Обновления, которые важны для интеграции

• Claude Sonnet 5.5 уже доступен. Новейший Sonnet от Anthropic, выпущенный 28 сентября, работает через один OpenAI-совместимый эндпоинт: только текст на входе, окно на 1 000 000 токенов и до 128 000 на выходе — вдвое больше потолка Sonnet 5. Ответы можно получать потоком по SSE, а неудачные запросы не оплачиваются.
• 24 из 24 контентных проб написаны целиком. Ни отказов, ни смягчений, включая все девять запросов интимной сцены между взрослыми, — там, где Sonnet 5 отказал во всех прямых и встроенных в историю запросах.
• Шесть уровней усилия. reasoning_effort принимает значения от none до max, по умолчанию medium; none пропускает этап размышления, а xhigh и max возвращают ход рассуждений. tool_choice принимает только auto или none, а temperature и top_p не принимаются.
• По прайсу Anthropic. $2 за миллион входных токенов, $0,20 за кешированные, $2,50 за запись в кеш и $10 за выходные — столько же, сколько Sonnet 5 по прайсу.

Две версии Alibaba Wan 3.0, настроенные на сцены для взрослых, теперь доступны в SpicyAPI. Обе превращают один стартовый кадр в видео длиной от 2 до 30 секунд в 480p, 720p или 1080p со сгенерированным звуком и необязательным последним кадром.

Что выбрать. Для большинства клипов советуем начинать с обычного Wan 3.0 или Wan 3.0 Prime. На SpicyAPI они тоже без цензуры, стоят дешевле за секунду (в 480p $0.045 у Wan 3.0 против $0.057 у Wan 3.0 Spicy и $0.0612 у Wan 3.0 Prime против $0.09 у Prime Spicy), оставляют одежду на месте, если об этом просит промпт, и к тому же умеют text-to-video и reference-to-video. Переходите на Spicy-версию, когда нужна модель, которая сама тянется к взрослому контенту; у Prime версия Prime Spicy к тому же выдала интимную сцену на двоих, которую обычный Wan 3.0 Prime в нашем тесте смягчил.

Что мы проверили. Мы прогнали наш шестиуровневый тест контента на обеих моделях в 480p: соскальзывающая бретелька, топлес, полная нагота, двое взрослых в интимной сцене, взаимное согласие — бондаж и шлепки, кинематографичный gore. Каждый уровень вышел так, как был описан, на обеих моделях: без отказов, ничего не прикрыто, человека не подменили на другого. В Wan 3.0 Prime Spicy это включает и интимный уровень с двумя людьми, который обычный Wan 3.0 Prime смягчил в нашем прошлом тесте.

Что нужно знать до запуска. Обе модели сами тянут в сторону взрослого. При одетых стартовых кадрах и промптах с просьбой оставить человека одетым Wan 3.0 Spicy раздел героя в четырёх клипах из шести, а Prime Spicy — в двух из четырёх. Проверяйте клипы целиком, а не только постер, и берите обычный Wan 3.0, если одежда должна остаться на месте.

Подробности. Любое целое число секунд от 2 до 30. Соотношение сторон 16:9, 9:16, 1:1, 4:3 или 3:4, либо не указывайте его, чтобы следовать стартовому кадру. last_image_url задаёт, чем закончится клип. В нашей первой партии пятисекундный клип в 480p генерировался около полутора минут в Wan 3.0 Spicy и около двух–двух с половиной минут в Prime Spicy. Оплата — за каждую запрошенную секунду.

Seedream 5.0 Flash от ByteDance теперь доступен в SpicyAPI с тремя эндпоинтами. Разделение на слои — на входе одно изображение, на выходе чистая подложка и до 16 прозрачных PNG-слоёв — работает и во Flash, и в Seedream 5.0 Pro.

Seedream 5.0 Flash. Более лёгкая ступень Seedream. 1K, 1.5K и 2K стоят одинаково — $0,029, поэтому по умолчанию выбрано самое чёткое разрешение (2K). Промпты до 5000 символов, пятнадцать соотношений сторон от 1:3 до 3:1, вывод в JPEG или PNG. Для контента для взрослых не нужен ни отдельный переключатель, ни отдельный эндпоинт: бельё, будуарные и другие взрослые сцены обрабатываются как любой другой промпт — и при генерации по тексту, и при редактировании.

