Microsoft AI: MAI-Image-2.6 Flash

Microsoft AI: MAI-Image-2.6 Flash adalah model pembuatan gambar dari Microsoft, bagian dari keluarga MAI-Image-2.6. Dalam keluarga tersebut, model ini diposisikan sebagai anggota dengan latensi lebih rendah dan biaya lebih rendah, dibuat untuk produksi bervolume tinggi yang sensitif terhadap latensi. Model ini ditujukan untuk tim yang membutuhkan pembuatan dan pengeditan gambar dalam skala besar, bukan keluaran satu kali yang disetel dengan cermat.

Model ini menerima input teks dan gambar serta menghasilkan gambar sebagai satu-satunya output. Jendela konteksnya adalah 4096 token, dan output maksimumnya adalah 1024. Pembuatan dikendalikan melalui sekumpulan kecil parameter gambar: aspect_ratio, yang menerima 1:1, 4:3, 3:4, 16:9, 9:16, 3:2, 2:3 atau auto; n, yang tetap pada 1 gambar per permintaan; dan input_references, yang menerima antara 0 dan 5 gambar referensi. Selain itu, model ini mendukung max_completion_tokens, max_tokens dan temperature.

Kemampuan tersebut mengarah pada serangkaian penggunaan yang cukup spesifik. Karena menerima input gambar sekaligus teks, model ini cocok untuk pengeditan dan pembuatan berbasis referensi, di mana Anda memberikan hingga lima gambar dan menjelaskan perubahan atau hasil yang Anda inginkan. Opsi rasio aspek mencakup format persegi, lanskap dan potret, sehingga model yang sama dapat melayani tata letak untuk sosial media, web dan cetak tanpa pipeline terpisah. Kombinasi input gambar dan output gambar juga cocok untuk alur kerja batch seperti menghasilkan varian dari foto produk, mengubah gaya aset, atau menghasilkan gambar placeholder dan draf di dalam proses build otomatis. Posisi Flash menunjukkan bahwa model ini adalah pilihan yang tepat ketika throughput dan waktu respons lebih penting daripada tingkat presisi terakhir.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "microsoft/mai-image-2.6-flash". Permintaan mengikuti bentuk yang sama seperti panggilan chat completions yang kompatibel dengan OpenAI lainnya, dengan prompt teks Anda dan gambar referensi apa pun di input serta gambar yang dihasilkan dikembalikan dalam respons. Parameter permintaan yang didukung adalah max_completion_tokens, max_tokens dan temperature, ditambah parameter gambar aspect_ratio, n dan input_references. Setel n ke 1, pilih rasio aspek atau biarkan sebagai auto, dan berikan hingga lima gambar referensi ketika Anda ingin output didasarkan pada visual yang sudah ada.

Beberapa batasan perlu diingat. Jendela konteksnya adalah 4096 token, yang tergolong sedang, sehingga prompt yang sangat panjang atau banyak gambar referensi berukuran besar mungkin perlu dipangkas. Hanya satu gambar yang dikembalikan per permintaan, jadi menghasilkan satu set varian berarti beberapa panggilan. Jika pekerjaan Anda bergantung pada presisi maksimum daripada latensi dan throughput, tier presisi dari keluarga yang sama adalah pilihan yang lebih natural.