MAI Image 2.7 Preview vs Krea 3: het enige Elo-verschil in deze serie dat je echt kunt vertrouwen

Van de vier bewerkingsmodellen waarmee MAI Image 2.7 Preview deze week wordt vergeleken, is Krea 3 het enige waarvan de score op dezelfde meetlat staat. Beide staan op de AA-Image-Editing v2.1-ranglijst van Artificial Analysis, en op die ranglijst staat Krea 3 Ultra op 1.151 Elo — hetzelfde cijfer als MAI-Image-2.6 en Nano Banana 2.1, drie modellen die bovenaan de tweede tier staan. MAI Image 2.7 Preview debuteerde op 1.193, wat een verschil van 42 punten tussen de twee oplevert.

Dat is een echt getal, op een manier waarop de andere vergelijkingen dat niet zijn. Het is hetzelfde leaderboard, dezelfde scoring run en dezelfde snapshot. Het is ook klein genoeg om fragiel te zijn: een Elo-verschil van 42 punten op een leaderboard met betrouwbaarheidsintervallen is geaggregeerd een reëel voordeel, geen garantie voor jouw specifieke asset.

Daardoor is de interessante vraag niet 'wat is beter', maar 'wat doet Krea 3 dat een model met 42 punten meer niet doet', want het antwoord blijkt een lange lijst te zijn.

Hetzelfde bord, en wat 42 punten opleveren

Artificial Analysis scoort 2,7 op 1.193, tweede overall, zes achter GPT Image 2.5 Sunburst op zijn maximale tier en elf voor op GPT Image 2.5 Flare. Krea 3 Ultra's 1.151 plaatst het in de groep direct daaronder, op hetzelfde niveau als Microsofts vorige generatie.

Categoriedetail maakt het scherper. Microsoft zegt dat 2.7 op alle tien gebruiksscenario's en alle zeven bewerkingsacties verbeterd is ten opzichte van 2.6, en Artificial Analysis zet het op de eerste plaats voor vier van de zeven acties — verbetering en restauratie, op redenering gebaseerde bewerkingen, scène en stijl, en tekst- of symboolbewerking — met de grootste marge bij scène en stijl: 24 punten. De drie waarop het niet vooroploopt, compositie, bewerkingen van afzonderlijke objecten en identiteitsbehoud, zijn in handen van OpenAI.

Afgezet tegen Krea 3 suggereert dat profiel dat de 42 punten geconcentreerd zijn in plaats van verspreid. Een Krea 3-gebruiker die naar 2.7 overstapt, zou de grootste winst verwachten bij werk op het hele frame — deze scène restylen, deze foto opnieuw belichten, deze scan restaureren — en veel minder bij de regionale, gemaskeerde, nauwkeurig begrensde bewerkingen waarvoor Krea 3 expliciet is gebouwd.

Acht seconden tegen wanneer je ook maar een beurt krijgt

Het bepalende getal van Krea 3 is latentie. Het bedrijf claimt end-to-end bewerkingen in minder dan acht seconden bij native 2K, waarbij de snelste configuraties rond vier tot vijf seconden uitkomen, en beschrijft het model als nog niet realtime, maar dicht genoeg bij om interactief aan te voelen. Of dat getal onder je eigen belasting standhoudt, is een aparte vraag, maar de claim is specifiek en controleerbaar op een manier waarop de meeste lanceerclaims dat niet zijn.

MAI Image 2.7 Preview heeft geen latentiecijfer omdat er geen endpoint is. Het interactiemodel is een browsertab in MAI Playground, één afbeelding per keer, en Microsoft heeft geen doorvoer-, wachtrij- of snelheidsinformatie voor de preview gepubliceerd. Er werd gemeld dat de eerdere MAI-Image-2-playground ongeveer vijftien generaties per dag toestond, met een wachttijd ertussen; dat cijfer is nooit bevestigd voor 2.7 en mag niet worden aangenomen.