Разделение на слои. Вы отправляете одно изображение и при желании называете, что выделить («заголовок и попугай»). В ответ приходит подложка, из которой эти элементы убраны, а фон дорисован, и по прозрачному PNG на каждый элемент. Любой слой можно перемещать, масштабировать, перекрашивать или заменять. Типичные задачи: сменить заголовок на постере, заменить фон на фото товара, вынуть одного человека из групповой фотографии, подготовить слои для анимации. После любой генерации результат можно сразу отправить в «Разделить на слои».

Flash или Pro для слоёв. Pro дополнительно возвращает название каждого слоя и его положение на подложке, поэтому на сайте результат открывается как холст: слои можно включать и выключать, перетаскивать, а видимую композицию — экспортировать одним PNG. Flash возвращает независимые вырезки без положения; они показаны лентой, и скачать их можно по одной или одним zip-архивом. Кроме того, Pro принимает более откровенные исходные фото, которые Flash отклоняет.

Оплата. Считается каждое выходное изображение, включая подложку, до 17 за запрос. При приёме запроса мы резервируем 17 изображений и возвращаем разницу, как только становится известно реальное число. Обычный запуск даёт от 3 до 9 изображений — на Flash это $0,06–$0,18.

Подробнее. Seedream 5.0 Flash API в тестах · Как разделить изображение на слои через API

Пять новых речевых моделей уже доступны в SpicyAPI — вместе с Gemini 2.5 Pro TTS. Ни одна из них не добавляет контент-фильтр: в наших тестах все пять полностью читали NSFW-сценарии.

• Gemini 3.8 Flash TTS — новейшая речевая модель от Google. До 5000 символов, 30 голосов, вывод в WAV, а указания в квадратных скобках вроде [whispering] или [sighs] она разыгрывает. $0,00032 за секунду аудио.
• Gemini 3.8 Flash-Lite TTS — более быстрая и дешёвая версия. Те же 30 голосов; иногда она читает теги в скобках вслух, поэтому звуки лучше прописывать буквами. $0,00021 за секунду аудио.
• Seed Speech 2.0 от ByteDance — 41 готовый голос на десяти языках, пояснение обычным языком о том, как читать текст, вывод в MP3. $0,072 за 1000 символов.
• Qwen3 TTS от Alibaba — с открытым исходным кодом, девять голосов, включая японский, корейский и двух носителей китайских диалектов. $0,068 за 1000 символов, минимум 100 символов.
• Chatterbox от Resemble AI — голос с открытым исходным кодом для английского языка с регулятором выразительности. До 1000 символов за фиксированные $0,036 за запрос.

Цена известна ещё до запуска. Seed Speech 2.0 и Qwen3 TTS — первые модели с тарификацией по символам: их количество известно заранее, поэтому показанная сумма уже окончательная. Модели Gemini тарифицируются по секундам возвращённого аудио, с удержанием суммы, которая освобождается после измерения аудио.

Чего они не умеют. Ни один из этих эндпоинтов не клонирует голоса и не поддерживает диалог двух голосов в одном запросе — сгенерируйте каждую реплику отдельным голосом и объедините файлы.

Синтез речи Gemini 2.5 Pro от Google теперь доступен в SpicyAPI как google/gemini-2.5-pro-tts/text-to-speech.

• Вход: сценарий длиной до 5000 символов. Указания в квадратных скобках, например [sighs], исполняются, а не зачитываются вслух.
• Голос: один из 30 готовых голосов с фиксированным характером — от яркого и уверенного до придыхательного и тёплого.
• Подача: опциональный стиль (whisper, empathetic, vocalsmile, newscaster, promohype или deadpan), один из 8 английских акцентов и свободный текст в instructions про темп, настроение и то, к кому обращена речь — ничего из этого не произносится вслух.
• Выход: один WAV-файл, 24 кГц, 16 бит, моно.
• Цена: $0,00045 за секунду возвращённого аудио (около $0,027 за минуту), на 10% дешевле прайсовой цены Google. Пока задача выполняется, на балансе удерживается сумма за самый длинный возможный клип, а разница освобождается после измерения аудио; за неудавшиеся запросы плата не взимается.

Насколько далеко это заходит. Мы не добавляем собственный контент-фильтр. В наших тестах модель полностью читала NSFW-сценарии — прямые реплики, повествовательную беллетристику, указания на придыхание в голосе, — не пропуская слов и не обрывая клип раньше времени. На этом эндпоинте нет диалога двух голосов и клонирования голоса: один из 30 готовых голосов на запрос.

Попробовать Gemini 2.5 Pro TTS →

Новейший Opus от Anthropic, выпущенный 22 сентября, теперь доступен в SpicyAPI как anthropic/claude-opus-5.5/chat — через один OpenAI-совместимый эндпоинт /v1/chat/completions.

