Microsoft AI: MAI-Image-2.6

MAI-Image-2.6 é um modelo de geração e edição de imagens da Microsoft, lançado pela Microsoft AI como o nível de precisão da família MAI-Image-2.6. Ele fica ao lado de um irmão mais rápido, o MAI-Image-2.6 Flash, que troca parte da fidelidade por velocidade. O modelo é posicionado para visuais prontos para design, portanto é voltado para trabalhos em que a saída precisa se sustentar em um layout finalizado, em vez de servir como um esboço preliminar.

No lado da entrada, o modelo aceita texto e imagens, e produz imagens como saída. Essa combinação significa que ele pode gerar a partir de um prompt e também editar ou transformar imagens que você fornece como referências. A janela de contexto é de 4096 tokens, e a saída máxima é de 1024. O comportamento de imagem é controlado por um pequeno conjunto de parâmetros de imagem: uma proporção escolhida entre 1:1, 4:3, 3:4, 16:9, 9:16, 3:2, 2:3 ou auto; um valor n fixado em exatamente 1, de modo que cada requisição retorna uma única imagem; e input_references, que aceita entre 0 e 5 imagens de referência.

Essas capacidades apontam para um conjunto bastante específico de usos. A geração de texto para imagem cobre arte conceitual, visuais de marketing, mockups de produtos e ilustração quando você quer um resultado polido a partir de um briefing escrito. Como o modelo também aceita entrada de imagem, ele se encaixa em trabalhos de edição e variação: fornecer até cinco referências permite orientar estilo, composição ou consistência de assunto ao longo de uma série de saídas. As opções de proporção tornam simples mirar um posicionamento específico, como um banner 16:9, um formato de story 9:16 ou um tile social 1:1, sem recorte posterior.

Você chama o modelo através da API compatível com OpenAI da api14 usando o id de modelo "microsoft/mai-image-2.6". Os parâmetros de requisição suportados são max_completion_tokens, max_tokens e temperature, além dos parâmetros de imagem descritos acima para proporção, n e input_references. Como a interface segue o esquema da OpenAI, clientes e SDKs existentes geralmente funcionam apenas com a mudança do id de modelo e do endpoint.

Algumas restrições vale a pena considerar antes de se comprometer. A janela de contexto de 4096 tokens é modesta, então prompts muito longos ou com muitos detalhes podem precisar ser reduzidos. Cada requisição retorna uma imagem, então a geração em lote significa múltiplas chamadas. Se a latência importa mais do que a fidelidade máxima, a variante Flash da mesma família é a opção mais natural; MAI-Image-2.6 é a escolha quando a qualidade da saída é a prioridade.