MOSS-Image vs MAI-Image-2.6 Preview: Keduanya Berada di Peringkat Kedua, Tidak Ada Satu pun yang Bisa Anda Panggil

M​OSS-Image dan M​AI-Image-2.6 Preview memiliki lebih banyak kesamaan daripada fakta bahwa keduanya adalah model gambar baru. M​OSS-Image dirilis pada 16 Oktober 2026 sebagai bobot terbuka — M​OSS-Image-Base dan M​OSS-Image-SFT checkpoint di bawah Apache 2.0. M​AI-Image-2.6 Preview memasuki pratinjau privat pada 19 Agustus 2026 di M​AI Playground dan M​icrosoft Foundry milik M​icrosoft. Masing-masing saat ini berada di posisi kedua di sebuah papan peringkat, kedua papan peringkat itu dibuat oleh orang yang berbeda dengan metode yang berbeda, dan tidak satu pun dari model itu memiliki harga yang bisa Anda cari.

Poin terakhir itulah inti dari keseluruhan perbandingan ini. Ini bukan adu langsung antara dua hal yang bisa Anda sewa dan ukur satu terhadap yang lain. Ini adalah pertarungan antara unduhan 27 GB dari laboratorium riset dan pratinjau yang dibatasi undangan dari perusahaan platform, dan pertanyaan yang berguna bukanlah mana yang mendapat skor lebih tinggi — melainkan mana yang benar-benar bisa Anda masukkan ke dalam produk kuartal ini, dan apa yang bersedia disampaikan masing-masing vendor kepada Anda sebelum Anda berkomitmen.

Dua peringkat kedua, dan apa yang diukur masing-masing.

Angka yang dikutip untuk kedua model sama-sama "No. 2", dan kebetulan itu menyembunyikan fakta bahwa keduanya mengukur hal-hal yang hampir berlawanan.

Posisi kedua M​OSS-Image berasal dari RealLayoutArena, tolok ukur desain dengan 61 tugas — poster, infografis, dan antarmuka pengguna — yang disertakan bersama laporan teknis model itu sendiri. Model ini mencetak 1.698,70 Elo dengan interval kepercayaan 95% dari 1.655,96 hingga 1.741,43, di belakang GPT Image 2 pada 1.844,35. RealLayoutArena dibangun oleh OpenMOSS, laboratorium yang membangun M​OSS-Image, dan baseline di dalamnya adalah hasil uji laboratorium itu sendiri terhadap model perusahaan lain. Ini adalah papan skor vendor, dan vendor tersebut telah melabelinya sebagai demikian.

Peringkat kedua MAI-Image-2.6 Preview berasal dari Arena, LMArena yang telah berganti nama, tempat pemilih manusia secara buta memilih gambar yang lebih baik dari dua gambar dengan prompt yang sama. Entri ini secara literal diberi nama mai-image-2.6-preview dan mencatat 1.336 Elo dengan margin ±11 dari sekitar 3.488 suara — di belakang GPT Image 2 Medium pada 1.381 dan di depan Grok Imagine Image 2.0 pada 1.316. Build preview yang sama kemudian menempati peringkat No. 3 di papan penyuntingan gambar tunggal Arena dengan 1.420 poin. Itu adalah ukuran preferensi manusia yang independen, dan juga bersifat awal: entri teratas di papan tersebut membawa lebih dari 70.000 suara, jadi margin kesalahan pada entri dengan 3.488 suara itu nyata, dan Elo dari suara awal bisa berubah.

Jadi perumusan yang jujur adalah bahwa satu model berada di posisi kedua pada sebuah tes yang ditulis oleh para penulisnya sendiri, dan model lainnya berada di posisi kedua pada papan peringkat publik dengan seperlima bukti yang mendasarinya. Keduanya bukan hasil yang sudah mapan, dan keduanya belum direproduksi oleh siapa pun di luar organisasi yang menerbitkannya.

Apa yang sebenarnya Anda dapatkan dari M​OSS-Image

MOSS-Image adalah transformer difusi aliran tunggal 5B yang dilatih dari awal: 42 blok gabungan, lebar tersembunyi 3.072, 24 kepala atensi pada 128 dimensi, feed-forward SiTU-GLU selebar 8.192, dan pengodean posisi rotary empat sumbu. Jumlah parameter utamanya tidak mencakup banyak hal. Encoder teksnya adalah Qwen3.5-9B yang dibekukan, dan VAE-nya milik FLUX.2, dimuat dalam keadaan dibekukan dari FLUX.2-klein-4B, dengan 32 kanal laten dan patch laten 2×2 di atas downsampling 8× untuk stride efektif 16 piksel. Repositori SFT berukuran sekitar 27,2 GB, yang sekitar 16,8 GB di antaranya adalah encoder.

