Uruchamiamy API Console, 200+ modeli AI i orkiestrator Gabriel

Największy upgrade Creative AI OS od startu we wrześniu 2025.

Dlaczego zbudowaliśmy własną infrastrukturę AI

Od września 2025, kiedy uruchomiliśmy platformę, systematycznie budowaliśmy coś, czego brakowało nam samym: zunifikowaną infrastrukturę, która pozwala korzystać z setek modeli AI bez żonglowania kilkunastoma oddzielnymi integracjami. Każdy, kto próbował połączyć generowanie obrazów od jednego dostawcy, wideo od drugiego, TTS od trzeciego i chat od czwartego — wie, jak szybko rośnie dług techniczny. Oddzielne klucze API, oddzielne formaty odpowiedzi, oddzielne systemy rozliczeniowe, oddzielna obsługa błędów. Każdy nowy dostawca to kolejne tygodnie pracy inżynierskiej, kolejna dokumentacja do przestudiowania, kolejny system webhooków do zaimplementowania.

Problem jest fundamentalny: rynek AI jest ekstremalnie fragmentaryczny. Modele pojawiają się co tydzień, dostawcy zmieniają API bez ostrzeżenia, cenniki rotują, dostępność regionalna się zmienia. Deweloper, który chce oferować swoim użytkownikom najlepsze modele, musi utrzymywać integracje z kilkunastoma providerami jednocześnie — albo wybrać jednego i zaakceptować vendor lock-in ze wszystkimi jego ograniczeniami.

Zbudowaliśmy alternatywę. Jedną warstwę abstrakcji, która rozwiązuje ten problem systemowo.

FOTOhub Creative AI OS agreguje ponad 200 modeli od 15 dostawców w jeden interfejs RESTful. Jedno konto, jeden klucz, jeden billing. Deweloper zmienia model zmieniając jeden parametr w request body — nie przepisując integracji. System sam sprawdza dostępność modeli co 60 sekund, automatycznie przełącza na backup przy awarii i routuje zapytania na podstawie kosztu, jakości i latencji. To architektura, którą budowaliśmy przez 10 miesięcy — od pierwszego commita po infrastrukturę obsługującą setki tysięcy requestów dziennie.

Unified model catalog — co to oznacza w praktyce

Kiedy mówimy „200+ modeli", nie chodzi o prostą listę endpointów z dokumentacji. Katalog modeli FOTOhub to żywy system z kilkoma warstwami inteligencji. Każdy model przechodzi przez warstwę normalizacyjną — deweloper wysyła zapytanie w jednym, spójnym formacie, a system tłumaczy je na natywny protokół dostawcy. Odpowiedź wraca w zunifikowanym formacie niezależnie od tego, czy model pochodzi od dostawcy A czy B. To eliminuje konieczność uczenia się specyficznych API każdego providera.

Ale normalizacja formatu to dopiero początek. System dynamicznie monitoruje dostępność każdego modelu — co 60 sekund wysyłamy health check i aktualizujemy status w bazie. Kiedy model staje się niedostępny (maintenance dostawcy, limit regionowy, overload), system automatycznie przełącza na skonfigurowany backup bez żadnej interwencji ze strony dewelopera. Użytkownik końcowy nie widzi przerwy. Request trafia do alternatywnego modelu o zbliżonej jakości, a deweloper dostaje informację o failoverze w metadanych odpowiedzi.

Routing uwzględnia trzy wymiary: koszt (który model jest najtańszy dla danego zadania), jakość (który daje najlepsze wyniki w danej kategorii) i latencję (który odpowie najszybciej z danego regionu). Deweloper może ustawić priorytet — „najlepsza jakość bez limitu budżetu", „najtańszy model powyżej progu jakości" lub „najszybszy z akceptowalną jakością". System dobiera model dynamicznie na podstawie tych preferencji.

