provider-model-refresh

提供商模型更新

进行媒体制作时，请先遵循 AGENT_GUIDE.md 和所选工作流。 这些适配器可通过常规 BaseTool 注册表发现。发起请求前，请检查其输入架构和状态。API 凭据表示已配置，并不代表已验证账户权限。不表示会进行付费实测。

路由

使用 preferred_tool 指定精确适配器，使用 hosting_provider 指定 API 主机。preferred_provider 仍是旧版排序偏好。图像/视频请选择精确的 model，语音请选择 model_id。如果指定的精确模型不可用，必须失败，不得悄悄改用其他模型。

模型	直连工具	聚合工具
GPT Image 2.5 Flare / Sunburst	openai_image	openai_fal_image, atlas_refresh_image
Gemini 3 Pro Image / Nano Banana Pro	google_imagen	gemini_fal_image, gemini_replicate_image, atlas_refresh_image
Ideogram 4.5 / Precise Edit	ideogram_image	ideogram_fal_image
Wan 3.0	—	wan_fal_video, wan_atlas_video, wan_replicate_video
H3 Max	—	h3_max_video（fal）
LTX-2.5 Fast / Pro	ltx_api_video	—
Eleven v4 / v4 Turbo	elevenlabs_tts	fal_elevenlabs_tts（仅 v4）
Gemini 3.8 Flash / Flash-Lite TTS	gemini_tts	—
Lyria 3.5	google_music	—
Sonic 3.6	cartesia_tts	—
Inworld TTS-2 / Flash	inworld_tts	—
Qwen Image 2.1	qwen_image_21（本地）	—
HeyGen Avatar V	heygen_avatar	—

图像请求

GPT Image 2.5 使用独立的 gpt-image-2.5-flare 和 gpt-image-2.5-sunburst ID。追求速度时使用 Flare，进行要求较高的编辑时使用 Sunburst。请说明要更改的内容以及必须保持不变的内容。直接编辑使用本地 image_path/image_paths，并可选择使用 mask_path。请将带透明度的输出保留为 PNG 或 WebP。为保持兼容性，旧版 GPT Image 2 默认选项仍可用。

Google Pro 的精确 ID 是 gemini-3-pro-image，与 gemini-3.1-flash-image（Nano Banana 2）不同。在受支持的路由上，最多可使用 14 张参考图，并选择 1K/2K/4K。Replicate 回退已禁用。

直接使用 Ideogram 的 generation_mode=precise_edit 可保留未受影响的像素； 请先使用 image_path，再在 image_paths 中添加最多四张参考图。使用蒙版时，最多只能添加三张参考图。黑色区域表示编辑，白色区域表示保留。Precise Edit 不支持指定输出尺寸。dry_run=true 可验证精确请求并计算价格，但不会生成图像。在 fal 上，precise_edit 会将 edit_precision=high。

Qwen Image 2.1 需要实际的本地模型目录和兼容的 Diffusers。它绝不会隐式下载权重。请确认预期用途符合 Qwen Research License。透明图像生成会验证返回的 alpha 通道，而不会添加不透明的 alpha 通道。

视频和任务

operation 用于选择 text_to_video、image_to_video 或 reference_to_video。 Replicate Wan 仅支持文本和首帧图像。Atlas 上的 Wan 使用 refers 对象，并通过 duration=-1 自动设置时长；fal 使用参考 URL 数组和可为空的时长。请勿在不同主机之间移植原生参数。请通过 provider_params 传递特定路由的控制参数；tools/provider_contracts 下已检入的架构会在提交前验证完整请求。

LTX-2.5 支持文本/图像/音频生成，不支持重拍或延长。帧率为 24、25、48、50；较长时长需要使用 Fast，并选择 720p/1080p 和 24/25 FPS。 duration=null 可让模型自行选择时长，但不能与末帧同时使用。H3 Max 与较早的 H3 端点相互独立。

设置 job_path 可持久化检查点。发生超时时，将返回的 resume_job 传给同一工具；这会轮询现有任务，不会再次付费提交。提交超时且没有 ID 时，情况不明确：请先查看提供商仪表板，再次提交前确认状态。请保留来源信息和输出结果。 未知价格会明确标示，绝不会视为免费服务。

语音与音乐

Eleven 直连 ID 为 eleven_v4 / eleven_v4_turbo；fal 使用 eleven-v4。 fal v4 最多支持 5,000 个字符，且不支持速度／风格控制。 直连 v4 最多支持 10,000 个字符。不同托管方的语音目录和使用权各不相同。 Gemini TTS 通过 Interactions 使用语音标注；需分别配置每位对话 说话者的语音和轮次文本。其当前适配器输出 WAV。 Cartesia 使用 API 版本 2026-08-14 和 WAV。Inworld 使用通过门户签发的 Base64 凭证、Basic 身份验证、MP3，且最多支持 2,000 个 UTF-16 代码单元。 Lyria 的时长是提示词目标，不保证时长精确。

Avatar V

在虚拟形象发言人工作流中使用 heygen_avatar。首先执行 list_looks 或 inspect_look；生成前会检查 avatar_type=digital_twin 和 supported_api_engines，然后再执行 POST。明确指定 engine=avatar_v 即可使用 Avatar V； 绝不会回退到 IV。以下三项必须且只能提供一项： script（加上 voice_id）、audio_url 或 audio_asset_id。参考外观必须是 同一已验证分组中的数字分身。使用已获授权的现有演示者，并遵守 HeyGen 的同意和账户要求。

证据与限制

已于 2026-10-03 检查各项接口契约；每个架构都记录了其官方来源。 发布研究请参阅 docs/provider-update-plan-2026-10-03.md。公开的 Kling 4 生成端点仍未经验证，因此不要编造模型 ID。实时语音 Agent 需要独立于批量旁白之外的流式／会话集成。

10 月 23 日后续说明

有关 Google 当前的停用处理、Eleven v4 传输方式和新增支持的 提供商，请阅读 provider-refresh-oct23。 v4 旁白 HTTP 载荷使用对话输入／设置，而非旧版 TTS text/voice_settings；直连文件适配器中的 v4 Turbo 仅支持 WebSocket。