Microsoft AI: MAI-Image-2.6 Flash

Microsoft AI: MAI-Image-2.6 Flash är en bildgenereringsmodell från Microsoft, en del av familjen MAI-Image-2.6. Inom den familjen positioneras den som medlemmen med lägre latens och lägre kostnad, byggd för latenskänsligt produktionsarbete med hög genomströmning. Den riktar sig till team som behöver bildgenerering och bildredigering i stor skala snarare än enstaka, noggrant finjusterade utdata.

Modellen tar emot text- och bildindata och producerar bilder som enda utdata. Dess kontextfönster är 4096 tokens, och maximalt 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 1 bild per begäran; och input_references, som accepterar mellan 0 och 5 referensbilder. Utöver dessa stöder modellen max_completion_tokens, max_tokens och temperature.

Dessa funktioner pekar mot en ganska specifik uppsättning användningsområden. Eftersom den tar bildindata såväl som text passar den för redigering och referensstyrd generering, där du tillhandahåller upp till fem bilder och beskriver ändringen eller resultatet du vill ha. Alternativen för bildförhållande täcker kvadratiska, liggande och stående format, så samma modell kan betjäna layouter för sociala medier, webb och tryck utan en separat pipeline. Kombinationen av bildindata och bildutdata passar också för batcharbetsflöden som att generera varianter från ett produktfoto, ge resurser en ny stil, eller producera platshållar- och utkastbilder i en automatiserad build. Flash-positioneringen antyder att den är rätt val när genomströmning och svarstid är viktigare än den sista lilla ökningen i precision.

Du anropar den via api14:s OpenAI-kompatibla API med modell-id:t "microsoft/mai-image-2.6-flash". Begäranden följer samma form som andra OpenAI-kompatibla chat completions-anrop, med din textprompt och eventuella referensbilder i indata och den genererade bilden returnerad i svaret. De stödda begärandeparametrarna är max_completion_tokens, max_tokens och temperature, plus bildparametrarna aspect_ratio, n och input_references. Ställ in n till 1, välj ett bildförhållande eller lämna det som auto, och skicka upp till fem referensbilder när du vill att utdata ska grundas i befintliga bilder.

Några gränser är värda att ha i åtanke. Kontextfönstret är 4096 tokens, vilket är blygsamt, så mycket långa prompter eller många stora referensbilder kan behöva trimmas. Endast en bild returneras per begäran, så att producera en uppsättning varianter innebär flera anrop. Om ditt arbete är beroende av maximal precision snarare än latens och genomströmning, är precisionsnivån i samma familj den mer naturliga matchningen.