MOSS-Image vs MAI-Image-2.6 Preview : tous deux classés deuxièmes, aucun des deux que vous pouvez appeler

M​OSS-Image et M​AI-Image-2.6 Preview ont plus en commun que le simple fait d'être tous deux de nouveaux modèles d'image. M​OSS-Image a été publié le 16 octobre 2026 sous forme de poids ouverts — les M​OSS-Image-Base et M​OSS-Image-SFT checkpoints sous licence Apache 2.0. M​AI-Image-2.6 Preview est entré en aperçu privé le 19 août 2026 sur le M​AI Playground et M​icrosoft Foundry de M​icrosoft. Chacun occupe actuellement la deuxième place d'un classement, les deux classements ont été établis par des personnes différentes selon des méthodes différentes, et aucun des deux modèles n'a de prix que l'on puisse consulter.

Ce dernier point constitue toute la comparaison. Il ne s’agit pas d’un duel entre deux choses que vous pouvez louer et mesurer l’une par rapport à l’autre. C’est une confrontation entre un téléchargement de 27 Go provenant d’un laboratoire de recherche et un aperçu accessible sur invitation d’une société de plateforme, et la question utile n’est pas de savoir lequel obtient le meilleur score — mais lequel vous pouvez réellement intégrer à un produit ce trimestre, et ce que chaque fournisseur est prêt à vous dire avant que vous ne vous engagiez.

Deux deuxièmes places, et ce que chacune mesure

Les chiffres cités pour les deux modèles sont tous les deux « No. 2 », et cette coïncidence masque le fait qu'ils mesurent des choses presque opposées.

La deuxième place de MOSS-Image provient de RealLayoutArena, un benchmark de design de 61 tâches — affiches, infographies et interfaces utilisateur — qui accompagne le rapport technique du modèle lui-même. Il obtient un score de 1 698,70 Elo, avec un intervalle de confiance à 95 % allant de 1 655,96 à 1 741,43, derrière GPT Image 2 à 1 844,35. RealLayoutArena a été conçu par OpenMOSS, le laboratoire qui a créé MOSS-Image, et les références qu'il contient correspondent aux propres exécutions du laboratoire sur les modèles d'autres entreprises. C'est un tableau de scores de fournisseur, et le fournisseur l'a lui-même étiqueté comme tel.

La deuxième place de M​AI-Image-2.6 Preview vient d’Arena, la version rebaptisée de LMArena, où des votants humains à l’aveugle choisissent la meilleure de deux images issues d’une même invite. L’entrée porte littéralement le nom mai-image-2.6-preview et affiche 1 336 Elo avec une marge de ±11 sur environ 3 488 votes — derrière GPT Image 2 Medium à 1 381 et devant G​rok Imagine Image 2.0 à 1 316. Le même build de préversion a ensuite pris la 3e place du classement d’édition d’image unique d’Arena, avec 1 420 points. Il s’agit d’une mesure indépendante de préférence humaine, et elle est aussi préliminaire : l’entrée en tête de ce classement totalise plus de 70 000 votes, donc la marge d’erreur sur une entrée à 3 488 votes est réelle, et l’Elo des premiers votes évolue.

Donc, pour être honnête, un modèle se classe deuxième à un test que ses propres auteurs ont écrit, et l'autre se classe deuxième sur un classement communautaire, avec un cinquième des preuves à l'appui. Aucun des deux n'est un résultat établi, et aucun n'a été reproduit par qui que ce soit en dehors de l'organisation qui l'a publié.

Ce que M​OSS-Image vous apporte réellement

MOSS-Image est un transformer de diffusion à flux unique de 5 Md entraîné de zéro : 42 blocs conjoints, une largeur cachée de 3 072, 24 têtes d'attention de 128 dimensions, un feed-forward SiTU-GLU de largeur 8 192 et un encodage positionnel rotatif à quatre axes. Le nombre de paramètres annoncé en exclut une grande partie. L'encodeur de texte est un Qwen3.5-9B gelé, et le VAE est celui de FLUX.2, chargé gelé depuis FLUX.2-klein-4B, avec 32 canaux latents et un patch latent 2×2 au-dessus d'un sous-échantillonnage de 8×, pour un pas effectif de 16 pixels. Le dépôt SFT pèse environ 27,2 Go, dont environ 16,8 Go pour l'encodeur.

