Microsoft AI: MAI-Image-2.6 Flash

Microsoft AI: MAI-Image-2.6 Flash es un modelo de generación de imágenes de Microsoft, parte de la familia MAI-Image-2.6. Dentro de esa familia se posiciona como el miembro de menor latencia y menor costo, diseñado para trabajo de producción de alto rendimiento y sensible a la latencia. Está dirigido a equipos que necesitan generación y edición de imágenes a escala en lugar de salidas únicas y cuidadosamente ajustadas.

El modelo acepta entradas de texto e imagen y produce imágenes como su única salida. Su ventana de contexto es de 4096 tokens, y la salida máxima es de 1024. La generación se controla mediante un pequeño conjunto de parámetros de imagen: aspect_ratio, que acepta 1:1, 4:3, 3:4, 16:9, 9:16, 3:2, 2:3 o auto; n, que está fijado en 1 imagen por solicitud; e input_references, que acepta entre 0 y 5 imágenes de referencia. Junto a estos, el modelo admite max_completion_tokens, max_tokens y temperature.

Esas capacidades apuntan a un conjunto bastante específico de usos. Debido a que toma entradas de imagen además de texto, encaja en la edición y la generación guiada por referencias, donde se proporcionan hasta cinco imágenes y se describe el cambio o el resultado deseado. Las opciones de relación de aspecto cubren formatos cuadrado, horizontal y vertical, por lo que el mismo modelo puede servir para diseños orientados a redes sociales, web e impresión sin una canalización separada. La combinación de entrada de imagen y salida de imagen también se adapta a flujos de trabajo por lotes, como generar variantes a partir de la foto de un producto, cambiar el estilo de recursos o producir imágenes de marcador de posición y borradores dentro de una compilación automatizada. El posicionamiento Flash sugiere que es la elección correcta cuando el rendimiento y el tiempo de respuesta importan más que el último incremento de precisión.

Se llama a través de la API compatible con OpenAI de api14 usando el id de modelo "microsoft/mai-image-2.6-flash". Las solicitudes siguen la misma forma que otras llamadas de finalizaciones de chat compatibles con OpenAI, con el mensaje de texto y cualquier imagen de referencia en la entrada y la imagen generada devuelta en la respuesta. Los parámetros de solicitud admitidos son max_completion_tokens, max_tokens y temperature, además de los parámetros de imagen aspect_ratio, n e input_references. Establezca n en 1, elija una relación de aspecto o déjela como auto, y pase hasta cinco imágenes de referencia cuando desee que la salida se base en visuales existentes.

Vale la pena tener en cuenta algunos límites. La ventana de contexto es de 4096 tokens, lo cual es modesto, por lo que los mensajes muy largos o muchas imágenes de referencia grandes pueden necesitar recorte. Solo se devuelve una imagen por solicitud, por lo que producir un conjunto de variantes implica múltiples llamadas. Si su trabajo depende de la máxima precisión en lugar de la latencia y el rendimiento, el nivel de precisión de la misma familia es la opción más natural.