MAI Image 2.7 Preview vs Krea 3: A Única Diferença de Elo Nesta Série em Que Você Pode Realmente Confiar

Dos quatro modelos de edição com os quais o MAI Image 2.7 Preview está sendo comparado esta semana, o Krea 3 é o único cuja pontuação está na mesma régua. Ambos aparecem no quadro AA-Image-Editing v2.1 da Artificial Analysis, e nesse quadro o Krea 3 Ultra detém 1.151 Elo — o mesmo número que MAI-Image-2.6 e Nano Banana 2.1, três modelos empatados no topo do segundo nível. O MAI Image 2.7 Preview estreou com 1.193, o que coloca 42 pontos entre os dois.

Isso é um número real de um jeito que as outras comparações não são. É o mesmo ranking, a mesma execução de pontuação e o mesmo snapshot. Também é pequeno o bastante para ser frágil: uma diferença de 42 pontos de Elo em um ranking com intervalos de confiança é uma vantagem genuína no agregado, não uma garantia para o seu ativo específico.

O que torna a pergunta interessante não “qual é melhor”, mas “o que o Krea 3 faz que um modelo com 42 pontos a mais não faz”, porque a resposta acaba sendo uma longa lista.

Mesmo tabuleiro, e o que 42 pontos compram

O Artificial Analysis obtém 2,7 em 1.193, segundo no geral, seis atrás do GPT Image 2.5 Sunburst em seu nível máximo e onze à frente do GPT Image 2.5 Flare. O 1.151 do Krea 3 Ultra o coloca no grupo imediatamente abaixo, empatado com a geração anterior da Microsoft.

O detalhamento por categoria deixa isso mais claro. A Microsoft afirma que o 2.7 melhorou em todos os dez casos de uso e todas as sete ações de edição em relação ao 2.6, e a Artificial Analysis o coloca em primeiro lugar em quatro das sete ações — aprimoramento e restauração, edições baseadas em raciocínio, cena e estilo, e edição de texto ou símbolos — com a maior margem em cena e estilo, de 24 pontos. As três em que não lidera — composição, edições de objetos individuais e preservação de identidade — são dominadas pela OpenAI.

Lido em comparação com o Krea 3, esse perfil sugere que os 42 pontos estão concentrados, e não dispersos. Um usuário do Krea 3 que migrasse para a versão 2.7 esperaria os maiores ganhos em trabalhos de quadro inteiro — reestilizar esta cena, reiluminar esta fotografia, restaurar esta digitalização — e muito menos em edições regionais, mascaradas e com limites precisos, para as quais o Krea 3 foi explicitamente criado.

Oito Segundos Contra Sempre Que For Sua Vez

O número que define o Krea 3 é a latência. A empresa afirma edições de ponta a ponta em menos de oito segundos em 2K nativo, com as configurações mais rápidas chegando a cerca de quatro a cinco segundos, e descreve o modelo como ainda não em tempo real, mas perto o suficiente para parecer interativo. Se o número se sustenta sob sua própria carga é uma questão à parte, mas a alegação é específica e verificável de um modo que a maioria das alegações de lançamento não é.

O MAI Image 2.7 Preview não tem um valor de latência porque não tem um endpoint. Seu modelo de interação é uma aba do navegador no MAI Playground, uma imagem por vez, e a Microsoft não publicou nenhuma informação de throughput, fila ou taxa para a prévia. Foi relatado que o playground anterior do MAI-Image-2 permitia cerca de quinze gerações por dia, com uma espera entre elas; esse número nunca foi confirmado para o 2.7 e não deve ser presumido.

A consequência é estrutural, e não incremental. Uma edição de oito segundos é rápida o suficiente para caber dentro de uma ferramenta de design, e é por isso que a Krea posiciona o 3 como um editor para equipes comerciais, e não como um gerador com modo de edição. Um ciclo de ida e volta no playground é rápido o suficiente para avaliar e lento demais para servir de base. Comparar os dois em velocidade não é comparar duas velocidades; é comparar um número de latência com um inexistente.

O Treinamento LoRA É a Capacidade Sem Equivalente

O Krea 3 suporta o treinamento de um LoRA em um produto, pessoa ou estilo específico, e a empresa afirma que é o primeiro modelo de edição treinável dessa forma. Independentemente de o “primeiro” se sustentar, o recurso é a coisa de maior impacto em qualquer uma das duas fichas técnicas.

Um modelo de edição que generaliza é útil para trabalhos pontuais. Um modelo de edição que pode ser ajustado ao seu próprio catálogo é um tipo diferente de ativo: aprende como é o seu produto a partir de ângulos que o prompt não consegue descrever e deixa de precisar de uma imagem de referência em cada pedido. Para um estúdio com uma linha de produtos fixa, isso converte um custo por chamada num custo único de treino mais chamadas mais baratas.

O MAI Image 2.7 Preview não oferece nada comparável e não poderia, na sua forma atual — não há interface de treinamento, nem pesos, nem API. O modelo da Microsoft é uma capacidade que você aluga em um navegador; o da Krea é uma capacidade que você pode adaptar.

As referências de estilo são a versão mais leve da mesma ideia, e o Krea 3 também as suporta, a par da edição regional e do controlo por caixas delimitadoras. O padrão é consistente: a Krea entrega controlos, a Microsoft entrega discernimento.

