MOSS-Image vs MAI-Image-2.6 Preview：どちらも2位、どちらも「1位」とは呼べない

M​OSS-Image と M​AI-Image-2.6 Preview には、どちらも新しい画像モデルだというだけにとどまらない共通点がある。M​OSS-Image は2026年10月16日にオープンウェイトとして公開された — Apache 2.0 の下での M​OSS-Image-Base および M​OSS-Image-SFT チェックポイントである。M​AI-Image-2.6 Preview は2026年8月19日に M​icrosoft の M​AI Playground と M​icrosoft Foundry でプライベートプレビューに入った。それぞれ現在、あるリーダーボードで2位に位置しており、その2つのリーダーボードは別々の人物によって異なる手法で作られたもので、どちらのモデルにも調べて確認できる価格は存在しない。

その最後の点が比較のすべてだ。これは、レンタルして互いに測り合える2つのものを直接対決させる話ではない。研究ラボからの27 GBのダウンロードと、プラットフォーム企業による招待制のプレビューとの対戦であり、有用な問いはどちらが高いスコアを出すかではない — 今四半期に実際に製品へ組み込めるのはどちらか、そして各ベンダーがあなたのコミット前に何を開示してくれるかだ。

2位が2つ、そしてそれぞれが何を測っているのか

両モデルで引用される数字はどちらも「No. 2」で、その偶然の一致は、それらがほとんど正反対のものを測っているという事実を覆い隠している。

M​OSS-Imageの2位は、RealLayoutArenaという、ポスター、インフォグラフィック、ユーザーインターフェースを対象とした61タスクのデザインベンチマークに由来し、このベンチマークは同モデル自身の技術報告書にも付属している。スコアは1,698.70 Elo、95%信頼区間は1,655.96～1,741.43で、1,844.35のGPT Image 2に次ぐ。RealLayoutArenaは、M​OSS-Imageを開発したラボであるOpenMOSSによって構築され、その中のベースラインは、他社モデルに対する同ラボ自身の実行結果である。これはベンダーのスコアボードであり、ベンダー自身がそうラベル付けしている。

MAI-Image-2.6 Previewが2位につけているのは、Arena、つまり名称を変えたLMArenaによるもので、そこでは人間のブラインド投票者が同じプロンプトから生成された2枚の画像のうち優れた方を選ぶ。このエントリーは文字通りmai-image-2.6-previewという名前で、約3,488票で1,336 Elo、誤差±11を示しており、1,381のGPT Image 2 Mediumの後ろ、1,316のGrok Imagine Image 2.0の前に位置する。同じプレビュービルドは後にArenaの単一画像編集ボードで1,420ポイントを記録して3位に入った。これは独立した人間の選好指標であり、同時に暫定的なものでもある。そのボードの首位エントリーは70,000票以上を集めているため、3,488票のエントリーに生じる誤差は現実のものであり、初期投票のEloは変動する。

正直に言えば、一方のモデルは自作のテストで2位、もう一方は、その裏付けとなる証拠が5分の1しかないクラウドソースのリーダーボードで2位につけている。どちらも確定した結果ではなく、発表した組織の外部の誰かによって再現されたものでもない。

MOSS-Imageが実際にもたらすもの

MOSS-Image は、ゼロから学習された 5B のシングルストリーム拡散トランスフォーマーです。42 個のジョイントブロック、隠れ幅 3,072、128 次元の 24 個のアテンションヘッド、幅 8,192 の SiTU-GLU フィードフォワード、そして 4 軸の回転位置エンコーディングを備えています。公表されているパラメータ数には、多くのものが含まれていません。テキストエンコーダは凍結された Qwen3.5-9B で、VAE は FLUX.2 のもので、FLUX.2-klein-4B から凍結状態で読み込まれ、32 個の潜在チャネルと 2×2 の潜在パッチを 8× ダウンサンプルの上に備え、実効ストライドは 16 ピクセルになります。SFT リポジトリは約 27.2 GB で、そのうち約 16.8 GB がエンコーダです。

