MAI Image 2.7 Preview kontra Krea 3: jedyna różnica w Elo w tej serii, której naprawdę możesz zaufać

Spośród czterech modeli do edycji, z którymi MAI Image 2.7 Preview jest w tym tygodniu porównywany, Krea 3 to jedyny, którego wynik lokuje się na tej samej skali. Oba widnieją na tablicy AA-Image-Editing v2.1 serwisu Artificial Analysis i właśnie tam Krea 3 Ultra ma 1 151 Elo — tyle samo co MAI-Image-2.6 i Nano Banana 2.1, czyli trzy modele ex aequo na szczycie drugiego poziomu. MAI Image 2.7 Preview zadebiutował z wynikiem 1 193, co daje 42 punkty różnicy między nimi.

To jest realna liczba w takim sensie, w jakim inne porównania nią nie są. To ta sama tabela, ten sam przebieg punktacji i ten sam snapshot. Jest też wystarczająco mała, by być krucha: różnica 42 punktów Elo na tabeli liderów z przedziałami ufności to rzeczywista przewaga w ujęciu zbiorczym, a nie gwarancja dla twojego konkretnego zasobu.

Co sprawia, że interesującym pytaniem nie jest „który jest lepszy”, ale „co Krea 3 robi, czego nie robi model o 42 punkty lepszy”, ponieważ odpowiedź okazuje się długą listą.

Ta sama plansza i co można kupić za 42 punkty

Artificial Analysis uzyskuje wynik 2,7 przy 1 193, drugie miejsce ogółem, o sześć za GPT Image 2.5 Sunburst na najwyższym poziomie i o jedenaście przed GPT Image 2.5 Flare. Wynik 1 151 modelu Krea 3 Ultra plasuje go w grupie bezpośrednio poniżej, na poziomie poprzedniej generacji Microsoftu.

Szczegóły kategorii to doprecyzowują. Microsoft twierdzi, że 2.7 poprawiło się we wszystkich dziesięciu przypadkach użycia i wszystkich siedmiu operacjach edycyjnych względem 2.6, a Artificial Analysis stawia je na pierwszym miejscu w czterech z siedmiu działań — ulepszanie i przywracanie, edycje oparte na rozumowaniu, scena i styl oraz edycja tekstu lub symboli — z największą przewagą w scenie i stylu, wynoszącą 24 punkty. Trzy działania, w których nie prowadzi — kompozycja, edycje pojedynczych obiektów i zachowanie tożsamości — należą do OpenAI.

W zestawieniu z Krea 3 ten profil sugeruje, że 42 punkty są skoncentrowane, a nie rozproszone. Użytkownik Krea 3 przechodzący na 2.7 spodziewałby się największych korzyści w pracy na całej klatce — zmiana stylu tej sceny, zmiana oświetlenia tego zdjęcia, przywrócenie tego skanu — a znacznie mniejszych w edycjach regionalnych, maskowanych i precyzyjnie ograniczonych, do których Krea 3 została wprost stworzona.

Osiem sekund w kontrze do każdej okazji, gdy masz swoją kolej

Kluczowym parametrem Krea 3 jest opóźnienie. Firma twierdzi, że edycje end-to-end trwają poniżej ośmiu sekund w natywnym 2K, a najszybsze konfiguracje osiągają około czterech–pięciu sekund, i opisuje model jako jeszcze nie działający w czasie rzeczywistym, ale wystarczająco bliski, by odczuwać interaktywność. To, czy ta liczba utrzyma się przy własnym obciążeniu, to osobna kwestia, ale twierdzenie jest konkretne i sprawdzalne w sposób, w jaki większość twierdzeń premierowych nie jest.

MAI Image 2.7 Preview nie ma podanej wartości opóźnienia, ponieważ nie ma punktu końcowego. Jego model interakcji to karta przeglądarki w MAI Playground, jedno zdjęcie naraz, a Microsoft nie opublikował żadnych informacji o przepustowości, kolejce ani limitach dla tej wersji zapoznawczej. Podawano, że wcześniejszy playground MAI-Image-2 pozwalał na około piętnaście generacji dziennie z oczekiwaniem między nimi; tej liczby nigdy nie potwierdzono dla wersji 2.7 i nie należy jej zakładać.

