Microsoft AI: MAI-Image-2.6 Flash

माइक्रोसॉफ्ट AI: MAI-Image-2.6 Flash माइक्रोसॉफ्ट का एक इमेज जनरेशन मॉडल है, जो MAI-Image-2.6 परिवार का हिस्सा है। उस परिवार में इसे कम विलंबता और कम लागत वाले सदस्य के रूप में रखा गया है, जो विलंबता के प्रति संवेदनशील, उच्च थ्रूपुट वाले प्रोडक्शन काम के लिए बनाया गया है। यह उन टीमों के लिए है जिन्हें एक-एक करके सावधानी से ट्यून किए गए आउटपुट के बजाय बड़े पैमाने पर इमेज जनरेशन और एडिटिंग चाहिए।

मॉडल टेक्स्ट और इमेज इनपुट लेता है और इसके आउटपुट के रूप में केवल इमेज देता है। इसका कॉन्टेक्स्ट विंडो 4096 टोकन है, और अधिकतम आउटपुट 1024 है। जनरेशन को इमेज पैरामीटर के एक छोटे सेट से नियंत्रित किया जाता है: aspect_ratio, जो 1:1, 4:3, 3:4, 16:9, 9:16, 3:2, 2:3 या auto स्वीकार करता है; n, जो प्रति अनुरोध 1 इमेज पर तय है; और input_references, जो 0 से 5 संदर्भ इमेज स्वीकार करता है। इनके साथ, मॉडल max_completion_tokens, max_tokens और temperature का समर्थन करता है।

ये क्षमताएं उपयोगों के एक काफी विशिष्ट सेट की ओर संकेत करती हैं। चूंकि यह टेक्स्ट के साथ-साथ इमेज इनपुट भी लेता है, यह एडिटिंग और संदर्भ-आधारित जनरेशन के लिए उपयुक्त है, जहां आप अधिकतम पांच इमेज देते हैं और जो बदलाव या परिणाम आप चाहते हैं उसका वर्णन करते हैं। aspect ratio विकल्प वर्गाकार, लैंडस्केप और पोर्ट्रेट प्रारूपों को कवर करते हैं, इसलिए वही मॉडल अलग पाइपलाइन के बिना सोशल, वेब और प्रिंट-उन्मुख लेआउट की सेवा कर सकता है। इमेज इनपुट और इमेज आउटपुट का संयोजन बैच वर्कफ़्लो के लिए भी उपयुक्त है, जैसे किसी उत्पाद फोटो से वेरिएंट बनाना, एसेट्स को नया रूप देना, या स्वचालित बिल्ड के भीतर प्लेसहोल्डर और ड्राफ्ट इमेजरी तैयार करना। Flash की स्थिति बताती है कि जब थ्रूपुट और प्रतिक्रिया समय सटीकता के आखिरी इंक्रीमेंट से अधिक मायने रखते हैं, तब यह सही चुनाव है।

आप इसे api14 के OpenAI-संगत API के जरिए मॉडल id "microsoft/mai-image-2.6-flash" का उपयोग करके कॉल करते हैं। अनुरोध उसी आकार का पालन करते हैं जैसे अन्य OpenAI-संगत chat completions कॉल करते हैं, जिसमें आपका टेक्स्ट प्रॉम्प्ट और कोई भी संदर्भ इमेज इनपुट में होती हैं और जनरेट की गई इमेज प्रतिक्रिया में लौटाई जाती है। समर्थित अनुरोध पैरामीटर max_completion_tokens, max_tokens और temperature हैं, साथ ही इमेज पैरामीटर aspect_ratio, n और input_references हैं। n को 1 पर सेट करें, कोई aspect ratio चुनें या उसे auto छोड़ दें, और जब आप चाहते हैं कि आउटपुट मौजूदा विज़ुअल्स पर आधारित हो, तो अधिकतम पांच संदर्भ इमेज पास करें।

कुछ सीमाएं ध्यान में रखने योग्य हैं। कॉन्टेक्स्ट विंडो 4096 टोकन है, जो मामूली है, इसलिए बहुत लंबे प्रॉम्प्ट या कई बड़ी संदर्भ इमेज को छोटा करने की जरूरत पड़ सकती है। प्रति अनुरोध केवल एक इमेज लौटाई जाती है, इसलिए वेरिएंट का सेट बनाने का मतलब कई कॉल हैं। यदि आपका काम विलंबता और थ्रूपुट के बजाय अधिकतम सटीकता पर निर्भर करता है, तो उसी परिवार का precision tier अधिक स्वाभाविक विकल्प है।