Mis on MAI-Image-2.6?
MAI-Image-2.6 on Microsoft AI arendatud piltide genereerimise ja töötlemise mudel. See võtab vastu loomulikus keeles juhiseid ning töötlemisvoogudes ühe või mitu võrdluspilti. Mudel võib kirjelduse põhjal luua uue pildi, muuta olemasolevat pilti või kombineerida mitme sisendi visuaalseid elemente.
Microsoft positsioneerib MAI-Image-2.6 professionaalseks loometööks, kommertspiltide, fotorealistlike stseenide, toodete visualiseerimise, brändingu, portreede, 3D-kujutiste ja kujundusülesannete jaoks, mille puhul on oluline täpne kompositsioon ja pildil oleva teksti loetavus. See kuulub Microsofti MAI-Image’i mudeliperesse ning seda esitletakse suurema võimekusega järglasena MAI-Image-2.5 seeriale. Mudel toetab suuremat eraldusvõimet ja dünaamilisi kuvasuhteid.
Microsoft teatas MAI-Image-2.6 väljalaskest 10. augustil 2026. Arendajatele sai see Microsoft Foundry Public Preview kaudu kättesaadavaks 4. septembril 2026. Mudelit saab kasutada ka Microsoft AI MAI Playgroundi kaudu.
Mida mudel teha suudab
- Tekstist pildi genereerimine: loob kirjelduse põhjal pildi, näiteks tootestseeni, reklaamikontseptsiooni, toimetusliku illustratsiooni või fotorealistliku keskkonna.
- Pildist pildi töötlemine: kasutab etteantud pilte kontrollitud muudatuste tegemiseks, selle asemel et alustada täielikult tekstist.
- Mitme pildi põhine töötlemine: suudab kombineerida mitut võrdlusmaterjali, sealhulgas inimesi, tooteid, stiile, asukohti ja muid visuaalseid elemente.
- Veebipõhine kontekstiotsing: kui see on lubatud, saab suvand
web_groundingBingi otsingu kaudu hankida ajakohast konteksti. See on mõeldud teemade jaoks, mis hõlmavad pärismaailma üksusi, kohti, sündmusi või muud aja jooksul muutuvat teavet. - Kuvasuhte automaatne valik: suvandi
auto_aspect_ratioabil saab mudel valida väljundvormingu viiba ja etteantud piltide põhjal. - Täiustatud teksti renderdamine: Microsoft rõhutab mudeli paremat tekstitöötlust piltidel. See on oluline plakatite, pakendite, siltide, reklaamide, esitlusgraafika ja brändimaterjalide puhul.
Need võimalused muudavad MAI-Image-2.6 sobivamaks juhitud visuaalseks tootmiseks kui lihtsaks ühekordseks katsetamiseks. Kasutaja võib anda toote-, inimese- ja stiiliviite ning paluda luua nende põhjal ühtse kommertsstseeni, säilitades samal ajal olulised visuaalsed seosed.
Pildi suurus ja tehnilised piirangud
Microsoft Foundry loetleb MAI-Image-2.6 ülemaailmse standardi eelvaatemudelina, mille mudeliversioon on 2026-07-31. Dokumenteeritud piltide genereerimise ja töötlemise API-d tagastavad PNG-pildiandmed JSON-vastuses base64-kodeerituna. JSON-ümbris on API edastusvorming; see ei tähenda, et mudel genereeriks väljundina natiivset struktureeritud teksti või JSON-i.
Iga väljundi mõõde peab olema vähemalt 768 pikslit. Pildi kogupindala ei tohi ületada 2 359 296 pikslit. See võimaldab maksimaalselt ligikaudu 1536 × 1536 piksli suurust ruudukujulist väljundit, kuigi teiste kuvasuhete kasutamisel võivad täpne laius ja kõrgus erineda. Microsoft kirjeldab seda kui ligikaudu 1,5K eraldusvõimega väljundite tuge.
Esitatud dokumentatsioon ei täpsusta tokenipõhist kontekstiakent, tekstiväljundi maksimaalset tokenite arvu, teadmiste lõppkuupäeva, helivõimekust, videovõimekust ega üldotstarbelise arutlemise piirangut. Need puuduvad andmed on olulised: MAI-Image-2.6 tuleks hinnata visuaalse mudelina, mitte tekstipõhise keelemudeli asendusena.