Kategoria	Ilość	Co można zrobić	Format wejścia
Image generation	25+	Text-to-image, img2img, inpainting, outpainting, upscale, style transfer, background removal, sketch-to-image, recolor	Prompt + opcjonalny obraz referencyjny
Video generation	7 silników	Text-to-video i image-to-video, do 60 sekund, async polling z webhookami, kontrola camera movement	Prompt + opcjonalny keyframe
Music & audio	6 modeli + 106 głosów TTS	Kompozycja muzyki (do 3 min), efekty dźwiękowe, synteza mowy w 41 językach (neural + generative), transkrypcja z 99+ języków	Prompt, tekst lub plik audio
Chat / LLM	42	Konwersacja, chain-of-thought reasoning, analiza obrazu (vision), wywoływanie narzędzi (tool use), streaming token-by-token, kontekst do 1M tokenów	Format messages (kompatybilny z OpenAI)
3D generation	5	Generowanie meshów 3D z tekstu lub obrazu, eksport GLB/OBJ/STL/USDZ, materiały PBR, automatyczny retopology	Prompt lub zdjęcie referencyjne
Document intelligence	3 tryby	OCR z rozpoznawaniem layoutu, ekstrakcja tabel i formularzy ze strukturą, parsowanie faktur i paragonów z polami semantycznymi	PDF lub obraz dokumentu
Image analysis	4 modele vision	Opis obrazu, klasyfikacja obiektów, odpowiedzi na pytania o zawartość wizualną, ekstrakcja tekstu z obrazu	Obraz + pytanie w języku naturalnym
Agent workflows	16 typów węzłów	Pipelines DAG z trwałym wykonaniem, harmonogramy cron, triggery webhookowe, zatwierdzenia ludzkie, budżety kredytowe per-węzeł	Wizualny edytor drag-and-drop lub JSON spec

Każdy model w katalogu ma pełną specyfikację: maksymalna rozdzielczość, obsługiwane formaty, limity długości promptu, czas generowania (P50/P95), koszt w kredytach i dostępność regionalna. Wszystko zebrane w jednym miejscu: docs.fotohub.app/api/models.

Co tydzień dodajemy nowe modele. Warstwa normalizacyjna oznacza, że dodanie modelu po naszej stronie nie wymaga absolutnie żadnych zmian po stronie dewelopera — istniejące integracje automatycznie zyskują dostęp do nowych modeli przez ten sam endpoint.

Gabriel AI — inteligentny orkiestrator platformy

Gabriel powstał z konkretnej obserwacji: większość użytkowników nie wie (i nie powinno musieć wiedzieć), który z 200+ modeli jest optymalny do ich konkretnego zadania. Czy do portretu lepszy jest model A czy B? Który silnik wideo najlepiej radzi sobie z animacją produktową? Który model chat daje najlepsze wyniki w analizie dokumentów? To wiedza, która wymaga ciągłego śledzenia rynku — nowe modele pojawiają się co tydzień, benchmarki się zmieniają, optymalne prompty różnią się między modelami.

Gabriel przejmuje tę odpowiedzialność. To proprietary warstwa orkiestracji — pełnoprawny agent LLM z function-calling i 10 specjalizowanymi narzędziami routingowymi. Przyjmuje opis intencji w języku naturalnym (np. „wygeneruj profesjonalne zdjęcie produktu na białym tle") i wykonuje wieloetapowy proces decyzyjny: klasyfikacja typu zadania → analiza wymagań jakościowych → wybór optymalnego modelu z aktualnie dostępnych → budowa zoptymalizowanego promptu → zwrócenie gotowej ścieżki wykonania z estymacją kosztu.

Confidence score od 0.0 do 1.0 informuje, jak pewny jest klasyfikacji. Przy score poniżej 0.7 Gabriel zwraca dodatkowe pytania uściślające zamiast zgadywać. To fundamentalna różnica w porównaniu z prostymi routerami opartymi na keyword matching — Gabriel rozumie kontekst, historię konwersacji i preferencje użytkownika.

Prompt enhancement — automatyczna optymalizacja

Jednym z najbardziej niedocenianych problemów w generatywnym AI jest jakość promptu. Ten sam obraz opisany na dwa sposoby może dać drastycznie różne wyniki. Co gorsza, optymalne prompty różnią się między modelami — co działa świetnie na modelu A, może być suboptymalne na modelu B.

