MOSS-Image vs MAI-Image-2.6 Preview: oba na drugim miejscu, a żadnego nie wywołasz

M​OSS-Image i M​AI-Image-2.6 Preview mają ze sobą więcej wspólnego niż fakt, że oba są nowymi modelami obrazów. M​OSS-Image został wydany 16 października 2026 r. jako otwarte wagi — M​OSS-Image-Base i M​OSS-Image-SFT checkpointy na licencji Apache 2.0. M​AI-Image-2.6 Preview wszedł do prywatnego podglądu 19 sierpnia 2026 r. w M​AI Playground firmy M​icrosoft i M​icrosoft Foundry. Każdy z nich obecnie zajmuje drugie miejsce na liście rankingowej, obie listy rankingowe zostały zbudowane przez różne osoby przy użyciu różnych metod, a żaden z modeli nie ma ceny, którą można sprawdzić.

Ten ostatni punkt to sedno całego porównania. To nie jest bezpośrednie starcie dwóch rzeczy, które można wynająć i porównywać ze sobą. To konfrontacja między 27 GB do pobrania z laboratorium badawczego a podglądem dostępnym na zaproszenie od firmy platformowej, a przydatne pytanie nie brzmi, który z nich wypada lepiej — tylko który z nich możesz faktycznie wprowadzić do produktu w tym kwartale i co każdy dostawca jest gotów ci powiedzieć, zanim podejmiesz decyzję.

Dwa drugie miejsca i co każde z nich mierzy

Liczby przytaczane dla obu modeli to w obu przypadkach „nr 2”, a ten zbieg okoliczności ukrywa fakt, że mierzą one niemal przeciwne rzeczy.

Drugie miejsce MOSS-Image wynika z RealLayoutArena, benchmarku projektowego obejmującego 61 zadań — plakaty, infografiki i interfejsy użytkownika — który dołączono do własnego raportu technicznego modelu. Uzyskuje on wynik 1 698,70 Elo przy 95-procentowym przedziale ufności od 1 655,96 do 1 741,43, za GPT Image 2 z wynikiem 1 844,35. RealLayoutArena został stworzony przez OpenMOSS, laboratorium, które opracowało MOSS-Image, a znajdujące się w nim wartości bazowe to własne uruchomienia modeli innych firm wykonane przez to laboratorium. To tablica wyników dostawcy i dostawca oznaczył ją jako taką.

Drugie miejsce MAI-Image-2.6 Preview zawdzięcza Arena, czyli przemianowanej LMArena, gdzie ludzcy głosujący głosują w ciemno i wybierają lepszy z dwóch obrazów wygenerowanych na podstawie tego samego promptu. Zgłoszenie nosi dosłownie nazwę mai-image-2.6-preview i ma 1 336 punktów Elo przy marginesie ±11 na około 3 488 głosów — za GPT Image 2 Medium z 1 381 i przed G​rok Imagine Image 2.0 z 1 316. Ta sama wersja zapoznawcza trafiła później na 3. miejsce na tablicy edycji pojedynczego obrazu Arena ze 1 420 punktami. To niezależny miernik preferencji ludzi, ale i wstępny: najwyżej sklasyfikowane zgłoszenie na tej tablicy ma ponad 70 000 głosów, więc margines błędu przy zgłoszeniu z 3 488 głosami jest realny, a Elo z wczesnych głosów się zmienia.

Uczciwe ujęcie sprawy jest więc takie, że jeden model jest drugi w teście, który napisali jego własni autorzy, a drugi jest drugi na publicznej liście rankingowej, za którą stoi jedna piąta dowodów. Żaden z tych wyników nie jest rozstrzygający i żadnego nie odtworzył nikt spoza organizacji, która go opublikowała.

Co tak naprawdę daje ci MOSS-Image

M​OSS-Image to 5B jednoprzepływowy transformer dyfuzyjny trenowany od zera: 42 bloki łączone, szerokość ukryta 3 072, 24 głowice uwagi o wymiarze 128, sieć feed-forward SiTU-GLU o szerokości 8 192 oraz czteroosiowe rotacyjne kodowanie pozycji. Podawana liczba parametrów wiele pomija. Koder tekstu to zamrożony Qwen3.5-9B, a VAE pochodzi z FLUX.2, wczytany w stanie zamrożonym z FLUX.2-klein-4B, z 32 kanałami utajonymi i 2×2 łatką utajoną nałożoną na 8× podpróbkowanie, co daje efektywny krok 16 pikseli. Repozytorium SFT ma około 27,2 GB, z czego około 16,8 GB to koder.

