Atualizações que fazem diferença na integração

O Wan 2.6 Flash, a versão mais rápida e econômica do Wan 2.6, da Alibaba, ganhou um segundo endpoint na SpicyAPI: referências para vídeo.

• Wan 2.6 Flash, referências para vídeo (alibaba/wan-2.6-flash/reference-to-video): até cinco referências, no máximo três delas clipes curtos e as demais imagens estáticas, ou só imagens estáticas. Cite-as no prompt como character1, character2 e assim por diante, e o modelo as escala numa cena nova de 2 a 10 segundos em 720p ou 1080p, em cinco proporções.
• O som é um interruptor. generate_audio vem desligado por padrão; ligado, o clipe volta com vozes, efeitos e som ambiente gerados pelo dobro da tarifa por segundo.
• Imagens estáticas são gratuitas. Os clipes de referência somam os segundos deles à conta, contados até cinco segundos no total.

Não há filtro de conteúdo na frente do endpoint, e a expansão de prompt vem desativada por padrão para que o seu prompt chegue ao modelo como escrito. Nenhuma das nossas requisições de teste foi recusada.

Os segundos cobrados são a duração de saída mais a dos clipes de referência, cada uma arredondada para cima em segundos inteiros, com os clipes contados até cinco segundos no total.

O Qwen Image 2.1 Pro, o nível Pro hospedado do Qwen Image 2.1, da Alibaba, já pode ser chamado na SpicyAPI, e hoje dois modelos que já estavam no catálogo mudam.

• Qwen Image 2.1 Pro, texto para imagem (alibaba/qwen-image-2.1-pro/text-to-image): de uma a seis imagens por requisição, em quinze proporções, em 1k, 1.5k ou 2k. Nossas requisições levaram de 14 a 43 segundos.
• Qwen Image 2.1 Pro, edição de imagem (alibaba/qwen-image-2.1-pro/edit): de uma a dez imagens de referência e uma instrução em linguagem do dia a dia. Se você omitir a proporção, o resultado mantém o formato da sua imagem original, em cerca de 2K.
• Qwen Image 2.1 Turbo agora custa $0.0144 por imagem nos dois endpoints, contra $0.0192 antes.
• Wan 2.6 Flash imagem para vídeo ganhou o interruptor generate_audio. Desligado, o padrão, o clipe continua mudo, pelo mesmo preço por segundo de antes; ligado, volta com uma trilha de áudio gerada pelo dobro da tarifa.

Não há filtro de conteúdo na frente do Qwen Image 2.1 Pro, e a expansão de prompt vem desativada por padrão para que o seu prompt chegue ao modelo como escrito. Nenhuma das nossas requisições de teste foi recusada.

Nos dois modelos Qwen, todos os níveis de resolução custam o mesmo, cada imagem devolvida é cobrada e o número de imagens de referência não altera o preço.

O Qwen Image 2.1 Turbo, o checkpoint de 8 passos do Qwen Image 2.1 que a equipe Qwen da Alibaba lançou com pesos abertos em 9 de outubro de 2026, já pode ser chamado na SpicyAPI. A página que o exibia como “em breve” agora o executa.

• Texto para imagem (alibaba/qwen-image-2.1-turbo/text-to-image): de uma a seis imagens por requisição, em quinze proporções, em 1k, 1.5k ou 2k. Nossas requisições levaram de 13 a 39 segundos.
• Edição de imagem (alibaba/qwen-image-2.1-turbo/edit): de uma a dez imagens de referência e uma instrução em linguagem do dia a dia. Se você omitir a proporção, o resultado mantém o formato da sua imagem original, em cerca de 2K.

Não há filtro de conteúdo na frente de nenhum dos dois endpoints. A expansão de prompt vem desativada por padrão: quando ligada, a reescrita da Alibaba suaviza prompts para adultos, e nos nossos testes uma edição que pedia para um retrato vestido mostrar mais voltou sem alterações.

Todos os níveis de resolução custam o mesmo, cada imagem devolvida é cobrada e o número de imagens de referência não altera o preço.

