Microsoft AI: MAI-Image-2.6

MAI-Image-2.6 è un modello di generazione e modifica di immagini di Microsoft, rilasciato da Microsoft AI come livello di precisione della famiglia MAI-Image-2.6. Si affianca a un fratello più veloce, MAI-Image-2.6 Flash, che sacrifica parte della fedeltà per la velocità. Il modello è posizionato per visual pronti per il design, quindi è pensato per lavori in cui l'output deve reggere in un layout finito anziché servire come bozza approssimativa.

Sul lato input, il modello accetta testo e immagini, e produce immagini come output. Questa combinazione significa che può generare da un prompt e anche modificare o trasformare immagini fornite come riferimenti. La finestra di contesto è di 4096 token, e l'output massimo è 1024. Il comportamento delle immagini è controllato tramite un piccolo insieme di parametri immagine: un aspect ratio scelto tra 1:1, 4:3, 3:4, 16:9, 9:16, 3:2, 2:3 o auto; un valore n fissato esattamente a 1, quindi ogni richiesta restituisce una singola immagine; e input_references, che accetta tra 0 e 5 immagini di riferimento.

Queste capacità indicano un insieme di utilizzi piuttosto specifico. La generazione text-to-image copre concept art, visual di marketing, mockup di prodotto e illustrazione quando si desidera un risultato rifinito da un brief scritto. Poiché il modello accetta anche input immagine, si adatta al lavoro di modifica e variazione: fornire fino a cinque riferimenti permette di guidare lo stile, la composizione o la coerenza del soggetto attraverso una serie di output. Le opzioni di aspect ratio rendono semplice puntare a una collocazione specifica, come un banner 16:9, un formato story 9:16 o un riquadro social 1:1, senza post-cropping.

Si chiama il modello tramite l'API compatibile con OpenAI di api14 usando il model id "microsoft/mai-image-2.6". I parametri di richiesta supportati sono max_completion_tokens, max_tokens e temperature, insieme ai parametri immagine descritti sopra per aspect ratio, n e input_references. Poiché l'interfaccia segue lo schema OpenAI, i client e gli SDK esistenti generalmente funzionano cambiando solo il model id e l'endpoint.

Vale la pena considerare alcuni vincoli prima di impegnarsi. La finestra di contesto di 4096 token è modesta, quindi prompt molto lunghi o molto dettagliati potrebbero richiedere una riduzione. Ogni richiesta restituisce un'immagine, quindi la generazione in batch implica più chiamate. Se la latenza conta più della fedeltà massima, la variante Flash della stessa famiglia è la scelta più naturale; MAI-Image-2.6 è la scelta quando la qualità dell'output è la priorità.