Microsoft AI: MAI-Image-2.6 Flash

Microsoft AI: MAI-Image-2.6 Flash ist ein Bildgenerierungsmodell von Microsoft und Teil der MAI-Image-2.6-Familie. Innerhalb dieser Familie ist es als das Mitglied mit geringerer Latenz und niedrigeren Kosten positioniert, entwickelt für latenzempfindliche Produktionsarbeit mit hohem Durchsatz. Es richtet sich an Teams, die Bildgenerierung und -bearbeitung in großem Maßstab benötigen statt einmaliger, sorgfältig abgestimmter Ergebnisse.

Das Modell akzeptiert Text- und Bildeingaben und erzeugt als einzige Ausgabe Bilder. Sein Kontextfenster beträgt 4096 Token, und die maximale Ausgabe liegt bei 1024. Die Generierung wird über eine kleine Gruppe von Bildparametern gesteuert: aspect_ratio, das 1:1, 4:3, 3:4, 16:9, 9:16, 3:2, 2:3 oder auto akzeptiert; n, das auf 1 Bild pro Anfrage festgelegt ist; und input_references, das zwischen 0 und 5 Referenzbilder akzeptiert. Daneben unterstützt das Modell max_completion_tokens, max_tokens und temperature.

Diese Fähigkeiten deuten auf eine ziemlich spezifische Gruppe von Anwendungen hin. Da es neben Text auch Bildeingaben annimmt, eignet es sich für Bearbeitung und referenzgesteuerte Generierung, bei der Sie bis zu fünf Bilder bereitstellen und die gewünschte Änderung oder das gewünschte Ergebnis beschreiben. Die Seitenverhältnis-Optionen decken quadratische, Quer- und Hochformate ab, sodass dasselbe Modell Social-, Web- und printorientierte Layouts ohne separate Pipeline bedienen kann. Die Kombination aus Bildeingabe und Bildausgabe eignet sich auch für Batch-Workflows wie das Erzeugen von Varianten aus einem Produktfoto, das Umstylen von Assets oder das Produzieren von Platzhalter- und Entwurfsbildern innerhalb eines automatisierten Builds. Die Flash-Positionierung legt nahe, dass es die richtige Wahl ist, wenn Durchsatz und Antwortzeit wichtiger sind als das letzte Quäntchen Präzision.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID "microsoft/mai-image-2.6-flash" auf. Anfragen folgen derselben Form wie andere OpenAI-kompatible Chat-Completions-Aufrufe, mit Ihrem Text-Prompt und etwaigen Referenzbildern in der Eingabe und dem generierten Bild in der Antwort. Die unterstützten Anfrageparameter sind max_completion_tokens, max_tokens und temperature, plus die Bildparameter aspect_ratio, n und input_references. Setzen Sie n auf 1, wählen Sie ein Seitenverhältnis oder lassen Sie es auf auto, und übergeben Sie bis zu fünf Referenzbilder, wenn Sie möchten, dass die Ausgabe in vorhandenen Visuals verankert ist.

Ein paar Grenzen sollten Sie im Hinterkopf behalten. Das Kontextfenster beträgt 4096 Token, was bescheiden ist, sodass sehr lange Prompts oder viele große Referenzbilder möglicherweise gekürzt werden müssen. Pro Anfrage wird nur ein Bild zurückgegeben, sodass das Erzeugen einer Reihe von Varianten mehrere Aufrufe bedeutet. Wenn Ihre Arbeit auf maximaler Präzision statt auf Latenz und Durchsatz beruht, ist die Präzisionsstufe derselben Familie die natürlichere Wahl.