Agora você pode continuar um vídeo que já tem. Envie um clipe, diga o que acontece em seguida e a SpicyAPI gera um novo trecho a partir do último quadro do seu clipe e junta tudo em um único MP4. Funciona em 31 famílias de modelos de vídeo, tanto na API quanto no site.

• Como funciona. Envie seu clipe em video_url (MP4, MOV ou WebM, até 60 segundos) e um prompt curto sobre o que acontece depois. Na maioria dos modelos, o prompt é opcional. Você recebe o MP4 já unido e, separadamente, o trecho novo sozinho. Você pode estender o resultado unido de novo quantas vezes quiser.
• Quadro final opcional. Alguns modelos aceitam last_image_url, um quadro em que você quer que o trecho novo termine. O Seedance 2.5 lê até os últimos 30 segundos do seu clipe como referência, então o trecho novo acompanha melhor o movimento.
• Preço. Você paga apenas pelo trecho novo, pelo preço de imagem para vídeo do modelo. O clipe original não é cobrado. O Seedance 2.5 também cobra os segundos de referência que lê, pelo mesmo preço da geração a partir de referências. Se a junção falhar, o trabalho inteiro é reembolsado.
• Emenda limpa. A cor, o brilho e o volume do trecho novo são ajustados ao seu clipe, e a taxa de quadros acompanha a do seu clipe. Nenhuma tarja preta é adicionada. Para alinhar a emenda, a imagem pode ser cortada ou ajustada em alguns por cento nas bordas.
• No site. No Playground, no Studio, em Recursos, no histórico de tarefas do console e no editor de curtas, todo resultado de vídeo tem um botão Extend de um clique. Seu clipe já vem preenchido, o mesmo modelo fica selecionado e o preço aparece ao lado do botão.
• Clipes 4K HDR. Vídeos de celular em 4K HDR têm limite de duração: cerca de 15 segundos a 60 fps e cerca de 40 segundos a 30 fps. HDR em 1080p não é afetado.

O FLUX 3 e o Wan 2.2 Spicy LoRA já tinham sua própria extensão nativa e continuam com ela. As novidades são os modelos video-extend de cada uma das famílias abaixo.

Hoje entraram no catálogo dezoito famílias de modelos compatíveis com LoRA, 33 endpoints no total. Cada uma carrega seus próprios arquivos LoRA por link direto sem custo extra (até três por requisição na maioria, um no P-Image), e a plataforma não aplica nenhum filtro de conteúdo.

Antes de usar um LoRA:

• Combine a base. Um LoRA só funciona no modelo base para o qual foi treinado. Um feito para outra base normalmente carrega sem erro e não muda nada, então confira primeiro o cartão do modelo. Cada página de modelo lista o que testamos.
• Use um link direto para o arquivo de pesos. Um link para a página de um repositório, ou para um arquivo que exige login, falha com um erro claro e não é cobrado.
• Comece com scale 1. Intensidades bem acima de 1 degradam a imagem rapidamente.

Abra qualquer uma das novas famílias em Modelos para ver resultados testados, prompts de exemplo e a tabela de preços completa.

O Vidu Q4 Preview, a prévia pública do modelo de vídeo Q4 da Vidu (lançado em 7 de outubro de 2026), já está na SpicyAPI com dois endpoints. Os clipes têm de 3 a 16 segundos, de 540p até 4k, com diálogo, efeitos e ambiência gerados junto com a imagem; uma fala escrita entre aspas duplas é pronunciada em voz alta.

• Imagem para vídeo (vidu/q4-preview/image-to-video): parte de um único quadro inicial; o clipe mantém a sua forma. Nos nossos testes de conteúdo, nunca houve recusa.
• Referência para vídeo (vidu/q4-preview/reference-to-video): de 1 a 15 imagens de referência de pessoas, roupas, produtos ou lugares, mais até 3 clipes de voz, viram uma única cena. Recusa nudez e cenas de sexo, e pedidos recusados não são cobrados.

