Atualizações que fazem diferença na integração

403 exemplos cobrem agora 117 dos 120 endpoints chamáveis. Cada um é um trabalho de fato executado nesta plataforma — não é imagem de conceito nem quadro emprestado de um cartão de modelo — e cada um carrega três coisas:

• O arquivo pronto, servido do nosso próprio CDN, na proporção original.
• O objeto de entrada completo que o produziu: prompt, tamanho, duração, todos os parâmetros, pronto para copiar direto na sua chamada.
• Uma nota nos dez idiomas da interface explicando por que aquela entrada foi escolhida: para qual proporção a composição foi escrita, qual parâmetro está fazendo o trabalho, o que mudar primeiro.

Na página de cada modelo eles aparecem como um painel de resultados que se percorre de relance; pela API voltam em examples no GET /console/v1/catalog/models/{slug}.

Escolher um modelo significava, até aqui, ler uma tabela de parâmetros e imaginar o resultado. Agora dá para ver o que um endpoint realmente produz e partir de uma entrada que se sabe funcionar nele.

Ver o catálogo

Seis endpoints entram para a família de trocas, três deles para vídeo. O que os separa é quanto de fato se transfere.

Imagens

• spicyapi/face-swap-pro-v1/edit — só os traços do rosto se transferem. Penteado, linha do cabelo, silhueta da cabeça, pose, roupa, luz e fundo do alvo continuam como estavam. US$ 0,16 por imagem.
• spicyapi/face-swap-v1-plus/edit — transfere o rosto e, como parte da operação, concilia o tom de pele entre as duas imagens; o motor mescla só o rosto ou a cabeça inteira, conforme o que ficar melhor. US$ 0,16 por imagem.
• Os originais spicyapi/face-swap-v1/edit e spicyapi/head-swap-v1/edit seguem a US$ 0,013 por imagem.

Vídeo

• spicyapi/face-swap-video-v1/video-edit — leva os traços de uma única imagem de referência por todos os quadros. Penteado, silhueta da cabeça, movimento, figurino e luz de quem aparece ficam intactos. US$ 0,0325 por segundo produzido.
• spicyapi/head-swap-video-v1/video-edit — cabelo, formato da cabeça e identidade mudam. US$ 0,064 por segundo produzido.
• spicyapi/character-swap-v1/video-edit — a figura inteira muda, roupa incluída. US$ 0,064 por segundo produzido.

Os dois endpoints de vídeo com várias pessoas são de dois passos de propósito. Chame antes o video-analyze correspondente, a US$ 0,08 por requisição: ele acompanha cada pessoa que consegue enxergar no clipe e devolve um quadro de prévia por pessoa, em ordem fixa — a primeira imagem é a posição 0, a segunda é a posição 1. Depois você passa as posições escolhidas, com uma a três fotos de referência para cada. Não sobra nada para adivinhar sobre em quem o modelo vai mexer.

Três modelos da xAI, um endpoint chat para cada, todos no formato OpenAI e com streaming.

• 40% abaixo do preço publicado pela xAI, em todas as faixas, conferido na página de preços deles em 19 de setembro de 2026.
• Só o 4.3 aceita reasoning_effort: none. No 4.5 e no 4.6 esse valor é recusado na origem; os outros quatro níveis funcionam nos três.
• O 4.5 armazena em cache mais barato que o 4.6 (US$ 0,18 contra US$ 0,30 por milhão de tokens de entrada em cache), empatando no resto.
• Prompts de 200.000 tokens ou mais entram na tarifa de contexto longo, exatamente como na xAI. Tokens de raciocínio contam dentro do max_tokens — reserve espaço para eles.
• Essas rotas aceitam texto e imagens. Não aceitam partes do tipo arquivo nem PDF.

Cinco endpoints de imagem cobrindo uma faixa de preço de quatro para um — dá para escolher o nível conforme o trabalho, em vez de pagar a tarifa cheia por uma miniatura.

• bytedance/seedream-4.0/text-to-image e bytedance/seedream-4.0/edit — US$ 0,03 por imagem, ambos Uncensored. O endpoint edit recebe uma imagem existente e uma instrução escrita.
• krea/2-large/text-to-image — US$ 0,06 por imagem, Filtered.
• krea/2-medium/text-to-image — US$ 0,03 por imagem, Softened.
• krea/2-medium-turbo/text-to-image — US$ 0,015 por imagem, Filtered. O endpoint de imagem mais barato do catálogo depois da família de trocas.

Duas coisas valem saber antes de escolher. Os níveis do Krea diferem no que aceitam, não só no preço: Filtered recusa de saída os pedidos mais ousados, enquanto Softened devolve um resultado amenizado e cobra do mesmo jeito — numa rota Softened, confira a saída e não o código de status. E o tamanho da imagem não é um ajuste aplicado depois: os exemplos em cada página de modelo trazem o tamanho exato para o qual a composição foi escrita, porque um prompt pensado para um quadro vertical não se redimensiona para um horizontal.

O heartmula/transcribe/speech-to-text transcreve a letra cantada de um arquivo de áudio e a devolve como texto na tarefa. Ele é ajustado para voz sobre música, não para fala comum.

• Uma única entrada: audio_url, que precisa apontar direto para um arquivo de áudio. Não há mais nada a enviar — sem dica de idioma, sem pedido de marcação de tempo, sem chave de separação de locutores.
• O resultado é texto na tarefa. Nenhum recurso de mídia é produzido, então não há arquivo para baixar e nada entra na retenção de mídia.
• Sem tempos por linha, sem valores de confiança, sem rótulos de locutor.
• US$ 0,05 por transcrição, independentemente da duração do áudio.

É também o primeiro endpoint do catálogo cuja saída é texto e não um arquivo. Se a sua integração parte do princípio de que toda tarefa concluída carrega um recurso baixável, é aqui que essa suposição vem à tona — vale olhar o seu tratamento de resultados antes de plugá-lo.