Het gevolg is structureel in plaats van gradueel. Een bewerking van acht seconden is snel genoeg om binnen een designtool te passen, en daarom positioneert Krea positions 3 als een editor voor commerciële teams in plaats van als een generator met een bewerkingsmodus. Een round trip in de playground is snel genoeg om te evalueren en veel te traag om op voort te bouwen. De twee op snelheid vergelijken is niet twee snelheden vergelijken; het is een latentiecijfer afzetten tegen een cijfer dat er niet is.

LoRA-training is het vermogen zonder tegenhanger

Krea 3 ondersteunt het trainen van een LoRA op een specifiek product, persoon of stijl, en het bedrijf beweert dat het het eerste bewerkingsmodel is dat op deze manier kan worden getraind. Of die "eerste" nu standhoudt of niet, die mogelijkheid is het meest verstrekkende onderdeel van beide specificatielijsten.

Een bewerkingsmodel dat generaliseert is nuttig voor eenmalig werk. Een bewerkingsmodel dat je op je eigen catalogus kunt afstemmen is een ander soort aanwinst: het leert hoe je product eruitziet vanuit hoeken die de prompt niet kan beschrijven, en het heeft niet langer bij elk verzoek een referentieafbeelding nodig. Voor een studio met een vaste productlijn verandert dat een kostenpost per aanroep in een eenmalige trainingskost plus goedkopere aanroepen.

MAI Image 2.7 Preview biedt niets vergelijkbaars en zou dat in zijn huidige vorm ook niet kunnen — er is geen trainingsinterface, geen gewichten en geen API. Het model van Microsoft is een capaciteit die je in een browser huurt; dat van Krea is een capaciteit die je kunt aanpassen.

Stijlreferenties zijn de lichtere versie van hetzelfde idee, en Krea 3 ondersteunt die ook, naast regionale bewerking en bounding-box-besturing. Het patroon is consistent: Krea levert de besturingselementen, Microsoft het beoordelingsvermogen.

Referentietelling is aan beide kanten een puinhoop

De documentatie van Krea 3 spreekt zichzelf tegen over hoeveel referentieafbeeldingen het accepteert. De lanceerpost zegt zes. De productpagina en API-documentatie zeggen acht. De API verkleint referenties vanaf de zesde en raadt vier of minder aan voor volledig detail, en een Zero Data Retention-modus beperkt het aantal tot vier. Al die getallen zijn van Krea zelf, gepubliceerd op verschillende momenten voor verschillende oppervlakken.

Dat is de moeite waard om te markeren, niet als misleiding maar als herinnering aan hoe specificatiebladen verouderen. Een referentieplafond is een product van resolutie, geheugen en factureringsmodel, en het verandert wanneer een leverancier de serving stack afstemt.

Voor MAI Image 2.7 Preview bestaat het overeenkomstige aantal helemaal niet. Microsoft heeft geen referentiemaximum, geen resolutie, geen kwaliteitsniveaus en geen maskerconventie gepubliceerd. De voorganger MAI-Image-2.6 accepteerde tot vijf referenties en beperkte de uitvoer tot ongeveer 1536×1536; aannemen dat 2.7 een van beide limieten erft, is een gevolgtrekking. Op dit vlak is Krea 3 niet beter gedocumenteerd — het is gedocumenteerd, en de ambiguïteit is zichtbaar in plaats van afwezig.

Denkmodi en de prijs van voorzichtigheid

Krea 3 biedt snelle en high-thinkingmodi, en de prijs weerspiegelt het verschil: $0,06 per afbeelding bij 2K op de standaardinstelling en $0,08 bij high thinking op 2K, met respectievelijk $0,05 en $0,03 bij 1K. Invoerafbeeldingen worden apart gefactureerd tegen $0,02 per megapixel. Uitvoer gaat naar native 2K met een 4K-optie voor druk- en grootformaatwerk.