Clipes em 2k e 4k voltam como arquivos HEVC de 10 bits, que alguns navegadores não conseguem reproduzir inline. Som ligado ou desligado e o número de referências não alteram o preço.

O FLUX 3, modelo de vídeo da Black Forest Labs, já está na SpicyAPI com quatro endpoints: texto para vídeo, imagem para vídeo (com último frame opcional), extensão de vídeo e upscale de vídeo.

Texto para vídeo, imagem para vídeo e extensão estão no preço de tabela da Black Forest Labs.

Clipes com som. Os vídeos têm de 5 a 20 segundos, com áudio sincronizado, e o custo é o mesmo com ou sem som. O rascunho é um nível de pré-visualização rápido e barato em 720p: use-o para testar um prompt e depois renderize em qualidade total só o clipe que você mantiver.

Extensão e upscale. A extensão recebe um clipe de até 15 segundos e gera de 5 a 20 segundos novos a partir do último frame; você recebe apenas o novo trecho. O upscale amplia um clipe de até 20 segundos de 1,5 a 3 vezes e mantém o som: o precise só aumenta a nitidez, enquanto o creative também reconstrói os detalhes finos.

Testes de conteúdo. Não adicionamos nenhum filtro próprio. O FLUX 3 funciona com a moderação da própria Black Forest Labs: cenas sugestivas são devolvidas, e tudo o que for mais revelador é recusado. Solicitações que falham ou são recusadas não são cobradas.

Seis modelos FLUX.2 da Black Forest Labs já estão na SpicyAPI, cada um com um endpoint de texto para imagem e um de edição: FLUX.2 Max, Pro, Flex, Dev, Klein 9B e Klein 4B.

Os preços são por imagem. A proporção da imagem não altera o preço, e uma edição custa o mesmo se você enviar uma ou três imagens de referência.

Para que serve cada um. O Max é o modelo principal, com o melhor nível de detalhe. O Pro é o modelo versátil do dia a dia. O Flex é o mais forte em tipografia e em texto dentro da imagem. O Dev é o modelo de pesos abertos de 32B. O Klein 9B e o 4B são modelos pequenos destilados que devolvem uma imagem em bem menos de um minuto.

Testes de conteúdo. Não adicionamos nenhum filtro próprio. Max, Pro e Flex funcionam com a moderação da própria Black Forest Labs: imagens sugestivas são devolvidas, pedidos mais reveladores geralmente saem cobertos ou são recusados, e edições de pessoas são recusadas com mais frequência do que texto para imagem. O Dev e os dois modelos Klein têm pesos abertos e não têm moderação; nada foi recusado nos nossos testes, embora os modelos menores muitas vezes adicionem roupas por conta própria.

Todos os modelos aceitam nove proporções de imagem em 1k (cerca de um megapixel) ou 2k (2048 px no lado maior) e até três imagens de referência nas edições. Solicitações que falham ou são recusadas não são cobradas.

O Claude Haiku 5.5, lançado pela Anthropic em 7 de outubro, já está no SpicyAPI como um único endpoint de chat compatível com a OpenAI: anthropic/claude-haiku-5.5/chat.

Testes de conteúdo. Não adicionamos nenhum filtro próprio. Em 24 solicitações de teste em 8 de outubro, o modelo escreveu 20 por completo, suavizou 2 e recusou 2. Uma cena íntima entre dois adultos voltou completa em 8 de 9 tentativas; as recusas foram estudos explícitos do corpo, parte por parte.

Bom saber. O modelo decide quanto pensar, então não existe reasoning_effort, nem stop ou temperature. O max_tokens não corta a resposta: peça o tamanho que você quer no prompt e você paga só pelos tokens realmente escritos. Acertos de cache custam $0.10 por milhão de tokens.

Nos nossos testes, respostas curtas chegaram em três a cinco segundos. Solicitações com falha não são cobradas.

