MOSS-Image vs MAI-Image-2.6 Preview: Ambos em Segundo Lugar, Nenhum Deles Você Pode Chamar

M​OSS-Image e o M​AI-Image-2.6 Preview têm mais em comum do que o facto de ambos serem novos modelos de imagem. O M​OSS-Image foi lançado em 16 de outubro de 2026 como pesos abertos — os checkpoints M​OSS-Image-Base e M​OSS-Image-SFT sob a licença Apache 2.0. O M​AI-Image-2.6 Preview entrou em pré-visualização privada em 19 de agosto de 2026 no M​AI Playground da M​icrosoft e no M​icrosoft Foundry. Cada um está atualmente em segundo lugar numa tabela de classificação, as duas tabelas foram criadas por pessoas diferentes com métodos diferentes, e nenhum dos modelos tem um preço que se possa consultar.

Esse último ponto é a comparação inteira. Isto não é um confronto direto entre duas coisas que você pode alugar e medir uma contra a outra. É um embate entre um download de 27 GB vindo de um laboratório de pesquisa e uma prévia com acesso mediante convite de uma empresa de plataforma, e a pergunta útil não é qual delas tem a pontuação mais alta — é qual delas você consegue realmente levar para um produto neste trimestre, e o que cada fornecedor está disposto a lhe dizer antes de você se comprometer.

Dois segundos lugares, e o que cada um está medindo

Os números citados para ambos os modelos são, nos dois casos, "No. 2", e essa coincidência esconde o fato de que eles medem coisas quase opostas.

O segundo lugar do M​OSS-Image vem do RealLayoutArena, um benchmark de design com 61 tarefas — pôsteres, infográficos e interfaces de usuário — que acompanha o próprio relatório técnico do modelo. Ele obtém 1.698,70 de Elo, com um intervalo de confiança de 95% de 1.655,96 a 1.741,43, atrás do GPT Image 2, com 1.844,35. O RealLayoutArena foi criado pela OpenMOSS, o laboratório que criou o M​OSS-Image, e as baselines nele são execuções do próprio laboratório de modelos de outras empresas. É um placar de fornecedor, e o fornecedor o rotulou como tal.

O segundo lugar do M​AI-Image-2.6 Preview vem da Arena, a LMArena renomeada, onde votantes humanos às cegas escolhem a melhor entre duas imagens do mesmo prompt. A entrada tem literalmente o nome mai-image-2.6-preview e registra 1.336 Elo com margem de ±11 em cerca de 3.488 votos — atrás do GPT Image 2 Medium, com 1.381, e à frente do G​rok Imagine Image 2.0, com 1.316. A mesma build de prévia mais tarde ficou em 3º lugar no ranking de edição de imagem única da Arena, com 1.420 pontos. Essa é uma medida independente de preferência humana e também é preliminar: a entrada principal desse ranking tem mais de 70.000 votos, então a margem de erro de uma entrada com 3.488 votos é real, e o Elo de votos iniciais se move.

Então, a forma honesta de enquadrar isto é que um modelo está em segundo lugar num teste que os seus próprios autores escreveram, e o outro está em segundo lugar numa tabela colaborativa com um quinto das evidências por trás. Nenhum dos dois é um resultado consolidado, e nenhum foi reproduzido por ninguém fora da organização que o publicou.

O que o MOSS-Image realmente lhe oferece

MOSS-Image é um transformer de difusão de fluxo único de 5B treinado do zero: 42 blocos conjuntos, largura oculta de 3.072, 24 cabeças de atenção com 128 dimensões, um feed-forward SiTU-GLU de 8.192 de largura e uma codificação posicional rotativa de quatro eixos. A contagem de parâmetros divulgada exclui muita coisa. O codificador de texto é um Qwen3.5-9B congelado, e o VAE é o do FLUX.2, carregado congelado a partir do FLUX.2-klein-4B, com 32 canais latentes e um patch latente 2×2 sobre um downsampling de 8×, resultando em um stride efetivo de 16 pixels. O repositório de SFT tem cerca de 27,2 GB, dos quais aproximadamente 16,8 GB correspondem ao codificador.