Toetatud sisendid ja väljundid
| Valdkond | Dokumenteeritud tugi |
|---|---|
| Tekstisisend | Jah; loomulikus keeles viibad juhivad piltide genereerimist ja töötlemist. |
| Pildisisend | Jah; töötlemiseks ja kompositsiooni loomiseks saab kasutada üht või mitut võrdluspilti. |
| Pild väljund | Jah; genereeritud PNG-pildid tagastatakse API kaudu base64-kodeeritud andmetena. |
| Helisisend või -väljund | Selle mudeli puhul dokumenteerimata. |
| Videosisend või -väljund | Selle mudeli puhul dokumenteerimata. |
| Tekstiväljund | Ei ole mudeli peamine väljund; API tagastab JSON-vastuses pildiandmed. |
| Struktureeritud tekstiväljund | Dokumenteerimata. JSON-vastuse ümbrist ei tohiks segi ajada struktureeritud väljundi režiimiga. |
Seega on MAI-Image-2.6 praktilises mõttes multimodaalse sisendiga, sest see suudab vastu võtta nii teksti kui ka pilte, kuid selle otsene loominguline väljund on visuaalne. See ei paku tekstilist arutlemist, koodi genereerimist, kõne- ega videofunktsioone ega manuste loomise funktsioone, mida seostatakse laiemate mudeliplatvormidega.
Veebipõhine kontekstiotsing ei tähenda üldist tööriistade kasutamist
Mudel toetab valikulist veebipõhise kontekstiotsingu funktsiooni, mis võib kasutada Bingi otsingut pildipäringu jaoks ajakohase teabe hankimiseks. See võib olla kasulik siis, kui viip viitab käimasolevale sündmusele, päris asukohale või muutuvale pärismaailma teemale. Esitatud mudelikirjelduses ei dokumenteerita siiski üldist funktsioonikutsete tuge, suvaliste tööriistade käivitamist, koodi täitmist ega autonoomseid mitmeetapilisi toiminguid.
Veebipõhine kontekstiotsing ei muuda ka mudeli aluseks olevate treeningandmete lõppkuupäeva. Microsoft ei ole MAI-Image-2.6 täpset teadmiste lõppkuupäeva avaldanud. Kontekstiotsing toimub käitusajal, seega tuleks tulemuste täpsust ja sobivust enne avaldamist siiski kontrollida.
Tugevused ja praktilised kasutusviisid
MAI-Image-2.6 eristub kõige rohkem ülesannetes, kus on vaja nii head genereerimiskvaliteeti kui ka kontrolli võrdlusmaterjalide üle. Mitme pildi põhine töötlemine võib olla kasulik siis, kui tulemus peab korraga säilitama mitut tüüpi teavet: toote kuju, inimese välimuse, kindla visuaalse stiili ja soovitud keskkonna.
- Toote- ja brändipildid: loo kampaaniakontseptsioone, pakendistseene, toote makette ja reklaamvisuaale, kasutades tootepilte võrdlusmaterjalina.
- Loometöö: katseta kompositsioonide, kunstilise suuna, tegelaskujude, toimetusliku graafika ja visuaalsete prototüüpidega.
- Fotorealistlikud stseenid: genereeri üksikasjalike viipade põhjal realistlikke keskkondi, portreesid ja kommertskompositsioone.
- Tekstirohked graafikad: loo plakateid, silte, reklaamipaigutusi ja brändikontseptsioone, mille puhul on pildil oleva teksti loetavus oluline.
- Kontrollitud töötlemine: muuda olemasolevat pilti, kasutades täiendavaid võrdlusmaterjale isiku, stiili, objektide või keskkonna suunamiseks.
- Jooksvate sündmuste või asukohtade kontseptsioonid: kasuta Bingi veebipõhist kontekstiotsingut, kui viip sõltub teabest, mis võis pärast treeningut muutuda.
Microsoft tõstab esile ka portreid, 3D-kujutisi, kommertskujundust ja täiustatud viibatruudust. Need on teenusepakkuja väited, mitte sõltumatute võrdlustestide tulemused. Esitatud uuring ei sisalda kontrollitud võrdlusnäitajaid, mistõttu tuleks väljundikvaliteeti hinnata konkreetsete viipade ja võrdlusmaterjalide põhjal, mida soovitud töövoos kasutatakse.
Piirangud ja kompromissid
MAI-Image-2.6 on avaliku eelvaate mudel. Selle kättesaadavus, hinnastus, kvoodid, võimalused ja API käitumine võivad muutuda. Microsoft dokumenteerib hinnastamist Microsoft Foundry hinnasüsteemi kaudu, kuid esitatud allikates ei olnud täpselt 2.6 mudeli kontrollitud avalikku hinda. Seetõttu tuleks kulu enne tootmismahu kasutuselevõttu üle kontrollida sihtpiirkonnas ja kasutatava juurutuskonfiguratsiooni puhul.