Gabriel rozwiązuje to systemowo. Po włączeniu enhance_prompt: true stosuje strategię optymalizacji dopasowaną do wybranego modelu. Dla modeli fotorealistycznych dodaje quality terms (szczegóły oświetlenia, głębię ostrości, parametry kamery) i resolution hints. Dla modeli wideo — opisy camera movement (dolly, pan, tilt, zoom) i temporal progression. Dla modeli stylizowanych — composition tokens specyficzne dla danego modelu i style descriptors optymalizujące estetykę wyjścia.

W naszych wewnętrznych testach A/B na próbie 10 000 generacji, prompt enhancement podniósł średnią ocenę jakości (human eval, skala 1-10) o 2.8 punktu — co przekłada się na ~35% wzrost satysfakcji użytkownika bez żadnego wysiłku z jego strony. Użytkownik pisze krótki opis, Gabriel transformuje go w zoptymalizowany prompt techniczny.

Multi-step coordination — sekwencyjne pipeline'y

Złożone zadania kreatywne rzadko są jednoetapowe. Produkcja animowanego baneru reklamowego wymaga: wygenerowania zdjęcia produktu → stylizacji pod brand guidelines → animacji z efektami ruchu → dodania ścieżki dźwiękowej → kompozycji finalnej z tekstem. Tradycyjnie deweloper musi orkiestrować te kroki ręcznie, przekazując output jednego modelu jako input kolejnego.

Gabriel robi to automatycznie. Dla złożonych zadań zwraca action: "workflow" z tablicą kroków, estymacją kosztów per-krok i łącznym budżetem kredytowym. Każdy krok jest wykonywany sekwencyjnie z automatycznym przekazywaniem wyników. Użytkownik opisuje cel końcowy, system planuje i realizuje ścieżkę.

Real-time streaming i awareness

Endpoint SSE (Server-Sent Events) emituje zdarzenia w trzech typach: thinking (Gabriel analizuje zapytanie i klasyfikuje intencję), routing (wywołuje narzędzie routingowe i wybiera model) i result (zwraca finalną decyzję z parametrami). To pozwala budować UI z natychmiastowym feedbackiem — użytkownik widzi, co system robi w danym momencie, zamiast czekać na odpowiedź bez kontekstu.

Gabriel ma świadomość stanu modeli w czasie rzeczywistym. Baza dostępności odświeżana co 60 sekund oznacza, że nigdy nie zasugeruje modelu, który jest aktualnie w maintenance lub overloaded. Jeśli preferowany model staje się niedostępny między momentem klasyfikacji a wykonaniem — failover następuje transparentnie.

Co ważne: Gabriel jest darmowy dla wszystkich uwierzytelnionych użytkowników. 30 requestów na minutę na endpoint główny, 60/min na suggest i recommend. Zero dodatkowych kosztów kredytowych. Pełna dokumentacja z interaktywnymi przykładami: docs.fotohub.app/api/gabriel-ai.

Cloud computing — dedykowane GPU na żądanie

Uruchomiliśmy Cloud Computing, bo widzieliśmy wyraźną lukę w naszej ofercie. API do inferencji pokrywa 80% przypadków użycia — ale pozostałe 20% wymaga czegoś fundamentalnie innego. Fine-tuning modeli na prywatnych danych. Uruchomienie własnego serwera inference z customowym modelem. Batch processing 50 000 obrazów w jedną noc. Rendering 3D wymagający stałego dostępu do GPU przez 12 godzin. To zadania, które wymagają dedykowanego hardware'u, ale konfiguracja klastrów GPU od zera to tygodnie pracy DevOps — provisionowanie, networking, monitoring, security, billing.

Nasze rozwiązanie: provisionujesz instancję z GPU przez API lub dashboard, dostajesz pełny dostęp SSH w ciągu 90 sekund, stawiasz co chcesz. System operacyjny z pre-zainstalowanymi CUDA driverami, PyTorch, TensorFlow. Billing per-sekunda z portfela, auto-kill po skonfigurowanym czasie (domyślnie 24h — zabezpieczenie przed zapomnieniem o działającej maszynie), monitoring GPU utilization, temperatury i memory w czasie rzeczywistym przez dashboard lub API.

