Microsoft AI: MAI-Image-2.5

MAI-Image-2.5 é um modelo de geração de imagens da Microsoft, publicado sob a marca Microsoft AI e identificado na api14 como microsoft/mai-image-2.5. Ele está na categoria de imagem, e a Microsoft o descreve como um modelo de geração de imagens de alta qualidade disponível via Azure AI Foundry. Se você já trabalha dentro do ecossistema da Microsoft ou está avaliando-o, este é o modelo que sustenta essa oferta.

O modelo recebe entradas de texto e imagem e retorna imagens. Isso significa que você pode conduzi-lo apenas com um prompt, ou fornecer uma única imagem de referência de entrada junto com o seu prompt para orientar o resultado. Sua janela de contexto é de 4096 tokens, e a saída máxima é 1024. A geração é controlada por um pequeno conjunto de parâmetros de imagem: aspect_ratio, que aceita 1:1, 4:3, 3:4, 16:9, 9:16, 3:2, 2:3 ou auto; n, que é fixado exatamente em 1, então cada requisição retorna uma única imagem; e input_references, que aceita entre 0 e 1 imagens de referência. A Microsoft posiciona a saída como fotorrealista e artística, então ele é destinado a cobrir uma faixa estilística bastante ampla em vez de um visual estreito.

Os usos práticos decorrem diretamente dessas capacidades. A geração de texto para imagem cobre o terreno habitual: arte conceitual, visuais de marketing, ilustrações e rascunhos de assets onde você precisa de um enquadramento específico, que é onde as opções de proporção importam, já que você pode solicitar saída quadrada, paisagem ou retrato sem cortes de pós-processamento. Como o modelo aceita uma imagem de referência de entrada, ele também se adequa a fluxos de trabalho onde você quer uma nova imagem guiada por uma existente, como produzir uma variação de uma composição ou levar um estilo visual de uma referência para uma nova cena. A restrição de uma única imagem por requisição significa que o trabalho em lote é uma questão de emitir múltiplas chamadas em vez de pedir várias imagens de uma vez.

Chamá-lo através da api14 funciona da mesma forma que qualquer outro modelo no gateway, usando a API compatível com OpenAI com o id de modelo microsoft/mai-image-2.5. Os parâmetros de requisição suportados são max_completion_tokens, max_tokens e temperature, junto com os parâmetros de imagem descritos acima para proporção e referências de entrada. Se você tem código de cliente OpenAI existente, você muda o id do modelo e a URL base, e o formato da requisição permanece familiar.

Alguns limites vale a pena conhecer antes de se comprometer. A janela de contexto de 4096 tokens é modesta, então prompts muito longos ou fortemente detalhados têm menos espaço do que em modelos com contexto maior. A saída é limitada a 1024, n não pode exceder 1, e apenas uma referência de entrada é aceita, então tarefas que precisam de múltiplas imagens de referência ou várias imagens por chamada não se encaixam aqui. Se o seu trabalho é texto em vez de geração de imagens, ou você precisa de um contexto muito maior, um modelo diferente na api14 irá atendê-lo melhor.