibliotekę. Klucze API zespołu odczytują z niej i zapisują do niej, a role decydują, kto może dodawać i usuwać.

Nowości dodatkowo:

• Wskazuj referencje w samym prompcie. Wpisz @, aby wstawić obraz, film, klip audio lub nazwany element referencyjny, zapisany tak, jak oczekuje tego dany model. W Seedream 5.0 możesz zaznaczyć punkt lub ramkę na obrazie referencyjnym, a w endpointach do inpaintingu maskę rysujesz od razu w formularzu.
• MiniMax H3 reference to video przyjmuje teraz do 3 filmów referencyjnych (łącznie 15 sekund) i do 3 klipów audio. Sekundy filmów referencyjnych mają teraz własną, niższą stawkę (0,0231 $ za sekundę przy 768p, 0,0378 $ przy 2K), pierwszych pięć obrazów referencyjnych nadal jest za darmo, a każdy obraz od szóstego kosztuje 0,014 $.
• Studio otwiera się szybciej, wyświetla filmy na początku i oprócz zdjęć przyjmuje filmy referencyjne oraz audio.

Szczegóły API znajdziesz w dokumentacji: Asset library

Dziś do katalogu dołączyło osiemnaście rodzin modeli obsługujących LoRA, łącznie 33 endpointy. Każda wczytuje Twoje własne pliki LoRA przez bezpośredni link bez dodatkowej opłaty (do trzech na żądanie w większości, jeden w P-Image), a platforma nie stosuje żadnego filtra treści.

Zanim podepniesz LoRA:

• Dopasuj bazę. LoRA działa tylko na modelu bazowym, do którego został wytrenowany. Ten stworzony pod inną bazę zwykle wczytuje się bez błędu i nic nie zmienia, więc najpierw sprawdź jego kartę modelu. Każda strona modelu wymienia to, co przetestowaliśmy.
• Użyj bezpośredniego linku do pliku z wagami. Link do strony repozytorium albo do pliku wymagającego logowania kończy się czytelnym błędem i nie jest naliczany.
• Zacznij od scale 1. Siła wyraźnie powyżej 1 szybko pogarsza obraz.

Otwórz dowolną z nowych rodzin w Modelach, aby zobaczyć przetestowane wyniki, przykładowe prompty i pełną tabelę cen.

Od 9 października 2026 roku oba endpointy Vidu Q4 Preview są tańsze o około 17%, a stawki za sekundę odpowiadają cennikowi samego Vidu.

Ceny dotyczą sekundy materiału, dla vidu/q4-preview/image-to-video i vidu/q4-preview/reference-to-video.

• Po twojej stronie nic się nie zmienia. Żądania, rozdzielczości i długości pozostają te same, a szacunek przed wysłaniem i obciążenie po nim liczone są według nowych stawek. Włączony lub wyłączony dźwięk oraz liczba referencji nadal nie zmieniają ceny.
• Tego samego dnia Vidu zaostrzyło obraz na wideo. Żądanie intymnej sceny między dwiema dorosłymi osobami, które 8 października wracało tylko jako sugestia, jest teraz odrzucane, a odrzucone żądania nie są naliczane. Topless i zgodne krępowanie w naszym ponownym teście nadal przechodziły.

Vidu Q4 Preview, publiczna wersja zapoznawcza modelu wideo Q4 od Vidu (wydana 7 października 2026 r.), jest już w SpicyAPI w dwóch endpointach. Klipy trwają od 3 do 16 sekund, od 540p do 4k, a dialogi, efekty i dźwięki otoczenia powstają razem z obrazem; kwestia w podwójnym cudzysłowie jest wypowiadana na głos.

• Obraz na wideo (vidu/q4-preview/image-to-video): start od jednej klatki początkowej; klip zachowuje jej kształt. W naszych testach treści nie został odrzucony ani razu.
• Referencje na wideo (vidu/q4-preview/reference-to-video): 1–15 obrazów referencyjnych osób, strojów, produktów lub miejsc oraz do 3 klipów głosowych tworzy jedną scenę. Odrzuca nagość i sceny seksu, a odrzucone zapytania nie są naliczane.

Klipy 2k i 4k wracają jako 10-bitowe pliki HEVC, których część przeglądarek nie odtworzy w treści strony. Włączony lub wyłączony dźwięk oraz liczba referencji nie zmieniają ceny.

FLUX 3, model wideo od Black Forest Labs, jest już w SpicyAPI. Ma cztery endpointy: tekst na wideo, obraz na wideo (z opcjonalną ostatnią klatką), wydłużanie wideo i upscaling wideo.

Tekst na wideo, obraz na wideo i wydłużanie kosztują tyle, ile wynosi cena katalogowa Black Forest Labs.

Klipy z dźwiękiem. Filmy trwają od 5 do 20 sekund i mają zsynchronizowany dźwięk, a cena jest taka sama z dźwiękiem i bez niego. Wersja robocza to szybki, tani poziom podglądu w 720p: użyj go do wypróbowania promptu, a w pełnej jakości wyrenderuj tylko ten klip, który zostawiasz.

Wydłużanie i upscaling. Wydłużanie przyjmuje klip do 15 sekund i dopisuje od 5 do 20 nowych sekund, zaczynając od jego ostatniej klatki. Otrzymujesz tylko nowy fragment. Upscaling powiększa klip do 20 sekund od 1,5 do 3 razy i zachowuje jego dźwięk: precise tylko wyostrza, a creative dodatkowo odtwarza drobne detale.

Testy treści. Nie dodajemy własnego filtra. FLUX 3 działa z moderacją Black Forest Labs: sceny sugestywne są zwracane, wszystko bardziej odsłaniające jest odrzucane. Za nieudane lub odrzucone żądania nie pobieramy opłat.

Sześć modeli FLUX.2 od Black Forest Labs jest już w SpicyAPI, każdy z endpointem tekst na obraz i endpointem edycji: FLUX.2 Max, Pro, Flex, Dev, Klein 9B i Klein 4B.

Ceny podano za obraz. Proporcje obrazu nie zmieniają ceny, a edycja kosztuje tyle samo, niezależnie od tego, czy wyślesz jeden, czy trzy obrazy referencyjne.

Do czego służy każdy model. Max to model flagowy, dający najlepszą szczegółowość. Pro to codzienny koń roboczy. Flex jest najmocniejszy w typografii i tekście wewnątrz obrazu. Dev to model open-weight o 32B parametrów. Klein 9B i 4B to małe modele destylowane, które zwracają obraz w znacznie krócej niż minutę.

Testy treści. Nie dodajemy własnego filtra. Max, Pro i Flex działają z moderacją Black Forest Labs: obrazy sugestywne są zwracane, bardziej odsłaniające prośby są zwykle zakrywane lub odrzucane, a edycje przedstawiające ludzi są odrzucane częściej niż tekst na obraz. Dev i oba modele Klein są open-weight i działają bez moderacji. W naszych testach nic nie zostało odrzucone, chociaż mniejsze modele często same dodają ubrania.

Każdy model obsługuje dziewięć proporcji obrazu w 1k (około jednego megapiksela) lub 2k (2048 px dłuższego boku) oraz do trzech obrazów referencyjnych przy edycji. Za nieudane lub odrzucone żądania nie pobieramy opłat.