Microsoft AI: MAI-Image-2.6

MAI-Image-2.6 هو نموذج لتوليد الصور وتحريرها من Microsoft، أصدرته Microsoft AI كالفئة الدقيقة (precision tier) ضمن عائلة MAI-Image-2.6. وهو يأتي إلى جانب نظير أسرع، MAI-Image-2.6 Flash، الذي يقايض بعض الدقة مقابل السرعة. النموذج موجَّه لإنتاج مرئيات جاهزة للتصميم، لذا فهو يستهدف الأعمال التي تحتاج فيها المخرجات إلى الصمود في تخطيط نهائي بدلاً من أن تكون مجرد رسم أولي.

من جهة المدخلات، يقبل النموذج النصوص والصور، وينتج الصور كمخرجات. هذا المزيج يعني أنه يستطيع التوليد انطلاقاً من وصف نصي (prompt)، وكذلك تحرير الصور التي تقدمها كمراجع أو تحويلها. نافذة السياق هي 4096 tokens، والحد الأقصى للمخرجات هو 1024. يُتحكَّم في سلوك الصور عبر مجموعة صغيرة من معاملات الصور (image parameters): نسبة أبعاد تُختار من 1:1 أو 4:3 أو 3:4 أو 16:9 أو 9:16 أو 3:2 أو 2:3 أو auto؛ وقيمة n مثبَّتة عند 1 بالضبط، لذا يُعيد كل طلب صورة واحدة؛ و input_references، الذي يقبل ما بين 0 و5 صور مرجعية.

تشير هذه القدرات إلى مجموعة استخدامات محددة إلى حد ما. يغطي التوليد من النص إلى الصورة (text-to-image) الفن التصوري (concept art) والمرئيات التسويقية ونماذج المنتجات (product mockups) والرسم التوضيحي حيث تريد نتيجة مصقولة انطلاقاً من موجز مكتوب. ولأن النموذج يستقبل أيضاً مدخلات صور، فإنه يناسب أعمال التحرير والتنويعات: إذ يتيح لك تقديم ما يصل إلى خمس مراجع توجيه الأسلوب أو التكوين أو اتساق الموضوع عبر سلسلة من المخرجات. وتجعل خيارات نسبة الأبعاد من السهل استهداف موضع محدد، مثل لافتة بنسبة 16:9 أو صيغة قصة بنسبة 9:16 أو مربع اجتماعي بنسبة 1:1، دون قص لاحق.

تستدعي النموذج عبر واجهة API المتوافقة مع OpenAI من api14 باستخدام معرّف النموذج "microsoft/mai-image-2.6". معاملات الطلب المدعومة هي max_completion_tokens و max_tokens و temperature، إلى جانب معاملات الصور الموصوفة أعلاه الخاصة بنسبة الأبعاد و n و input_references. ولأن الواجهة تتبع مخطط OpenAI، فإن العملاء وحزم SDK الحالية تعمل عموماً بتغيير معرّف النموذج ونقطة النهاية (endpoint) فقط.

ثمة بعض القيود التي يستحق وزنها قبل الالتزام. نافذة السياق البالغة 4096 tokens متواضعة، لذا قد تحتاج الأوصاف الطويلة جداً أو المفصلة بكثافة إلى تقليم. يُعيد كل طلب صورة واحدة، لذا يعني التوليد بالدفعات إجراء مكالمات متعددة. وإذا كانت زمن الاستجابة (latency) يهم أكثر من الدقة القصوى، فإن نسخة Flash في العائلة نفسها هي الخيار الأنسب؛ أما MAI-Image-2.6 فهو الخيار عندما تكون جودة المخرجات هي الأولوية.