Zmiany, które mają znaczenie przy budowaniu

Claude Haiku 5.5, opublikowany przez Anthropic 7 października, jest już w SpicyAPI jako jeden endpoint czatu zgodny z OpenAI: anthropic/claude-haiku-5.5/chat.

Testy treści. Nie dokładamy własnego filtra. W 24 zapytaniach testowych z 8 października model napisał 20 w całości, 2 złagodził i 2 odrzucił. Intymna scena między dwiema dorosłymi osobami wróciła kompletna w 8 z 9 prób; odrzucone zostały jednoznacznie erotyczne studia ciała, opisujące je część po części.

Warto wiedzieć. Model sam decyduje, ile myśleć, więc nie ma reasoning_effort; nie ma też stop ani temperature. max_tokens nie ucina odpowiedzi: długość, jakiej chcesz, podaj w prompcie, a zapłacisz tylko za tokeny faktycznie napisane. Trafienia w cache kosztują $0.10 za milion tokenów.

W naszych testach krótkie odpowiedzi przychodziły po trzech–pięciu sekundach. Za nieudane zapytania nie pobieramy opłat.

Google wydało Nano Banana 2.1 6 października 2026 r. To aktualizacja Nano Banana 2 (Gemini 3.1 Flash Image): lepsza jakość obrazu, wierniejsze trzymanie się promptu, spójniejsze postacie między kolejnymi edycjami i lepsze renderowanie tekstu. Dziś działają dwa endpointy:

• Tekst na obraz (google/nano-banana-2.1/text-to-image): 1K, 2K lub 4K w czternastu proporcjach od 1:8 do 8:1, wyjście w PNG lub JPEG, opcjonalnie z wyszukiwaniem w sieci i wyszukiwaniem obrazów. W naszych testach każdy wiersz tekstu ujęty w cudzysłów wyszedł napisany dokładnie tak, jak go podaliśmy, a dzięki wyszukiwaniu w sieci plakat z prognozą pogody wydrukował poprawną datę.
• Edycja (google/nano-banana-2.1/edit): od jednego do czternastu obrazów źródłowych, twarze i szczegóły produktu zostają zachowane; auto utrzymuje proporcje obrazu źródłowego.

Obowiązuje polityka treści Google: sugestywna moda jest generowana, natomiast prośby o nagość są w trybie tekst na obraz łagodzone, a w edycji odrzucane (odrzucone edycje nie są naliczane).

Edycja dolicza $0.0024 za każdy obraz źródłowy; wyszukiwanie w sieci i wyszukiwanie obrazów dolicza po $0.0168 każde po włączeniu.

SpicyAPI łączy się teraz z aplikacjami, z których już korzystasz do czatów roleplay i automatyzacji.

SillyTavern. Podłącz go przez źródło Custom (OpenAI-compatible) pod adresem https://api.spicyapi.ai/v1. Bezpłatne rozszerzenie SpicyAPI, open source na licencji MIT, dostępne pod adresem github.com/spicyapi-ai/sillytavern-spicyapi, dodaje do czatu obrazy i krótkie filmy: /spicy-img, /spicy-video oraz przycisk Animate przy każdym obrazie. Cena każdej z tych akcji jest pokazywana przed uruchomieniem. Po włączeniu tej opcji model czatu może też sam poprosić o obraz, w ramach przerwy między prośbami i dziennego limitu, które ustawiasz sam. Pełny poradnik ze zrzutami ekranu i listą modeli czatu bez cenzury znajdziesz na stronie SillyTavern.

Inne aplikacje do roleplay. RisuAI, Agnai, Chub i KoboldAI Lite przyjmują ten sam adres, klucz API i identyfikator modelu. Pola dla każdej aplikacji opisano w przewodniku po aplikacjach do roleplay.

Mniej błędów przy własnych endpointach.

