Microsoft AI: MAI-Image-2.5

MAI-Image-2.5 är en bildgenereringsmodell från Microsoft, publicerad under Microsoft AI-varumärket och identifierad på api14 som microsoft/mai-image-2.5. Den tillhör kategorin bilder, och Microsoft beskriver den som en högkvalitativ bildgenereringsmodell tillgänglig via Azure AI Foundry. Om du redan arbetar inom Microsofts ekosystem eller utvärderar det, är detta modellen som ligger bakom det erbjudandet.

Modellen tar text- och bildindata och returnerar bilder. Det innebär att du kan styra den med enbart en prompt, eller tillhandahålla en enda referensbild tillsammans med din prompt för att vägleda resultatet. Dess kontextfönster är 4096 tokens, och maximal utdata är 1024. Genereringen styrs genom en liten uppsättning bildparametrar: aspect_ratio, som accepterar 1:1, 4:3, 3:4, 16:9, 9:16, 3:2, 2:3 eller auto; n, som är fastställt till exakt 1, så varje begäran returnerar en enda bild; och input_references, som accepterar mellan 0 och 1 referensbilder. Microsoft positionerar utdata som både fotorealistisk och konstnärlig, så den är avsedd att täcka ett ganska brett stilistiskt spektrum snarare än ett snävt utseende.

De praktiska användningsområdena följer direkt av dessa funktioner. Text-till-bild-generering täcker det vanliga: konceptkonst, marknadsföringsbilder, illustrationer och utkast till tillgångar där du behöver en specifik inramning, vilket är där alternativen för bildförhållande spelar roll, eftersom du kan begära kvadratisk, liggande eller stående utdata utan efterbearbetning för beskärning. Eftersom modellen accepterar en referensbild passar den också för arbetsflöden där du vill ha en ny bild vägledd av en befintlig, till exempel för att skapa en variant av en komposition eller föra över en visuell stil från en referens till en ny scen. Begränsningen med en bild per begäran innebär att batcharbete handlar om att skicka flera anrop snarare än att be om flera bilder samtidigt.

Att anropa den via api14 fungerar på samma sätt som för alla andra modeller på gatewayen, med det OpenAI-kompatibla API:et med modell-id:t microsoft/mai-image-2.5. De begärandeparametrar som stöds är max_completion_tokens, max_tokens och temperature, tillsammans med bildparametrarna som beskrivs ovan för bildförhållande och referensbilder. Om du har befintlig OpenAI-klientkod ändrar du modell-id:t och bas-URL:en, och begärans struktur förblir bekant.

Några gränser är värda att känna till innan du bestämmer dig. Kontextfönstret på 4096 tokens är blygsamt, så mycket långa eller detaljrika prompts har mindre utrymme än på modeller med större kontext. Utdata är begränsad till 1024, n kan inte överstiga 1, och endast en referensbild accepteras, så uppgifter som kräver flera referensbilder eller flera bilder per anrop passar inte här. Om ditt arbete är text snarare än bildgenerering, eller du behöver en mycket större kontext, kommer en annan modell på api14 att passa dig bättre.