Обновления, которые важны для интеграции

В каталог добавились три чат-эндпоинта, а настройки рассуждения у уже имевшихся текстовых моделей теперь соответствуют тому, что действительно поддерживает каждый разработчик.

• zai/glm-5.3/chat — $1,05 за вход / $0,195 за кэш / $3,30 за выход на 1 млн токенов, на 25% ниже цены, опубликованной Z.ai. Метка по контенту: Light — ограничения мягче, но отдельные чисто текстовые промпты всё же могут ограничиваться.
• zai/glm-5.3-flash/chat — $0,1275 / $0,0255 / $0,425 на 1 млн токенов, Uncensored.
• deepseek/v4.1-flash/chat — текущая цена $0,30 / $0,006 / $1,20 на 1 млн токенов, Uncensored.

Уровень reasoning effort теперь свой у каждой модели, а не один список, скопированный всюду. У Claude 4.5 и 4.6 стоят уровни, которые Anthropic публикует для каждой; у Gemini появилась ступень minimal; DeepSeek принимает none, и мы измерением подтвердили, что это действительно выключает рассуждение, а не просто снижает его. Уровни, которых у разработчика нет, мы не заявляем: Grok 4.5 и 4.6 отклоняют reasoning_effort: none на стороне поставщика, а 4.3 его принимает.

Одна деталь для расчёта бюджета, на которой часто спотыкаются: токены рассуждения засчитываются в max_tokens. Промпт, просящий ответ на 150 слов, при высоком уровне усилий всё равно может сжечь несколько тысяч токенов. Поэтому подбирайте лимит под то, что модель реально выдаст, а не под длину ответа, который вы хотите прочитать.

Три новых семейства запускают MiniMax H3 с открытыми весами и до трёх ваших файлов LoRA в каждом запросе, у каждого своя сила от 0 до 4.

• MiniMax H3 LoRA (minimax/h3-lora/text-to-video, /image-to-video, /reference-to-video): от 3 до 15 секунд в 480p, 540p, 768p или 1080p, стереозвук создаётся за тот же проход. Референсы в видео принимают до девяти изображений, трёх клипов и трёх аудиофрагментов.
• MiniMax H3 Singularity LoRA (minimax/h3-singularity-lora/image-to-video, /reference-to-video): дообученная сообществом на HDR-материале версия H3 для быстрой динамики, танца и общих планов, где лица должны оставаться чёткими. Ваши LoRA для H3 подключаются без изменений.
• MiniMax H3 Image LoRA (minimax/h3-image-lora/text-to-image, /edit): H3 как нейросеть для статичных изображений в 1k или 2k, с редактированием по девяти референсам. Сделайте здесь ключевой кадр, а затем оживите его с той же LoRA.

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

Alibaba сегодня открыла исходники Qwen-Image-2.1, и в тот же день модель появилась в каталоге. Четыре эндпоинта: генерация и редактирование по референсам, каждый в обычной версии и в версии LoRA, которая подгружает указанные вами файлы весов.

• Приносите свои веса. До трёх файлов LoRA на запрос, у каждого своя сила. Указываются прямой HTTPS-ссылкой на файл .safetensors либо репозиторием Hugging Face. Ни загрузки, ни белого списка, ни очереди на согласование.
• Между промптом и моделью нет ничего. Все четыре эндпоинта без ограничений: перед моделью нет фильтра, нет флага «для взрослых», нет деклараций в запросе.
• Пятнадцать соотношений сторон, три ступени разрешения. От полос 3:1 и 21:9 до колонн 1:3 и 9:21, в 1k, 1.5k или 2k.
• Редактирование принимает до десяти референсов. Каждый входит в оценку, которую вы видите до отправки, — отправляйте те референсы, которые действительно работают.

К семейству замен добавились шесть эндпоинтов, три из них — для видео. Различает их то, сколько именно переносится.

Изображения

• spicyapi/face-swap-pro-v1/edit — переносятся только черты лица. Причёска, линия роста волос, силуэт головы, поза, одежда, свет и фон на целевом снимке остаются прежними. $0,16 за изображение.
• spicyapi/face-swap-v1-plus/edit — переносит лицо и заодно согласует тон кожи между двумя снимками; движок смешивает либо одно лицо, либо голову целиком — что выглядит убедительнее. $0,16 за изображение.
• Исходные spicyapi/face-swap-v1/edit и spicyapi/head-swap-v1/edit остаются по $0,013 за изображение.

