Zum Hauptinhalt springen
Alles, was sich in der REST-API, im MCP server und in der Inhaltsverifizierungs-API geändert hat. Die Daten sind der Zeitpunkt, zu dem die Änderung in Produktion ging.
apimcpvideoimages

Video-Engine Kling 4.0 und Ideogram-Vektorisierung

  • Kling 4.0 — neue Video-Engine kling_4_0 für POST /videos/generations, in GET /videos/models und im MCP-Tool generate_video. Alle drei Modi: image_to_video (mit optionalem Endframe), text_to_video und text_to_video_styled.
  • Dauer — jede ganze Sekunde von 3 bis 30. Das MCP-Tool verwendet 5, wenn du duration weglässt; die REST-API verlangt den Wert, wie bei jeder Engine.
  • Auflösung und Seitenverhältnis — 720p (Standard) oder 1080p; 16:9, 9:16 oder 1:1. Bei image_to_video folgt das Video dem Bildausschnitt des Startbilds.
  • Audio — eine Tonspur wird immer generiert, ohne Zusatzkosten.
  • Credits — 15 pro Sekunde bei 720p, 25 pro Sekunde bei 1080p (ein 5-s-Clip kostet 75 / 125). text_to_video_styled addiert wie üblich pauschal 10.
  • Vektorisierungs-Engines — POST /images/vectorizations und das MCP-Tool vectorize_image haben ein neues optionales Feld engine: recraft (Standard) oder ideogram. Mit ideogram ist der optionale mode default (detailliert) oder simple. Eine Anfrage ohne engine funktioniert wie bisher. Ein unbekannter Wert oder ein mode ohne ideogram gibt 422 zurück, bevor etwas belastet wird.
  • Vektorisierungs-Credits bleiben bei 5 für jede Engine und jeden Modus. Ein gecachtes Ergebnis (0 Credits) zählt jetzt nur, wenn es von derselben Engine und demselben Modus stammt.
Kling 4.0 · Ein Bild vektorisieren · Preise · MCP-Tools
apimcpimages

Bild-Uploads, Magic-Edit-Engines und finaler Job-Status

  • Bild-Uploads — neu. Lade eine lokale Bilddatei hoch und erhalte in drei Schritten eine image_id: POST /images/uploads/prepare (sende die exakte size_bytes) → PUT die Datei an die presigned upload_url (1 Stunde gültig) → POST /images/uploads/{image_id}/complete. JPEG, PNG oder WebP; bis 10 MB und 32 MP; höchstens 20 Uploads pro Nutzer, die auf ihren Abschluss warten. Kostenlos. Braucht einen von images.edit, images.transform oder videos.generate — kein neuer Scope. Die image_id funktioniert als Quelle für Edits, Bildoperationen und Image-to-Video.
  • MCP — zwei neue kostenlose Tools, prepare_image_upload und complete_image_upload, tun dasselbe. Der Server hat jetzt achtzehn Tools.
  • Magic-Edit-Engines — POST /images/edits und das MCP-Tool edit_image akzeptieren jetzt auch nano_banana_2 und nano_banana_2_1, neben nano_banana_pro (Default), gemini und kontext. resolution (1K / 2K / 4K) funktioniert auf den drei Nano-Banana-Engines, zu 5 / 10 / 20 Credits pro output; gemini und kontext bleiben bei einer festen Auflösung und 5 Credits.
  • MCP edit_image — neue optionale Parameter resolution und num_images. Bisher liefen MCP-Edits immer mit 1K.
  • Edit-Antwort — die 202 gibt jetzt die effektive engine und resolution zurück.
  • Verhaltensänderung: trainierte Modelle mit einer anderen Engine — trainierte Modelle und eine Farbpalette funktionieren in einem Edit nur mit nano_banana_pro. Eine Anfrage, die zusammen mit ihnen eine andere Engine nennt, liefert jetzt 422, bevor etwas abgebucht wird. Bisher wurde eine solche Anfrage stillschweigend auf nano_banana_pro umgestellt.
  • Finaler Job-Status bei Compliance-Sperren — ein Bild-Job, dessen outputs alle an der Compliance-Pipeline gescheitert sind (zum Beispiel an der C2PA-Signatur), endet jetzt failed mit error delivery_blocked_compliance: <codes>, statt in processing zu bleiben. Ein Job mit einigen lieferbaren outputs ist completed und listet die anderen im neuen Feld blocked_images. Das gilt für die REST-Job-GETs und das MCP-Tool get_job_status.
  • 4K-outputs — die C2PA-Signatur großer (4K-)outputs funktioniert wieder, sodass 4K-Bilder wieder ausgeliefert werden.
Bild-Uploads · Bildbearbeitung · Compliance-Sperren · MCP-Tools
apimcpimages