Sa capacité déterminante n'est pas la qualité d'image. C'est que le prompt peut être un objet JSON contenant des boîtes englobantes, des chaînes de texte littérales et des notes typographiques, exprimés en coordonnées de pixels absolues mesurées depuis le centre du canevas avec bbox_format "yxyx". L'ablation du fournisseur lui-même est sans appel : sur RealLayoutArena, les prompts de mise en page JSON obtiennent un score de 1 622,87 tandis que les prompts en langage naturel sur le même système obtiennent 1 506,20. L'interface structurée n'est pas une fonctionnalité bonus greffée sur le modèle. C'est là que réside la performance.

La preuve à l’appui est un benchmark que le laboratoire a également créé, 7Bench, où MOSS-Image rapporte un IoU de mise en page moyen de 0,88 contre 0,44 pour Ideogram 4.0, 0,33 pour Nano Banana Pro et Seedream 5.0 Pro, 0,31 pour Qwen Image 3.0 Pro et 0,30 pour GPT Image 2, avec un AUC de mise en page de 0,70 contre un panel allant de 0,16 à 0,20. Côté rendu de texte, il rapporte 96,3 Mean-6 sur LongLongTextBench — un benchmark de texte littéraire de 240 tâches qu’il a également conçu — avec 97,1 en anglais et 92,4 en chinois. La ligne la plus crédible de ce tableau est celle juste au-dessus : sur le benchmark propre au fournisseur, GPT Image 2 obtient 99,0 et Nano Banana Pro 96,6. Publier un tableau où un concurrent gagne encore, ça vaut quelque chose.

Ce que M​OSS-Image ne vous donne pas, c’est un endpoint. Il n’existe aucune API commerciale que nous puissions vérifier, aucun playground hébergé au-delà du Gradio Space exécuté sur un seul A10G, et aucune solution managée. Vous installez Diffusers avec un pipeline personnalisé, ou le plugin natif ComfyUI, et vous fournissez le GPU.

Ce que M​AI-Image-2.6 Preview vous apporte réellement

Microsoft a publié bien moins d'informations sur son modèle qu'OpenMOSS sur le sien, et le schéma de ce qui manque est instructif.

Ce qui existe : une lignée familiale qui progresse à un rythme de six à huit semaines — M​AI-Image-1, puis M​AI-Image-2 en mars 2026 avec le bond en photoréalisme et en rendu de texte, M​AI-Image-2.5 en juin 2026, qui est devenu le moteur au sein de Bing Image Creator, PowerPoint et OneDrive, puis M​AI-Image-2.5-Pro en juillet 2026 avec un palier premium 8K, et maintenant 2.6, environ six semaines plus tard. Les descriptions de capacités de M​icrosoft lui-même sont qualitatives : rendu de texte renforcé, portraits et imagerie 3D ; rendus commerciaux et photoréalistes plus soignés ; travail sur plusieurs images de référence en une seule génération ; ancrage plus riche ; plus grand contrôle sur le raisonnement, le format et la résolution. Aucun nombre de paramètres, aucune licence, aucune architecture, aucun tableau de benchmarks.

Ce qui n’existe pas : un prix. L’aperçu est accessible sur invitation, l’accès se fait via M​AI Playground et M​icrosoft Foundry, et aucun tarif par image n’est publié. Il n’existe pas non plus de date de disponibilité générale. La répartition par catégorie d’Arena est le seul résultat granulaire associé au modèle — il se classe premier en imagerie et modélisation 3D, et deuxième en cartoon/anime/fantasy, produit et image de marque, rendu de texte et art — et les classements par catégorie sur un tableau préliminaire à faible nombre de votes ne sont au mieux qu’indicatifs.

La seule chose qui est clairement vraie et clairement importante, c'est la cadence. Microsoft déploie des améliorations de modèles d'image plus vite que ce marché n'y est habitué, et les débuts dans l'Arena suggèrent que l'effet cumulé est réel plutôt qu'annoncé.