1. Zapytanie czatu nie kończy się już błędem, gdy aplikacja wysyła ustawienie próbkowania, którego model nie używa, na przykład karę za częstość lub obecność. Ustawienie jest pomijane i wymienione w nagłówku odpowiedzi X-Spicy-Ignored-Params.
2. API odpowiada teraz na wywołania wysyłane bezpośrednio z przeglądarki, więc narzędzia działające w przeglądarce nie potrzebują proxy. Nie umieszczaj klucza na publicznych stronach internetowych i daj każdemu narzędziu osobny klucz z dziennym limitem wydatków.

n8n. Węzeł społeczności @spicyapi/n8n-nodes-spicyapi wprowadza modele obrazu, wideo, dźwięku i czatu do przepływów n8n, ze sprawdzeniem ceny przed każdym płatnym uruchomieniem. W samodzielnie hostowanym n8n zainstaluj go w Settings > Community Nodes. Poradnik konfiguracji: docs.spicyapi.ai/pl/docs/n8n.

Pakiet węzłów SpicyAPI dla ComfyUI jest już dostępny: bezpłatny i otwartoźródłowy (MIT), pod adresem github.com/spicyapi-ai/comfyui-spicyapi. Każdy model obrazu, wideo i dźwięku z katalogu staje się zwykłym węzłem ComfyUI, który działa na naszych serwerach, więc nawet laptop bez GPU może połączyć w łańcuch tekst na obraz i obraz na wideo, bez pobierania modeli.

Konfiguracja w trzech krokach.

1. W katalogu ComfyUI/custom_nodes uruchom git clone https://github.com/spicyapi-ai/comfyui-spicyapi i zrestartuj ComfyUI.
2. Wklej swój klucz API w Settings > SpicyAPI.
3. Kliknij dwukrotnie płótno i wpisz nazwę modelu albo otwórz gotowy graf z przeglądarki szablonów.

Co jest w pakiecie

Modele niecenzurowane w komplecie. Ponad 100 węzłów uruchamia modele, których własna polityka niczego nie ogranicza: od edycji Spicy modeli Seedance, Wan i MiniMax H3 po modele obrazu z LoRA. Aktualna lista z wynikami Swobody i cenami znajduje się na stronie ComfyUI, razem z przykładami użycia.

Cena jest na węźle. Każdy węzeł pokazuje stawkę dla wybranych opcji, każde uruchomienie jest wyceniane przed startem, a Max cost per run w ustawieniach zatrzymuje wszystko, co przekracza Twój limit. Seedy domyślnie są ustawione na stałe, więc dwukrotne dodanie tego samego grafu do kolejki nie kosztuje podwójnie.

Twój klucz nie trafia do udostępnianych plików. Jest przechowywany w folderze użytkownika ComfyUI, nigdy w workflow ani w metadanych zapisanego obrazu.

Przewodnik konfiguracji: docs.spicyapi.ai/pl/docs/comfyui.

Do katalogu trafiło siedem nowych rodzin, wszystkie bez cenzury, a do Wan 2.2 LoRA doszedł endpoint text-to-video.

• Prefect Pony XL LoRA (prefect/pony-xl-lora/text-to-image): anime-checkpoint Pony XL z maksymalnie trzema twoimi LoRA do Pony na żądanie.
• Z-Image Base LoRA (alibaba/z-image-base-lora/text-to-image, /edit): niedestylowana baza Z-Image, na której trenowana jest większość społecznościowych LoRA do Z-Image, z image-to-image i regulacją siły.
• Neta Lumina (neta-art/neta-lumina/text-to-image): anime-model Neta.art, do którego piszesz prompty tagami w stylu Danbooru lub zdaniami.
• Jib Mix Qwen i Jib Mix Qwen LoRA (j1b/jib-mix-qwen-image/text-to-image, j1b/jib-mix-qwen-image-lora/text-to-image): fotorealistyczny fine-tuning Qwen-Image do naturalnych portretów, z twoimi LoRA albo bez nich.
• HunyuanVideo 1.5 (tencent/hunyuan-video-1.5/text-to-video, /image-to-video): otwarty model wideo Tencent, 5 lub 8 sekund w 480p albo 720p.
• LTX-2 19B i LTX-2 19B LoRA (lightricks/ltx-2-19b/..., lightricks/ltx-2-19b-lora/...): model wideo Lightricks ze ścieżką dźwiękową w każdym klipie, od 5 do 20 sekund w rozdzielczości do 1080p; wersja LoRA obsługuje też LoRA kamery lub stylu.
• Wan 2.2 LoRA text-to-video (alibaba/wan-2.2-lora/text-to-video): Wan 2.2 z twoimi własnymi LoRA dla wysokiego i niskiego szumu, teraz nie tylko z obrazu, ale i z promptu.

