Microsoft AI: MAI-Image-2.6 Flash

Microsoft AI : MAI-Image-2.6 Flash est un modèle de génération d'images de Microsoft, appartenant à la famille MAI-Image-2.6. Au sein de cette famille, il est positionné comme le membre à latence plus faible et à coût réduit, conçu pour les charges de production sensibles à la latence et à haut débit. Il s'adresse aux équipes qui ont besoin de génération et d'édition d'images à grande échelle plutôt que de résultats ponctuels et soigneusement ajustés.

Le modèle accepte des entrées texte et image et produit des images comme unique sortie. Sa fenêtre de contexte est de 4096 tokens, et la sortie maximale est de 1024. La génération est contrôlée par un petit ensemble de paramètres d'image : aspect_ratio, qui accepte 1:1, 4:3, 3:4, 16:9, 9:16, 3:2, 2:3 ou auto ; n, qui est fixé à 1 image par requête ; et input_references, qui accepte entre 0 et 5 images de référence. En complément, le modèle prend en charge max_completion_tokens, max_tokens et temperature.

Ces capacités renvoient à un ensemble d'usages assez spécifique. Comme il accepte des entrées image en plus du texte, il convient à l'édition et à la génération guidée par référence, où vous fournissez jusqu'à cinq images et décrivez la modification ou le résultat souhaité. Les options de ratio d'aspect couvrent les formats carré, paysage et portrait, de sorte que le même modèle peut servir des mises en page pour les réseaux sociaux, le web et l'impression sans pipeline séparé. La combinaison d'entrée image et de sortie image convient également aux flux de travail par lots, comme la génération de variantes à partir d'une photo de produit, le restylage de ressources, ou la production d'images de remplacement et d'ébauche dans un build automatisé. Le positionnement Flash suggère qu'il s'agit du bon choix lorsque le débit et le temps de réponse importent plus que le dernier incrément de précision.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "microsoft/mai-image-2.6-flash". Les requêtes suivent la même forme que les autres appels de complétions de chat compatibles OpenAI, avec votre prompt texte et toute image de référence dans l'entrée, et l'image générée renvoyée dans la réponse. Les paramètres de requête pris en charge sont max_completion_tokens, max_tokens et temperature, plus les paramètres d'image aspect_ratio, n et input_references. Définissez n sur 1, choisissez un ratio d'aspect ou laissez-le sur auto, et transmettez jusqu'à cinq images de référence lorsque vous voulez que la sortie s'appuie sur des visuels existants.

Quelques limites méritent d'être gardées à l'esprit. La fenêtre de contexte est de 4096 tokens, ce qui est modeste, donc des prompts très longs ou de nombreuses images de référence volumineuses peuvent nécessiter un élagage. Une seule image est renvoyée par requête, donc produire un ensemble de variantes implique plusieurs appels. Si votre travail dépend d'une précision maximale plutôt que de la latence et du débit, le niveau de précision de la même famille est le choix plus naturel.