その決定的な能力は画質ではありません。プロンプトが、バウンディングボックス、リテラルなテキスト文字列、タイポグラフィの注記を含む JSON オブジェクトであり得ることです。それは、キャンバス中心から測った絶対ピクセル座標で表現されます。使用する形式はbbox_format "yxyx"です。ベンダー自身のアブレーションは、この点を露骨に示しています。RealLayoutArena では、JSON レイアウトプロンプトのスコアは 1,622.87 である一方、同じシステムの自然言語プロンプトは 1,506.20 です。構造化インターフェースは、モデルに後付けされたボーナス機能ではありません。性能が宿るのはそこです。

裏付けとなる証拠は、同じラボが自ら構築したベンチマークである7Benchです。そこでは、MOSS-Imageが平均レイアウトIoU 0.88を報告しているのに対し、Ideogram 4.0は0.44、Nano Banana ProとSeedream 5.0 Proは0.33、Qwen Image 3.0 Proは0.31、GPT Image 2は0.30で、Layout AUCは0.70に対して競合他社が0.16〜0.20の範囲となっています。テキストレンダリング面では、同じくラボが作成した240タスクの文芸テキストベンチマークLongLongTextBenchでMean-6 96.3を報告しており、英語では97.1、中国語では92.4です。その表の中で最も信頼できる行は、そのすぐ上の行です。ベンダー自身のベンチマークで、GPT Image 2は99.0、Nano Banana Proは96.6を記録しています。競合が依然として勝利する表を公開することには、それなりの価値があります。

MOSS-Imageが提供しないのはエンドポイントです。検証可能な商用APIはなく、単一のA10Gで動作するGradio Space以外にホストされたプレイグラウンドもなく、マネージドな経路もありません。カスタムパイプラインを使うDiffusers、またはネイティブのComfyUIプラグインをインストールし、GPUは自分で用意することになります。

MAI-Image-2.6 Previewが実際に提供するもの

Microsoftは自社のモデルについて、OpenMOSSが自社のモデルについて公表しているよりもはるかに少なくしか公表しておらず、何が欠けているかというパターンは示唆に富んでいる。

存在するもの：6～8週間の周期で進むファミリー系譜 — M​AI-Image-1、次に2026年3月のM​AI-Image-2で写実性とテキスト描画が飛躍し、2026年6月のM​AI-Image-2.5はBing Image Creator、PowerPoint、OneDriveの内部エンジンとなり、次に2026年7月のM​AI-Image-2.5-Proは8Kプレミアム階層を備え、そして約6週間後の現在は2.6。M​icrosoft自身の能力説明は定性的だ：より強力なテキスト描画、ポートレート、3D画像；より洗練された商用および写実的な出力；単一の生成で複数の参照画像を横断して扱える；より豊かなグラウンディング；推論、フォーマット、解像度のより大きな制御。パラメータ数も、ライセンスも、アーキテクチャも、ベンチマーク表もない。

存在しないもの：価格。プレビューは招待制で、アクセス経路は M​AI Playground と M​icrosoft Foundry であり、画像ごとの料金は公開されていない。一般提供日もない。Arena のカテゴリ別内訳は、このモデルに付随する唯一の詳細な結果である — 3D イメージングとモデリングでは1位、カートゥーン/アニメ/ファンタジー、製品とブランディング、テキストレンダリング、アートでは2位 — そして、投票数の少ない暫定ボード上のカテゴリ順位は、せいぜい方向性を示すにすぎない。

明らかに事実であり、明らかに重要な唯一の点は、そのケイデンスだ。Microsoft はこの市場が慣れているよりも速いペースで画像モデルの改善を出荷しており、Arena のデビューは、その複利効果が発表されたものではなく実在するものであることを示唆している。