Konsekwencja jest strukturalna, a nie inkrementalna. Ośmiosekundowa edycja jest wystarczająco szybka, by mieścić się w narzędziu projektowym, dlatego Krea pozycjonuje 3 jako edytor dla zespołów komercyjnych, a nie generator z trybem edycji. Runda w playgroundzie jest wystarczająco szybka, by dokonać oceny, i zdecydowanie zbyt wolna, by na niej budować. Porównywanie obu pod względem szybkości nie jest porównywaniem dwóch szybkości; to porównywanie wartości opóźnienia z wartością nieobecną.

Trening LoRA to zdolność niemająca odpowiednika

Krea 3 obsługuje trenowanie LoRA na konkretnym produkcie, osobie lub stylu, a firma twierdzi, że to pierwszy model do edycji, który można trenować w ten sposób. Niezależnie od tego, czy „pierwszeństwo" się obroni, ta możliwość jest najistotniejszym elementem obu specyfikacji.

Model edycji, który generalizuje, przydaje się do prac jednorazowych. Model edycji, który można dostroić na własnym katalogu, to zupełnie inny rodzaj zasobu: uczy się, jak wygląda produkt z ujęć, których nie da się opisać w prompcie, i przestaje potrzebować obrazu referencyjnego przy każdym żądaniu. W przypadku studia ze stałą linią produktów zamienia to koszt ponoszony przy każdym wywołaniu w jednorazowy koszt treningu plus tańsze wywołania.

MAI Image 2.7 Preview nie oferuje niczego porównywalnego i w swojej obecnej formie nie mogłoby — nie ma interfejsu do trenowania, wag ani API. Model Microsoftu to możliwość, którą wynajmujesz w przeglądarce; model Krea to możliwość, którą możesz dostosować.

Referencje stylu to lżejsza wersja tego samego pomysłu, a Krea 3 również je obsługuje, obok edycji regionalnej i kontroli za pomocą ramek ograniczających. Wzorzec jest spójny: Krea dostarcza mechanizmy kontroli, Microsoft – osąd.

Zliczanie referencji to bałagan po obu stronach

Dokumentacja Krea 3 sama sobie przeczy w kwestii tego, ile obrazów referencyjnych akceptuje. Wpis premierowy mówi o sześciu. Strona produktu i dokumentacja API mówią o ośmiu. API zmniejsza rozdzielczość referencji powyżej piątej i zaleca nie więcej niż cztery, aby uzyskać pełny poziom szczegółów, a tryb Zero Data Retention ogranicza tę liczbę do czterech. Wszystkie te liczby pochodzą od samej Krei i zostały opublikowane w różnym czasie dla różnych obszarów produktu.

Warto to zaznaczyć nie jako przejaw oszustwa, lecz jako przypomnienie o tym, jak starzeją się karty specyfikacji. Pułap odniesienia jest wypadkową rozdzielczości, pamięci i modelu rozliczeń i zmienia się, gdy dostawca dostraja stos obsługi.

W przypadku MAI Image 2.7 Preview odpowiednia liczba w ogóle nie istnieje. Microsoft nie opublikował żadnego referencyjnego maksimum, żadnej rozdzielczości, żadnych poziomów jakości ani żadnej konwencji masek. Poprzednik, MAI-Image-2.6, akceptował do pięciu referencji i ograniczał wynik do około 1536×1536; założenie, że 2.7 dziedziczy którykolwiek z tych limitów, jest wnioskowaniem. W tym wymiarze Krea 3 nie jest lepiej udokumentowana — jest udokumentowana, a niejednoznaczność jest widoczna, a nie nieobecna.

Tryby myślenia i koszt bycia ostrożnym

Krea 3 udostępnia tryb szybki i tryb wysokiego myślenia, a ceny odzwierciedlają tę różnicę: 0,06 USD za obraz w 2K w ustawieniu standardowym i 0,08 USD w trybie wysokiego myślenia w 2K, odpowiednio 0,05 USD i 0,03 USD w 1K. Obrazy wejściowe są rozliczane osobno po 0,02 USD za megapiksel. Dane wyjściowe są generowane natywnie w 2K, z opcją 4K do prac drukarskich i wielkoformatowych.

