Microsoft AI: MAI-Image-2.6

MAI-Image-2.6 est un modèle de génération et d'édition d'images de Microsoft, publié par Microsoft AI comme le niveau de précision de la famille MAI-Image-2.6. Il côtoie un frère plus rapide, MAI-Image-2.6 Flash, qui échange une partie de la fidélité contre la vitesse. Le modèle est positionné pour des visuels prêts pour le design, il vise donc les travaux où le résultat doit tenir dans une mise en page finalisée plutôt que servir de croquis.

Côté entrée, le modèle accepte du texte et des images, et il produit des images en sortie. Cette combinaison signifie qu'il peut générer à partir d'un prompt et aussi éditer ou transformer les images que vous fournissez comme références. La fenêtre de contexte est de 4096 tokens, et la sortie maximale est de 1024. Le comportement des images est contrôlé par un petit ensemble de paramètres d'image : un ratio d'aspect choisi parmi 1:1, 4:3, 3:4, 16:9, 9:16, 3:2, 2:3 ou auto ; une valeur n fixée à exactement 1, donc chaque requête renvoie une seule image ; et input_references, qui accepte entre 0 et 5 images de référence.

Ces capacités renvoient à un ensemble d'usages assez spécifique. La génération texte-vers-image couvre l'art conceptuel, les visuels marketing, les maquettes produit et l'illustration lorsque vous voulez un résultat soigné à partir d'un brief écrit. Comme le modèle accepte aussi des images en entrée, il convient aux travaux d'édition et de variation : fournir jusqu'à cinq références permet de guider le style, la composition ou la cohérence du sujet sur une série de sorties. Les options de ratio d'aspect permettent de cibler facilement un emplacement précis, comme une bannière 16:9, un format story 9:16 ou une tuile sociale 1:1, sans recadrage après coup.

Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "microsoft/mai-image-2.6". Les paramètres de requête pris en charge sont max_completion_tokens, max_tokens et temperature, aux côtés des paramètres d'image décrits ci-dessus pour le ratio d'aspect, n et input_references. Comme l'interface suit le schéma OpenAI, les clients et SDK existants fonctionnent généralement en changeant seulement l'identifiant de modèle et le point de terminaison.

Quelques contraintes méritent d'être pesées avant de vous engager. La fenêtre de contexte de 4096 tokens est modeste, donc des prompts très longs ou très détaillés peuvent nécessiter d'être réduits. Chaque requête renvoie une image, donc la génération par lots implique plusieurs appels. Si la latence compte plus que la fidélité maximale, la variante Flash de la même famille est le choix le plus naturel ; MAI-Image-2.6 est le choix lorsque la qualité de sortie est la priorité.