Microsoft AI: MAI-Image-2.6

MAI-Image-2.6 es un modelo de generación y edición de imágenes de Microsoft, lanzado por Microsoft AI como el nivel de precisión de la familia MAI-Image-2.6. Se sitúa junto a un hermano más rápido, MAI-Image-2.6 Flash, que sacrifica algo de fidelidad por velocidad. El modelo está posicionado para visuales listos para diseño, por lo que está orientado a trabajos donde la salida necesita mantenerse en un diseño final en lugar de servir como un boceto aproximado.

En el lado de la entrada, el modelo acepta texto e imágenes, y produce imágenes como salida. Esa combinación significa que puede generar a partir de un prompt y también editar o transformar imágenes que proporciones como referencias. La ventana de contexto es de 4096 tokens, y la salida máxima es de 1024. El comportamiento de la imagen se controla mediante un pequeño conjunto de parámetros de imagen: una relación de aspecto elegida entre 1:1, 4:3, 3:4, 16:9, 9:16, 3:2, 2:3 o auto; un valor n fijado exactamente en 1, por lo que cada solicitud devuelve una sola imagen; y input_references, que acepta entre 0 y 5 imágenes de referencia.

Esas capacidades apuntan a un conjunto bastante específico de usos. La generación de texto a imagen cubre arte conceptual, visuales de marketing, mockups de productos e ilustración donde se desea un resultado pulido a partir de un brief escrito. Debido a que el modelo también acepta entrada de imágenes, encaja en trabajos de edición y variación: proporcionar hasta cinco referencias permite guiar el estilo, la composición o la consistencia del sujeto a lo largo de una serie de salidas. Las opciones de relación de aspecto facilitan apuntar a una ubicación específica, como un banner de 16:9, un formato de historia de 9:16 o un tile social de 1:1, sin recorte posterior.

Se llama al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo "microsoft/mai-image-2.6". Los parámetros de solicitud admitidos son max_completion_tokens, max_tokens y temperature, junto con los parámetros de imagen descritos anteriormente para relación de aspecto, n e input_references. Debido a que la interfaz sigue el esquema de OpenAI, los clientes y SDK existentes generalmente funcionan con solo cambiar el id de modelo y el endpoint.

Vale la pena sopesar algunas restricciones antes de comprometerse. La ventana de contexto de 4096 tokens es modesta, por lo que los prompts muy largos o con muchos detalles pueden necesitar recortes. Cada solicitud devuelve una imagen, por lo que la generación por lotes implica múltiples llamadas. Si la latencia importa más que la fidelidad máxima, la variante Flash de la misma familia es la opción más natural; MAI-Image-2.6 es la elección cuando la calidad de salida es la prioridad.