Dwutrybowa konstrukcja dobrze sprawdza się w edycji, ponieważ trudność edycji jest silnie dwumodalna. Prostowanie horyzontu i odtwarzanie odbicia to nie ta sama praca, a pobieranie tej samej stawki za obie zawyża opłatę w łatwym przypadku. Zespół, który kieruje proste edycje do trybu szybkiego, a złożone do trybu głębokiego myślenia, może znacznie obniżyć rachunek bez podejmowania decyzji o jakości przy każdym żądaniu.

MAI Image 2.7 Preview nie ma poziomów, trybów ani ceny. Jego jakość jest taka, jaka wychodzi modelowi, a jego koszt to popołudnie analityka.

CPI-Bench w porównaniu z tabelą liderów

Krea podaje wynik CPI-Bench na poziomie 4,81 na 5 dla Krea 3 Ultra, plasując go za GPT Image 2.5 i przed GPT Image 2, Seedream 5 Pro oraz Nano Banana 2 i Pro. Jest to wynik benchmarku raportowany przez dostawcę i tak należy go odczytywać — nie jest to niezależny ranking, a zestaw porównawczy został wybrany przez firmę, która go publikuje.

Wskazuje jednak na coś, czego ranking Elo nie oddaje dobrze: preferencje użytkowników dotyczące komercyjnej pracy twórczej, na czym opiera się CPI-Bench. Sama Krea przekonuje, że model jest 10× szybszy niż GPT Image 2 i 4× szybszy niż Nano Banana Pro, a benchmark, który nagradza użyteczny wynik na jednostkę czasu, będzie faworyzować szybki model, nawet gdy wolniejszy uzyskuje wyższe wyniki w ślepych porównaniach parami.

Dowody Microsoftu wskazują na coś przeciwnego. Jego liczby to pozycje w rankingach — drugie miejsce w rankingu edycji, trzecie w Arena Edit z 1470 punktami i 45-punktowym wzrostem względem 2.6, co czyni Microsoft drugim sklasyfikowanym laboratorium w tym rankingu — plus zestaw twierdzeń dotyczących kategorii wyprowadzonych z tych wyników. Jedne i drugie są uzasadnione; żadne nie jest bezpośrednim porównaniem z drugim modelem.

Werdykt dzieli się według stanowiska, a nie według wyniku

Jeśli w tym kwartale wdrażasz do produktu funkcję edycji, domyślnym wyborem jest Krea 3 — i nie z powodu wyniku Elo. Ma API, opublikowaną cenę, wskaźnik opóźnienia, mechanizmy kontroli referencji, maski regionalne, tryb szybki do tanich edycji oraz trening LoRA dla własnego katalogu. MAI Image 2.7 Preview nie ma żadnej z tych rzeczy, a jego 42-punktowa przewaga nie przetrwa zetknięcia z pipeline’em, który nie potrafi wywołać tego modelu.

Jeśli wybierasz edytor do pracy, którą człowiek ma wykonać ręcznie, ranking ma pewne znaczenie. Restylizacja scen, zmiana oświetlenia i renowacja to obszary, w których skupia się przewaga 2.7, a projektant pracujący w Playground może bezpośrednio wykorzystać tę zaletę.

Jeśli próbujesz zdecydować, czy granica możliwości posunęła się wystarczająco daleko, by się przełączyć, uczciwa interpretacja jest taka, że na jednej tablicy wyników posunęła się o 42 punkty, co ma znaczenie w skali populacji, a jest niewielkie w skali pojedynczego trudnego obrazu. Praktyczny sposób, by to rozstrzygnąć, to przepuścić pięć najtrudniejszych edycji przez oba — porównanie Arena dla wersji 2.7 nic nie kosztuje, a Krea 3 kosztuje około trzydziestu centów za te same pięć w 2K.

OrcaRouter nie hostuje żadnego z tych modeli, więc dzisiejsza decyzja nie dotyczy routingu. Dotyczy tego, na czym zbudować warstwę edycyjną, a warstwy, które można obecnie routować — poziomy obrazów OpenAI obejmujące 2.7 na tym zestawieniu, w cenie katalogowej dostawcy bez doliczanej marży — to te, które możesz umieścić za łańcuchem awaryjnym, podczas gdy model klasy zapoznawczej udowodni swoją wartość.