Microsoft AI: MAI-Image-2.6

MAI-Image-2.6 ist ein Modell zur Bilderzeugung und Bildbearbeitung von Microsoft, veröffentlicht von Microsoft AI als Präzisionsstufe der MAI-Image-2.6-Familie. Es steht neben einem schnelleren Geschwistermodell, MAI-Image-2.6 Flash, das etwas Bildtreue gegen Geschwindigkeit eintauscht. Das Modell ist auf designfertige Visuals ausgerichtet, also auf Arbeiten, bei denen die Ausgabe in einem fertigen Layout bestehen muss und nicht als grobe Skizze dienen soll.

Auf der Eingabeseite akzeptiert das Modell Text und Bilder, und es erzeugt Bilder als Ausgabe. Diese Kombination bedeutet, dass es aus einem Prompt generieren und auch Bilder bearbeiten oder umwandeln kann, die Sie als Referenzen bereitstellen. Das Kontextfenster beträgt 4096 Token, und die maximale Ausgabe ist 1024. Das Bildverhalten wird über eine kleine Gruppe von Bildparametern gesteuert: ein Seitenverhältnis, gewählt aus 1:1, 4:3, 3:4, 16:9, 9:16, 3:2, 2:3 oder auto; ein n-Wert, fest auf genau 1, sodass jede Anfrage ein einzelnes Bild zurückgibt; und input_references, das zwischen 0 und 5 Referenzbilder akzeptiert.

Diese Fähigkeiten deuten auf eine recht spezifische Gruppe von Anwendungen hin. Die Text-zu-Bild-Generierung deckt Konzeptkunst, Marketing-Visuals, Produkt-Mockups und Illustration ab, wenn Sie aus einem schriftlichen Briefing ein poliertes Ergebnis wünschen. Da das Modell auch Bildeingaben annimmt, eignet es sich für Bearbeitungs- und Variationsarbeit: Die Bereitstellung von bis zu fünf Referenzen ermöglicht es Ihnen, Stil, Komposition oder Konsistenz des Motivs über eine Reihe von Ausgaben hinweg zu steuern. Die Seitenverhältnis-Optionen machen es einfach, eine bestimmte Platzierung anzusteuern, etwa ein 16:9-Banner, ein 9:16-Story-Format oder eine 1:1-Social-Kachel, ohne Nachbearbeitung durch Zuschneiden.

Sie rufen das Modell über die OpenAI-kompatible API von api14 mit der Modell-ID "microsoft/mai-image-2.6" auf. Die unterstützten Anfrageparameter sind max_completion_tokens, max_tokens und temperature, zusammen mit den oben beschriebenen Bildparametern für Seitenverhältnis, n und input_references. Da die Schnittstelle dem OpenAI-Schema folgt, funktionieren bestehende Clients und SDKs im Allgemeinen, wenn nur die Modell-ID und der Endpunkt geändert werden.

Einige Einschränkungen sollten Sie abwägen, bevor Sie sich festlegen. Das Kontextfenster von 4096 Token ist bescheiden, daher müssen sehr lange oder stark detaillierte Prompts möglicherweise gekürzt werden. Jede Anfrage gibt ein Bild zurück, sodass Batch-Generierung mehrere Aufrufe bedeutet. Wenn Latenz wichtiger ist als maximale Bildtreue, ist die Flash-Variante derselben Familie die natürlichere Wahl; MAI-Image-2.6 ist die Wahl, wenn die Ausgabequalität Priorität hat.