referencia de la API
Modelos
Todos los modelos y los ID de endpoint disponibles en la API de CheaperGen —de video e imagen—, con precios por unidad y enlaces a la documentación de la API de cada modelo.
Cada modelo ofrece un endpoint por tarea. Envía la solicitud a POST /api/v1/run/{endpoint} con el ID de endpoint que aparece abajo; todos los modelos usan el mismo formato de solicitud y solo cambian los campos de entrada. La página de la API de cada modelo enumera sus campos, tipos, valores predeterminados y valores permitidos.
Esta lista se genera a partir del mismo catálogo que usa la API. Para obtenerla mediante una solicitud, llama a GET /api/v1/models (no requiere clave); consulta Listar modelos.
Modelos de video#
Se cobra por segundo de video generado. Los precios mostrados corresponden al nivel más bajo; consulta precios para ver todas las resoluciones.
Seedance 2.0#
Seedance 2.0 de ByteDance genera videos cinematográficos de 4–15 s con audio sincronizado a partir de texto, imágenes o recursos de referencia, desde 480p hasta 4K.
Reference-to-Video admite hasta 9 imágenes, 3 videos (15 s en total) y 3 clips de audio; menciónalos como @Image1, @Video1 y @Audio1. Consulta entradas de referencia.
Seedance 2.5#
Seedance 2.5 es el modelo de video más reciente de ByteDance: ofrece mejor movimiento, sigue mejor los prompts y controla varias referencias; genera clips de hasta 30 segundos a una resolución de hasta 1080p, con audio.
Reference-to-Video admite hasta 30 imágenes, 10 videos (30 s en total) y 10 clips de audio; menciónalos como @Image1, @Video1 y @Audio1. Consulta entradas de referencia.
Seedance 2.0 Fast#
Seedance 2.0 Fast es una versión de Seedance 2.0 optimizada para ofrecer velocidad y generar videos con audio a 480p y 720p; ideal para iterar y producir en volumen.
Reference-to-Video admite hasta 9 imágenes, 3 videos (15 s en total) y 3 clips de audio; menciónalos como @Image1, @Video1 y @Audio1. Consulta entradas de referencia.
Seedance 2.0 Mini#
Seedance 2.0 Mini genera videos con audio a 480p y 720p al precio más bajo de la familia Seedance; ideal para vistas previas, pruebas A/B y producción en volumen.
Reference-to-Video admite hasta 9 imágenes, 3 videos (15 s en total) y 3 clips de audio; menciónalos como @Image1, @Video1 y @Audio1. Consulta entradas de referencia.
Kling 3.0#
Kling 3.0 de Kuaishou genera videos cinematográficos de 3–15 segundos a 720p, 1080p o 4K a partir de texto o de un fotograma inicial y otro final, con audio nativo opcional.
Kling 3.0 Omni#
Kling 3.0 Omni convierte texto, un fotograma inicial y otro final, o hasta 7 imágenes de referencia en videos de 3–15 segundos a 720p, 1080p o 4K, con personajes coherentes y audio nativo opcional.
Kling 3.0 Turbo#
Kling 3.0 Turbo es la versión de Kling 3.0 de Kuaishou optimizada para ofrecer mayor velocidad: videos de 3–15 segundos a 720p o 1080p con audio nativo, a partir de texto o de un primer fotograma, con tiempos de entrega más rápidos.
Veo 3.1#
Google Veo 3.1 genera videos cinematográficos de 4–8 segundos con diálogos, efectos y ambiente sincronizados a 720p, 1080p o 4K, a partir de texto o de un fotograma inicial y otro final.
Veo 3.1 Fast#
Google Veo 3.1 Fast genera videos de 4–8 segundos con audio nativo a 720p, 1080p o 4K. Es más rápido y mucho más barato que Veo 3.1, y está diseñado para iterar y producir en volumen.
Veo 3.1 Lite#
Google Veo 3.1 Lite genera videos de 4–8 segundos a 720p con audio nativo a partir de texto o de un fotograma inicial y otro final, al precio más bajo de la familia Veo.
Gemini Omni Flash#
Gemini Omni Flash 1.1, el modelo de video predeterminado de Google, genera videos de 4–10 segundos a 720p con diálogos, música y efectos a partir de texto, de un fotograma inicial y otro final, o de imágenes de referencia.
Wan 3.0#
Wan 3.0 de Alibaba genera hasta 30 segundos de video continuo con audio a 480p–1080p, a partir de texto, una imagen o imágenes de referencia.
Reference-to-Video admite hasta 4 imágenes, 5 videos (15 s en total) y 5 clips de audio; menciónalos como @Image1, @Video1 y @Audio1. Consulta entradas de referencia.
Wan 3.0 Prime#
Wan 3.0 Prime es el nivel prémium de Wan 3.0 de Alibaba; ofrece mayor fidelidad visual y más calidad de movimiento, hasta 30 segundos a 1080p con audio.