Sua capacidade definidora não é a qualidade da imagem. É o fato de que o prompt pode ser um objeto JSON contendo caixas delimitadoras, cadeias de texto literais e notas de tipografia, expressas em coordenadas de pixel absolutas medidas a partir do centro do canvas com bbox_format "yxyx". A própria ablação do fornecedor deixa isso claro de forma direta: no RealLayoutArena, prompts de layout em JSON obtêm 1.622,87, enquanto prompts em linguagem natural no mesmo sistema obtêm 1.506,20. A interface estruturada não é um recurso extra parafusado ao modelo. É onde o desempenho reside.

A evidência de apoio é um benchmark que o laboratório também criou, o 7Bench, no qual o MOSS-Image reporta um IoU médio de layout de 0,88 contra 0,44 do Ideogram 4.0, 0,33 do Nano Banana Pro e Seedream 5.0 Pro, 0,31 do Qwen Image 3.0 Pro e 0,30 do GPT Image 2, com uma AUC de layout de 0,70 contra um campo que varia de 0,16 a 0,20. No lado da renderização de texto, ele reporta 96,3 Mean-6 no LongLongTextBench — um benchmark de texto literário de 240 tarefas que ele também criou — com 97,1 em inglês e 92,4 em chinês. A linha mais credível nessa tabela é a que está acima dela: no benchmark do próprio fornecedor, o GPT Image 2 pontua 99,0 e o Nano Banana Pro 96,6. Publicar uma tabela em que um concorrente ainda vence vale algo.

O que o MOSS-Image não oferece é um endpoint. Não existe uma API comercial que possamos verificar, nenhum playground hospedado além do Gradio Space rodando em uma única A10G, e nenhum caminho gerenciado. Você instala o Diffusers com um pipeline personalizado, ou o plugin nativo do ComfyUI, e fornece a GPU.

O que o M​AI-Image-2.6 Preview realmente lhe oferece

A Microsoft publicou muito menos sobre o seu modelo do que a OpenMOSS sobre o seu próprio, e o padrão daquilo que está ausente é revelador.

O que existe: uma linhagem familiar que segue uma cadência de seis a oito semanas — M​AI-Image-1, depois M​AI-Image-2 em março de 2026, com o salto no fotorrealismo e na renderização de texto, M​AI-Image-2.5 em junho de 2026, que se tornou o motor dentro do Bing Image Creator, PowerPoint e OneDrive, depois M​AI-Image-2.5-Pro em julho de 2026, com um nível premium de 8K, e agora o 2.6 cerca de seis semanas depois. As próprias descrições de capacidades da M​icrosoft são qualitativas: renderização de texto mais robusta, retratos e imagens 3D; resultado comercial e fotorrealista mais polido; trabalho com várias imagens de referência numa única geração; ancoragem mais rica; maior controlo sobre raciocínio, formato e resolução. Sem contagem de parâmetros, sem licença, sem arquitetura, sem tabela de benchmarks.

O que não existe: um preço. A pré-visualização é apenas por convite, a via de acesso é o MAI Playground e o Microsoft Foundry, e não há preço por imagem publicado. Também não há data de disponibilidade geral. A divisão por categorias da Arena é o único resultado granular associado ao modelo — ocupa o primeiro lugar em imagiologia e modelação 3D e o segundo em cartoon/anime/fantasia, produto e branding, renderização de texto e arte — e as classificações por categoria num quadro preliminar com poucos votos são, no melhor dos casos, indicativas.

A única coisa que é claramente verdadeira e claramente significativa é a cadência. A Microsoft está lançando melhorias nos modelos de imagem mais rápido do que este mercado está acostumado, e a estreia da Arena sugere que o efeito cumulativo é real, e não apenas anunciado.