Kemampuan yang mendefinisikannya bukanlah kualitas gambar. Kemampuannya adalah bahwa prompt dapat berupa objek JSON yang berisi kotak pembatas, string teks literal, dan catatan tipografi, yang dinyatakan dalam koordinat piksel absolut yang diukur dari pusat kanvas dengan bbox_format "yxyx". Ablasi milik vendor itu sendiri menunjukkan hal ini secara gamblang: pada RealLayoutArena, prompt tata letak JSON memperoleh skor 1.622,87 sementara prompt bahasa alami pada sistem yang sama memperoleh skor 1.506,20. Antarmuka terstruktur bukanlah fitur bonus yang sekadar ditempelkan pada model. Di situlah letak performanya.

Bukti pendukungnya adalah tolok ukur yang juga dibuat lab tersebut, 7Bench, di mana MOSS-Image melaporkan IoU tata letak rata-rata 0,88 versus 0,44 untuk Ideogram 4.0, 0,33 untuk Nano Banana Pro dan Seedream 5.0 Pro, 0,31 untuk Qwen Image 3.0 Pro dan 0,30 untuk GPT Image 2, dengan Layout AUC 0,70 versus pesaing lain yang berkisar 0,16 hingga 0,20. Di sisi perenderan teks, model ini melaporkan 96,3 Mean-6 pada LongLongTextBench — tolok ukur teks sastra 240 tugas yang juga ia susun — dengan 97,1 dalam bahasa Inggris dan 92,4 dalam bahasa Mandarin. Baris paling kredibel dalam tabel itu adalah baris di atasnya: pada tolok ukur milik vendor sendiri, GPT Image 2 mencetak 99,0 dan Nano Banana Pro 96,6. Menerbitkan tabel yang di dalamnya pesaing tetap menang itu ada nilainya.

Yang tidak diberikan MOSS-Image kepada Anda adalah endpoint. Tidak ada API komersial yang dapat kami verifikasi, tidak ada playground yang dihosting selain Gradio Space yang berjalan di satu A10G, dan tidak ada jalur terkelola. Anda memasang Diffusers dengan pipeline kustom, atau plugin ComfyUI native, dan Anda menyediakan GPU-nya.

Apa yang sebenarnya Anda dapatkan dari M​AI-Image-2.6 Preview

Microsoft telah menerbitkan jauh lebih sedikit tentang modelnya dibandingkan OpenMOSS tentang modelnya sendiri, dan pola tentang apa yang hilang itu informatif.

Yang ada: sebuah garis keturunan keluarga yang bergerak dengan irama enam hingga delapan minggu — M​AI-Image-1, lalu M​AI-Image-2 pada Maret 2026 dengan lompatan fotorealisme dan perenderan teks, M​AI-Image-2.5 pada Juni 2026, yang menjadi mesin di dalam Bing Image Creator, PowerPoint, dan OneDrive, lalu M​AI-Image-2.5-Pro pada Juli 2026 dengan tingkat premium 8K, dan sekarang 2.6 sekitar enam minggu kemudian. Deskripsi kemampuan M​icrosoft sendiri bersifat kualitatif: perenderan teks yang lebih kuat, potret dan citra 3D; keluaran komersial dan fotorealistis yang lebih halus; bekerja dengan beberapa gambar referensi dalam satu generasi; grounding yang lebih kaya; kontrol yang lebih besar atas penalaran, format dan resolusi. Tidak ada jumlah parameter, tidak ada lisensi, tidak ada arsitektur, tidak ada tabel tolok ukur.

Yang tidak ada: harga. Pratinjau ini hanya bisa diakses dengan undangan, jalur aksesnya adalah M​AI Playground dan M​icrosoft Foundry, dan tidak ada tarif per gambar yang dipublikasikan. Juga tidak ada tanggal ketersediaan umum. Rincian kategori Arena adalah satu-satunya hasil granular yang dilampirkan pada model ini — model ini menempati peringkat pertama dalam pencitraan dan pemodelan 3D, dan peringkat kedua dalam kartun/anime/fantasi, produk dan branding, rendering teks dan seni — dan peringkat kategori di papan awal dengan sedikit suara paling banter hanya sebagai petunjuk arah.

Satu hal yang jelas benar dan jelas signifikan adalah iramanya. Microsoft merilis peningkatan model gambar lebih cepat daripada yang biasa dialami pasar ini, dan debut Arena menunjukkan bahwa efek berlipat itu nyata, bukan sekadar diumumkan.