Ka 2 359 296 piksli suurune pindalapiirang on oluline trükivalmis või väga suureformaadilise töö puhul. Kuigi ligikaudu 1536 × 1536 pikslit sobib paljude digitaalsete materjalide jaoks, ei pruugi see iga trüki- või ekraanikasutuse lõpliku tootmisresolutsioonina piisav olla. Vajalikuks võib osutuda eraldi suurendamise või järeltöötluse töövoog, kuigi selline töövoog ei kuulu dokumenteeritud mudelivõimaluste hulka.
Pildimudelid võivad lisada ebatäpseid visuaalseid detaile, moonutada teksti, muuta isikuga seotud tunnuseid või kujutada pärisinimesi, -kohti, -tooteid ja -sündmusi valesti. Veebipõhine kontekstiotsing võib pakkuda ajakohast teavet, kuid ei taga loodud pildi faktilist ega visuaalset täpsust. Inimese tehtav kontroll on eriti oluline reklaamide, avaliku kommunikatsiooni, tundlike teemade ja tuvastatavaid inimesi kujutavate piltide puhul.
Arutlemise, kodeerimise, kiiruse ja hinna profiil
MAI-Image-2.6 ei ole mõeldud tekstiliseks arutlemiseks ega tarkvaraarenduseks. Selle toimetusliku arutlemise skoor on võrdleval ettevõttesisesel skaalal 2 ja kodeerimisskoor 1, samas kui toimetusliku kiiruse skoor on 7 ja hinnasoodsa kasutuse skoor 8. Need skoorid on piltide genereerimise mudeli subjektiivsed hinnangud, mitte Microsofti avaldatud võrdlustestid ega garanteeritud teenusetasemed.
Praktikas tuleneb mudeli väärtus visuaalsest kvaliteedist, võrdlusmaterjalide kontrollist ja pilditöötluse paindlikkusest, mitte keerukate probleemide selgitamisest või koodi kirjutamisest. Selle suhtelise kiiruse ja hinna hinnangud viitavad atraktiivsele profiilile pilditöötluse töövoogude jaoks, kuid tegelik latentsus ja kulu sõltuvad Foundry teenusest, pildi mõõtmetest, päringute mahust, piirkonnast ja eelvaatetingimustest. Toimetuslike skooride põhjal ei tohiks järeldada täpset hinda ega garanteeritud vastamisaega.
Millal valida MAI-Image-2.6?
Vali MAI-Image-2.6 siis, kui peamine tulemus on pilt ning töövoog saab kasu mitmest visuaalsest võrdlusmaterjalist, kontrollitud töötlemisest, loetavast tekstist, fotorealistlikust või kommertslikust esitusest või paindlikest kuvasuhetest. See on eriti asjakohane meeskondadele, kes juba kasutavad Microsoft Foundryt või Microsoft AI teenuseid, ning arendajatele, kes vajavad pildi-API-t, mitte vestluslikku tekstimudelit.
Teist tüüpi pildimudel võib olla sobivam siis, kui vajad dokumenteeritud tootmishinda, eelvaatestaatuse puudumise garantiid, märksa suuremaid väljundmõõtmeid või spetsiaalset video- ja animatsioonigeneratsiooni. Üldotstarbeline keelemudel on parem valik, kui peamine ülesanne on kodeerimine, pika vormiga arutlemine, dokumentide analüüs või struktureeritud teksti genereerimine. MAI-Image-2.6 võib olla osa suuremast töövoost, kuid seda ei tohiks käsitleda universaalse tehisintellektimudelina.
Kättesaadavus ja praegune positsioneerimine
Arendajad saavad MAI-Image-2.6 kasutada Microsoft Foundry kaudu Azure’i autentimise ja toetatud piirkonnas asuva Microsoft Foundry projektiga. See on loetletud ülemaailmse standardi eelvaatemudelina ning piirkondlik kättesaadavus, kvoodid, hinnad ja juurdepääsutingimused võivad muutuda. Mudel on saadaval ka MAI Playgroundi kaudu kasutajatele, kes soovivad selle visuaalsete võimalustega tutvuda enne API-integratsiooni loomist.
Microsofti praeguses kataloogis on MAI-Image-2.6 MAI-Image’i mudelipere spetsialiseerunud liige, mitte üldotstarbeline Copiloti-laadne assistent. Selle ülesanne on genereerida ja töödelda visuaalseid materjale. Kõige olulisemad praktilised erisused on mitme pildi põhine võrdlusmaterjalide kasutamine, veebipõhine kontekstiotsing, dünaamilised kuvasuhted ja ligikaudu 1,5K suurune väljund.