Instancja	GPU	VRAM / RAM	Typowe zastosowanie	Koszt
A10G XLarge	NVIDIA A10G (Ampere)	24 GB VRAM / 16 GB RAM	Inference produkcyjny, rendering, fine-tuning LoRA/QLoRA, Stable Diffusion XL	od $0.40/h (spot) / $1.01/h (on-demand)
A100 80GB ×8	8× NVIDIA A100 (Ampere)	640 GB VRAM / 1152 GB RAM	Full training LLM, distributed jobs (FSDP/DeepSpeed), multi-GPU inference dużych modeli	$32.77/h (on-demand)
Compute optimized	8 vCPU Intel Ice Lake	— / 16 GB RAM	Preprocessing danych, API hosting, batch jobs CPU-bound, orchestration	$0.34/h (on-demand)

Spot instances to mechanizm znany z dużych providerów chmurowych — dostajesz tę samą maszynę za 40-60% ceny regularnej, ale z ryzykiem 2-minutowego ostrzeżenia przed interruption. Idealne dla batch processing, non-critical training i zadań z checkpointingiem. Dla workloadów wymagających ciągłości — on-demand z gwarantowaną dostępnością.

Storage: wolumeny EBS do 16 TB per wolumen, do 10 wolumenów per instancja. Typy gp3 (baseline) i io2 (high-performance). Wolumeny przetrwają restart instancji — dane nie giną przy reboot. Trzy regiony: Frankfurt (eu-central-1), Virginia (us-east-1), Oregon (us-west-2).

Endpoint /compute/v1/instances/cost-estimate pozwala policzyć dokładny koszt przed uruchomieniem — ile wyniesie 8 godzin na A10G spot w Frankfurcie z 500 GB storage. Żadnych niespodzianek na fakturze.

Dokumentacja z pełnym API reference: docs.fotohub.app/api/cloud-computing.

Console API — programowalne centrum zarządzania

Zależało nam na tym, żeby FOTOhub nie był „black boxem" z ładnym dashboardem. Każda operacja dostępna w interfejsie webowym musi być też dostępna programowo — bo w production environment nikt nie klika w dashboardy ręcznie. Zespoły budują automatyzacje, alerty, niestandardowe raportowanie, integracje z wewnętrznymi systemami monitoringu.

Wynik: Console API z 9 modułami i 30+ endpointami pokrywającymi pełen zakres zarządzania platformą.

Praktyczny przykład #1: zespół DevOps buduje wewnętrzny dashboard Grafana, który co godzinę odpytuje /v1/console/stats i /v1/console/spend-chart, aggreguje koszty per projekt, porównuje z budżetem i wysyła alerty Slackiem, gdy spending przekroczy 80% miesięcznego limitu. Całość w 50 liniach kodu, zero logowania do naszego panelu.

Praktyczny przykład #2: SaaS, który reselluje nasze API swoim klientom, używa /v1/console/projects do automatycznego tworzenia izolowanych projektów per-klient z dedykowanymi kluczami API, limitami i budżetami. Onboarding nowego klienta to jeden POST request.

Praktyczny przykład #3: system automatyzacji, który monitoruje /v1/console/system/status i przy degradacji dowolnego serwisu automatycznie przełącza ruch na fallback provider — bez interwencji ludzkiej, bez przestoju.

