Kling 4.0 API が登場。動画生成を今すぐ体験 →
PoYoPoYo
announcements

Poyo.ai 2026年8月アップデート：画像、動画、チャット、音楽向けの新モデル 8 種

Poyo.ai Team
6 min read
Share:

動画、画像、音楽生成のホログラム画面がある暗いAIスタジオ

2026年8月、Poyo.aiには画像、動画、チャットをカバーする本番向けモデルが 8 種追加されました。同じ月に、Suno Music は単一のワークスペースにアップグレードされ、Grok Imagine Video 1.5 には追加ワークフローと 1080p 出力が拡張されました。

この月次アップデートでは、現在 Poyo.ai で利用可能なモデルのみを扱います。以下の料金は 2026年9月2日 時点の公開モデルページと一致しています。本番ワークフローを出荷する前に、モデルページで最新の料金を確認してください。

選び方

まず目的を決め、該当するモデルページを開いてください。

必要なものまず使うモデル理由
低コストの動画、2–30 秒Wan 3.0480p、720p、1080pでテキスト、画像、参照ワークフローを利用可能
Wan 3.0 をより早く処理Wan 3.0 Video Prime同じワークフロー群で、速度を重視した料金設定
長いクリップと多数の参照素材Seedance 2.54–30 秒、参照ファイルは最大 50 個
最初/最後のフレーム、延長、キーフレーム、ネイティブ音声FLUX 3一つのファミリーに五つの動画ワークフロー
画像内の高密度レイアウトと多言語テキストQwen Image 3長いプロンプト、細かな文字、1K、2K出力
テキストから画像と軽い参照編集Grok Imagine Image 2.01リクエストあたり入力画像は最大 3 枚、出力は 4 枚
長時間稼働するエージェント、コーディング、ナレッジワークGrok 4.6公式の token 料金より 20% 低い Chat API
マルチモーダルエージェント、ツール、長いコンテキストGemini 3.7 Flashキャッシュ入力料金に対応する Chat API
楽曲、効果音、音声、マッシュアップSuno Music一つのワークスペースで 24 の音楽ツール

動画：8月の最大の変化

Seedance 2.5

Seedance 2.5 は、長めで参照素材を多く使う動画向けに 8月8日 に公開されました。クリップにプロンプト以上の情報が必要なときに使います。最初と最後のフレーム、画像、動画、音声をすべて一つのリクエストに含められます。

  • モデル ID：seedance-2.5
  • 長さ：4–30 秒
  • 出力：480p、720p、1080p
  • 参照素材：画像は最大 30 枚、動画は 10 本、音声ファイルは 10 個、リクエストごとに最大 50 ファイル
  • generate_audio による同期音声は任意
出力参照動画あり参照動画なし
480p17 credits / $0.085 per billed second28 credits / $0.14 per second
720p38 credits / $0.19 per billed second63 credits / $0.315 per second
1080p68.5 credits / $0.3425 per billed second114 credits / $0.57 per second

参照動画がある場合、課金対象時間は出力時間と参照動画時間の合計です。リクエスト項目は Seedance 2.5 API docs を参照してください。MiniMax H3 との比較は、MiniMax H3 vs Seedance 2.5 をご覧ください。

Wan 3.0 と Wan 3.0 Video Prime

Wan 3.0 と Wan 3.0 Video Prime は 8月25日 に公開されました。どちらもテキストから動画、画像から動画、マルチモーダルな参照から動画をサポートします。コストを優先する場合は標準の Wan 3.0、生成時間を優先する場合は Prime を選んでください。

共通の機能：

  • 480p、720p、1080pの 2–30 秒出力
  • 1 枚または 2 枚の画像を最初のフレームに指定でき、最後のフレームは任意
  • 参照画像は最大 10 枚、参照動画は 5 本、参照音声クリップは 5 個、さらに一つの文書または公開ウェブページ
  • 三つのワークフローすべてで生成音声を任意で利用可能
解像度Wan 3.0Wan 3.0 Video Prime
480p10 credits / $0.05 per second13.6 credits / $0.068 per second
720p20 credits / $0.10 per second28 credits / $0.14 per second
1080p40 credits / $0.20 per second56 credits / $0.28 per second

