Microsoft выпустила MAI-Image-2.6 и ускоренную версию Flash

Одно семейство для качества и production latency

Microsoft представила MAI-Image-2.6 как свою наиболее сильную image model и одновременно расширила линейку вариантом MAI-Image-2.6-Flash. Обычная версия ориентирована на максимальную точность, а Flash — на чувствительные к задержке и высоконагруженные production-сценарии. Обе модели компания открыла разработчикам в Public Preview через Microsoft Foundry; попробовать их также можно в MAI Playground.

Такое разделение превращает выбор модели в инженерный параметр, а не в соревнование одного универсального endpoint. Для финального рекламного изображения можно предпочесть точность, а для интерактивного редактора, перебора вариантов или массовой генерации — скорость. Microsoft заявляет сопоставимый уровень качества Flash при меньшей задержке, но не публикует на странице абсолютное время генерации для стандартного запроса.

Flash заявлена быстрее GPT-Image-2-Medium

По данным Microsoft, MAI-Image-2.6-Flash генерирует изображения в 2,8 раза быстрее GPT-Image-2-Medium и обеспечивает на 72% более высокую efficiency. Компания не раскрывает в анонсе полный протокол этого сравнения: аппаратную конфигурацию, разрешение, длину prompt, размер выборки и метод подсчёта efficiency. Поэтому множители следует читать как заявленные производителем результаты, а не как универсальную гарантию для любого workload.

Для production-команды важнее всего проверить не только среднее время ответа, но и p95 latency, стабильность качества при burst-нагрузке и фактическую стоимость принятого результата. Быстрая генерация теряет преимущество, если изображение приходится многократно переделывать. И наоборот, Flash может оказаться выгоднее даже при небольшом снижении точности, если workflow предполагает десятки черновых итераций до одного финального кадра.

Reference editing объединяет несколько исходных изображений

Обе версии получили multi-image reference editing. Microsoft описывает возможность собирать людей, продукты, стили и сцены из разных изображений в одной композиции. Это расширяет задачу за пределы text-to-image: модель должна одновременно сохранить существенные признаки нескольких референсов и выполнить новую инструкцию, не потеряв согласованность света, формы и расположения объектов.

Для брендовых и товарных workflow функция особенно значима, потому что исходными ограничениями могут быть отдельные фотографии продукта, персонажа и визуального стиля. Однако анонс не указывает максимальное число reference images и не обещает абсолютную идентичность людей или объектов. Перед внедрением потребуется проверить сохранение мелких логотипов, текста, упаковки и других признаков, где визуально правдоподобная замена всё равно будет ошибкой.

Web grounding и динамический формат входят в обе версии

Модели поддерживают web grounding: генерация может использовать актуальную информацию из интернета для формирования визуального результата. Microsoft также заявляет higher resolutions и dynamic aspect ratios с поддержкой до 1.5K, причём формат подбирается под композицию. На практике это даёт модели больше контекста и свободы компоновки, чем фиксированный квадрат, но требует контроля источников и проверки фактов в итоговом изображении.

Grounding не делает визуальный вывод автоматически достоверным. Даже если модель получила свежую страницу, она может неверно перенести число, знак, карту или внешний вид предмета. Для новостной графики, инструкций и product imagery полезно хранить использованные references и отдельно проверять элементы, которые зритель воспримет как факт, а не как декоративную интерпретацию.

Рейтинги описывают момент запуска

На дату 4 сентября Microsoft указывает для MAI-Image-2.6 второе место на Arena и в text-to-image, и в image editing. На Artificial Analysis компания заявляет второе место по text-to-image и первое по image editing. Эти позиции привязаны к конкретной дате: лидерборды меняются при появлении новых моделей, голосов и методик, поэтому они характеризуют запуск, а не постоянное положение модели.

Microsoft также называет сочетание качества и efficiency лучшим в мире по показателю price-per-Elo. В самой публикации нет таблицы цен, полной формулы или набора конкурентов для самостоятельного пересчёта. Для закупки API разумнее сравнивать реальные расходы на собственных prompts: цену удачной генерации, число повторов, latency и долю изображений, которые проходят ручную проверку.

Public Preview — начало измерений, а не конец

Выход через Microsoft Foundry делает семейство доступным для прикладных тестов уже сейчас, но статус Public Preview означает, что production-оценку ещё предстоит провести разработчикам. Публикация не перечисляет region availability, quotas, safety limits или SLA. Эти параметры могут оказаться не менее важными, чем визуальное качество, особенно для сервиса с гарантированным временем ответа.

Главное продуктовое изменение — появление согласованной пары: MAI-Image-2.6 для максимальной точности и MAI-Image-2.6-Flash для скорости. Общие функции editing, grounding и dynamic aspect ratios позволяют переключать endpoint без смены самой творческой задачи. Теперь заявленные преимущества можно проверять на одинаковом наборе prompts и references, измеряя не только leaderboard score, но и пригодность результата для конкретного production-процесса.