• Цена: $3,60 за миллион входных токенов, $0,18 за кешированные, $4,50 за запись в кеш и $18 за выходные — на 10% дешевле прайсовой цены Anthropic.
• Контекстное окно: 1 000 000 токенов на входе, до 128 000 на выходе.
• Мышление всегда включено: reasoning_effort принимает low, medium или high, по умолчанию medium.
• Инструменты: до 128 определений; tool_choice принимает только auto или none, так как модель отклоняет принудительный вызов инструмента.

Насколько далеко она заходит. Мы не добавляем собственных фильтров контента. В день запуска мы отправили модели 24 теста на контент для взрослых в трёх разных стилях промптов, и она не отклонила ни одного. С системным промптом для взрослой художественной прозы модель полностью дописывала каждую интимную сцену; при прямом запросе она, как правило, писала смягчённую версию вместо отказа — а Claude Opus 5 в этом случае отказывал полностью.

Попробовать Claude Opus 5.5 →

Текущая линейка видео Kling теперь доступна в SpicyAPI — с посекундной тарификацией в долларах США и без каких-либо пакетов, которые нужно покупать заранее.

• Kling O3 (kling/o3/text-to-video, /image-to-video, /reference-to-video, /video-edit): это Kling 3.0 Omni. Добавляйте до семи референсных фото в один кадр, редактируйте уже готовый клип (исходник длиной от 3 до 10 секунд) и включайте умную нарезку кадров и встроенный звук — вплоть до 4K.
• Kling 3.0 (kling/3.0/text-to-video, /image-to-video, /character-animation): флагманская модель с первым и последним кадром, разрешением до 4K и переключаемым звуком. Motion Control переносит движения, мимику и жесты из клипа длиной от 3 до 30 секунд на вашего собственного персонажа.
• Kling 3.0 Turbo (kling/3.0-turbo/text-to-video, /image-to-video): каждый клип идёт со встроенным звуком, в 720p или 1080p.
• Kling 2.6 (kling/2.6/text-to-video, /image-to-video, /character-animation): первая модель Kling со встроенным звуком, 1080p за 5 или 10 секунд, с собственным Motion Control.
• Kling 2.5 Turbo (kling/2.5-turbo/text-to-video, /image-to-video): бюджетный вариант в 1080p за 5 или 10 секунд, с завершающим кадром, негативным промптом и guidance.
• Kling 2.1 (kling/2.1/image-to-video) и Kling 2.1 Master (kling/2.1-master/text-to-video, /image-to-video): предыдущее поколение — от 720p в режиме «изображение в видео» до высококачественного 1080p у Master.
• Kling Avatar 2.0 (kling/avatar-2.0/talking-avatar): один портрет и звуковая дорожка — и этот человек говорит или поёт столько, сколько длится аудио, вплоть до примерно пяти минут.

Kling сам модерирует контент: намекающие кадры иногда проходят, всё более откровенное отклоняется, а за отклонённый запрос плата никогда не взимается. Для контента для взрослых используйте одно из наших семейств Spicy.

Kling O3, Kling 3.0, Kling 2.5 Turbo и Kling Avatar 2.0 стоят дешевле собственной посекундной прайсовой цены Kling.

Три новых семейства для изображений запускают открытые модели и подгружают до трёх ваших файлов LoRA на запрос, у каждого своя сила. Цена за изображение единая при любом соотношении сторон.

• Z-Image Turbo LoRA (alibaba/z-image-turbo-lora/text-to-image, /edit): восьмишаговая Z-Image Turbo от Alibaba, несколько секунд на изображение, девять соотношений сторон примерно в один мегапиксель плюс режим «изображение в изображение» с регулировкой силы.
• FLUX.1 Dev LoRA (black-forest-labs/flux-1-dev-lora/text-to-image): FLUX.1 [dev] от Black Forest Labs — база, под которую на Hugging Face собрано больше тысячи LoRA от сообщества, с регулировкой guidance.
• Qwen Image 2512 LoRA (alibaba/qwen-image-2512-lora/text-to-image, /edit): Qwen-Image-2512 с длинной стороной до 1536 пикселей и редактирование в Qwen-Image-Edit-2511 по одному, двум или трём исходникам, с LoRA для правки вроде новых ракурсов.

LoRA — это прямая ссылка на файл .safetensors: без загрузки, без белого списка, без проверки. Все пять эндпоинтов работают без цензуры, а подключение LoRA не стоит ничего сверху.

