Microsoft AI: MAI-Image-2.5 Pro

MAI-Image-2.5 Pro är en bildgenereringsmodell från Microsoft, listad under modell-id microsoft/mai-image-2.5-pro. Den ligger i bildkategorin och beskrivs av leverantören som en högkvalitativ bildgenereringsmodell tillgänglig via Azure AI Foundry. Om du redan arbetar inom Microsofts ekosystem, eller jämför bildmodeller mellan leverantörer, är detta Microsofts bidrag att överväga.

Modellen tar text- och bildindata och returnerar bilder. Det betyder att du kan styra den med en skriven prompt, och du kan även skicka med en enda referensbild tillsammans med prompten. Kontextfönstret är 4096 tokens, vilket täcker din prompt och eventuellt referensmaterial du skickar in. Utdata är begränsad till 1024, och genereringen är begränsad till en bild per begäran, så varje anrop producerar ett enda resultat snarare än en batch. Bildförhållandet kan väljas från en fast uppsättning: 1:1, 4:3, 3:4, 16:9, 9:16, 3:2, 2:3 eller auto, vilket låter dig matcha utdatans form till platsen den ska fylla istället för att beskära i efterhand.

Dessa förmågor pekar mot en ganska specifik uppsättning arbetsuppgifter. Text till bild-arbete täcker det vanliga: konceptkonst, marknadsföringsbilder, illustrationer och fotorealistiska renderingar från en skriven beskrivning. Bildindatavägen är det som gör modellen mer intressant för iterativt arbete. Du kan skicka en referensbild och en prompt för att styra en variant, byta stil på en befintlig tillgång eller utforska riktningar från en startpunkt istället för en tom sida. Eftersom endast en referensbild accepteras passar detta för arbetsflöden med ett enda ankare snarare än komposition med flera bilder eller collage-liknande uppgifter. De fasta bildförhållandena hjälper när du behöver utdata som passar direkt in i en layout, en storyboard-ruta eller ett socialt format utan att ändra storlek.

Att anropa den via api14 fungerar på samma sätt som alla andra modeller på gatewayen, med det OpenAI-kompatibla API:et med modell-id microsoft/mai-image-2.5-pro. De stödda begärandeparametrarna är max_completion_tokens, max_tokens och temperature. Bildspecifika alternativ skickas vid sidan av dessa: aspect_ratio tar ett av enum-värdena listade ovan, n är fast vid 1, och input_references accepterar mellan 0 och 1 referensbilder. Om du har befintlig OpenAI-klientkod är att byta till denna modell till stor del en fråga om att ändra modell-id och lägga till bildparametrarna i din begärandekropp.

De främsta begränsningarna att väga in är den enda utdatabilden per begäran och gränsen på en enda referensbild. Om din pipeline behöver flera bilder från ett anrop, eller behöver kombinera flera referenser till en generering, måste du skicka flera begäranden eller titta på en annan modell. Kontexten på 4096 tokens är också blygsam, så mycket långa prompter eller detaljerade referensbeskrivningar kan behöva trimmas. För enkel promptdriven generering med en ankarbild och ett valt bildförhållande passar den utmärkt.