Microsoft AI: MAI-Image-2.6 Flash

Microsoft AI: MAI-Image-2.6 Flash é um modelo de geração de imagens da Microsoft, parte da família MAI-Image-2.6. Dentro dessa família, posiciona-se como o membro de menor latência e menor custo, concebido para trabalho de produção sensível à latência e de elevado débito. Destina-se a equipas que necessitam de geração e edição de imagens à escala, em vez de resultados pontuais e cuidadosamente ajustados.

O modelo aceita entradas de texto e imagem e produz imagens como única saída. A sua janela de contexto é de 4096 tokens, e a saída máxima é 1024. A geração é controlada através de 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 está fixado em 1 imagem por pedido; e input_references, que aceita entre 0 e 5 imagens de referência. A par destes, o modelo suporta max_completion_tokens, max_tokens e temperature.

Estas capacidades apontam para um conjunto de utilizações bastante específico. Como aceita entradas de imagem além de texto, adequa-se à edição e à geração orientada por referências, em que fornece até cinco imagens e descreve a alteração ou o resultado pretendido. As opções de proporção cobrem formatos quadrado, horizontal e vertical, pelo que o mesmo modelo pode servir layouts orientados para redes sociais, web e impressão sem um pipeline separado. A combinação de entrada de imagem e saída de imagem também se adequa a fluxos de trabalho em lote, como gerar variantes a partir da fotografia de um produto, reestilizar ativos ou produzir imagens de marcador e de rascunho dentro de uma compilação automatizada. O posicionamento Flash sugere que é a escolha certa quando o débito e o tempo de resposta importam mais do que o último incremento de precisão.

Pode chamá-lo através da API compatível com OpenAI da api14, utilizando o id de modelo "microsoft/mai-image-2.6-flash". Os pedidos seguem a mesma forma que outras chamadas de chat completions compatíveis com OpenAI, com o seu prompt de texto e quaisquer imagens de referência na entrada e a imagem gerada devolvida na resposta. Os parâmetros de pedido suportados são max_completion_tokens, max_tokens e temperature, além dos parâmetros de imagem aspect_ratio, n e input_references. Defina n como 1, escolha uma proporção ou deixe-a como auto, e passe até cinco imagens de referência quando quiser que a saída se baseie em visuais existentes.

Vale a pena ter em conta alguns limites. A janela de contexto é de 4096 tokens, o que é modesto, pelo que prompts muito longos ou muitas imagens de referência grandes podem precisar de ser reduzidos. Apenas é devolvida uma imagem por pedido, pelo que produzir um conjunto de variantes implica múltiplas chamadas. Se o seu trabalho depende da precisão máxima em vez da latência e do débito, o nível de precisão da mesma família é a opção mais natural.