A contagem de referências é uma bagunça dos dois lados

A documentação do Krea 3 entra em contradição consigo mesma sobre quantas imagens de referência ele aceita. O post de lançamento diz seis. A página do produto e a documentação da API dizem oito. A API reduz a resolução das referências após a quinta e recomenda quatro ou menos para detalhe total, e um modo Zero Data Retention limita o número a quatro. Todos esses são números da própria Krea, publicados em momentos diferentes para superfícies diferentes.

Isso merece ser sinalizado não como engano, mas como um lembrete sobre como as fichas técnicas envelhecem. Um teto de referência é produto da resolução, da memória e do modelo de cobrança, e muda à medida que o fornecedor ajusta a pilha de serviço.

Para o MAI Image 2.7 Preview, o número equivalente não existe de forma alguma. A Microsoft não publicou nenhum máximo de referência, nenhuma resolução, nenhum nível de qualidade e nenhuma convenção de máscara. O antecessor MAI-Image-2.6 aceitava até cinco referências e limitava a saída a cerca de 1536×1536; presumir que o 2.7 herda qualquer um desses limites é inferência. Nesta dimensão, o Krea 3 não é mais bem documentado — ele é documentado, e a ambiguidade é visível em vez de ausente.

Modos de Pensamento e o Custo de Ser Cuidadoso

Krea 3 oferece modos fast e high thinking, e o preço reflete a diferença: $0,06 por imagem em 2K na configuração padrão e $0,08 no high thinking em 2K, com $0,05 e $0,03 em 1K, respectivamente. Imagens de entrada são cobradas separadamente a $0,02 por megapixel. A saída é em 2K nativo, com opção 4K para trabalhos de impressão e grande formato.

O design de dois modos é adequado para edição, porque a dificuldade de edição é fortemente bimodal. Endireitar um horizonte e reconstruir um reflexo não são o mesmo trabalho, e pagar a mesma tarifa pelos dois cobra a mais pelo caso fácil. Uma equipe que encaminha edições simples para o modo rápido e as complexas para o modo de raciocínio elevado pode reduzir substancialmente sua conta sem precisar tomar uma decisão de qualidade a cada solicitação.

O MAI Image 2.7 Preview não tem níveis, nem modos e nem preço. Sua qualidade é o que o modelo fizer, e seu custo é a tarde do analista.

CPI-Bench Contra um Ranking

A Krea cita uma pontuação de 4,81 de 5 no CPI-Bench para o Krea 3 Ultra, colocando-o atrás do GPT Image 2.5 e à frente do GPT Image 2, do Seedream 5 Pro e do Nano Banana 2 e Pro. Trata-se de um resultado de benchmark divulgado pelo fornecedor e deve ser interpretado como tal — não é um ranking independente, e o conjunto de comparação é escolhido pela empresa que o publica.

No entanto, isso aponta para algo que o ranking Elo não captura bem: a preferência do usuário em trabalhos criativos comerciais, que é o foco em torno do qual o CPI-Bench foi construído. A própria proposta da Krea é que o modelo é 10× mais rápido que o GPT Image 2 e 4× mais rápido que o Nano Banana Pro, e um benchmark que recompensa saída utilizável por unidade de tempo favorecerá um modelo rápido mesmo quando um mais lento pontua mais alto em comparações pareadas cegas.

As evidências da Microsoft apontam na direção oposta. Seus números são posições em rankings — segundo lugar no quadro de edição, terceiro no Arena Edit com 1.470 pontos e um ganho de 45 pontos em relação ao 2.6, o que faz da Microsoft o segundo laboratório mais bem colocado nesse quadro — além de uma série de alegações por categoria derivadas dessas execuções. Ambos são legítimos; nenhum deles é um confronto direto contra o outro modelo.

O veredito se divide por cargo, não pela pontuação.

Se você está construindo um recurso de edição em um produto neste trimestre, o Krea 3 é a resposta padrão — e não por causa do seu Elo. Ele tem uma API, preço publicado, um número de latência, controles de referência, máscaras regionais, um modo rápido para edições baratas e treinamento de LoRA para o seu próprio catálogo. O MAI Image 2.7 Preview não tem nada disso, e sua vantagem de 42 pontos não sobrevive ao contato com um pipeline que não consegue chamá-lo.

Se está a escolher um editor para trabalho que uma pessoa fará manualmente, a classificação vale alguma coisa. A reestilização de cenas, a alteração de iluminação e a restauração são onde a margem da 2.7 se concentra, e um designer que trabalhe no Playground pode aproveitar diretamente essa vantagem.

Se você está tentando decidir se a fronteira avançou o suficiente para trocar, a leitura honesta é que ela avançou 42 pontos em um placar, o que é significativo em escala populacional e pequeno na escala de uma única imagem difícil. A forma prática de resolver isso é passar suas cinco edições mais difíceis pelos dois — a comparação Arena para 2.7 não custa nada, e o Krea 3 custa cerca de trinta centavos pelas mesmas cinco em 2K.

O OrcaRouter não hospeda nenhum dos dois modelos, então esta não é uma decisão de roteamento hoje. É uma decisão sobre no que construir sua camada de edição, e as camadas que são roteáveis agora — os níveis de imagem da OpenAI que cercam o 2.7 naquele quadro, pelo preço de tabela do provedor sem nenhuma margem adicionada — são aquelas que você pode colocar por trás de uma cadeia de fallback enquanto um modelo de nível preview se comprova.