O Google lançou o Nano Banana 2.1 em 6 de outubro de 2026, uma atualização do Nano Banana 2 (Gemini 3.1 Flash Image) com mais qualidade de imagem, mais fidelidade ao prompt, mais consistência dos personagens entre edições e melhor renderização de texto. Dois endpoints já estão no ar hoje:

• Texto para imagem (google/nano-banana-2.1/text-to-image): 1K, 2K ou 4K em catorze formatos, de 1:8 a 8:1, saída em PNG ou JPEG, com busca na web e busca de imagens opcionais. Nos nossos testes, todas as linhas de texto que colocamos entre aspas saíram escritas exatamente como pedido, e com a busca na web um pôster de previsão do tempo exibiu a data correta.
• Edição (google/nano-banana-2.1/edit): de uma a catorze imagens de origem, preservando rostos e detalhes do produto; auto mantém o formato da imagem de origem.

Vale a política de conteúdo do Google: moda sugestiva é gerada, enquanto pedidos de nudez saem atenuados em texto para imagem e são recusados na edição (edições recusadas não são cobradas).

A edição acrescenta $0.0024 por imagem de origem; a busca na web e a busca de imagens acrescentam $0.0168 cada quando ativadas.

Sete novas famílias entram no catálogo, todas sem censura, além de um endpoint de texto para vídeo para o Wan 2.2 LoRA.

• Prefect Pony XL LoRA (prefect/pony-xl-lora/text-to-image): o checkpoint anime Pony XL com até três LoRAs Pony seus por requisição.
• Z-Image Base LoRA (alibaba/z-image-base-lora/text-to-image, /edit): a base do Z-Image sem destilação, na qual a maioria dos LoRAs de Z-Image da comunidade é treinada, com imagem para imagem e controle de intensidade.
• Neta Lumina (neta-art/neta-lumina/text-to-image): o modelo anime da Neta.art, que aceita tags no estilo Danbooru ou frases.
• Jib Mix Qwen e Jib Mix Qwen LoRA (j1b/jib-mix-qwen-image/text-to-image, j1b/jib-mix-qwen-image-lora/text-to-image): um fine-tuning fotorrealista do Qwen-Image para retratos naturais, com ou sem seus próprios LoRAs.
• HunyuanVideo 1.5 (tencent/hunyuan-video-1.5/text-to-video, /image-to-video): o modelo de vídeo aberto da Tencent, de 5 ou 8 segundos em 480p ou 720p.
• LTX-2 19B e LTX-2 19B LoRA (lightricks/ltx-2-19b/..., lightricks/ltx-2-19b-lora/...): o modelo de vídeo da Lightricks com trilha sonora em cada clipe, de 5 a 20 segundos em até 1080p, e com LoRAs de câmera ou de estilo na versão LoRA.
• Wan 2.2 LoRA texto para vídeo (alibaba/wan-2.2-lora/text-to-video): o Wan 2.2 com seus próprios LoRAs de ruído alto e ruído baixo, agora a partir de um prompt e não só de uma imagem.

Um LoRA é um link direto para um arquivo .safetensors treinado para aquele modelo base; carregar LoRAs não tem cobrança separada.

Duas novas famílias de imagem rodam o Anima Turbo, a versão rápida de 8 a 12 passos do modelo anime de 2 bilhões de parâmetros da CircleStone Labs. Você pode escrever prompts com tags no estilo Danbooru, frases normais ou os dois.

• Anima Turbo (circlestone-labs/anima-turbo/text-to-image, /edit): ilustrações anime em quinze proporções e dois níveis de resolução, normalmente em menos de dez segundos por imagem, além de imagem para imagem que transforma fotos em anime com controle de intensidade.
• Anima Turbo LoRA (circlestone-labs/anima-turbo-lora/text-to-image, /edit): o mesmo modelo com até três arquivos LoRA seus por requisição, cada um com sua própria intensidade, para visuais de jogo retrô, nanquim de mangá, personagens e estilos para adultos.

Um LoRA é um link direto para um arquivo .safetensors: sem upload, sem lista de permissões, sem revisão. Os quatro endpoints são sem censura, imagem para imagem custa o mesmo que texto para imagem e carregar LoRAs não tem cobrança separada.