Les deux modèles, ligne par ligne

• Publication — M​OSS-Image le 16 octobre 2026 en tant que poids ouverts ; M​AI-Image-2.6 Preview en aperçu privé le 19 août 2026

• Accès — MOSS-Image téléchargeable et auto-hébergeable, avec un plugin ComfyUI et un pipeline Diffusers ; MAI-Image-2.6 Preview accessible sur invitation via MAI Playground et Microsoft Foundry

• Prix — MOSS-Image est gratuit à télécharger, avec une empreinte d'environ 27,2 Go et votre propre temps de GPU ; MAI-Image-2.6 Preview n'a pas de grille tarifaire publiée

• Licence — MOSS-Image est sous Apache 2.0 pour les poids comme pour le code de pipeline autonome, sans seuil de revenus ; MAI-Image-2.6 Preview est propriétaire, sans licence déclarée

• Score indépendant — M​OSS-Image deuxième sur RealLayoutArena avec 1 698,70 Elo (benchmark conçu par l'auteur) ; M​AI-Image-2.6 Preview deuxième sur Arena texte-vers-image avec 1 336±11 sur ~3 488 votes (classement du public), troisième sur Arena édition d'image unique avec 1 420

• Contrôle de la mise en page — M​OSS-Image accepte une mise en page JSON avec des coordonnées en pixels absolues et affiche un IoU moyen de 0,88 sur 7Bench ; M​icrosoft ne publie aucun benchmark de mise en page pour quoi que ce soit dans la gamme d’images M​AI

• Rendu de texte — M​OSS-Image rapporte un Mean-6 de 96,3 sur LongLongTextBench, avec 97,1 en anglais et 92,4 en chinois ; M​AI-Image-2.6 Preview a gagné +91 Elo en rendu de texte par rapport à 2.5 selon la répartition par catégorie d’Arena, sans chiffre absolu publié

• Édition — M​AI-Image-2.6 Preview est mesuré à la 3e place du tableau d'édition d'image unique d'Arena ; le rapport de M​OSS-Image ne présente pas l'édition comme une surface produit

• Service — M​OSS-Image dispose de travaux en cours sur le framework dès le Jour 0, notamment une pull request vLLM-Omni ouverte qui ajoute le modèle avec skip-layer guidance et qui n'est pas encore fusionnée dans une version taguée ; M​AI-Image-2.6 Preview est servi par M​icrosoft, selon les conditions de M​icrosoft, quand M​icrosoft le décide

Là où chacun est véritablement en avance

MOSS-Image a une longueur d’avance sur tout ce qui découle de son ouverture. Vous pouvez lire l’architecture, le quantifier, le fine-tuner sur des données privées, l’exécuter en réseau isolé et l’intégrer dans un produit commercial sans négociation de licence — Apache 2.0 couvre les poids et le code du pipeline autonome, sans annexe d’usage acceptable ni niveau commercial distinct. Pour un modèle dont la capacité phare est de rendre du texte lisible à des positions précises, cela compte plus qu’un écart de benchmark, car le rendu de texte est exactement la capacité qui apparaît dans le travail client : maquettes produit, compositions d’interface, infographies, affiches, mises en page publicitaires.

M​AI-Image-2.6 Preview est en avance sur les points qui découlent du fait d’être un modèle de plateforme plutôt qu’un dépôt. Il bénéficie d’une distribution auprès de centaines de millions de personnes via Bing Image Creator, PowerPoint et OneDrive, il vise un point de terminaison cloud géré sur Foundry, et il est amélioré selon une cadence publiée. Si votre besoin est un modèle d’image que votre organisation peut appeler depuis une pile à la Microsoft avec un contrat de support derrière, aucune licence Apache 2.0 ne saurait remplacer cela.

L’entre-deux inconfortable est là où se situent réellement la plupart des équipes. Microsoft n’a publié ni prix, ni licence, ni nombre de paramètres, si bien qu’on ne peut pas modéliser le coût d’adoption de son modèle. OpenMOSS a publié tout cela, mais aucun moyen de l’appeler sans posséder le matériel.