Kedua model, baris demi baris

• Rilis — M​OSS-Image pada 16 Oktober 2026 sebagai bobot terbuka; M​AI-Image-2.6 Preview ke pratinjau privat pada 19 Agustus 2026

• Akses — M​OSS-Image dapat diunduh dan dihosting sendiri, dengan plugin ComfyUI dan pipeline Diffusers; M​AI-Image-2.6 Preview hanya dapat diakses dengan undangan di M​AI Playground dan M​icrosoft Foundry

• Harga — M​OSS-Image gratis diunduh, dengan ukuran ~27,2 GB dan waktu GPU Anda sendiri; M​AI-Image-2.6 Preview tidak memiliki kartu harga yang dipublikasikan

• Lisensi — MOSS-Image menggunakan Apache 2.0 untuk bobot maupun kode pipeline mandiri, tanpa ambang batas pendapatan; MAI-Image-2.6 Preview bersifat proprietari tanpa lisensi yang dinyatakan

• Skor independen — M​OSS-Image peringkat kedua di RealLayoutArena dengan 1.698,70 Elo (tolok ukur buatan penulis); M​AI-Image-2.6 Preview peringkat kedua di Arena teks-ke-gambar dengan 1.336±11 dari ~3.488 suara (papan publik), peringkat ketiga di Arena sunting gambar tunggal dengan 1.420

• Kontrol tata letak — MOSS-Image menerima tata letak JSON dengan koordinat piksel absolut dan melaporkan IoU rata-rata 0,88 pada 7Bench; Microsoft tidak menerbitkan tolok ukur tata letak untuk apa pun di lini gambar MAI

• Rendering teks — M​OSS-Image melaporkan 96,3 Mean-6 pada LongLongTextBench dengan 97,1 untuk bahasa Inggris dan 92,4 untuk bahasa Tionghoa; M​AI-Image-2.6 Preview memperoleh +91 Elo pada rendering teks dibandingkan 2.5 menurut rincian kategori Arena, tanpa angka absolut yang dipublikasikan

• Pengeditan — M​AI-Image-2.6 Preview diukur pada peringkat No. 3 di papan pengeditan gambar tunggal Arena; laporan M​OSS-Image tidak menyajikan pengeditan sebagai permukaan produk

• Penyajian — MOSS-Image memiliki pekerjaan kerangka kerja Hari 0 yang sedang berlangsung, termasuk pull request vLLM-Omni terbuka yang menambahkan model tersebut dengan panduan skip-layer dan belum digabungkan ke rilis bertag; MAI-Image-2.6 Preview disajikan oleh Microsoft, dengan ketentuan Microsoft, ketika Microsoft mengatakannya

Di mana masing-masing benar-benar unggul

MOSS-Image unggul dalam segala hal yang mengikuti sifat terbukanya. Anda dapat membaca arsitekturnya, melakukan kuantisasi, fine-tune pada data privat, menjalankannya secara air-gapped, dan mengirimkannya di dalam produk komersial tanpa negosiasi lisensi — Apache 2.0 mencakup bobot dan kode pipeline mandiri, tanpa lampiran penggunaan yang dapat diterima dan tanpa tingkatan komersial terpisah. Bagi model yang kemampuan utamanya adalah merender teks yang terbaca jelas pada posisi tertentu, itu lebih penting daripada selisih benchmark, karena rendering teks justru kemampuan yang muncul dalam pekerjaan klien: mockup produk, komp antarmuka, infografis, poster, tata letak iklan.

M​AI-Image-2.6 Preview lebih unggul dalam hal-hal yang menjadi konsekuensi dari statusnya sebagai model platform alih-alih repositori. Model ini memiliki distribusi ke ratusan juta orang melalui Bing Image Creator, PowerPoint, dan OneDrive, diarahkan ke endpoint cloud terkelola di Foundry, dan ditingkatkan menurut jadwal rilis yang dipublikasikan. Jika kebutuhan Anda adalah model gambar yang dapat dipanggil organisasi Anda dari stack bergaya M​icrosoft dengan kontrak dukungan di belakangnya, seberapa pun banyaknya Apache 2.0 tidak akan menggantikan hal itu.

Titik tengah yang tidak nyaman adalah tempat sebagian besar tim sebenarnya berada. M​icrosoft belum menerbitkan harga, lisensi, atau jumlah parameter, jadi Anda tidak dapat memodelkan biaya mengadopsi modelnya. OpenMOSS telah menerbitkan semua itu, tetapi tidak ada cara untuk memanggilnya tanpa memiliki perangkat keras.

Apa yang tidak diubah oleh mereka berdua tentang harimu

Kedua model ini berada di luar pasar terkelola yang mungkin sudah Anda bangun, dan di situlah lapisan perutean layak mengatakan sesuatu yang tepat, bukan promosional. Kami tidak menghosting MOSS-Image dan kami tidak menghosting MAI-Image-2.6 Preview, jadi tidak ada di sini yang merupakan penawaran untuk melayani salah satunya. Yang kami layani adalah kumpulan pembanding: model gambar terkelola yang akan Anda bandingkan dengan MOSS-Image yang dihosting sendiri dapat diakses melalui satu kunci API di katalog kami dengan harga daftar penyedia dengan markup 0%, yang berarti perubahan harga vendor di sisi terkelola berlaku pada hari yang sama, bukan pada siklus kontrak, dengan failover otomatis di seluruh penyedia sehingga proses benchmark tidak mati karena salah satu upstream mengalami hari yang buruk. Mencoba checkpoint yang belum terbukti terhadap model sewaan seharusnya tidak memerlukan SDK kedua, dan itulah satu-satunya klaim yang diajukan.

Khusus untuk M​AI-Image-2.6 Preview, belum ada yang perlu dirutekan. Posisi yang jujur adalah bahwa modelnya nyata, peringkatnya nyata, dan aksesnya adalah daftar tunggu.

Siapa yang harus bertindak, dan siapa yang harus terus mengawasi

Gunakan MOSS-Image jika Anda memiliki GPU, alur kerja yang dapat mengekspresikan maksud sebagai kotak dan string, serta kasus penggunaan ketika tata letak menjadi hasil yang diinginkan, bukan sekadar kebetulan yang menyenangkan. Mulailah dengan checkpoint SFT, anggarkan 16,8 GB untuk encoder sebelum Anda menganggarkan untuk generator, dan perkirakan 50 langkah sampling dengan dua forward transformer per langkah kecuali Anda mengadopsi salah satu distilasi komunitas. Dua di antaranya muncul dalam sehari setelah rilis: LoRA DMD 4 langkah dan varian terdistilasi 8 langkah, keduanya tidak didukung vendor dan keduanya belum di-benchmark.

Tunggu M​OSS-Image jika Anda membutuhkan endpoint yang dapat dipanggil minggu ini, jika Anda menyewa kapasitas alih-alih memilikinya, atau jika Anda menginginkan satu angka yang tidak dihasilkan oleh orang-orang yang membangun tes tersebut. Ketiga hasil kuat di atas berasal dari tolok ukur yang dibuat vendor, menggunakan tahap spesifikasi yang menurut laporan dijalankan pada G​PT-6 saat inferensi — jadi Elo end-to-end adalah pipeline dua model, bukan keluaran satu model.

Tunggu M​AI-Image-2.6 Preview jika Anda membutuhkan hal yang bersifat kontraktual. Pantau ini jika Anda sudah menjadi pelanggan Foundry, karena kadensnya menunjukkan versi berikutnya sekitar enam hingga delapan minggu lagi dan pratinjau ini akan berubah menjadi sesuatu yang disertai harga.

Yang bisa menuntaskan perbandingan ini adalah hal yang sama untuk keduanya, dan tak satu pun memilikinya: pelaksanaan independen atas benchmark yang menjadi dasar peringkat masing-masing. Untuk M​OSS-Image, itu berarti pihak selain OpenMOSS yang menjalankan LongLongTextBench atau RealLayoutArena. Untuk M​AI-Image-2.6 Preview, itu berarti papan Arena mengumpulkan cukup suara sehingga ±11 tidak lagi berpengaruh, atau M​icrosoft menerbitkan harga.

Sampai salah satu dari itu terjadi, ringkasan yang akurat adalah ini — model riset 5B berlisensi permisif dengan antarmuka teks-dan-tata letak yang luar biasa bagus dan tanpa endpoint, versus model platform proprietary dengan peringkat kerumunan independen, distribusi nyata, dan tanpa harga. Yang bisa Anda tindak lanjuti sepenuhnya bergantung pada apakah hambatan Anda adalah lisensi atau URL.

Kegagalan AI yang terdokumentasi dan insiden agen di balik rilis seperti ini dikumpulkan dalam the OrcaRouter AI Incident Archive, tempat setiap entri membawa sumbernya sendiri, tingkat keparahan, peringkat keyakinan, dan penanda sengketa.