Microsoft AI: MAI-Image-2.6

MAI-Image-2.6, Microsoft का एक इमेज जनरेशन और एडिटिंग मॉडल है, जिसे Microsoft AI ने MAI-Image-2.6 फैमिली के precision tier के रूप में रिलीज़ किया है। यह एक तेज़ sibling, MAI-Image-2.6 Flash के साथ मौजूद है, जो speed के बदले कुछ fidelity छोड़ता है। यह मॉडल design-ready visuals के लिए positioned है, इसलिए इसका लक्ष्य ऐसे काम हैं जहाँ output को तैयार layout में टिकना हो, न कि rough sketch की तरह काम करना हो।

Input की ओर, मॉडल text और images स्वीकार करता है, और output के रूप में images बनाता है। इस संयोजन का मतलब है कि यह prompt से generate कर सकता है और आपके द्वारा दी गई reference images को edit या transform भी कर सकता है। Context window 4096 tokens है, और maximum output 1024 है। Image behaviour को image parameters के एक छोटे सेट से नियंत्रित किया जाता है: 1:1, 4:3, 3:4, 16:9, 9:16, 3:2, 2:3 या auto में से चुना गया aspect ratio; n value ठीक 1 पर तय, इसलिए हर request एक single image लौटाती है; और input_references, जो 0 से 5 reference images स्वीकार करता है।

ये क्षमताएँ काफ़ी विशिष्ट उपयोगों की ओर संकेत करती हैं। Text-to-image generation में concept art, marketing visuals, product mockups और illustration शामिल हैं, जहाँ आप लिखित brief से polished result चाहते हैं। चूँकि मॉडल image input भी लेता है, यह editing और variation के काम में फिट बैठता है: पाँच तक references देने से आप outputs की एक series में style, composition या subject consistency को निर्देशित कर सकते हैं। Aspect ratio विकल्प किसी विशिष्ट placement को लक्षित करना आसान बनाते हैं, जैसे 16:9 banner, 9:16 story format या 1:1 social tile, बिना post-cropping के।

आप मॉडल को api14 के OpenAI-compatible API के माध्यम से model id "microsoft/mai-image-2.6" का उपयोग करके call करते हैं। समर्थित request parameters हैं max_completion_tokens, max_tokens और temperature, साथ ही ऊपर बताए गए aspect ratio, n और input_references के image parameters। चूँकि interface OpenAI schema का पालन करता है, मौजूदा clients और SDKs आम तौर पर केवल model id और endpoint बदलकर काम कर जाते हैं।

Commit करने से पहले कुछ constraints पर विचार करना उचित है। 4096 tokens का context window मामूली है, इसलिए बहुत लंबे या अत्यधिक विस्तृत prompts को छोटा करना पड़ सकता है। हर request एक image लौटाती है, इसलिए batch generation का मतलब कई calls हैं। अगर latency अधिकतम fidelity से ज़्यादा मायने रखती है, तो उसी फैमिली का Flash variant अधिक स्वाभाविक विकल्प है; MAI-Image-2.6 तब चुनाव है जब output quality प्राथमिकता हो।