Microsoft AI: MAI-Image-2.6

MAI-Image-2.6 är en bildgenererings- och redigeringsmodell från Microsoft, släppt av Microsoft AI som precisionsnivån i MAI-Image-2.6-familjen. Den finns sida vid sida med ett snabbare syskon, MAI-Image-2.6 Flash, som byter viss återgivning mot hastighet. Modellen är positionerad för designklara visuella element, så den riktar sig mot arbete där resultatet behöver hålla i en färdig layout snarare än fungera som en grov skiss.

På indatasidan accepterar modellen text och bilder, och den producerar bilder som utdata. Den kombinationen innebär att den kan generera från en prompt och även redigera eller omvandla bilder du tillhandahåller som referenser. Kontextfönstret är 4096 tokens, och maximal utdata är 1024. Bildbeteende styrs genom en liten uppsättning bildparametrar: ett bildförhållande valt från 1:1, 4:3, 3:4, 16:9, 9:16, 3:2, 2:3 eller auto; ett n-värde fixerat till exakt 1, så varje begäran returnerar en enda bild; och input_references, som accepterar mellan 0 och 5 referensbilder.

Dessa funktioner pekar mot en ganska specifik uppsättning användningsområden. Text-till-bild-generering täcker konceptkonst, marknadsföringsbilder, produktmockuper och illustration där du vill ha ett polerat resultat från en skriven brief. Eftersom modellen även tar bildindata passar den för redigerings- och variationsarbete: att tillhandahålla upp till fem referenser låter dig styra stil, komposition eller subjektkonsistens över en serie utdata. Alternativen för bildförhållande gör det enkelt att rikta in sig på en specifik placering, som en 16:9-banner, ett 9:16-storyformat eller en 1:1-socialruta, utan efterbeskärning.

Du anropar modellen genom api14:s OpenAI-kompatibla API med modell-id:t "microsoft/mai-image-2.6". De stödda begärandeparametrarna är max_completion_tokens, max_tokens och temperature, tillsammans med bildparametrarna som beskrivs ovan för bildförhållande, n och input_references. Eftersom gränssnittet följer OpenAI-schemat fungerar befintliga klienter och SDK:er i allmänhet med endast modell-id och endpoint ändrade.

Några begränsningar är värda att väga in innan du bestämmer dig. Kontextfönstret på 4096 tokens är blygsamt, så mycket långa eller starkt detaljerade prompts kan behöva trimmas. Varje begäran returnerar en bild, så batchgenerering innebär flera anrop. Om latens spelar större roll än maximal återgivning är Flash-varianten i samma familj den mer naturliga matchningen; MAI-Image-2.6 är valet när utdatakvalitet är prioriteringen.