Jego kluczową możliwością nie jest jakość obrazu. Jest nią to, że promptem może być obiekt JSON zawierający ramki ograniczające (bounding boxes), dosłowne ciągi tekstowe i uwagi typograficzne, wyrażone we współrzędnych pikselowych bezwzględnych mierzonych od środka kanwy za pomocą bbox_format "yxyx". Własna ablacja dostawcy stawia sprawę bez ogródek: w RealLayoutArena prompty układu w formacie JSON uzyskują wynik 1622,87, podczas gdy prompty w języku naturalnym w tym samym systemie uzyskują 1506,20. Interfejs strukturalny nie jest dodatkową funkcją doklejoną do modelu. To w nim tkwi wydajność.

Dowodem potwierdzającym jest benchmark, który laboratorium również zbudowało, 7Bench, w którym MOSS-Image podaje średnie IoU układu na poziomie 0,88 wobec 0,44 dla Ideogram 4.0, 0,33 dla Nano Banana Pro i Seedream 5.0 Pro, 0,31 dla Qwen Image 3.0 Pro i 0,30 dla GPT Image 2, przy AUC układu wynoszącym 0,70 wobec wyników rywali od 0,16 do 0,20. Po stronie renderowania tekstu podaje 96,3 Mean-6 w LongLongTextBench — 240-zadaniowym benchmarku tekstu literackiego, który również stworzyło — z 97,1 w języku angielskim i 92,4 w języku chińskim. Najbardziej wiarygodny wiersz w tej tabeli to ten powyżej: we własnym benchmarku dostawcy GPT Image 2 uzyskuje 99,0, a Nano Banana Pro 96,6. Opublikowanie tabeli, w której konkurent nadal wygrywa, jednak o czymś świadczy.

To, czego MOSS-Image ci nie daje, to endpoint. Nie ma komercyjnego API, które moglibyśmy zweryfikować, nie ma hostowanego playgroundu poza Gradio Space działającym na pojedynczym A10G i nie ma zarządzanej ścieżki. Instalujesz Diffusers z niestandardowym pipeline'em albo natywną wtyczką ComfyUI i sam dostarczasz GPU.

Co tak naprawdę daje ci M​AI-Image-2.6 Preview

Microsoft opublikował znacznie mniej na temat swojego modelu niż OpenMOSS na temat swojego, a wzorzec tego, czego brakuje, jest wymowny.

Co istnieje: linia rozwojowa rodziny, która rozwija się w rytmie co sześć do ośmiu tygodni — M​AI-Image-1, potem M​AI-Image-2 w marcu 2026 r. z przełomem w fotorealizmie i renderowaniu tekstu, M​AI-Image-2.5 w czerwcu 2026 r., który stał się silnikiem w Bing Image Creator, PowerPoint i OneDrive, potem M​AI-Image-2.5-Pro w lipcu 2026 r. z opcją premium 8K, a teraz 2.6, mniej więcej sześć tygodni później. Opisy możliwości samego Microsoftu mają charakter jakościowy: lepsze renderowanie tekstu, portrety i obrazy 3D; bardziej dopracowane wyniki komercyjne i fotorealistyczne; praca z wieloma obrazami referencyjnymi w ramach jednego generowania; bogatsze ugruntowanie; większa kontrola nad rozumowaniem, formatem i rozdzielczością. Żadnej liczby parametrów, żadnej licencji, żadnej architektury, żadnej tabeli benchmarków.

Czego nie ma: ceny. Podgląd jest dostępny tylko na zaproszenie, ścieżka dostępu to M​AI Playground i M​icrosoft Foundry, a nie opublikowano stawki za obraz. Nie ma też daty ogólnej dostępności. Podział Arena na kategorie to jedyny szczegółowy wynik przypisany do modelu — zajmuje pierwsze miejsce w obrazowaniu i modelowaniu 3D, a drugie w kategoriach: kreskówka/anime/fantasy, produkt i branding, renderowanie tekstu oraz sztuka — a pozycje kategorii na wstępnej tablicy z małą liczbą głosów są co najwyżej orientacyjne.

Jedno jest wyraźnie prawdziwe i wyraźnie istotne: tempo. Microsoft dostarcza ulepszenia modeli obrazowych szybciej, niż ten rynek jest do tego przyzwyczajony, a debiut Arena sugeruje, że kumulacja jest prawdziwa, a nie tylko ogłoszona.

