La maggior parte delle piattaforme di IA aggiunge la generazione di media come ripensamento. Una scheda separata, una chiave API separata, un modello di fatturazione che non ha nulla a che vedere con il saldo della chat. ToRun prende una posizione diversa: la generazione di immagini, video e musica sono modalità — lo stesso tipo di superficie di prodotto a pieno titolo di Chat o Codice — e passano esattamente dallo stesso instradamento per capacità e dalla stessa pipeline di fatturazione di qualsiasi altra chiamata.
Questo articolo spiega la meccanica e perché conta.
Come la pipeline di instradamento tratta i media
Ogni richiesta in ToRun inizia con una modalità: Chat, Immagine, Video, Musica, Ricerca e così via. Ogni modalità dichiara le capacità che esige. La generazione di immagini esige la capacità image-gen. Il video esige video-gen. La sintesi di musica e audio esige audio-out. Una richiesta che combina chat e output di immagine — per esempio produrre uno schizzo concettuale accanto a una spiegazione — esige text e image-gen insieme.
La pipeline di instradamento prende quell'insieme di capacità, filtra il catalogo dei modelli lasciando i fornitori che le soddisfano tutte, poi ordina i candidati per prezzo e qualità. Il modello scelto non è scritto in modo fisso in nessun punto del tuo flusso; se un fornitore è giù o lento, la catena di ripiego seleziona automaticamente il modello idoneo successivo. Non scrivi codice specifico per fornitore. Non gestisci chiavi API separate per modalità (a meno che tu non voglia, tramite BYOK).
Conta soprattutto quando combini modalità. Un nodo di flusso può chiedere a un modello di testo di scrivere la descrizione di una scena, passare quell'output a un modello di generazione di immagini, poi passare l'indirizzo dell'immagine a un modello di estensione video — tutto nello stesso DAG, tutto fatturato allo stesso registro.
Unità di prezzo che corrispondono davvero a ciò che i fornitori addebitano
La fatturazione dei media è stata storicamente opaca perché le unità non corrispondono a token. ToRun usa dodici unità di prezzo canoniche per coprire ogni modalità con precisione:
- Per immagine — per modelli di diffusione e da testo a immagine; il prezzo cattura la generazione, non i pixel.
- Per secondo di audio — per sintesi vocale, output parlato e generazione musicale.
- Per secondo di video — per modelli di generazione video; durata e variante di risoluzione stanno nella riga di prezzo.
- Per carattere di sintesi vocale — per API vocali che addebitano al carattere.
Accanto a queste, le consuete unità a token (per milione di token in ingresso, in uscita e in ingresso da cache) coprono i modelli di testo che partecipano a una pipeline di media.
Ogni chiamata scrive esattamente un record di fatturazione. Quel record congela il prezzo al momento dell'esecuzione: l'unità di prezzo, la tariffa per unità, la quantità consumata, l'importo in dollari dopo il margine di ToRun e l'istantanea del tasso di cambio se la valuta del tuo account non è il dollaro. Se un fornitore cambia le tariffe domani, la fattura di oggi resta pienamente ricalcolabile dal registro. Puoi esportare le tariffe grezze e verificare ogni centesimo offline.
Comporre la generazione di media con chat e flussi
Dove questa architettura rende di più è nei flussi di lavoro.
Un nodo di flusso è semplicemente un passo che dichiara ciò di cui ha bisogno: un modello con certe capacità, uno schema di ingresso e uno schema di uscita. Un nodo musica può prendere un prompt testuale e una durata e restituire un indirizzo CDN Bunny per l'audio generato. Un nodo immagine prende un prompt, un rapporto d'aspetto e un'indicazione di stile e restituisce un indirizzo di immagine. Questi nodi si compongono come qualsiasi altro passo.
Puoi costruire un singolo flusso che:
- Prende un brief di prodotto come ingresso.
- Chiama un modello di testo per generare cinque varianti di slogan.
- Chiama un modello di immagine per rendere un visual principale per variante.
- Chiama un modello vocale per narrare lo slogan scelto.
- Restituisce un artefatto strutturato con testo, indirizzi di immagini e audio.
La fatturazione dell'intera esecuzione si distribuisce su cinque record — uno per chiamata di modello — tutti legati allo stesso identificatore di esecuzione del flusso. Vedi la ripartizione del costo per passo. Gli esecutori usano per impostazione predefinita modelli di livello qualità perché il risultato conta; puoi sovrascrivere per nodo.
La stessa logica vale nella chat. Se la tua conversazione innesca una chiamata di generazione di immagini — perché l'hai chiesto direttamente o perché un flusso collegato l'ha avviata — quella chiamata passa dalla pipeline di instradamento e compare come voce nella vista di costo della sessione. Nulla si nasconde dietro una tariffa piatta. Nulla è prima gratuito e poi a pagamento.
Cosa è attivo ora
Generazione di immagini, di video e di musica/audio sono tutte disponibili nella Fase 1. Passano dallo stesso catalogo di fornitori del testo, si fatturano allo stesso registro e si compongono nello stesso costruttore di flussi. Quali modelli siano concretamente disponibili dipende da quali fornitori sono nel catalogo in un dato momento e da quali capacità dichiarano — il livello di instradamento lo riflette in tempo reale.
I prezzi sono su /pricing. Il supporto BYOK esiste se vuoi instradare le chiamate di media tramite il tuo account fornitore con commissioni di piattaforma ridotte.