Het tweemodusontwerp past goed bij bewerken, omdat de moeilijkheid van bewerkingen sterk bimodaal is. Een horizon rechtzetten en een reflectie opnieuw opbouwen zijn niet dezelfde klus, en voor beide hetzelfde tarief betalen rekent te veel voor het gemakkelijke geval. Een team dat eenvoudige bewerkingen naar de snelle modus stuurt en complexe naar hoog nadenken, kan zijn rekening aanzienlijk verlagen zonder bij elk verzoek een kwaliteitsbeslissing te nemen.

MAI Image 2.7 Preview heeft geen niveaus, geen modi en geen prijs. De kwaliteit is wat het model doet, en de kosten zijn de middag van de analist.

CPI-Bench tegen een ranglijst

Krea noemt een CPI-Bench-score van 4,81 op 5 voor Krea 3 Ultra, waarmee het achter GPT Image 2.5 en voor GPT Image 2, Seedream 5 Pro en Nano Banana 2 en Pro staat. Dat is een door de leverancier gerapporteerde benchmarkuitslag en moet ook zo worden gelezen: het is geen onafhankelijke ranglijst, en de vergelijkingsset wordt gekozen door het bedrijf dat hem publiceert.

Het wijst echter wel op iets wat de Elo-ranglijst niet goed vastlegt: gebruikersvoorkeur bij commercieel creatief werk, waar CPI-Bench omheen is gebouwd. De eigen pitch van Krea is dat het model 10× sneller is dan GPT Image 2 en 4× sneller dan Nano Banana Pro, en een benchmark die bruikbare output per tijdseenheid beloont, zal een snel model bevoordelen, zelfs wanneer een langzamer model hoger scoort in blinde paarsgewijze vergelijkingen.

Het bewijs van Microsoft wijst de andere kant op. De cijfers zijn plaatsingen op ranglijsten — tweede op de bewerkingsranglijst, derde op Arena Edit met 1.470 punten en een winst van 45 punten ten opzichte van 2.6, waardoor Microsoft het op één na hoogst gerangschikte lab op die ranglijst is — plus een reeks categorieclaims die uit die runs zijn afgeleid. Beide zijn legitiem; geen van beide is een rechtstreekse vergelijking met het andere model.

Het oordeel verschilt per functie, niet per score.

Als je dit kwartaal een bewerkingsfunctie in een product bouwt, is Krea 3 standaard het antwoord, en niet vanwege zijn Elo. Het heeft een API, een gepubliceerde prijs, een latentiecijfer, referentiecontrols, regionale maskers, een snelle modus voor goedkope bewerkingen en LoRA-training voor je eigen catalogus. MAI Image 2.7 Preview heeft niets daarvan, en de voorsprong van 42 punten overleeft het contact met een pipeline die het niet kan aanroepen niet.

Als je een editor kiest voor werk dat een mens met de hand doet, is de rangorde iets waard. Scène-restyling, herbelichting en restauratie zijn waar de voorsprong van 2.7 geconcentreerd is, en een designer die in Playground werkt, kan dat voordeel direct benutten.

Als je probeert te beslissen of de frontier ver genoeg is opgeschoven om over te stappen, is de eerlijke lezing dat hij 42 punten is opgeschoven op één board, wat betekenisvol is op populatieschaal en klein op de schaal van één moeilijke afbeelding. De praktische manier om het te beslechten is je vijf moeilijkste bewerkingen door beide te halen — de Arena-vergelijking voor 2.7 kost niets, en Krea 3 kost ongeveer dertig cent voor dezelfde vijf op 2K.

OrcaRouter host geen van beide modellen, dus dit is vandaag geen routingbeslissing. Het is een beslissing over waarop je je bewerkingslaag bouwt, en de lagen die nu routeerbaar zijn — de OpenAI-afbeeldingsniveaus die 2.7 op dat bord omsluiten, tegen de lijstprijs van de provider zonder toegevoegde opslag — zijn degene die je achter een fallback-keten kunt zetten terwijl een model van previewkwaliteit zich bewijst.