Os dois modelos, linha por linha

• Lançamento — M​OSS-Image em 16 de outubro de 2026 como pesos abertos; M​AI-Image-2.6 Preview em prévia privada em 19 de agosto de 2026

• Acesso — M​OSS-Image disponível para download e auto-hospedado, com um plugin do ComfyUI e uma pipeline do Diffusers; M​AI-Image-2.6 Preview com acesso por convite no M​AI Playground e no M​icrosoft Foundry

• Preço — M​OSS-Image gratuito para download, com cerca de 27,2 GB de espaço ocupado e o tempo da sua própria GPU; M​AI-Image-2.6 Preview não tem tabela de preços publicada

• Licença — M​OSS-Image é Apache 2.0 tanto para pesos quanto para código de pipeline autônomo, sem limite de receita; M​AI-Image-2.6 Preview é proprietário e sem licença declarada

• Pontuação independente — MOSS-Image em segundo lugar no RealLayoutArena com 1.698,70 Elo (benchmark criado pelo autor); MAI-Image-2.6 Preview em segundo lugar na Arena de texto para imagem com 1.336±11 em ~3.488 votos (placar da comunidade), em terceiro na Arena de edição de imagem única com 1.420

• Controle de layout — MOSS-Image aceita um layout JSON com coordenadas absolutas em pixels e reporta 0,88 de IoU médio no 7Bench; a Microsoft não publica nenhum benchmark de layout para nenhum item da linha de imagens MAI

• Renderização de texto — o MOSS-Image reporta 96,3 Mean-6 no LongLongTextBench, com 97,1 em inglês e 92,4 em chinês; o MAI-Image-2.6 Preview ganhou +91 Elo em renderização de texto em relação ao 2.5, segundo o detalhamento por categoria da Arena, sem nenhum número absoluto publicado

• Edição — M​AI-Image-2.6 Preview está classificado em 3º lugar no quadro de edição de imagem única da Arena; o relatório do M​OSS-Image não apresenta a edição como uma superfície de produto

• Serviço — M​OSS-Image tem trabalho em andamento no framework do Dia 0, incluindo um pull request aberto do vLLM-Omni que adiciona o modelo com skip-layer guidance e ainda não foi mesclado em uma versão etiquetada; M​AI-Image-2.6 Preview é disponibilizado pela M​icrosoft, nos termos da M​icrosoft, quando a M​icrosoft assim o decidir

Onde cada um está genuinamente à frente

M​OSS-Image está à frente em tudo o que decorre de ser aberto. Você pode ler a arquitetura, quantizá-lo, ajustá-lo com fine-tuning em dados privados, executá-lo em ambiente isolado de rede e incorporá-lo num produto comercial sem negociação de licença — a Apache 2.0 cobre os pesos e o código autônomo do pipeline, sem anexo de uso aceitável e sem nível comercial separado. Para um modelo cuja capacidade principal é renderizar texto legível em posições específicas, isso importa mais do que um delta de benchmark, porque a renderização de texto é exatamente a capacidade que aparece no trabalho para clientes: mockups de produto, composições de interface, infográficos, pôsteres e layouts de anúncios.

O M​AI-Image-2.6 Preview está à frente naquilo que decorre de ser um modelo de plataforma e não um repositório. Tem distribuição para centenas de milhões de pessoas através do Bing Image Creator, PowerPoint e OneDrive, está orientado para um endpoint de nuvem gerido no Foundry e está a ser melhorado segundo uma cadência publicada. Se o seu requisito é um modelo de imagem que a sua organização possa chamar a partir de uma stack à imagem da Microsoft, com um contrato de suporte por trás, nenhuma quantidade de Apache 2.0 substitui isso.