Text-to-Image-Engines

POST /images/generations und das MCP-Tool generate_image akzeptieren jetzt sieben Text-to-Image-Engines. Die Standard-Engine bleibt nano_banana_pro; eine Anfrage ohne engine verhält sich wie bisher.
  • Engines — nano_banana_pro (Standard), nano_banana_2_1, nano_banana_2 und neu: nano_banana, imagen_4, seedream_4, flux_1_pro. Jede Engine hat eigene Seitenverhältnisse und Auflösungen, geprüft vor jeder Abbuchung (422).
  • GET /images/models — neu. Listet die Engines, die du nutzen kannst, mit Seitenverhältnissen, Auflösungen, num_outputs-Limit, Credits pro Bild und Unterstützung trainierter Modelle. Kostenlos, Scope images.generate.
  • MCP — generate_image hat einen neuen optionalen Parameter engine. Das ersetzt den früheren Hinweis, dass generate_image immer die Standard-Engine nutzt. Das neue kostenlose Tool list_image_engines liefert denselben Inhalt wie GET /images/models.
  • Trainierte Modelle und Paletten funktionieren mit nano_banana_pro, nano_banana_2_1 und nano_banana_2. Mit den anderen Engines liefern sie 422 — sie werden nie verworfen.
  • Credits sind auf jeder Engine gleich: 5 pro output bei 1K, ×2 bei 2K, ×4 bei 4K.
  • Verhaltensänderung für Organisationen, die auf trainierte Modelle beschränkt sind — sie erhalten eine leere Engine-Liste (unavailable_reason: "organization_restricted"), jede engine liefert 422, und eine Anfrage muss engine weglassen und mindestens ein trainiertes Modell oder eine Palette übergeben.
Bildgenerierung · Bild-Engines auflisten · MCP-Tools
apimcpimages

Nano Banana 2.1

Eine neue Bild-Engine, nano_banana_2_1 (Nano Banana 2.1), steht neben nano_banana_pro und nano_banana_2 zur Verfügung.
  • POST /images/generations und POST /images/img2img akzeptieren engine: "nano_banana_2_1". Die Standard-Engine bleibt nano_banana_pro.
  • MCP — das Tool img2img akzeptiert engine: "nano_banana_2_1". Zu diesem Release hatte generate_image keinen engine-Parameter und nutzte immer den Default; jetzt hat es einen (siehe Text-to-Image-Engines oben).
  • Dieselben Seitenverhältnisse wie nano_banana_2 (img2img erlaubt zusätzlich 4:1, 1:4, 8:1, 1:8), die Auflösungen 1K, 2K und 4K sowie bis zu 14 img2img-Quellen.
  • Dieselben Credits wie nano_banana_2: 5 pro output bei 1K, ×2 bei 2K, ×4 bei 4K.
  • Nicht verfügbar für Magic Edit (POST /images/edits) und das MCP-Tool edit_image — beide liefern 422.
Bildgenerierung · Bilder transformieren (img2img)
apimcpimages

Bildoperationen

Sechs Wege, ein Bild zu transformieren, das du bereits hast — jeweils ein asynchrones POST, das einen Job absendet, plus ein GET, das ihn abfragt.
  • POST /images/img2img · GET /images/img2img/{img2img_id} — transformiere 1–14 Quellbilder mit einem Prompt.
  • POST /images/variations · GET /images/variations/{variation_id} — kreative Variationen eines Bildes, gezielt auf das ganze Bild, eine Person, ein Objekt oder die Szene.
  • POST /images/resizes · GET /images/resizes/{resize_id} — ändere das Seitenverhältnis per Outpainting statt per Zuschnitt.
  • POST /images/upscales · GET /images/upscales/{upscale_id} — hochskalieren auf eine höhere Auflösung mit vier Modellen.
  • POST /images/background-removals · GET /images/background-removals/{background_removal_id} — Hintergrund freistellen als transparentes PNG.
  • POST /images/vectorizations · GET /images/vectorizations/{vectorization_id} — ein Bild zu SVG vektorisieren.
Neuer Scope. Variationen, Größenänderungen, Upscaling, Hintergrundentfernung und Vektorisierung brauchen images.transform. Img2img läuft unter dem bestehenden images.edit. Bestehende Keys mit allen Scopes haben ihn bereits; einem eingeschränkten Key musst du ihn in Settings → API Keys hinzufügen.Auch in MCP. Dieselben sechs Operationen gibt es als die Tools img2img, create_variations, resize_image, upscale_image, remove_background und vectorize_image.Preise. Hintergrundentfernung kostet 1 Credit, Vektorisierung 5 — beide 0 bei einem Cache-Treffer für eine bereits verarbeitete Quelle. Der Rest wird mit 5 × Auflösung × Outputs berechnet; Upscaling nach Ziel-Tier mal einem Multiplikator pro Modell. Bildoperationen · Preise
content-verification