Ce que ni l'un ni l'autre ne change dans ta journée

Ces deux modèles se situent en dehors du marché hébergé sur lequel vous construisez probablement déjà, et c’est là qu’une couche de routage mérite une affirmation précise plutôt que promotionnelle. Nous n’hébergeons pas MOSS-Image et nous n’hébergeons pas MAI-Image-2.6 Preview, donc rien ici ne constitue une offre de servir l’un ou l’autre. Ce que nous servons, c’est l’ensemble de comparaison : les modèles d’image hébergés auxquels vous compareriez un MOSS-Image auto-hébergé sont accessibles via une seule clé API sur notre catalogue au prix catalogue du fournisseur avec 0 % de marge, ce qui signifie qu’un changement de prix d’un fournisseur côté hébergé est effectif le jour même plutôt que selon un cycle contractuel, avec basculement automatique entre fournisseurs afin qu’une session de benchmarking ne meure pas parce qu’un service amont a passé un mauvais après-midi. Essayer un checkpoint non éprouvé face à un modèle loué ne devrait pas nécessiter un second SDK, et c’est la seule affirmation faite.

Pour M​AI-Image-2.6 Preview en particulier, il n’y a encore rien à router. La position honnête est que le modèle est réel, le classement est réel, et que l’accès se fait sur liste d’attente.

Qui doit agir, et qui doit continuer à observer

Tournez-vous vers MOSS-Image si vous disposez de GPU, d'un flux de travail capable d'exprimer l'intention sous forme de boîtes et de chaînes, et d'un cas d'usage où la mise en page est le livrable plutôt qu'un heureux hasard. Partez du checkpoint SFT, prévoyez les 16,8 GB de l'encodeur avant de prévoir ceux du générateur, et attendez-vous à 50 étapes d'échantillonnage à raison de deux forward du transformer par étape, sauf si vous adoptez l'une des distillations de la communauté. Deux d'entre elles sont apparues dans le jour suivant la sortie : un LoRA DMD à 4 étapes et une variante distillée à 8 étapes, ni l'une ni l'autre prise en charge par l'éditeur, ni l'une ni l'autre évaluée par des benchmarks.

Attendez M​OSS-Image si vous avez besoin d’un point de terminaison appelable cette semaine, si vous louez de la capacité plutôt que de la posséder, ou si vous voulez un seul chiffre qui n’a pas été produit par les personnes qui ont conçu le test. Les trois résultats solides ci-dessus proviennent tous de benchmarks élaborés par le fournisseur, à l’aide d’une étape de spécification qui, d’après le rapport, s’exécute sur G​PT-6 au moment de l’inférence — l’Elo de bout en bout est donc un pipeline à deux modèles, et non la sortie d’un seul modèle.

Attendez la préversion de MAI-Image-2.6 Preview si vous avez besoin de quoi que ce soit de contractuel. Surveillez-la si vous êtes déjà client de Foundry, car la cadence indique que la prochaine version sortira dans six à huit semaines et que la préversion se transformera en quelque chose avec un prix attaché.

Ce qui trancherait cette comparaison, c'est la même chose pour les deux, et ni l'un ni l'autre ne l'a : une exécution indépendante du benchmark sur lequel chacun est classé. Pour MOSS-Image, cela signifie que quelqu'un d'autre qu'OpenMOSS fasse tourner LongLongTextBench ou RealLayoutArena. Pour MAI-Image-2.6 Preview, cela signifie que le tableau de l'Arena accumule suffisamment de votes pour que ±11 cesse d'avoir de l'importance, ou que Microsoft publie un prix.

Jusqu’à ce que l’un de ces cas se produise, le résumé exact est le suivant — un modèle de recherche 5B sous licence permissive, doté d’une interface texte et mise en page inhabituellement bonne et sans endpoint, face à un modèle de plateforme propriétaire bénéficiant d’un classement indépendant établi par la foule, d’une distribution réelle et sans prix. Celui sur lequel vous pouvez agir dépend entièrement de savoir si votre goulot d’étranglement est une licence ou une URL.

Les défaillances documentées de l’IA et les incidents d’agents à l’origine de versions comme celle-ci sont recueillis dans l’OrcaRouter AI Incident Archive, où chaque entrée comporte ses propres sources, sa gravité, sa note de confiance et un indicateur de contestation.