Moduł	Co robi	Scope wymagany
Stats & traffic	KPI (total requests, avg latency, error rate, total tokens), ruch per bucket czasowy (1h/24h/7d/30d), wydatki per kategoria usług	console:read
Realtime usage	Aktualne saldo kredytowe, rate limits (RPM, TPM, daily quota), tier, status konta, zużycie w oknie 4h i per-period	console:read
Projects	Tworzenie/usuwanie projektów, per-project statystyki (requesty, kredyty, top modele, error rate), izolacja organizacyjna	console:write
API keys	Generowanie kluczy live/test, konfiguracja scopes, IP whitelist, referrer restrictions, expiry, custom rate limits per-key	console:write
Webhooks	8 typów eventów (generation.completed/failed, credits.low/depleted, key.created/revoked, system.degraded/recovered), HMAC-SHA256 signing, delivery logs, test endpoint	console:write
Billing	Saldo w PLN i kredytach, historia transakcji per-day/week/month z breakdown per-service, faktury do pobrania, programowy top-up	console:read/write
Tiers	Katalog 5 planów z limitami i cenami, aktualny tier, subskrypcja (Stripe checkout), portfel (topup packages lub custom amount 20-50k PLN), enterprise application	varies
System status	Health każdego z 19 mikrousług z aktualną latencją i uptime 30-dniowym, status: operational/degraded/down	console:read
Fraud detection	Risk score 0–100, aktywne protekcje (rate limiting, IP whitelist, key expiration, usage alerts, anomaly detection), flagi bezpieczeństwa	console:read

Uwierzytelnianie działa dwutorowo: JWT z sesji Supabase (dla integracji frontendowych) lub API key z dedykowanym scope console:read / console:write (dla automatyzacji backendowych). Oba wspierają rate limiting 60 req/min.

Dokumentacja z pełnymi response schemas i przykładami w Python/TypeScript/cURL: docs.fotohub.app/api/console-api.

Agent workflows — automatyzacja procesów kreatywnych

Agent Workflows wyrósł z potrzeby, którą widzieliśmy u naszych power users: powtarzalne procesy kreatywne, które wymagały ręcznego przeklikiwania kilku narzędzi w sekwencji. Agencja, która co tydzień produkuje 200 postów social media dla klientów. E-commerce, który przy każdym nowym produkcie generuje 8 wariantów zdjęć w różnych kontekstach. Studio, które przetwarza setki zdjęć przez pipeline retuszu. To procesy, które powinny być zautomatyzowane — ale tradycyjne narzędzia automatyzacji (Zapier, Make) nie rozumieją specyfiki AI workflows.

Zbudowaliśmy silnik oparty na grafach DAG (Directed Acyclic Graph) z trwałym wykonaniem (durable execution) — co oznacza, że nawet jeśli proces trwa 4 godziny i w międzyczasie zrestartujemy serwer, workflow wznowi się dokładnie od miejsca, w którym był. Każdy węzeł ma izolowany retry z konfigurowalnym backoff (exponential lub linear), timeout, budżet kredytowy i flagę continue-on-error.

W praktyce wygląda to tak: łączysz węzły w edytorze drag-and-drop (lub definiujesz JSON programowo), a system wykonuje je w poprawnej kolejności topologicznej. Gałęzie równoległe wykonują się jednocześnie. Template expressions ({{node.output.main.images[0]}}) przekazują dane między krokami automatycznie — wynik generowania obrazu w węźle A staje się inputem animacji w węźle B bez ręcznego wiązania.

16 kategorii węzłów

Architektura obejmuje pełne spektrum operacji: agenty AI (wielokrokowe LLM z tool use, do 15 iteracji per agent, wybór modelu), generowanie obrazów/wideo/audio/3D (każda modalność FOTOhub jako węzeł), integracje zewnętrzne (HTTP requests, email, webhooks z HMAC, MCP servers), knowledge retrieval (RAG z dokumentów URL lub inline), operacje storage (S3 upload/download), logika warunkowa (if/else, switch, pętle) i routing (dynamiczny wybór ścieżki na podstawie danych).

Triggery uruchamiające workflow: ręczny start z dashboardu, harmonogram cron (5-field format z timezone), webhook (publiczny URL z opcjonalną weryfikacją HMAC), event systemowy (np. nowy upload do storage). Streaming SSE daje real-time visibility — frontend dostaje eventy node_started, node_output, node_completed, run_finished i może wyświetlać postęp użytkownikowi.

Human-in-the-loop: workflow może się zatrzymać w dowolnym punkcie i czekać na zatwierdzenie operatora (sygnał approval). Testy asercyjne walidują wyniki automatycznie (eq, contains, length_gte, exists). Analytics z composite scoring pozwalają mierzyć jakość wyników per-run.