2つのモデルを1行ずつ

• リリース — MOSS-Image を2026年10月16日にオープンウェイトとして；MAI-Image-2.6 Preview を2026年8月19日にプライベートプレビューへ

• アクセス — M​OSS-Imageはダウンロード可能でセルフホスト可能、ComfyUIプラグインとDiffusersパイプラインを備える。M​AI-Image-2.6 PreviewはM​AI PlaygroundとM​icrosoft Foundryで招待制。

• 価格 — MOSS-Image は無料でダウンロードでき、約27.2 GB の占有容量と自身の GPU 時間が必要。MAI-Image-2.6 Preview には公表された価格表がありません

• ライセンス — M​OSS-Image は、重みとスタンドアロンのパイプラインコードの両方について Apache 2.0 であり、収益のしきい値はありません。M​AI-Image-2.6 Preview はプロプライエタリで、ライセンスは明記されていません

• 独立スコア — RealLayoutArenaではMOSS-Imageが1,698.70 Eloで2位（作者作成ベンチマーク）。Arenaのテキストto画像ではMAI-Image-2.6 Previewが約3,488票で1,336±11の2位（クラウドソース型ボード）、Arenaの単一画像編集では1,420で3位

• レイアウト制御 — MOSS-Image は絶対ピクセル座標を含む JSON レイアウトを受け付け、7Bench で平均 IoU 0.88 を報告している。Microsoft は MAI 画像ラインのいずれについてもレイアウトベンチマークを公開していない。

• テキストレンダリング — MOSS-ImageはLongLongTextBenchで96.3 Mean-6を報告しており、英語で97.1、中国語で92.4。MAI-Image-2.6 Previewは、Arenaのカテゴリ別内訳によると、テキストレンダリングで2.5比+91 Eloを獲得したが、絶対値は公表されていない

• 編集 — M{{1}}AI-Image-2.6 PreviewはArenaのシングルイメージ編集ボードで3位に測定されています。M{{2}}OSS-Imageのレポートは、編集を製品の表面として提示していません

• サービング — M​OSS-Image では Day 0 フレームワーク作業が進行中で、スキップ層ガイダンス付きでモデルを追加するオープンな vLLM-Omni プルリクエストを含み、まだタグ付きリリースにはマージされていません；M​AI-Image-2.6 Preview は、M​icrosoft がそう言うときに、M​icrosoft の条件で M​icrosoft によって提供されます

それぞれが本当に優れている点

MOSS-Image は、オープンであることから導かれるあらゆる点で先行しています。アーキテクチャを読み、量子化し、自社の非公開データでファインチューニングし、エアギャップ環境で動かし、ライセンス交渉なしに商用製品に組み込んで出荷できます。Apache 2.0 がカバーするのは重みとスタンドアロンのパイプラインコードで、利用規定の付属条項も、別個の商用ティアもありません。看板となる能力が「特定の位置に読みやすいテキストを描画すること」であるモデルにとって、このことはベンチマークの差分以上に重要です。というのも、テキスト描画こそ、クライアントワーク——製品モックアップ、UI のデザイン案、インフォグラフィック、ポスター、広告レイアウト——で登場する能力だからです。

M​AI-Image-2.6 Preview は、リポジトリではなくプラットフォームモデルであることから生じる事柄において先行しています。Bing Image Creator、PowerPoint、OneDrive を通じて数億人に配布されており、Foundry 上のマネージドクラウドエンドポイントを目指しており、公開されたケイデンスで改善が進められています。あなたの組織が求めるのが、サポート契約に支えられた M​icrosoft 流のスタックから呼び出せる画像モデルであるなら、どれだけ Apache 2.0 があってもそれに代わることはできません。

居心地の悪い中間こそ、ほとんどのチームが実際に置かれている場所だ。Microsoftは価格もライセンスもパラメータ数も公表していないため、そのモデルを採用するコストを見積もることができない。OpenMOSSはそれらすべてを公表しているが、ハードウェアを所有していなければそれを呼び出す方法はない。