Reference-to-Video admite hasta 4 imágenes, 5 videos (15 s en total) y 5 clips de audio; menciónalos como @Image1, @Video1 y @Audio1. Consulta entradas de referencia.
MiniMax H3#
MiniMax H3 (Hailuo 3) genera videos expresivos de 5–15 s, con movimientos de personajes y física realistas, a 768P o 2K, a partir de texto, imágenes o referencias.
Reference-to-Video admite hasta 5 imágenes, 3 videos (15 s en total) y 3 clips de audio; menciónalos como @Image1, @Video1 y @Audio1. Consulta entradas de referencia.
MiniMax H3 Max#
MiniMax H3 Max es la versión de H3 con entrenamiento adicional y mayor calidad: ofrece más detalle y sigue mejor los prompts, y genera videos de 5–15 segundos en 480P y 768P.
MiniMax H3 Fast#
MiniMax H3 Fast es una versión de los pesos abiertos de MiniMax H3 con inferencia acelerada: admite las mismas entradas de texto, fotogramas y referencias y una banda sonora sincronizada, a 480P o 768P. Devuelve los resultados mucho más rápido y por una fracción del precio de H3.
Reference-to-Video admite hasta 9 imágenes, 3 videos (15 s en total) y 3 clips de audio; menciónalos como @Image1, @Video1 y @Audio1. Consulta entradas de referencia.
Vidu Q3 Turbo#
Vidu Q3 Turbo de Shengshu genera videos de 1–16 segundos con audio sincronizado a 540p, 720p o 1080p a partir de texto o de un fotograma inicial y otro final; es rápido y tiene uno de los precios por segundo más bajos.
Vidu Q3 Pro#
Vidu Q3 Pro de Shengshu genera videos de 1–16 segundos a 540p, 720p o 1080p a partir de texto o de un fotograma inicial y otro final, con diálogos, efectos de sonido y música sincronizados. Ofrece más detalle y movimientos más estables y cinematográficos que Q3 Turbo.
Vidu Q4#
Vidu Q4 (versión preliminar) anima un primer fotograma o combina hasta 15 imágenes de referencia y 3 clips de voz en videos de 3–16 segundos con audio, desde 540p hasta 4K.
Grok Imagine Video 1.5#
Grok Imagine Video 1.5 de xAI genera videos de 1–15 segundos con audio nativo a 480p, 720p o 1080p, a partir de texto o imágenes de referencia.
FLUX 3 Video#
FLUX 3 Video de Black Forest Labs genera videos de 720p de 5–20 segundos con audio sincronizado, a partir de texto o de un fotograma inicial y otro final, por un precio fijo por segundo.
PixVerse V6#
PixVerse V6 genera videos de 1–15 segundos a 360p–1080p a partir de texto, una imagen o hasta 7 imágenes de referencia, con audio opcional; ofrece uno de los precios por segundo más bajos para videos sociales.
LTX-2.5#
LTX-2.5 de Lightricks genera videos de 1–8 segundos a 720p o 1080p con una banda sonora sincronizada a partir de texto o de un primer fotograma; tarda unos segundos y cuesta una fracción del precio habitual por segundo.
Modelos de imagen#
Se cobra por cada imagen generada. Los precios mostrados corresponden al nivel más bajo; consulta precios para ver todas las resoluciones.
Seedream 4.5#
Seedream 4.5 de ByteDance genera y edita imágenes en 2K o 4K por un solo precio por imagen, permite editar varias imágenes con coherencia y produce texto legible.
Seedream 5.0 Pro#
Seedream 5.0 Pro de ByteDance crea y edita imágenes fotorrealistas y fieles a la marca de hasta 2K, con edición precisa de varias imágenes y representación exacta del texto.
Seedream 5.0 Lite#
Seedream 5.0 Lite ofrece una gran calidad de imagen y edición de Seedream 5.0 a un precio menor, ideal para tareas creativas cotidianas y aplicaciones.
Seedream 5.0 Flash#
Seedream 5.0 Flash es el modelo más rápido y económico de Seedream 5.0 para generar y editar imágenes en tiempo real y en grandes volúmenes.
Nano Banana Pro#
Nano Banana Pro (Gemini 3 Pro Image) crea y edita imágenes de hasta 4K con texto preciso, conocimiento del mundo y personajes coherentes en hasta 14 imágenes de entrada.
Nano Banana 2.1#
Nano Banana 2.1 (gemini-nano-banana-2.1) es el modelo de imagen más reciente de Google: genera y edita imágenes hasta 4K con texto preciso, admite hasta 14 imágenes de entrada y 14 relaciones de aspecto, por unos centavos por imagen.
