MOSS-Image vs MAI-Image-2.6 Preview: entrambi secondi in classifica, ma nessuno dei due che puoi chiamare

M​OSS-Image e M​AI-Image-2.6 Preview hanno più in comune del semplice fatto di essere entrambi nuovi modelli di immagini. M​OSS-Image è stato rilasciato il 16 ottobre 2026 come pesi aperti — M​OSS-Image-Base e M​OSS-Image-SFT i checkpoint con licenza Apache 2.0. M​AI-Image-2.6 Preview è entrato in anteprima privata il 19 agosto 2026 su M​AI Playground e M​icrosoft Foundry di M​icrosoft. Al momento ciascuno dei due si trova al secondo posto in una classifica, le due classifiche sono state create da persone diverse con metodi diversi, e nessuno dei due modelli ha un prezzo che si possa consultare.

Quest'ultimo punto è l'intero confronto. Non è un testa a testa tra due cose che puoi noleggiare e misurare l'una rispetto all'altra. È una sfida tra un download da 27 GB da un laboratorio di ricerca e un'anteprima accessibile su invito di una società di piattaforme, e la domanda utile non è quale dei due ottenga un punteggio più alto — è quale riesci davvero a inserire in un prodotto entro questo trimestre, e cosa ciascun fornitore è disposto a dirti prima che tu ti impegni.

Due secondi posti, e cosa misura ciascuno

I numeri che vengono citati per entrambi i modelli sono entrambi "No. 2", e questa coincidenza nasconde il fatto che misurano cose quasi opposte.

Il secondo posto di M​OSS-Image deriva da RealLayoutArena, un benchmark di design da 61 attività — poster, infografiche e interfacce utente — che accompagna il rapporto tecnico del modello stesso. Ottiene un punteggio di 1.698,70 Elo con un intervallo di confidenza al 95% da 1.655,96 a 1.741,43, dietro GPT Image 2 a 1.844,35. RealLayoutArena è stato creato da OpenMOSS, il laboratorio che ha creato M​OSS-Image, e le baseline in esso contenute sono le esecuzioni effettuate dal laboratorio stesso su modelli di altre aziende. È un tabellone di valutazione di un fornitore, e il fornitore lo ha etichettato come tale.

Il secondo posto di M​AI-Image-2.6 Preview arriva da Arena, la LMArena ribattezzata, dove votanti umani in cieco scelgono la migliore tra due immagini provenienti dallo stesso prompt. La voce è letteralmente chiamata mai-image-2.6-preview e registra 1.336 Elo con un margine di ±11 su circa 3.488 voti — dietro a GPT Image 2 Medium a 1.381 e davanti a G​rok Imagine Image 2.0 a 1.316. La stessa build di anteprima è poi arrivata al n. 3 nella classifica di modifica della singola immagine di Arena con 1.420 punti. Si tratta di una misura indipendente delle preferenze umane, e anche preliminare: la voce in cima a quella classifica porta più di 70.000 voti, quindi il margine di errore su una voce con 3.488 voti è reale, e l'Elo dei primi voti si muove.

Quindi la lettura onesta è che un modello è secondo in un test scritto dai suoi stessi autori, e l'altro è secondo in una classifica collettiva con un quinto delle prove a sostegno. Nessuno dei due è un risultato consolidato, e nessuno dei due è stato riprodotto da qualcuno al di fuori dell'organizzazione che lo ha pubblicato.

Cosa ti offre davvero MOSS-Image

MOSS-Image è un diffusion transformer single-stream da 5B addestrato da zero: 42 blocchi congiunti, larghezza nascosta 3.072, 24 teste di attenzione a 128 dimensioni, un feed-forward SiTU-GLU largo 8.192 e una codifica posizionale rotativa a quattro assi. Il conteggio dei parametri principale ne esclude molti. Il text encoder è un Qwen3.5-9B congelato, e il VAE è quello di FLUX.2, caricato congelato da FLUX.2-klein-4B, con 32 canali latenti e una patch latente 2×2 sopra un downsampling 8× per uno stride effettivo di 16 pixel. Il repository SFT è di circa 27,2 GB, di cui circa 16,8 GB è l'encoder.