どちらもあなたの一日について変えないこと

これらのモデルはどちらも、おそらくすでに構築対象としているホスト型市場の外側にあります。そしてそここそ、ルーティング層が宣伝文句ではなく正確なことを語る価値がある領域です。当社はMOSS-Imageをホストしておらず、MAI-Image-2.6 Previewもホストしていません。したがって、ここにあるのはどちらかを提供する申し出ではありません。当社が提供するのは比較セットです。セルフホスト型MOSS-Imageを評価する際に対照となるホスト型画像モデルは、1つのAPIキーで当社のカタログからプロバイダー定価・マークアップ0%で利用できます。つまり、ホスト側のベンダー価格変更が契約サイクルではなく当日に反映され、自動フェイルオーバーがプロバイダー間で機能するため、1つのアップストリームの不調でベンチマーク実行が止まることはありません。実績のないチェックポイントをレンタル品と比較するのに2つ目のSDKを必要とすべきではありません。そしてそれが、当社が主張している唯一のことです。

特に M​AI-Image-2.6 Preview については、まだルーティングできるものは何もありません。正直なところ、モデルは実在し、ランクも実在し、アクセスは順番待ちリストです。

誰が行動を起こすべきか、そして誰が見守り続けるべきか

GPUがあり、意図をボックスと文字列として表現できるワークフローがあり、レイアウトが偶然の産物ではなく成果物そのものであるユースケースがあるなら、M​OSS-Imageを選ぶとよい。SFTチェックポイントから始め、生成器の予算を立てる前にエンコーダの16.8 GBを見込んでおき、コミュニティの蒸留版のいずれかを採用しない限り、1ステップあたりトランスフォーマー2回のフォワードで50サンプリングステップを想定しておこう。そうした蒸留版のうち2つはリリースから1日以内に登場した。4ステップのDMD LoRAと8ステップの蒸留版で、どちらもベンダーによるサポートはなく、ベンチマークも取られていない。

今週中に呼び出し可能なエンドポイントが必要なら、容量を所有するのではなく借りているなら、あるいはテストを作成した人たちによって生成されたものではない単一の数値が欲しいなら、M​OSS-Image の採用は待ったほうがよい。上記の3つの有力な結果はいずれも、ベンダーが自ら作成したベンチマークから得られたもので、レポートによれば推論時に G​PT-6 上で実行される仕様段階を使用している。したがって、エンドツーエンドの Elo は単一モデルの出力ではなく、2モデルのパイプラインである。

契約に関することを必要としているなら、M​AI-Image-2.6 Preview を待ちましょう。すでに Foundry の顧客であれば、注目してください。というのも、リリース周期からすると次のバージョンは6〜8週間先で、このプレビューは価格が付いたものに移行するからです。

この比較に決着をつけるのは、両者にとって同じもの、そしてどちらも持っていないものだ。それは、それぞれが順位付けされているベンチマークの独立した実行である。M​OSS-Imageの場合、それはOpenMOSS以外の誰かがLongLongTextBenchやRealLayoutArenaを実行することを意味する。M​AI-Image-2.6 Previewの場合、それはArenaボードが、±11が問題にならなくなるほど十分な票を集めること、あるいはM​icrosoftが価格を公表することを意味する。

そのうちのどれかが起こるまでは、正確な要約はこうだ — 寛容型ライセンスで提供される5Bの研究モデルで、テキストとレイアウトのインターフェースは異常に優れているが、エンドポイントはない。一方、独立したクラウドソースランキングを持ち、実際の配布があり、価格がないプロプライエタリなプラットフォームモデルがある。あなたが実際に対処できるのは、ボトルネックがライセンスなのかURLなのかによって完全に決まる。

このようなリリースの背景にある、文書化されたAI障害やエージェントのインシデントは、OrcaRouter AI Incident Archiveに収集されており、各エントリには独自の情報源、重大度、信頼度グレード、異議申し立てフラグが付いています。