モデル ID：

  • Wan 3.0：wan3.0-text-to-video, wan3.0-image-to-video, wan3.0-reference-to-video
  • Wan 3.0 Video Prime：wan3.0-prime-text-to-video, wan3.0-prime-image-to-video, wan3.0-prime-reference-to-video

FLUX 3

FLUX 3 は 8月6日 に、一つのテキストから動画のエンドポイントではなく五つのワークフローを備えた本番向け動画ファミリーになりました。

  • flux-3/text-to-video
  • flux-3/image-to-video
  • flux-3/first-last-frame-to-video
  • flux-3/extend-video
  • flux-3/keyframes-to-video

標準ワークフローは 720p で 34 credits / $0.17 per second、1080p で 58 credits / $0.29 per second です。動画延長は 720p で 82 credits / $0.41 per second、1080p で 106 credits / $0.53 per second です。このファミリーにはネイティブ音声も含まれます。

一回限りの生成ではなく、ショット制御、継続、配置したキーフレームが必要な場合は FLUX 3 を使ってください。詳しい解説は FLUX 3: Everything You Need to Know と FLUX 3 vs FLUX 2 をご覧ください。

Grok Imagine Video 1.5 のアップグレード

これは新しいカタログ項目ではなく、アップグレードです。Grok Imagine Video 1.5 は現在、テキストから動画、単一フレームの画像から動画、1–7 枚の画像を使う参照から動画をカバーします。出力は 480p、720p、1080p に対応します。

項目料金
480p14.5 credits / $0.0725 per second
720p25 credits / $0.125 per second
1080p テキストまたは画像モード45 credits / $0.225 per second
入力画像2 credits / $0.01 per image

画像：相補的な二つの選択肢

Qwen Image 3 と Qwen Image 3 Pro

Qwen Image 3 は 8月6日 にプレビューページからライブジェネレーターになりました。長いプロンプト、情報量の多いレイアウト、小さな文字、多言語グラフィックにより適しています。

  • モデル ID：qwen-image-3, qwen-image-3-pro
  • 出力：1K または 2K
  • タスク：テキストから画像、画像から画像
バリアント1K2K
Qwen Image 34.8 credits / $0.0244.8 credits / $0.024
Qwen Image 3 Pro6.4 credits / $0.03212 credits / $0.06

入力画像は 1 枚につき 0.5 credits / $0.0025 加算されます。背景の詳細は Qwen Image 3.0: Everything You Need to Know をご覧ください。

Grok Imagine Image 2.0

Grok Imagine Image 2.0 は 8月15日 に公開されました。一つのモデル ID が、テキストから画像と、最大三つの入力画像を使う編集を処理します。

  • モデル ID：grok-imagine-image-2.0
  • 解像度：1K または 2K
  • 品質：low または medium
  • リクエストごとに最大 4 枚の画像
  • 出力：JPEG、PNG、WebP
品質 / 解像度画像1枚あたりの料金
Low / 1K8 credits / $0.04
Medium / 1K12 credits / $0.06
Low / 2K12 credits / $0.06
Medium / 2K16 credits / $0.08
入力画像の追加料金2 credits / $0.01 per input image

チャット：二つの新しい本番向けモデル

Grok 4.6

Grok 4.6 は 8月15日 に、長時間稼働するエージェント、コーディング、エンジニアリング、ナレッジワーク向けに公開されました。OpenAI 互換の Chat Completions API から呼び出せます。

  • モデル ID：grok-4.6
  • 入力：320 credits / $1.60 per 1M tokens (official $2.00)
  • 出力（reasoning tokens を含む）：960 credits / $4.80 per 1M tokens (official $6.00)

これは公式の token 料金より 20% 低い価格です。ドキュメント：OpenAI-compatible chat。

Gemini 3.7 Flash

Gemini 3.7 Flash も 8月15日 に公開されました。より大きなフラッグシップではなく Google の GA Flash モデルを使いたい場合、エージェント型コーディング、マルチモーダル推論、ツール利用、長いコンテキストの作業に使用してください。