La sua capacità distintiva non è la qualità dell'immagine. È il fatto che il prompt possa essere un oggetto JSON contenente bounding box, stringhe di testo letterali e note tipografiche, espresso in coordinate pixel assolute misurate dal centro della tela con bbox_format "yxyx". Lo studio di ablazione del fornitore stesso è inequivocabile: su RealLayoutArena, i prompt di layout in JSON ottengono 1,622.87 mentre i prompt in linguaggio naturale sullo stesso sistema ottengono 1,506.20. L'interfaccia strutturata non è una funzione bonus avvitata al modello. È lì che risiede la performance.

La prova a supporto è un benchmark che il laboratorio ha anche creato, 7Bench, dove MOSS-Image riporta un IoU medio del layout di 0,88 contro 0,44 per Ideogram 4.0, 0,33 per Nano Banana Pro e Seedream 5.0 Pro, 0,31 per Qwen Image 3.0 Pro e 0,30 per GPT Image 2, con un AUC del layout di 0,70 contro un campo che va da 0,16 a 0,20. Sul fronte del rendering del testo riporta 96,3 Mean-6 su LongLongTextBench — un benchmark di testi letterari da 240 attività che ha anche ideato — con 97,1 in inglese e 92,4 in cinese. La riga più credibile di quella tabella è quella sopra: sul benchmark dello stesso fornitore, GPT Image 2 ottiene 99,0 e Nano Banana Pro 96,6. Pubblicare una tabella in cui un concorrente vince comunque vale qualcosa.

Quello che M‌OSS-Image non ti dà è un endpoint. Non esiste un'API commerciale che possiamo verificare, nessun playground ospitato al di là dello Space Gradio in esecuzione su una singola A10G, e nessun percorso gestito. Installi Diffusers con una pipeline personalizzata, oppure il plugin nativo ComfyUI, e la GPU la fornisci tu.

Cosa ti offre effettivamente M​AI-Image-2.6 Preview

Microsoft ha pubblicato molto meno sul proprio modello di quanto OpenMOSS abbia fatto sul suo, e lo schema di ciò che manca è rivelatore.

Cosa esiste: una linea di discendenza familiare che avanza con una cadenza di sei-otto settimane — M​AI-Image-1, poi M​AI-Image-2 a marzo 2026 con il salto nel fotorealismo e nel rendering del testo, M​AI-Image-2.5 a giugno 2026, che è diventato il motore all'interno di Bing Image Creator, PowerPoint e OneDrive, poi M​AI-Image-2.5-Pro a luglio 2026 con un livello premium 8K, e ora 2.6 circa sei settimane dopo. Le descrizioni delle capacità di M​icrosoft sono qualitative: rendering del testo più forte, ritratti e immagini 3D; output commerciale e fotorealistico più rifinito; lavoro su più immagini di riferimento in una singola generazione; grounding più ricco; maggiore controllo su ragionamento, formato e risoluzione. Nessun numero di parametri, nessuna licenza, nessuna architettura, nessuna tabella di benchmark.

Ciò che non esiste: un prezzo. L'anteprima è ad accesso su invito, la via di accesso è M​AI Playground e M​icrosoft Foundry, e non è pubblicata alcuna tariffa per immagine. Non esiste nemmeno una data di disponibilità generale. La suddivisione per categoria di Arena è l'unico risultato granulare associato al modello — si classifica al primo posto in imaging e modellazione 3D, e al secondo in cartoni animati/anime/fantasy, prodotto e branding, rendering del testo e arte — e i ranking di categoria su una classifica preliminare con pochi voti sono tutt'al più indicativi.

L'unica cosa che è chiaramente vera e chiaramente significativa è il ritmo. Microsoft sta rilasciando miglioramenti ai modelli di immagini più rapidamente di quanto questo mercato sia abituato, e il debutto su Arena suggerisce che l'effetto cumulativo è reale, non solo annunciato.