26 сентября заработали восемь эндпоинтов, каждый из которых делает одну задачу. Они обрабатывают уже имеющееся у вас изображение или клип и стоят фиксированную цену. Вызывайте их как любую другую модель или пользуйтесь ими в Spicy Studio — в разделе «Инструменты» и прямо на ваших результатах.

От чего зависит счёт:

• Апскейл видео оплачивается по длине исходного клипа с округлением вверх до целой секунды, минимум 3 секунды.
• Говорящий аватар и синхронизация губ оплачиваются по длине готового видео, а она равна длине вашего аудио (минимум 3 секунды). При синхронизации губ клип короче аудио зацикливается.
• Звуковые эффекты оплачиваются по запрошенному duration_seconds (1–30, по умолчанию 8), а не по длине клипа, поэтому ставьте значение равным длине клипа. Инструмент делает эффекты и фон, но не диалоги и не музыку.
• Аудио и видео нужно передавать прямыми ссылками на файл, надёжнее всего — загрузить файл. Входные данные вне допустимой длины отклоняются до списания.

xAI выпустила Grok 4.7 21 сентября, а xai/grok-4.7/chat доступен у нас с 22 сентября — в том же формате чата OpenAI и со стримингом SSE, как и остальные эндпоинты Grok.

• На 40% дешевле опубликованной цены xAI в стандартном тарифе ($2 / $0.50 / $6) и на 60% дешевле её тарифа для длинного контекста ($4 / $1 / $12).
• На этом маршруте — без цензуры. 22 сентября девять творческих проб с 4-й ступени нашей пятиступенчатой лестницы тестов контента, в трёх стилях промпта, вернулись девятью законченными сценами без единого отказа; 24 сентября модель прошла и все остальные ступени, включая верхнюю. Собственного фильтра мы не добавляем.
• Роль system учитывается — мы проверили это специально, — поэтому рамка, заданная в начале диалога, держится до конца.
• Рассуждения оплачиваются как выход. Значение по умолчанию high обходится дороже, чем кажется; для диалогов low или medium читается лучше и стоит меньше.

С 24 сентября оба эндпоинта MiniMax H3 Max принимают resolution: "480p" наряду с 768p.

Цены указаны за секунду результата и совпадают с опубликованными тарифами самой MiniMax. 480p — это нативный уровень, а не уменьшенная копия: дешёвый способ проверить движение и кадр, прежде чем платить за 768p.

Пять меток контента изменились. 24 сентября завершился ещё один раунд тестов контента на маршрутах, которые мы обслуживаем, и эти метки поменялись:

• «Смягчается» означает, что запрос за пределами собственных ограничений модели не завершается ошибкой, а возвращается в более сдержанном виде и оплачивается как обычный успех. Поэтому проверяйте результат, а не код статуса. «С фильтром» означает, что запрос отклоняется с content_rejected и деньги возвращаются.
• Если после нашей новости от 21 сентября вы выбрали H3 Max «изображение в видео» для работы без цензуры, то сейчас метку «Без цензуры» носят minimax/h3/image-to-video (от $0.025 в секунду) и оба эндпоинта Wan 2.5.

В видеокаталог добавились четыре семейства, тарификация — за секунду результата. У каждого стоит измеренная, а не предполагаемая метка по контенту.

• minimax/h3-max/image-to-video и text-to-video — $0,08 за секунду. Из изображения — Uncensored, из текста — Softened: откровенный промпт там возвращает смягчённый результат, а не ошибку, и всё равно оплачивается. Смотрите на сам результат, а не на код статуса.
• alibaba/wan-2.6/text-to-video и image-to-video — $0,09 за секунду, оба Uncensored. reference-to-video стоит $0,065 за секунду и имеет метку Filtered: откровенные запросы он отклоняет напрямую.
• alibaba/wan-2.6-flash/image-to-video — $0,0225 за секунду, Uncensored. С большим отрывом самое дешёвое видео в каталоге в пересчёте на секунду.
• lightricks/ltx-2.5/text-to-video и image-to-video — $0,09 за секунду, оба Uncensored.
• vidu/q3-pro/image-to-video по $0,054 и vidu/q3-turbo/image-to-video по $0,042 за секунду, оба Uncensored.

Метки получены измерением на том маршруте, который мы действительно обслуживаем, поэтому при смене маршрута они меняются. Модель без метки — та, которую мы ещё не измеряли: лучше промолчать, чем гадать за вас.