Dostępne od planu Medium wzwyż. Enterprise dostaje do 100 równoczesnych uruchomień i 24h max execution time. Dokumentacja: docs.fotohub.app/api/agents.

Integrations Hub — kreator aplikacji i połączeń

Integrations Hub rozwiązuje ostatnią milę problemu integracyjnego: „mam API, mam dokumentację, ale jak to faktycznie podłączyć do mojego systemu produkcyjnego?". Zamiast zostawiać dewelopera z dokumentacją i życzyć powodzenia, zbudowaliśmy kreator, który prowadzi od opisu use case do działającej integracji produkcyjnej.

Proces jest czterokrokowy. Krok pierwszy: opisujesz, co chcesz osiągnąć — „automatyczne generowanie zdjęć produktowych przy dodaniu nowego SKU do Shopify" albo „real-time avatar na stronie supportu". Krok drugi: AI analizuje opis i rekomenduje konfigurację — które API wykorzystać, jakie webhooky skonfigurować, szacunek miesięcznego zużycia kredytów, sugerowany plan cenowy. Krok trzeci: testujesz konfigurację w izolowanym sandboxie — prawdziwe API calls, ale bez wpływu na produkcję. Krok czwarty: deploy generuje klucze API, konfiguruje webhooks i aktywuje monitoring automatycznie.

Sześć kategorii integracji pokrywa różne poziomy zaawansowania: Mini-Apps Engine (opisujesz funkcjonalność, AI buduje interfejs i logikę — semi-autonomiczne aplikacje bez kodowania), AI IDE Integration (pełne SDK z typowaniem i autocomplete, środowisko deweloperskie), Cloud Computing Hub (podłączanie własnych modeli do infrastruktury GPU FOTOhub), Workflow Orchestration (łączenie systemów w procesy biznesowe), Dedicated AI Assistants (trening customowych asystentów z własną bazą wiedzy, tonem i osobowością) i Live Video Gen (streaming API dla interaktywnych wirtualnych awatarów).

Enterprise tier dodaje izolację na poziomie infrastruktury: dedykowane kontenery Docker z dostępem GPU, prywatne VPC z bezpiecznym tunelem do infrastruktury klienta, custom runtimes (Python 3.11+, Node.js 20+, Go 1.21+), szyfrowanie AES-256 at rest na wszystkich danych i pełną izolację — dane jednego klienta nigdy nie współdzielą zasobów z danymi innego.

Developer experience — jak szybko można zacząć

Zmierzyliśmy to: od założenia konta do pierwszego udanego API call mija średnio 47 sekund. Rejestracja daje natychmiast 50 darmowych kredytów bez karty płatniczej. SDK w Python (pip install fotohub) i TypeScript (npm install fotohub) pozwala na wywołanie pierwszego modelu w trzech liniach kodu. Format chat completions jest w 100% kompatybilny z OpenAI SDK — migracja z konkurencyjnych platform to literalnie zmiana base URL i klucza API.

61 endpointów jest udokumentowanych na docs.fotohub.app — każdy z interaktywnymi przykładami w cURL, Python i TypeScript, pełnym opisem parametrów (typy, defaults, constraints), kodami błędów z explanation i informacją o rate limitach. Dokumentacja nie jest statyczna — generujemy ją z aktualnych route definitions, więc zawsze odzwierciedla production state.

30+ stron pokrywa: API Reference (endpoint-by-endpoint), SDK Guides (quickstart w 3 krokach per język), Integration Guides (gotowe przepisy dla Shopify, WordPress, WooCommerce, PrestaShop, Zapier, Make, n8n), Architecture Deep-dives (jak działa billing, jak skonfigurować webhooks, jak routuje Gabriel) i Models Catalog (każdy model ze specyfikacją i benchmarkami).

Infrastruktura — co stoi za SLA 99.9%

SLA to nie marketingowa deklaracja — to zobowiązanie kontraktowe mierzone per-service w 30-dniowych oknach. Żeby je utrzymać, zbudowaliśmy architekturę, w której awaria jednego komponentu nie propaguje się na pozostałe.