I due modelli, riga per riga

• Rilascio — MOSS-Image il 16 ottobre 2026 come pesi aperti; MAI-Image-2.6 Preview in anteprima privata il 19 agosto 2026

• Accesso — M​OSS-Image scaricabile e self-hosted, con un plugin ComfyUI e una pipeline Diffusers; M​AI-Image-2.6 Preview ad accesso su invito su M​AI Playground e M​icrosoft Foundry

• Prezzo — M​OSS-Image è gratuito da scaricare, con un'occupazione di ~27,2 GB e il tempo della tua GPU; M​AI-Image-2.6 Preview non ha una scheda di prezzo pubblicata

• Licenza — MOSS-Image è Apache 2.0 sia per i pesi sia per il codice della pipeline standalone, senza soglia di ricavi; MAI-Image-2.6 Preview è proprietario senza licenza dichiarata

• Punteggio indipendente — MOSS-Image al secondo posto su RealLayoutArena con 1.698,70 Elo (benchmark creato dall'autore); MAI-Image-2.6 Preview al secondo posto su Arena text-to-image con 1.336±11 su ~3.488 voti (classifica della community), al terzo posto su Arena single-image edit con 1.420

• Controllo del layout — M​OSS-Image accetta un layout JSON con coordinate assolute in pixel e riporta un IoU medio di 0,88 su 7Bench; M​icrosoft non pubblica alcun benchmark di layout per nessun elemento della linea di immagini M​AI

• Rendering del testo — M​OSS-Image riporta 96,3 Mean-6 su LongLongTextBench con 97,1 in inglese e 92,4 in cinese; M​AI-Image-2.6 Preview ha guadagnato +91 Elo nel rendering del testo rispetto a 2.5 secondo la ripartizione per categoria di Arena, senza che sia stata pubblicata alcuna cifra assoluta

• Editing — M​AI-Image-2.6 Preview si colloca al n. 3 nella classifica di Arena per l'editing di immagini singole; il report di M​OSS-Image non presenta l'editing come una superficie di prodotto

• Erogazione — MOSS-Image ha un lavoro in corso sul framework per il Day 0, tra cui una pull request aperta su vLLM-Omni che aggiunge il modello con skip-layer guidance e non è ancora stata unita a una release con tag; MAI-Image-2.6 Preview viene erogato da Microsoft, alle condizioni di Microsoft, quando Microsoft lo dice

Dove ciascuno è davvero in vantaggio

M​OSS-Image è in vantaggio su tutto ciò che deriva dall'essere aperto. Puoi leggere l'architettura, quantizzarlo, metterlo a punto su dati privati, eseguirlo in un ambiente air-gapped e distribuirlo all'interno di un prodotto commerciale senza negoziare una licenza — Apache 2.0 copre i pesi e il codice della pipeline standalone, senza alcun allegato sull'uso accettabile e senza un tier commerciale separato. Per un modello la cui capacità principale è rendere testo leggibile in posizioni specifiche, questo conta più di un delta di benchmark, perché il rendering del testo è esattamente la capacità che si manifesta nel lavoro con i clienti: mockup di prodotto, comp di interfaccia, infografiche, poster, layout pubblicitari.

M​AI-Image-2.6 Preview è in vantaggio su ciò che deriva dall'essere un modello di piattaforma anziché un repository. Ha una distribuzione verso centinaia di milioni di persone tramite Bing Image Creator, PowerPoint e OneDrive, è destinato a un endpoint cloud gestito su Foundry e viene migliorato con una cadenza pubblicata. Se la tua esigenza è un modello di immagini che la tua organizzazione possa chiamare da uno stack in stile M​icrosoft con un contratto di supporto alle spalle, nessuna quantità di Apache 2.0 lo sostituisce.

La zona intermedia scomoda è dove si trova in realtà la maggior parte dei team. Microsoft non ha pubblicato un prezzo, una licenza né un numero di parametri, quindi non puoi stimare il costo di adozione del suo modello. OpenMOSS ha pubblicato tutto questo, e nessun modo per invocarlo senza possedere l'hardware.