  • モデル ID：gemini-3.7-flash
  • 入力：120 credits / $0.60 per 1M tokens (official $0.75)
  • キャッシュ入力：12 credits / $0.06 per 1M tokens (official $0.075)
  • 出力（thinking tokens を含む）：600 credits / $3.00 per 1M tokens (official $3.75)

ドキュメント：Gemini native format。

音楽：Suno ワークスペースのアップグレード

8月28日、Suno Music は 24 のツールを備えた一つのワークスペースになりました。ページを離れずに、生成、編集、マッシュアップ、再利用可能な音声、ステム分離、形式変換を切り替えられます。各ツールにはモデル ID、料金、API ドキュメントが表示されます。

新規およびアップグレードされた機能：

  • マッシュアップを生成： スタイル、ボーカル、モデルバージョン、長さの制御で二つのオーディオトラックをブレンドします。12 credits / $0.06 per generation。
  • サウンドを生成： ループ、テンポ、キーの制御に対応する効果音と環境音です。2.5 credits / $0.0125 per generation。
  • Suno Voice： 音声の検証、再利用可能な Voice ID の作成、検証フレーズの再生成、利用可否の確認を行います。音声操作は無料です。
  • MIDI を生成： 1 credit / $0.005 per generation。
  • 音楽の生成と延長は、V5、V5.5、Style Persona、Voice Persona、最大 360 秒の長さをサポートするようになりました。
  • 編集では、カバー、延長、セクションの置換、ボーカルの追加、インストゥルメンタルの追加、ボーカル分離、12 ステム分割を扱えます。

API ドキュメント：Generate Music。

今すぐ使えるプラットフォームの変更

以下は、Poyo.ai での作業方法に影響する 8月の製品変更です。

  • 履歴と利用状況を一か所にまとめるダッシュボード概要。
  • 結果プレビューを再び表示する生成履歴。
  • より明確なモデルマーケット。プロモーション期間中はモデルカードにライブの割引料金を表示。
  • 新しい開発者向け入口：MCP、CLI、Skill、さらに n8n と ComfyUI のガイド。
  • ベトナム語とインドネシア語のサイトロケール。

2026年8月モデル早見表

公開日モデル種類モデル IDページ
8月6日Qwen Image 3 / Pro画像qwen-image-3, qwen-image-3-pro/models/qwen-image-3
8月6日FLUX 3動画flux-3/text-to-video と四つの関連エンドポイント/models/flux-3
8月8日Seedance 2.5動画seedance-2.5/models/seedance-2-5
8月15日Grok 4.6チャットgrok-4.6/models/grok-4-6
8月15日Gemini 3.7 Flashチャットgemini-3.7-flash/models/gemini-3-7-flash
8月15日Grok Imagine Image 2.0画像grok-imagine-image-2.0/models/grok-imagine-image-2
8月25日Wan 3.0動画wan3.0-text-to-video, wan3.0-image-to-video, wan3.0-reference-to-video/models/wan-3-0
8月25日Wan 3.0 Video Prime動画wan3.0-prime-text-to-video, wan3.0-prime-image-to-video, wan3.0-prime-reference-to-video/models/wan-3-0-video-prime

8月のアップグレードであり、8 件の公開には数えないもの：Grok Imagine Video 1.5 と Suno Music。

始め方

  1. モデルページを開き、ライブツールでテスト生成を一度実行します。
  2. モデル ID を既存の Poyo ワークフローにコピーします。メディアでは非同期送信とステータスポーリング、チャットでは Chat Completions / Gemini native format を使用します。
  3. 内部ツールに組み込む場合は、MCP、CLI、n8n、ComfyUI から始めてください。

8月の後：9月初旬の公開

この 8月アップデートの対象期間の直後に、さらに二つのモデルが公開されました。

  • Gemini Omni 1.1 Flash は 9月1日 に公開され、360p から 4K までのテキストから動画、最初と最後のフレーム、参照画像、参照動画ワークフロー向けです。ガイド：Gemini Omni 1.1 Flash API。
  • Claude Fable 5.1 は 9月2日 に公開され、1M コンテキストウィンドウでの長期的なコーディングとナレッジワーク向けです。

これらは 8月の八つには含まれません。最新の動画とチャットの選択肢をすでに評価している場合は、上のリンクを使用してください。

Share: