MOSS-Image vs MAI-Image-2.6 Preview: Ambos en segundo lugar, ninguno de los dos puedes llamar

M​OSS-Image y M​AI-Image-2.6 Preview tienen más en común que el hecho de que ambos sean nuevos modelos de imagen. M​OSS-Image se publicó el 16 de octubre de 2026 como pesos abiertos: M​OSS-Image-Base y M​OSS-Image-SFT checkpoints bajo Apache 2.0. M​AI-Image-2.6 Preview entró en vista previa privada el 19 de agosto de 2026 en el M​AI Playground y M​icrosoft Foundry de M​icrosoft. Cada uno ocupa actualmente el segundo puesto en una clasificación; las dos clasificaciones fueron creadas por personas distintas con métodos distintos, y ninguno de los dos modelos tiene un precio que se pueda consultar.

Ese último punto es toda la comparación. Esto no es un cara a cara entre dos cosas que puedes alquilar y medir la una contra la otra. Es un enfrentamiento entre una descarga de 27 GB de un laboratorio de investigación y una vista previa con acceso por invitación de una empresa de plataforma, y la pregunta útil no es cuál obtiene una puntuación más alta, sino cuál puedes realmente integrar en un producto este trimestre, y qué está dispuesto a contarte cada proveedor antes de que te comprometas.

Dos segundos puestos, y qué mide cada uno

Las cifras que se citan para ambos modelos son, en los dos casos, «No. 2», y esa coincidencia oculta el hecho de que miden cosas casi opuestas.

El segundo puesto de M​OSS-Image proviene de RealLayoutArena, un benchmark de diseño de 61 tareas —pósteres, infografías e interfaces de usuario— que se publica junto con el informe técnico del propio modelo. Obtiene 1.698,70 de Elo, con un intervalo de confianza del 95 % que va de 1.655,96 a 1.741,43, por detrás de GPT Image 2, con 1.844,35. RealLayoutArena fue creado por OpenMOSS, el laboratorio que desarrolló M​OSS-Image, y las líneas base que incluye son ejecuciones propias del laboratorio de modelos de otras empresas. Es un marcador de proveedor, y el proveedor lo ha etiquetado como tal.

El segundo puesto de M​AI-Image-2.6 Preview proviene de Arena, la rebautizada LMArena, donde votantes humanos a ciegas eligen la mejor de dos imágenes generadas a partir del mismo prompt. La entrada se llama literalmente mai-image-2.6-preview y registra 1.336 de Elo con un margen de ±11 sobre unos 3.488 votos — por detrás de GPT Image 2 Medium, con 1.381, y por delante de G​rok Imagine Image 2.0, con 1.316. Esa misma compilación preliminar llegó después al n.º 3 en la tabla de edición de una sola imagen de Arena, con 1.420 puntos. Se trata de una medida independiente de preferencia humana y, además, es preliminar: la entrada principal de esa tabla acumula más de 70.000 votos, así que el margen de error de una entrada con 3.488 votos es real, y el Elo de los votos tempranos se mueve.

Así que el planteamiento honesto es que un modelo es segundo en una prueba que escribieron sus propios autores, y el otro es segundo en una tabla colectiva con una quinta parte de la evidencia que lo respalda. Ninguno es un resultado definitivo, y ninguno ha sido reproducido por nadie fuera de la organización que lo publicó.

Lo que M​OSS-Image realmente te ofrece

M​OSS-Image es un transformador de difusión de flujo único de 5B entrenado desde cero: 42 bloques conjuntos, ancho oculto de 3.072, 24 cabezas de atención de 128 dimensiones, una feed-forward SiTU-GLU de 8.192 de ancho y una codificación posicional rotatoria de cuatro ejes. El recuento de parámetros destacado excluye muchas cosas. El codificador de texto es un Qwen3.5-9B congelado, y el VAE es el de FLUX.2, cargado congelado desde FLUX.2-klein-4B, con 32 canales latentes y un parche latente de 2×2 sobre un submuestreo de 8× para un paso efectivo de 16 píxeles. El repositorio SFT es de unos 27,2 GB, de los cuales aproximadamente 16,8 GB corresponden al codificador.

Su capacidad definitoria no es la calidad de imagen. Es que el prompt puede ser un objeto JSON que contiene cajas delimitadoras, cadenas de texto literales y notas tipográficas, expresadas en coordenadas absolutas de píxeles medidas desde el centro del lienzo con bbox_format "yxyx". La propia ablación del proveedor presenta el argumento sin rodeos: en RealLayoutArena, los prompts de diseño JSON obtienen 1.622,87, mientras que los prompts en lenguaje natural en el mismo sistema obtienen 1.506,20. La interfaz estructurada no es una característica adicional atornillada al modelo. Es donde reside el rendimiento.

La evidencia de apoyo es un benchmark que el laboratorio también creó, 7Bench, donde M​OSS-Image reporta un IoU de diseño medio de 0.88 frente a 0.44 de I​deogram 4.0, 0.33 de N​ano Banana Pro y Seedream 5.0 Pro, 0.31 de Q​wen Image 3.0 Pro y 0.30 de GPT Image 2, con un AUC de diseño de 0.70 frente a un grupo que va de 0.16 a 0.20. En el lado del renderizado de texto, reporta 96.3 Mean-6 en LongLongTextBench —un benchmark de texto literario de 240 tareas que también creó—, con 97.1 en inglés y 92.4 en chino. La línea más creíble de esa tabla es la de arriba: en el benchmark del propio proveedor, GPT Image 2 obtiene 99.0 y N​ano Banana Pro 96.6. Publicar una tabla donde un competidor sigue ganando vale algo.

Lo que MOSS-Image no te ofrece es un endpoint. No hay una API comercial que podamos verificar, ni un playground alojado más allá del Gradio Space que se ejecuta en una única A10G, ni una vía gestionada. Instalas Diffusers con un pipeline personalizado, o el plugin nativo de ComfyUI, y tú aportas la GPU.

Lo que M AI-Image-2.6 Preview realmente te ofrece

M​icrosoft ha publicado mucho menos sobre su modelo que OpenMOSS sobre el suyo, y el patrón de lo que falta es revelador.

Lo que existe: un linaje familiar que avanza con una cadencia de seis a ocho semanas — M​AI-Image-1, luego M​AI-Image-2 en marzo de 2026 con el salto en fotorrealismo y renderizado de texto, M​AI-Image-2.5 en junio de 2026, que se convirtió en el motor dentro de Bing Image Creator, PowerPoint y OneDrive, luego M​AI-Image-2.5-Pro en julio de 2026 con un nivel premium de 8K, y ahora 2.6 aproximadamente seis semanas después. Las propias descripciones de capacidades de M​icrosoft son cualitativas: mejor renderizado de texto, retratos e imágenes 3D; resultados comerciales y fotorrealistas más pulidos; trabajo con múltiples imágenes de referencia en una sola generación; una fundamentación más rica; mayor control sobre el razonamiento, el formato y la resolución. Sin recuento de parámetros, sin licencia, sin arquitectura, sin tabla de benchmarks.

Lo que no existe: un precio. La vista previa requiere invitación, la vía de acceso es MAI Playground y Microsoft Foundry, y no se ha publicado ninguna tarifa por imagen. Tampoco hay fecha de disponibilidad general. El desglose por categorías de Arena es el único resultado granular asociado al modelo —ocupa el primer puesto en imágenes y modelado 3D, y el segundo en dibujos animados/anime/fantasía, producto y branding, renderizado de texto y arte—, y las clasificaciones por categoría en un tablero preliminar con pocos votos son, en el mejor de los casos, orientativas.

Lo único que es claramente cierto y claramente significativo es la cadencia. Microsoft está lanzando mejoras en sus modelos de imagen más rápido de lo que este mercado está acostumbrado, y el debut de Arena sugiere que el efecto acumulativo es real y no solo algo anunciado.

Los dos modelos, línea por línea

• Lanzamiento — M​OSS-Image el 16 de octubre de 2026 como pesos abiertos; M​AI-Image-2.6 Preview a vista previa privada el 19 de agosto de 2026

• Acceso — MOSS-Image se puede descargar y autoalojar, con un plugin de ComfyUI y un pipeline de Diffusers; MAI-Image-2.6 Preview tiene acceso por invitación en MAI Playground y Microsoft Foundry

• Precio — M​OSS-Image es gratis para descargar, con una huella de ~27,2 GB y tu propio tiempo de GPU; M​AI-Image-2.6 Preview no tiene una lista de precios publicada

• Licencia — M​OSS-Image es Apache 2.0 tanto para los pesos como para el código de pipeline independiente, sin umbral de ingresos; M​AI-Image-2.6 Preview es propietario y no tiene licencia declarada

• Puntuación independiente — M​OSS-Image segundo en RealLayoutArena con 1.698,70 Elo (benchmark creado por el autor); M​AI-Image-2.6 Preview segundo en Arena texto a imagen con 1.336±11 sobre ~3.488 votos (tabla de la multitud), tercero en edición de imagen única de Arena con 1.420

• Control de diseño — MOSS-Image acepta un diseño JSON con coordenadas de píxeles absolutas y reporta un IoU medio de 0,88 en 7Bench; Microsoft no publica ningún benchmark de diseño para nada en la línea de imágenes MAI

• Renderizado de texto — M​OSS-Image reporta 96.3 Mean-6 en LongLongTextBench con 97.1 en inglés y 92.4 en chino; M​AI-Image-2.6 Preview ganó +91 Elo en renderizado de texto frente a 2.5 según el desglose por categorías de Arena, sin que se haya publicado una cifra absoluta

• Edición — M​AI-Image-2.6 Preview se sitúa en el n.º 3 del tablero de edición de una sola imagen de Arena; el informe de M​OSS-Image no presenta la edición como una superficie de producto

• Servicio — M​OSS-Image tiene trabajo en curso en el framework del Día 0, incluida una pull request abierta de vLLM-Omni que añade el modelo con skip-layer guidance y aún no se ha fusionado en una versión etiquetada; M​AI-Image-2.6 Preview es servido por M​icrosoft, según los términos de M​icrosoft, cuando M​icrosoft lo diga.

Donde cada uno está realmente por delante

MOSS-Image va por delante en todo lo que se deriva de ser abierto. Puedes leer la arquitectura, cuantizarlo, ajustarlo con datos privados, ejecutarlo en un entorno aislado y distribuirlo dentro de un producto comercial sin negociar una licencia: Apache 2.0 cubre los pesos y el código independiente del pipeline, sin anexo de uso aceptable ni nivel comercial aparte. Para un modelo cuya capacidad estrella es renderizar texto legible en posiciones específicas, eso importa más que una diferencia en un benchmark, porque el renderizado de texto es exactamente la capacidad que aparece en el trabajo con clientes: maquetas de producto, composiciones de interfaz, infografías, pósters, diseños publicitarios.

M​AI-Image-2.6 Preview va por delante en las cosas que se derivan de ser un modelo de plataforma en lugar de un repositorio. Cuenta con distribución a cientos de millones de personas a través de Bing Image Creator, PowerPoint y OneDrive, está orientado a un endpoint de nube gestionado en Foundry, y se mejora con una cadencia publicada. Si su requisito es un modelo de imágenes que su organización pueda invocar desde un stack con forma de M​icrosoft y con un contrato de soporte detrás, ninguna cantidad de Apache 2.0 reemplaza eso.

El incómodo punto medio es donde realmente se encuentra la mayoría de los equipos. Microsoft no ha publicado un precio, una licencia ni un número de parámetros, así que no se puede modelar el coste de adoptar su modelo. OpenMOSS ha publicado todo eso, pero no hay forma de llamarlo sin poseer hardware.