Ciò che nessuno dei due cambia della tua giornata

Entrambi questi modelli restano fuori dal mercato hosted su cui probabilmente già costruisci, ed è qui che un livello di routing merita di dire qualcosa di preciso anziché promozionale. Non ospitiamo M​OSS-Image e non ospitiamo M​AI-Image-2.6 Preview, quindi nulla di ciò che segue è un'offerta per servirli. Ciò che serviamo è invece l'insieme di confronto: i modelli immagine hosted con cui misureresti un M​OSS-Image self-hosted sono raggiungibili con una sola chiave API su il nostro catalogo al prezzo di listino del provider con 0% di markup, il che significa che una variazione di prezzo del fornitore lato hosted è attiva lo stesso giorno anziché seguire un ciclo contrattuale, con failover automatico tra provider, così che una sessione di benchmark non muoia perché un upstream ha avuto un pomeriggio storto. Provare un checkpoint non ancora collaudato contro uno a noleggio non dovrebbe richiedere un secondo SDK, e questa è l'unica affermazione che facciamo.

Per quanto riguarda specificamente M​AI-Image-2.6 Preview, non c'è ancora nulla da instradare. La posizione onesta è che il modello è reale, il ranking è reale e l'accesso è una lista d'attesa.

Chi dovrebbe agire, e chi dovrebbe continuare a guardare

Scegli MOSS-Image se disponi di GPU, di un flusso di lavoro in grado di esprimere l'intento sotto forma di box e stringhe, e di un caso d'uso in cui il layout è il risultato da consegnare anziché un felice incidente. Parti dal checkpoint SFT, prevedi a budget 16,8 GB per l'encoder prima di preventivare il generatore, e aspettati 50 passaggi di campionamento con due forward del transformer per passaggio, a meno che tu non adotti una delle distillazioni della community. Due di queste sono comparse entro un giorno dal rilascio: una DMD LoRA a 4 step e una variante distillata a 8 step, nessuna delle due supportata dal fornitore né sottoposta a benchmark.

Aspetta MOSS-Image se hai bisogno di un endpoint richiamabile questa settimana, se stai noleggiando capacità invece di possederla, o se vuoi un numero che non è stato prodotto dalle persone che hanno creato il test. Tutti e tre i risultati solidi sopra provengono da benchmark creati dal fornitore, utilizzando una fase di specifica che il rapporto afferma essere eseguita su GPT-6 in fase di inferenza — quindi l'Elo end-to-end è una pipeline a due modelli, non l'output di un singolo modello.

Aspetta M​AI-Image-2.6 Preview se ti serve qualcosa di contrattuale. Tienilo d'occhio se sei già un cliente Foundry, perché la cadenza indica che la prossima versione arriverà tra sei e otto settimane e l'anteprima si trasformerà in qualcosa con un prezzo associato.

Ciò che risolverebbe questo confronto è la stessa cosa per entrambi, e nessuno dei due ce l'ha: un'esecuzione indipendente del benchmark su cui ciascuno è classificato. Per M​OSS-Image ciò significa che qualcuno diverso da OpenMOSS esegua LongLongTextBench o RealLayoutArena. Per M​AI-Image-2.6 Preview significa che la classifica dell'Arena accumuli abbastanza voti che ±11 smetta di contare, oppure che M​icrosoft pubblichi un prezzo.

Finché una di queste cose non accade, il riassunto accurato è questo — un modello di ricerca da 5B con licenza permissiva, con un'interfaccia testo-e-layout insolitamente buona e senza endpoint, contro un modello di piattaforma proprietario con un ranking indipendente della comunità, una distribuzione reale e nessun prezzo. Quello su cui puoi agire dipende interamente dal fatto che il tuo collo di bottiglia sia una licenza o un URL.

I fallimenti documentati dell'IA e gli incidenti degli agenti dietro release come questa sono raccolti nell'OrcaRouter AI Incident Archive, dove ogni voce riporta le proprie fonti, gravità, grado di confidenza e flag di contestazione.