Gehostete Decodierung von Bild-Wasserzeichen

Die Inhaltsverifizierungs-API decodiert jetzt beide Bild-Wasserzeichen-Techniken selbst, statt sie als ungeprüft zu melden.
  • TrustMark Q — der Legacy-Bestand: Bilder, die markiert wurden, als TrustMark der Embed-Anbieter war. Diese Lane bleibt dauerhaft verfügbar.
  • Meta PixelSeal — das aktuelle Bild-Wasserzeichen, das neu generierte Samsa-Bilder tragen.
Wasserzeichen bleiben reine Bestätigung: Das detected-Verdikt stammt weiterhin aus der C2PA-Manifest-Prüfung, die maßgeblich ist. Die Decodierung von Video-Wasserzeichen (Meta Video Seal) ist noch nicht verfügbar und wird als not_checked gemeldet — eine Technik, die nie geprüft wurde, nie ein falsches Negativ. Inhaltsverifizierung
content-verification

Inhaltsverifizierungs-API

Eine kostenlose, nicht authentifizierte API, um zu prüfen, ob ein Bild oder Video mit Samsa erstellt wurde — Samsas öffentlicher Erkennungsmechanismus nach Artikel 50(2) der EU-KI-Verordnung. Sie hat eine eigene Basis-URL, braucht keinen API key und verbraucht keine Credits.
  • POST /v1/public/detect — prüfe ein hochgeladenes Bild oder Video.
  • GET /v1/public/detect/info — maschinenlesbare Beschreibung jeder Markierungstechnik und wie man sie erkennt.
  • GET /v1/public/detect/result/{request_id} — signiertes PDF eines früheren Ergebnisses.
  • GET /v1/public/detect/health — Servicestatus und Version.
Inhaltsverifizierung
mcp

Trainierte Modelle per Name, Paletten und Inline-Vorschauen

Drei Änderungen, die die MCP-Tools aus einem Gespräch heraus leichter bedienbar machen — dort ist der Name eines Modells zur Hand, seine id nicht.
  • Namen funktionieren wie ids. style_id, object_ids, person_ids und setting_ids akzeptieren Name oder id eines trainierten Modells; ein Name wird zu einem Modell aufgelöst, das die verbundene Credential sehen darf.
  • color_palette — ein neuer Parameter für generate_image und edit_image, ebenfalls als Name oder id.
  • edit_image ist gleichgezogen mit generate_image und akzeptiert alle vier Referenzparameter für trainierte Modelle, damit eine Bearbeitung markenkonform bleibt.
  • get_job_status liefert eine Vorschau. Ein abgeschlossener Raster-Bildjob trägt jetzt ein herunterskaliertes Inline-Bild neben dem Link zum Asset in voller Auflösung, sodass Clients das Ergebnis direkt anzeigen können. Die Vektorisierung liefert SVG und hat keine Raster-Vorschau.
MCP server
apimcplaunch

Die öffentliche Samsa-API und der MCP server

Das erste öffentliche Release. Samsas Bild- und Video-Studio — und die trainierten Modelle deiner Organisation — über eine REST-API und einen remote MCP server.
  • Bilder — POST /images/generations und POST /images/edits, komponiert mit den trainierten style-, object-, person- und setting-Modellen deiner Organisation.
  • Video — POST /videos/generations aus einem Startframe, aus Text oder aus Text im Stil deiner Modelle, dazu GET /videos/models für die Engine-Liste.
  • Modelltraining — POST /models, POST /models/prepare, POST /models/{model_id}/complete und GET /models/{model_id}/status.
  • Modelle — auflisten, abrufen, aktualisieren und löschen unter /models.
  • Konto — GET /me, GET /credits und GET /usage.
Organisations-API-Keys. Mit Scopes, einmalig bei der Erstellung angezeigt und handelnd für die Organisation des Keys — Credits kommen aus deren Pool.Webhooks. Übergib eine webhook_url, um bei Abschluss benachrichtigt zu werden, statt abzufragen. Callbacks sind signiert, Fehlversuche werden nach 5s, 30s, 2m, 15m und 1h erneut zugestellt.MCP server. Ein remote Streamable-HTTP-Server unter https://api.samsa.ai/mcp, der entweder OAuth 2.1 für interaktive Clients wie Claude und ChatGPT oder einen API key für headless Clients annimmt. Samsa API · Quickstart · MCP server