LoRA to bezpośredni link do pliku .safetensors wytrenowanego pod dany model bazowy; ładowanie LoRA nie wiąże się z osobną opłatą.

Dwie nowe rodziny obrazów działają na Anima Turbo, szybkiej wersji 8–12 kroków anime-modelu CircleStone Labs z 2 miliardami parametrów. Możesz pisać prompty tagami w stylu Danbooru, zwykłymi zdaniami albo jednym i drugim.

• Anima Turbo (circlestone-labs/anima-turbo/text-to-image, /edit): ilustracje anime w piętnastu proporcjach i na dwóch poziomach rozdzielczości, zwykle poniżej dziesięciu sekund na obraz, a do tego image-to-image, który zamienia zdjęcia w anime z regulacją siły.
• Anima Turbo LoRA (circlestone-labs/anima-turbo-lora/text-to-image, /edit): ten sam model z maksymalnie trzema twoimi plikami LoRA na żądanie, każdy z własną siłą, do retro-growych looków, tuszu mangowego, postaci i stylów dla dorosłych.

LoRA to bezpośredni link do pliku .safetensors: bez wgrywania, bez listy dozwolonych, bez weryfikacji. Wszystkie cztery endpointy są bez cenzury, image-to-image kosztuje tyle samo co text-to-image, a ładowanie LoRA nie wiąże się z osobną opłatą.

„Porównanie” jest już dostępne na spicyapi.ai/compare oraz w Spicy Studio, w sekcji Narzędzia. Wpisz jeden prompt, wybierz modele, a każdy wynik pojawi się obok pozostałych, z własnym czasem i kosztem. Dzięki temu wybierasz model po tym, co faktycznie zrobił z twoim kadrem.

Zacznij od zestawu. Zestawy modeli dobierają skład za ciebie: „Najlepsze bez cenzury”, „Najwyżej oceniane”, „Wersje Spicy”, „Modele LoRA”, „Nowości”, „Flagowe modele”, „Najniższa cena”, a do tego po jednym zestawie dla każdej linii modeli („Seria Seedream” z każdą wersją Seedream, „Seria Qwen Image” z każdą wersją Qwen Image). Możesz też sam dodać do ośmiu modeli i zapisać je jako własny zestaw.

Obrazy i wideo, siedem rodzajów uruchomienia.

Lista modeli zależy od rodzaju, więc widzisz tylko te modele, które potrafią takie uruchomienie.

Wspólne dane trafiają tam, gdzie pasują. „Prompt negatywny”, „Seed”, „Dźwięk” i LoRA wypełniasz raz, a trafiają do każdego modelu, który je przyjmuje, z informacją, ilu to dotyczy. Opcje, które różnią się między modelami, w tym osobna LoRA, są w ustawieniach danego modelu.

Cena przed uruchomieniem. Każdy model pokazuje swoją cenę, a przycisk – sumę. Każdy model możesz uruchomić do czterech razy, żeby zobaczyć, jak bardzo różnią się jego wyniki.

Gdy model odmawia. Uruchomienie pokazuje, ile modeli odmówiło, a jednym kliknięciem ten sam prompt puścisz na zestawie „Najlepsze bez cenzury”.

Dodatkowo

• Podgląd na pełnym ekranie, w którym przełączasz się między wynikami w pełnym rozmiarze.
• Odtwórz wczytuje z powrotem ustawienia wcześniejszego porównania.
• Porównania i zapisane zestawy są przechowywane na tym urządzeniu, a same wyniki trafiają do Historii – jak każde inne uruchomienie.

• Claude Sonnet 5.5 jest już dostępny. Najnowszy Sonnet od Anthropic, wydany 28 września, działa na jednym endpoincie kompatybilnym z OpenAI: tylko tekst na wejściu, okno 1 000 000 tokenów i do 128 000 na wyjściu — dwa razy więcej niż pułap Sonneta 5. Odpowiedzi można odbierać strumieniowo przez SSE, a nieudane żądania nie są rozliczane.
• 24 z 24 testów treści napisanych w całości. Bez odmów i bez łagodzenia, łącznie z dziewięcioma prośbami o scenę intymną między dorosłymi — tam, gdzie Sonnet 5 odmówił wszystkich próśb wprost i w ramach opowieści.
• Sześć poziomów wysiłku. reasoning_effort przyjmuje wartości od none do max, domyślnie medium; none pomija etap myślenia, a xhigh i max zwracają tok rozumowania. tool_choice przyjmuje tylko auto lub none, a temperature i top_p nie są przyjmowane.
• Cena katalogowa Anthropic. 2 $ za milion tokenów wejściowych, 0,20 $ za tokeny z cache, 2,50 $ za zapis do cache i 10 $ za wyjściowe — tyle samo, ile Sonnet 5 według cennika.

Short film w Spicy Studio prowadzi teraz od jednej linijki fabuły do gotowego MP4 z muzyką i napisami, i to w znacznie mniejszej liczbie kroków.

Zacznij od czterech prostych wyborów. Wybierz długość (30 s, 1 min albo 2 min), liczbę osób w filmie, to, ile mówią, oraz to, jak gorąco ma być (Sweet, Flirty albo Steamy). Zanim cokolwiek zostanie napisane, widzisz liczbę scen i wycenę całego filmu.

Make my film. Jeden przycisk, dwa potwierdzenia:

1. Portrety bohaterów, miejsca akcji i pierwszy obraz każdej sceny.
2. Gdy obejrzysz film jako zestaw obrazów i poprawisz to, co chcesz, wideo wszystkich scen naraz.

Napisy ze scenariusza dodają się automatycznie, a Ty trafiasz na oś czasu, gdzie wszystko jest gotowe do eksportu.

Muzyka i lektor. Wybierz jeden z 12 utworów instrumentalnych, a będzie grał przez cały film, pod dialogami. Albo niech Score this film napisze podkład muzyczny do Twojej historii. Sceny z tekstem na ekranie możesz jednym kliknięciem zamienić na wersję z lektorem, który czyta ten tekst na głos.

Ten sam głos w każdej scenie. Każdej postaci przypisz jeden z 30 głosów, które możesz wcześniej odsłuchać. Włącz Same voice in every scene, a każda kwestia zostanie najpierw wypowiedziana tym głosem, po czym ruch warg w wideo zostanie do niej dopasowany. Dzięki temu Twoja główna postać brzmi jak ta sama osoba od pierwszej sceny do ostatniej.

Odcinki. Dzięki Make the next episode napiszesz odcinek 2 od miejsca, w którym urwała się historia, a portrety bohaterów, miejsca, styl wizualny i głosy przenoszą się razem z nim. Odcinki tej samej serii są zgrupowane na Twojej półce z projektami.

20 nowych jednominutowych przykładów z głosami. Otwórz dowolny, żeby zobaczyć dokładnie, jak powstał. Use this story przenosi do Twojego projektu portrety bohaterów i obrazy scen, więc możesz od razu przejść do wideo.

Jeszcze więcej nowości

• Kwestie scen edytujesz tuż obok każdego ujęcia, a podpowiedź ostrzega, gdy kwestia jest za długa jak na daną scenę.
• Selektor modeli oznacza, które modele mówią, a które działają bez cenzury; Seedance 2.0 Fast jest teraz domyślnym modelem dla dialogów.
• Jeśli kontrola treści modelu odrzuci scenę, wystarczy jedno kliknięcie, by wygenerować ją ponownie modelem bez cenzury.

Płacisz tylko za to, co stworzysz, a cenę zawsze potwierdzasz wcześniej. Napisanie historii kosztuje około centa; biblioteka muzyczna i eksport są darmowe.

Dwie wersje Wan 3.0 od Alibaba, dostrojone do scen dla dorosłych, są już dostępne w SpicyAPI. Obie zamieniają jedną klatkę początkową w 2 do 30 sekund wideo w 480p, 720p lub 1080p, z generowanym dźwiękiem i opcjonalną klatką końcową.

Który wybrać. Do większości klipów polecamy zacząć od standardowego Wan 3.0 albo Wan 3.0 Prime. Na SpicyAPI one także działają bez cenzury, kosztują mniej za sekundę (w 480p $0.045 za Wan 3.0 wobec $0.057 za Wan 3.0 Spicy oraz $0.0612 za Wan 3.0 Prime wobec $0.09 za Prime Spicy), zostawiają ubranie na miejscu, gdy prompt o to prosi, i oferują też tekst na wideo oraz wideo z referencji. Po wersję Spicy sięgaj wtedy, gdy chcesz modelu, który sam z siebie skręca w stronę treści dla dorosłych; w przypadku Prime wersja Prime Spicy oddała też intymny poziom dla dwóch osób, który standardowy Wan 3.0 Prime w naszym teście złagodził.

Co przetestowaliśmy. Przepuściliśmy naszą drabinkę treści o sześciu poziomach przez oba modele w 480p: zsuwające się ramiączko, topless, pełną nagość, dwoje dorosłych w intymnej scenie, konsensualny bondage i impact play oraz filmowy gore. Każdy poziom wyszedł w obu modelach tak, jak opisano: bez odmowy, bez niczego zasłoniętego i bez podmiany osoby na inną. W Wan 3.0 Prime Spicy dotyczy to także intymnego poziomu z dwiema osobami, który standardowy Wan 3.0 Prime złagodził w naszym wcześniejszym teście.

Wiedz to, zanim opublikujesz. Oba modele same ciągną w stronę treści dla dorosłych. Przy ubranych klatkach początkowych i promptach proszących, by osoba została ubrana, Wan 3.0 Spicy rozebrał postać w czterech z sześciu klipów, a Prime Spicy w dwóch z czterech. Sprawdzaj całe klipy, a nie tylko klatkę podglądu, i wybierz standardowy Wan 3.0, gdy strój ma zostać na miejscu.

Szczegóły. Dowolna liczba całkowita sekund od 2 do 30. Proporcje 16:9, 9:16, 1:1, 4:3 lub 3:4, albo pomiń je, by podążać za klatką początkową. last_image_url ustala, jak kończy się klip. W naszej pierwszej partii pięciosekundowy klip w 480p trwał około półtorej minuty w Wan 3.0 Spicy i około dwóch do dwóch i pół minuty w Prime Spicy. Rozliczenie jest za każdą zamówioną sekundę.

Seedream 5.0 Flash od ByteDance jest już dostępny w SpicyAPI i ma trzy endpointy. Rozdzielanie na warstwy — na wejściu jeden obraz, na wyjściu czysta podstawa i do 16 przezroczystych warstw PNG — działa we Flashu i w Seedream 5.0 Pro.

Seedream 5.0 Flash. Lżejszy poziom Seedream. 1K, 1,5K i 2K kosztują tyle samo, 0,029 $, więc domyślna rozdzielczość to ta najostrzejsza (2K). Prompty do 5000 znaków, piętnaście proporcji od 1:3 do 3:1, wyjście w formacie JPEG lub PNG. Treści dla dorosłych nie wymagają dodatkowego przełącznika ani osobnego endpointu: bielizna, sceny w stylu budoarowym i inne dorosłe motywy powstają tak jak każdy inny prompt, zarówno w trybie tekst na obraz, jak i w edycji.

Rozdzielanie na warstwy. Wysyłasz jeden obraz i, jeśli chcesz, wskazujesz, co wydzielić („tekst tytułu i papugę”). W odpowiedzi dostajesz obraz podstawowy bez tych elementów, z uzupełnionym tłem, oraz przezroczysty plik PNG dla każdego z nich. Każdą warstwę możesz przesuwać, skalować, przekolorowywać lub podmieniać. Typowe zastosowania: zmiana nagłówka na plakacie, wymiana tła na zdjęciu produktu, wycięcie jednej osoby ze zdjęcia grupowego albo przygotowanie warstw do animacji. Po każdej generacji możesz też od razu przejść do opcji „Podziel na warstwy”.

Flash czy Pro do warstw. Pro zwraca dodatkowo nazwę każdej warstwy i jej położenie na obrazie podstawowym, dlatego widok wyniku w przeglądarce staje się płótnem, na którym możesz pokazywać i ukrywać warstwy, przeciągać je i wyeksportować widoczny stos jako jeden plik PNG. Flash zwraca niezależne wycinki bez położenia, wyświetlane jako pasek, który pobierzesz warstwa po warstwie albo jako jeden plik zip. Pro przyjmuje też bardziej odsłaniające zdjęcia wejściowe, które Flash odrzuca.

Rozliczenie. Liczy się każdy obraz wyjściowy, wraz z podstawowym, do 17 na żądanie. Przy przyjęciu żądania rezerwujemy 17 obrazów, a różnicę zwracamy, gdy znana jest rzeczywista liczba. Typowe uruchomienie daje od 3 do 9 obrazów, czyli 0,06–0,18 $ we Flashu.

Więcej informacji. API Seedream 5.0 Flash w testach · Jak rozdzielić obraz na warstwy przez API

Pięć nowych modeli głosowych jest już dostępnych w SpicyAPI, dołączając do Gemini 2.5 Pro TTS. Żaden z nich nie dodaje filtra treści: w naszych testach wszystkie pięć modeli odczytało skrypty NSFW w całości.

• Gemini 3.8 Flash TTS — najnowszy model głosowy od Google. Do 5000 znaków, 30 głosów, wyjście w formacie WAV, a model odgrywa wskazówki w nawiasach kwadratowych, takie jak [whispering] czy [sighs]. 0,00032 $ za sekundę audio.
• Gemini 3.8 Flash-Lite TTS — szybszy i tańszy wariant. Te same 30 głosów; czasami czyta znaczniki w nawiasach na głos, więc dźwięki lepiej zapisuj literami. 0,00021 $ za sekundę audio.
• Seed Speech 2.0 od ByteDance — 41 gotowych głosów w dziesięciu językach, wskazówka w prostym języku dotycząca sposobu czytania, wyjście w formacie MP3. 0,072 $ za 1000 znaków.
• Qwen3 TTS od Alibaba — open source, dziewięć głosów, w tym japoński, koreański i dwóch mówców chińskich dialektów. 0,068 $ za 1000 znaków, minimum 100 znaków.
• Chatterbox od Resemble AI — otwartoźródłowy głos angielski z suwakiem regulującym ekspresję. Do 1000 znaków za stałą stawkę 0,036 $ za żądanie.

Cenę znasz jeszcze przed uruchomieniem. Seed Speech 2.0 i Qwen3 TTS to pierwsze modele rozliczane za znak: liczba znaków jest znana z góry, więc wyświetlona wycena jest już ceną ostateczną. Modele Gemini rozliczają się za sekundę zwróconego audio, blokując kwotę, która jest zwalniana po zmierzeniu audio.

Czego nie robią. Żaden z tych endpointów nie klonuje głosu ani nie obsługuje dialogu dwóch głosów w jednym żądaniu — wygeneruj każdą kwestię osobnym głosem i połącz pliki.