GPT Image 2.5#
GPT Image 2.5 (Sunburst) es el modelo de imágenes de mayor calidad de OpenAI: edita varias imágenes con precisión, representa texto y diseños de forma fiable, ofrece cinco niveles de calidad y genera resultados de hasta 4K.
GPT Image 2.5 Flare#
GPT Image 2.5 Flare es la versión más rápida de GPT Image 2.5 de OpenAI, con el mismo precio por token; ideal para contenido social, imágenes de productos, prototipos y generación por lotes, hasta 4K.
FLUX 3#
FLUX 3 de Black Forest Labs genera y edita imágenes de hasta 4K con conocimiento basado en la web, control del diseño y hasta 10 imágenes de referencia, a un precio fijo por nivel de resolución.
FLUX 3 Image Klein#
FLUX 3 Image Klein es el modelo FLUX 3 Image compacto de 5.6B de Black Forest Labs con pesos abiertos: generación de texto a imagen rápida en 16 pasos, 15 proporciones de aspecto hasta 4K y edición con hasta 10 imágenes de referencia.
FLUX.2 [klein] 4B#
FLUX.2 [klein] 4B es el modelo pequeño y abierto (Apache-2.0) de FLUX.2 de Black Forest Labs: generación de texto a imagen en menos de un segundo y edición con hasta 4 imágenes de referencia, por una fracción de céntimo por imagen.
FLUX.2 [pro]#
FLUX.2 [pro] de Black Forest Labs genera imágenes fotorrealistas de hasta 4 megapíxeles, con gran fidelidad al prompt y texto nítido, y puede editarlas con hasta 8 imágenes de referencia.
FLUX.2 [max]#
FLUX.2 [max] es el modelo FLUX.2 de gama alta de Black Forest Labs: ofrece el máximo detalle, textura y calidad tipográfica, además de la mayor fidelidad al prompt, hasta 4 megapíxeles.
- Texto a imagen
bfl/flux-2-max/text-to-imageProbar →
FLUX.2 [flex]#
FLUX.2 [flex] permite ajustar los pasos de muestreo y el nivel de guía para conseguir la mejor tipografía y detalles finos, hasta 4 megapíxeles.
- Texto a imagen
bfl/flux-2-flex/text-to-imageProbar →
FLUX.1 Kontext [pro]#
FLUX.1 Kontext [pro] edita imágenes con instrucciones en lenguaje sencillo: cambia ropa, escenas, texto o estilo sin perder la coherencia de personas y objetos, por un precio fijo por imagen. BFL ahora clasifica Kontext como un modelo anterior; FLUX.2 y FLUX 3 son sus sucesores.
FLUX.1 Kontext [max]#
FLUX.1 Kontext [max] es la versión prémium del editor Kontext y ofrece mayor fidelidad a las instrucciones, mejor tipografía y más coherencia que [pro], por un precio fijo por imagen.
Grok Imagine Image 2.0#
Grok Imagine Image 2.0 de xAI genera y edita llamativas imágenes fotorrealistas y estilizadas en 1K o 2K, con hasta 3 imágenes de entrada para editar.
Qwen-Image 3.0 Pro#
Qwen-Image 3.0 Pro genera y edita imágenes de 1K–2K con tipografía excepcional en chino e inglés y diseños con mucho texto, como periódicos, menús, storyboards e infografías.
Qwen-Image 3.0#
Qwen-Image 3.0 genera y edita imágenes de 1K–2K, sigue instrucciones con claridad y representa texto estable en chino e inglés, por un precio fijo bajo por imagen.
Z-Image Turbo#
Z-Image Turbo de Tongyi Lab de Alibaba genera imágenes fotorrealistas con buen texto en chino e inglés en 8 pasos, por menos de 1.5¢ cada una y por debajo del precio de lista oficial de Alibaba.
- Texto a imagen
alibaba/z-image-turbo/text-to-imageProbar →
Krea 2 Turbo#
Krea 2 Turbo es una versión rápida y destilada de Krea 2: genera imágenes naturales y fotorrealistas, con piel, iluminación y texturas realistas, en aproximadamente un segundo y por menos de 1.5¢ por imagen, por debajo del precio de lista oficial de Krea.
- Texto a imagen
krea/krea-2-turbo/text-to-imageProbar →
MOSS Image#
MOSS Image de OpenMOSS es un modelo de texto a imagen de 5B con pesos abiertos que genera texto legible en chino e inglés y coloca textos y objetos según una composición JSON, en 1K, 1.5K o 2K.
- Texto a imagen
openmoss/moss-image/text-to-imageProbar →
Modelos de texto#
La inferencia de LLM —DeepSeek, Qwen, GLM, Kimi y más— llegará a la misma API y al mismo saldo. Únete a la lista de espera para recibir noticias cuando esté disponible.
¿Algo no está claro o falta información? Escribe a support@cheapergen.com; leemos todos los mensajes.