Microsoft AI: MAI-Image-2.5 Pro

MAI-Image-2.5 Pro é um modelo de geração de imagens da Microsoft, listado sob o id de modelo microsoft/mai-image-2.5-pro. Ele está na categoria de imagem e é descrito pelo fornecedor 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 comparando modelos de imagem entre fornecedores, esta é a opção da Microsoft a considerar.

O modelo recebe entradas de texto e imagem e retorna imagens. Isso significa que você pode conduzi-lo com um prompt escrito, e também pode fornecer uma única imagem de referência junto com esse prompt. A janela de contexto é de 4096 tokens, o que cobre o seu prompt e qualquer material de referência que você passar. A saída é limitada a 1024, e a geração é limitada a uma imagem por requisição, então cada chamada produz um único resultado em vez de um lote. A proporção de aspecto é selecionável a partir de um conjunto fixo: 1:1, 4:3, 3:4, 16:9, 9:16, 3:2, 2:3, ou auto, o que permite adequar o formato da saída ao espaço que ela vai preencher em vez de recortar depois do fato.

Essas capacidades apontam para um conjunto bastante específico de tarefas. O trabalho de texto para imagem cobre o terreno habitual: arte conceitual, visuais de marketing, ilustrações e renderizações fotorrealistas a partir de uma descrição escrita. O caminho de entrada de imagem é o que torna o modelo mais interessante para trabalho iterativo. Você pode passar uma imagem de referência e um prompt para direcionar uma variação, reestilizar um recurso existente, ou explorar direções a partir de um ponto de partida em vez de uma página em branco. Como apenas uma imagem de referência é aceita, isso se adequa a fluxos de trabalho com uma única âncora em vez de composição com múltiplas imagens ou tarefas no estilo colagem. As proporções de aspecto fixas ajudam quando você precisa de uma saída que se encaixe diretamente em um layout, um quadro de storyboard, ou um formato social sem redimensionamento.

Chamá-lo através do 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-pro. Os parâmetros de requisição suportados são max_completion_tokens, max_tokens e temperature. Opções específicas de imagem são passadas junto com esses: aspect_ratio aceita um dos valores de enum listados acima, n é fixado em 1, e input_references aceita entre 0 e 1 imagens de referência. Se você tem código de cliente OpenAI existente, mudar para este modelo é em grande parte uma questão de alterar o id de modelo e adicionar os parâmetros de imagem ao corpo da sua requisição.

As principais restrições a ponderar são a imagem única de saída por requisição e o limite de uma única imagem de referência. Se o seu pipeline precisa de várias imagens a partir de uma chamada, ou precisa combinar múltiplas referências em uma geração, você terá que emitir múltiplas requisições ou procurar um modelo diferente. O contexto de 4096 tokens também é modesto, então prompts muito longos ou descrições de referência detalhadas podem precisar de ajuste. Para geração direta conduzida por prompt com uma imagem âncora e uma proporção de aspecto escolhida, ele se encaixa perfeitamente.