Microsoft AI: MAI-Image-2.6 Flash

Microsoft AI: MAI-Image-2.6 Flash è un modello di generazione di immagini di Microsoft, parte della famiglia MAI-Image-2.6. All'interno di quella famiglia è posizionato come il membro a latenza inferiore e costo inferiore, costruito per produzione sensibile alla latenza e ad alto throughput. È rivolto a team che necessitano di generazione e modifica di immagini su larga scala piuttosto che output singoli e accuratamente ottimizzati.

Il modello accetta input di testo e immagini e produce immagini come suo unico output. La sua finestra di contesto è di 4096 token, e l'output massimo è 1024. La generazione è controllata attraverso un piccolo insieme di parametri immagine: aspect_ratio, che accetta 1:1, 4:3, 3:4, 16:9, 9:16, 3:2, 2:3 o auto; n, che è fisso a 1 immagine per richiesta; e input_references, che accetta tra 0 e 5 immagini di riferimento. Accanto a questi, il modello supporta max_completion_tokens, max_tokens e temperature.

Queste capacità indicano un insieme piuttosto specifico di utilizzi. Poiché accetta input di immagini oltre che di testo, si adatta a modifica e generazione guidata da riferimenti, dove fornisci fino a cinque immagini e descrivi la modifica o il risultato che desideri. Le opzioni di aspect ratio coprono formati quadrati, orizzontali e verticali, quindi lo stesso modello può servire layout per social, web e stampa senza una pipeline separata. La combinazione di input immagine e output immagine si adatta anche a flussi di lavoro batch come generare varianti da una foto di prodotto, rielaborare asset o produrre immagini segnaposto e bozze all'interno di una build automatizzata. Il posizionamento Flash suggerisce che sia la scelta giusta quando throughput e tempo di risposta contano più dell'ultimo incremento di precisione.

Lo chiami attraverso l'API compatibile con OpenAI di api14 usando l'id del modello "microsoft/mai-image-2.6-flash". Le richieste seguono la stessa forma di altre chiamate chat completions compatibili con OpenAI, con il tuo prompt testuale e eventuali immagini di riferimento nell'input e l'immagine generata restituita nella risposta. I parametri di richiesta supportati sono max_completion_tokens, max_tokens e temperature, più i parametri immagine aspect_ratio, n e input_references. Imposta n a 1, scegli un aspect ratio o lascialo su auto, e passa fino a cinque immagini di riferimento quando vuoi che l'output sia basato su visual esistenti.

Vale la pena tenere a mente alcuni limiti. La finestra di contesto è di 4096 token, che è modesta, quindi prompt molto lunghi o molte immagini di riferimento di grandi dimensioni potrebbero richiedere una riduzione. Viene restituita una sola immagine per richiesta, quindi produrre un insieme di varianti significa più chiamate. Se il tuo lavoro dipende dalla massima precisione piuttosto che da latenza e throughput, il tier di precisione della stessa famiglia è la scelta più naturale.