Dwa modele, linia po linii

• Premiera — M​OSS-Image 16 października 2026 r. jako otwarte wagi; M​AI-Image-2.6 Preview do prywatnej wersji zapoznawczej 19 sierpnia 2026 r.

• Dostęp — M​OSS-Image do pobrania i samodzielnego hostowania, z wtyczką ComfyUI i potokiem Diffusers; M​AI-Image-2.6 Preview z dostępem na zaproszenie w M​AI Playground i M​icrosoft Foundry

• Cena — M​OSS-Image można pobrać bezpłatnie, ale wiąże się to z zajętością ~27,2 GB i wykorzystaniem własnego czasu GPU; M​AI-Image-2.6 Preview nie ma opublikowanego cennika

• Licencja — M​OSS-Image ma licencję Apache 2.0 zarówno dla wag, jak i samodzielnego kodu potoku, bez progu przychodów; M​AI-Image-2.6 Preview jest własnościowy i nie podano dla niego licencji

• Niezależny wynik — M​OSS-Image na drugim miejscu w RealLayoutArena z 1 698,70 Elo (autorski benchmark); M​AI-Image-2.6 Preview na drugim miejscu w Arena text-to-image z 1 336±11 przy ~3 488 głosach (ranking publiczności), na trzecim miejscu w Arena single-image edit z 1 420

• Kontrola układu — MOSS-Image przyjmuje układ JSON z bezwzględnymi współrzędnymi pikseli i podaje średnie IoU na poziomie 0,88 w 7Bench; Microsoft nie publikuje żadnego benchmarku układu dla niczego w linii obrazów MAI

• Renderowanie tekstu — MOSS-Image podaje 96,3 Mean-6 w LongLongTextBench, przy 97,1 dla angielskiego i 92,4 dla chińskiego; MAI-Image-2.6 Preview zyskał +91 Elo w renderowaniu tekstu względem 2.5 według podziału na kategorie Arena, bez opublikowanej wartości bezwzględnej

• Edycja — M​AI-Image-2.6 Preview zajmuje 3. miejsce na tablicy edycji pojedynczego obrazu Arena; raport M​OSS-Image nie przedstawia edycji jako obszaru produktu

• Udostępnianie — M​OSS-Image ma w toku prace nad frameworkiem Day 0, w tym otwarty pull request w vLLM-Omni, który dodaje model ze skip-layer guidance i nie został jeszcze scalony do wydania oznaczonego tagiem; M​AI-Image-2.6 Preview jest udostępniany przez M​icrosoft, na warunkach M​icrosoftu, kiedy M​icrosoft tak zdecyduje

Tam, gdzie każdy z nich naprawdę ma przewagę

MOSS-Image ma przewagę we wszystkim, co wynika z bycia otwartym. Możesz przejrzeć architekturę, skwantyzować go, dostroić na prywatnych danych, uruchomić w środowisku odizolowanym od sieci i wdrożyć w produkcie komercyjnym bez negocjowania licencji — Apache 2.0 obejmuje wagi oraz samodzielny kod potoku, bez aneksu dotyczącego dopuszczalnego użytku i bez odrębnego poziomu komercyjnego. W przypadku modelu, którego sztandarową możliwością jest renderowanie czytelnego tekstu w określonych pozycjach, ma to większe znaczenie niż delta benchmarku, ponieważ renderowanie tekstu to dokładnie ta umiejętność, która pojawia się w pracy dla klientów: makiety produktów, makiety interfejsów, infografiki, plakaty, układy reklam.

M​AI-Image-2.6 Preview ma przewagę w obszarach, które wynikają z bycia modelem platformowym, a nie repozytorium. Dociera do setek milionów osób przez Bing Image Creator, PowerPoint i OneDrive, jest ukierunkowany na zarządzany punkt końcowy chmurowy w Foundry i jest ulepszany według opublikowanego harmonogramu. Jeśli Twoim wymaganiem jest model obrazu, który Twoja organizacja może wywoływać ze stosu w stylu Microsoftu i za którym stoi umowa wsparcia, żadna ilość Apache 2.0 tego nie zastąpi.

Niewygodna środkowa pozycja to miejsce, w którym tak naprawdę znajduje się większość zespołów. Microsoft nie opublikował ceny, licencji ani liczby parametrów, więc nie można oszacować kosztu przyjęcia jego modelu. OpenMOSS opublikował to wszystko, ale nie ma sposobu, by go wywołać bez posiadania sprzętu.