Lo que ninguno de los dos cambia en tu día

Ambos modelos quedan fuera del mercado alojado contra el que probablemente ya desarrollas, y ahí es donde una capa de enrutamiento merece decir algo preciso en lugar de promocional. No alojamos M​OSS-Image y no alojamos M​AI-Image-2.6 Preview, así que nada de lo que hay aquí es una oferta para servir a ninguno de los dos. Lo que sí servimos es el conjunto de comparación: los modelos de imagen alojados con los que medirías un M​OSS-Image autoalojado son accesibles mediante una sola clave de API en nuestro catálogo al precio de lista del proveedor con 0% de margen, lo que significa que un cambio de precio del proveedor en el lado alojado está activo el mismo día en lugar de en un ciclo de contrato, con conmutación por error automática entre proveedores para que una ejecución de benchmark no muera porque un upstream tuvo una tarde mala. Probar un checkpoint no probado contra uno alquilado no debería requerir un segundo SDK, y esa es la única afirmación que se hace.

Para M​AI-Image-2.6 Preview en concreto, todavía no hay nada que enrutar. La postura honesta es que el modelo es real, el ranking es real y el acceso es una lista de espera.

¿Quién debería actuar y quién debería seguir observando?

Recurre a MOSS-Image si tienes GPUs, un flujo de trabajo que pueda expresar la intención como cajas y cadenas, y un caso de uso en el que la disposición sea el entregable en lugar de un accidente afortunado. Empieza con el checkpoint SFT, presupuesta los 16,8 GB del codificador antes de presupuestar el generador, y espera 50 pasos de muestreo con dos pasadas hacia adelante del transformer por paso, a menos que adoptes una de las destilaciones de la comunidad. Dos de ellas aparecieron en el plazo de un día desde el lanzamiento: un LoRA DMD de 4 pasos y una variante destilada de 8 pasos, ninguna con soporte del proveedor ni evaluada con benchmarks.

Espera antes de decidirte por MOSS-Image si necesitas un endpoint que se pueda invocar esta semana, si estás alquilando capacidad en lugar de poseerla, o si quieres una única cifra que no haya sido producida por las personas que crearon la prueba. Los tres resultados sólidos anteriores provienen de benchmarks creados por el proveedor, usando una etapa de especificación que, según indica el informe, se ejecuta en GPT-6 durante la inferencia; por lo que el Elo de extremo a extremo es una canalización de dos modelos, no la salida de un solo modelo.

Espera a MAI-Image-2.6 Preview si necesitas algo contractual. Vigílalo si ya eres cliente de Foundry, porque el ritmo de lanzamiento indica que la próxima versión llegará en seis a ocho semanas y la preview se convertirá en algo con un precio asociado.

Lo que zanjaría esta comparación es lo mismo para ambos, y ninguno lo tiene: una ejecución independiente del benchmark en el que se clasifica a cada uno. Para M​OSS-Image, eso significa que alguien que no sea OpenMOSS ejecute LongLongTextBench o RealLayoutArena. Para M​AI-Image-2.6 Preview, significa que la tabla de Arena acumule suficientes votos como para que ±11 deje de importar, o que M​icrosoft publique un precio.

Hasta que ocurra una de esas cosas, el resumen preciso es este: un modelo de investigación de 5B con licencia permisiva, con una interfaz de texto y diseño inusualmente buena y sin endpoint, frente a un modelo de plataforma propietario con una clasificación independiente de la multitud, distribución real y sin precio. El que puedes usar depende enteramente de si tu cuello de botella es una licencia o una URL.

Los fallos de IA documentados y los incidentes de agentes que hay detrás de lanzamientos como este se recopilan en el Archivo de Incidentes de IA de OrcaRouter, donde cada entrada incluye sus propias fuentes, gravedad, grado de confianza e indicador de disputa.