Видео

• spicyapi/face-swap-video-v1/video-edit — переносит черты с одного референсного снимка на каждый кадр. Причёска, силуэт головы, движение, костюм и свет исполнителя не затрагиваются. $0,0325 за секунду результата.
• spicyapi/head-swap-video-v1/video-edit — меняются волосы, форма головы и сама личность. $0,064 за секунду результата.
• spicyapi/character-swap-v1/video-edit — меняется фигура целиком, вместе с одеждой. $0,064 за секунду результата.

Два видеоэндпоинта для нескольких человек намеренно сделаны двухшаговыми. Сначала вызовите парный video-analyze, $0,08 за запрос: он ведёт каждого различимого человека через весь ролик и возвращает по одному превью-кадру на человека в фиксированном порядке — первое изображение это позиция 0, второе — позиция 1. Затем вы передаёте выбранные позиции и от одной до трёх референсных фотографий для каждой. Гадать, на кого именно подействует модель, не приходится.

Три модели xAI, у каждой по одному эндпоинту chat, все говорят в формате OpenAI и поддерживают потоковую передачу.

• На 40% ниже цены, опубликованной самой xAI, по каждому тарифу; сверено с их страницей цен 19 сентября 2026 года.
• Значение reasoning_effort: none принимает только 4.3. На 4.5 и 4.6 оно отклоняется на стороне поставщика; остальные четыре уровня работают на всех трёх.
• У 4.5 кэшированный ввод дешевле, чем у 4.6 ($0,18 против $0,30 за 1 млн токенов), во всём остальном они совпадают.
• Промпты от 200 000 токенов тарифицируются по повышенной ставке длинного контекста — ровно так же, как у xAI. Токены рассуждения засчитываются в max_tokens, заложите их в бюджет.
• Эти маршруты принимают текст и изображения. Части типа «файл» или PDF они не принимают.

Пять эндпоинтов для изображений с четырёхкратным разбросом цен — уровень можно подобрать под задачу, а не платить по верхней ставке за миниатюру.

• bytedance/seedream-4.0/text-to-image и bytedance/seedream-4.0/edit — $0,03 за изображение, оба Uncensored. Эндпоинт edit принимает готовое изображение и письменную инструкцию.
• krea/2-large/text-to-image — $0,06 за изображение, Filtered.
• krea/2-medium/text-to-image — $0,03 за изображение, Softened.
• krea/2-medium-turbo/text-to-image — $0,015 за изображение, Filtered. Самый дешёвый эндпоинт для изображений в каталоге после семейства замен.

Две вещи стоит знать до выбора. Уровни Krea отличаются не только ценой, но и тем, что они вообще принимают: Filtered отклоняет откровенные запросы напрямую, а Softened возвращает смягчённый результат и всё равно списывает за него деньги — на маршруте Softened смотрите на сам результат, а не на код статуса. И размер изображения — не поправка, которую накладывают задним числом: в примерах на странице каждой модели указан ровно тот размер, под который писалась композиция, потому что промпт, задуманный под вертикальный кадр, не «перемасштабируется» в горизонтальный.

heartmula/transcribe/speech-to-text расшифровывает спетые слова из аудиофайла и возвращает их текстом в самой задаче. Он настроен на вокал поверх музыки, а не на обычную речь.

• Единственный вход — audio_url, и он должен вести прямо на аудиофайл. Больше отправлять нечего: ни подсказки о языке, ни запроса меток времени, ни переключателя разделения говорящих.
• Результат — текст в задаче. Медиа-объект не создаётся, поэтому скачивать нечего и в срок хранения медиа ничего не попадает.
• Ни тайминга по строкам, ни значений уверенности, ни меток говорящих.
• $0,05 за расшифровку, независимо от длительности аудио.

Это ещё и первый эндпоинт в каталоге, чей результат — текст, а не файл. Если ваша интеграция исходит из того, что у каждой завершённой задачи есть скачиваемый объект, именно здесь это допущение и обнаружится: прежде чем подключать, загляните в свой обработчик результатов.