Co żadne z nich nie zmienia w twoim dniu

Oba te modele znajdują się poza rynkiem hostowanych modeli, pod który prawdopodobnie już budujesz, i właśnie tu warto powiedzieć coś precyzyjnego, a nie promocyjnego, o warstwie routingu. Nie hostujemy MOSS-Image i nie hostujemy MAI-Image-2.6 Preview, więc nic tutaj nie jest ofertą udostępnienia któregokolwiek z nich. Udostępniamy natomiast zestaw porównawczy: hostowane modele graficzne, względem których mierzyłbyś self-hostowany MOSS-Image, są dostępne przez jeden klucz API w naszym katalogu w cenie katalogowej dostawcy z 0% marży, co oznacza, że zmiana ceny dostawcy po stronie hostowanej obowiązuje tego samego dnia, a nie w cyklu umownym, z automatycznym przełączaniem awaryjnym między dostawcami, dzięki czemu przebieg benchmarku nie padnie, bo jeden z upstreamów miał złe popołudnie. Testowanie niesprawdzonego checkpointu względem wynajętego nie powinno wymagać drugiego SDK i to jest jedyne twierdzenie, jakie się tu stawia.

Konkretnie w przypadku M​AI-Image-2.6 Preview nie ma jeszcze nic do routowania. Uczciwe stanowisko jest takie, że model jest prawdziwy, ranking jest prawdziwy, a dostęp to lista oczekujących.

Kto powinien działać, a kto powinien nadal obserwować

Sięgnij po MOSS-Image, jeśli masz GPU, przepływ pracy, który potrafi wyrazić intencję jako prostokąty i ciągi znaków, oraz przypadek użycia, w którym układ jest celem samym w sobie, a nie przypadkowym szczęściem. Zacznij od checkpointu SFT, zaplanuj 16,8 GB na enkoder, zanim zaplanujesz budżet na generator, i spodziewaj się 50 kroków próbkowania przy dwóch przejściach transformera na krok, chyba że zastosujesz jedną ze społecznościowych destylacji. Dwie z nich pojawiły się w ciągu jednego dnia od wydania: 4-krokowy DMD LoRA i 8-krokowy wariant destylowany, żadna nie jest wspierana przez dostawcę ani nie została poddana benchmarkom.

Wstrzymaj się z M​OSS-Image, jeśli w tym tygodniu potrzebujesz punktu końcowego, który można wywołać, jeśli wynajmujesz moc obliczeniową, a nie posiadasz jej, albo jeśli chcesz jednej liczby, która nie została wygenerowana przez ludzi, którzy zbudowali test. Wszystkie trzy powyższe mocne wyniki pochodzą z benchmarków stworzonych przez dostawcę, wykorzystujących etap specyfikacji, który według raportu działa na G​PT-6 w czasie wnioskowania — więc Elo end-to-end to potok dwóch modeli, a nie wynik pojedynczego modelu.

Wstrzymaj się z M​AI-Image-2.6 Preview, jeśli potrzebujesz czegokolwiek związanego z umową. Miej to na oku, jeśli jesteś już klientem Foundry, ponieważ rytm wydawniczy wskazuje, że następna wersja pojawi się za sześć do ośmiu tygodni, a wersja zapoznawcza zamieni się w coś z przypisaną ceną.

Tym, co rozstrzygnęłoby to porównanie, jest to samo w przypadku obu stron, a żadna z nich tego nie ma: niezależne uruchomienie benchmarku, na którym każde z nich jest klasyfikowane. W przypadku MOSS-Image oznacza to, że ktoś inny niż OpenMOSS przeprowadzi LongLongTextBench lub RealLayoutArena. W przypadku MAI-Image-2.6 Preview oznacza to, że tablica Arena zgromadzi wystarczającą liczbę głosów, by ±11 przestało mieć znaczenie, albo że Microsoft opublikuje cenę.

Dopóki jedno z nich się nie stanie, dokładne podsumowanie jest takie — model badawczy 5B na permisywnej licencji z wyjątkowo dobrym interfejsem do tekstu i układu, ale bez endpointu, w zestawieniu z zastrzeżonym modelem platformowym z niezależnym rankingiem społeczności, realną dystrybucją i bez ceny. To, na czym możesz działać, zależy wyłącznie od tego, czy twoim wąskim gardłem jest licencja, czy URL.

Udokumentowane awarie AI i incydenty z agentami stojące za takimi wydaniami jak to są gromadzone w OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, poziom istotności, stopień pewności i znacznik sporności.