O meio desconfortável é onde a maioria das equipes realmente está. A Microsoft não publicou um preço, uma licença ou uma contagem de parâmetros, então você não consegue modelar o custo de adotar seu modelo. A OpenMOSS publicou tudo isso, e não há como chamá-lo sem possuir hardware.

O que nenhum dos dois muda no seu dia

Ambos estes modelos estão fora do mercado hospedado contra o qual provavelmente já desenvolve, e é aí que uma camada de encaminhamento merece dizer algo preciso em vez de promocional. Não alojamos o M​OSS-Image nem alojamos o M​AI-Image-2.6 Preview, por isso nada aqui é uma oferta para servir qualquer um deles. O que servimos é o conjunto de comparação: os modelos de imagem hospedados com os quais mediria um M​OSS-Image auto-alojado estão acessíveis através de uma única chave de API no nosso catálogo ao preço de tabela do fornecedor, com 0% de margem, o que significa que uma alteração de preço do fornecedor do lado hospedado fica em vigor no próprio dia, em vez de num ciclo contratual, com failover automático entre fornecedores, para que uma execução de benchmarking não morra porque um upstream teve uma tarde má. Experimentar um checkpoint não comprovado contra um alugado não deve exigir um segundo SDK, e é essa a única afirmação que se faz.

Para M​AI-Image-2.6 Preview especificamente, ainda não há nada para rotear. A posição honesta é que o modelo é real, o rank é real, e o acesso é uma lista de espera.

Quem deve agir, e quem deve continuar observando

Recorra ao MOSS-Image se você tiver GPUs, um fluxo de trabalho que consiga expressar a intenção como caixas e strings, e um caso de uso em que o layout seja o entregável, e não um acidente feliz. Comece com o checkpoint SFT, inclua no orçamento os 16,8 GB do codificador antes de incluir o gerador, e espere 50 etapas de amostragem com duas passagens do transformer por etapa, a menos que adote uma das destilações da comunidade. Duas delas surgiram um dia após o lançamento: uma LoRA DMD de 4 etapas e uma variante destilada de 8 etapas, nenhuma com suporte do fornecedor e nenhuma avaliada por benchmark.

Espere pelo MOSS-Image se você precisar de um endpoint chamável esta semana, se estiver alugando capacidade em vez de possuí-la, ou se quiser um número que não foi produzido pelas pessoas que criaram o teste. Todos os três resultados fortes acima vêm de benchmarks elaborados pelo próprio fornecedor, usando uma etapa de especificação que o relatório afirma rodar no GPT-6 em tempo de inferência — portanto, o Elo de ponta a ponta é um pipeline de dois modelos, não a saída de um único modelo.

Espere pelo M​AI-Image-2.6 Preview se você precisar de algo contratual. Fique de olho se você já for cliente da Foundry, porque a cadência indica que a próxima versão sai daqui a seis a oito semanas e a prévia vai se transformar em algo com um preço atrelado.

O que resolveria esta comparação é a mesma coisa para ambos, e nenhum dos dois tem isso: uma execução independente do benchmark no qual cada um é classificado. Para o M​OSS-Image, isso significa que alguém que não seja a OpenMOSS execute o LongLongTextBench ou o RealLayoutArena. Para o M​AI-Image-2.6 Preview, significa que o painel da Arena acumule votos suficientes para que ±11 deixe de importar, ou que a M​icrosoft publique um preço.

Até que uma dessas coisas aconteça, o resumo preciso é este — um modelo de pesquisa de 5B com licença permissiva, com uma interface de texto e layout excecionalmente boa e sem endpoint, contra um modelo de plataforma proprietário com um ranking independente da multidão, distribuição real e sem preço. Aquele sobre o qual você pode agir depende inteiramente de o seu gargalo ser uma licença ou uma URL.

As falhas documentadas de IA e os incidentes com agentes por trás de lançamentos como este estão reunidos em o OrcaRouter AI Incident Archive, onde cada entrada traz suas próprias fontes, gravidade, grau de confiança e sinalização de contestação.