19 mikrousług (12 na serwerze aplikacyjnym, 7 na dedykowanych GPU) działa w izolacji procesowej. Każda ma niezależny health endpoint, automatyczny restart przy crashu, circuit breaker przy przeciążeniu i dedykowany rate limit. Komunikacja między serwisami przez wewnętrzny REST — bez shared state, bez single point of failure.

250+ edge functions na runtime Deno obsługuje logikę biznesową bliżej użytkownika — autoryzacja, walidacja, transformacje danych, obsługa webhooków. Cold start poniżej 50ms. Hot path (najczęstsze operacje) jest cache'owany wielowarstwowo: CDN edge → application cache → database materialized views.

Metryka	Wartość	Jak to mierzymy
P95 latency (chat TTFT)	85ms	Time to first token, streaming — mierzone end-to-end od request do pierwszego bajtu
P95 latency (API gateway)	<180ms	Full request processing z auth, rate check i response — syntetyczny monitoring co 30s
SLA uptime	99.9%	Per-service, rolling 30d, publicznie na status.fotohub.app
Backend services	19	12 app server + 7 GPU-dedicated (image, video, music, story, compute, flows, lip-sync)
Edge functions	250+	Deno runtime, auth/validation/webhooks/transformations
Security	TLS 1.3, HTTP/3, WAF	Cloudflare managed rulesets + custom per-endpoint rate limiting + fraud scoring
Region	EU-first	Primary: eu-central-1 (Frankfurt), CDN: global edge, GDPR compliant by architecture

Platforma w liczbach — stan na lipiec 2026

Wymiar	Skala
Modele AI w katalogu	200+ (15+ dostawców, 8 kategorii)
Udokumentowane endpointy API	61
Głosy TTS	106 neural/generative (41 języków)
Modele chat/LLM	42 (streaming, vision, tool use, reasoning)
Typy węzłów workflow	16 kategorii
GPU instance classes	3 (A10G, A100 ×8, CPU-optimized)
SDK	Python + TypeScript (PyPI + npm)
Integracje out-of-box	Shopify, WordPress, WooCommerce, PrestaShop, Zapier, Make, n8n
Dokumentacja	30+ stron, 3 języki programowania per endpoint
Time to first API call	~47 sekund (zmierzone)
Free tier credits	50 (bez karty)

Co dalej — roadmap Q3/Q4 2026

Ten upgrade to fundament pod kolejne kwartały. Trzy kierunki, nad którymi aktywnie pracujemy:

Multimodal search — szukanie po treści zamiast po metadanych. Wrzucasz zapytanie tekstowe, system przeszukuje obrazy, wideo i audio po ich zawartości semantycznej. „Znajdź wszystkie zdjęcia z zachodem słońca nad morzem" — bez tagowania, bez opisywania, system rozumie co jest na obrazie.

Real-time voice — bidirectional streaming audio zamiast trzystopniowego pipeline (transkrypcja → LLM → TTS). Mówisz, system odpowiada głosowo w czasie rzeczywistym z latencją poniżej 500ms. Fundamentalna zmiana w interakcji z AI asystentami.

Workflow engine v2 — nowe kategorie węzłów (data transformation, ML training, A/B testing), marketplace gotowych workflow (publikuj i monetyzuj swoje automatyzacje, 70% revenue share) i visual debugging z time-travel replay.

Katalog modeli rośnie co tydzień — monitorujemy premiery u dostawców i dodajemy nowe modele bez przerw w działaniu istniejących integracji. Architektura normalizacyjna oznacza, że każdy nowy model jest automatycznie dostępny przez ten sam endpoint, z tym samym formatem, dla wszystkich istniejących integracji.

Dokumentacja techniczna: docs.fotohub.app
API Console: fotohub.app/console
System Status: status.fotohub.app
SDK Python: pip install fotohub · SDK TypeScript: npm install fotohub

Uruchamiamy API Console, 200+ modeli AI i orkiestrator Gabriel — największy upgrade FOTOhub