MOSS-Image против MAI-Image-2.6 Preview: оба заняли второе место, но ни одного из них не назовёшь

M​OSS-Image и M​AI-Image-2.6 Preview объединяет не только то, что обе они — новые модели генерации изображений. M​OSS-Image была выпущена 16 октября 2026 года с открытыми весами — контрольные точки M​OSS-Image-Base и M​OSS-Image-SFT под лицензией Apache 2.0. M​AI-Image-2.6 Preview стала доступна в закрытом предварительном режиме 19 августа 2026 года в M​AI Playground и M​icrosoft Foundry от M​icrosoft. Сейчас каждая из них занимает второе место в своём рейтинге, причём эти два рейтинга составляли разные люди разными методами, и ни у одной из моделей нет цены, которую можно было бы узнать.

Вот в этом последнем пункте и заключается всё сравнение. Это не очная ставка между двумя вещами, которые можно арендовать и измерить друг против друга. Это противостояние между 27-гигабайтной загрузкой из исследовательской лаборатории и предварительной версией по приглашениям от платформенной компании, и полезный вопрос не в том, какой из них набирает больше баллов, — а в том, какой из них вы действительно сможете встроить в продукт в этом квартале, и что каждый поставщик готов рассказать вам прежде, чем вы сделаете выбор.

Два вторых места, и что каждое из них измеряет

Цифры, которые приводятся для обеих моделей, — это в обоих случаях «№ 2», и это совпадение скрывает тот факт, что они измеряют почти противоположные вещи.

Второе место M​OSS-Image происходит из RealLayoutArena, 61-задачный дизайнерский бенчмарк — постеры, инфографика и пользовательские интерфейсы — который поставляется с собственным техническим отчётом модели. Он набирает 1 698,70 Elo с 95% доверительным интервалом от 1 655,96 до 1 741,43, уступая GPT Image 2 с 1 844,35. RealLayoutArena был создан OpenMOSS, лабораторией, которая создала M​OSS-Image, а базовые показатели в нём — это собственные прогоны лаборатории на моделях других компаний. Это вендорская таблица результатов, и вендор сам её так обозначил.

Второе место M​AI-Image-2.6 Preview принесла Arena — переименованная LMArena, где люди голосуют вслепую и выбирают лучшее из двух изображений по одному и тому же промпту. Эта запись буквально называется mai-image-2.6-preview и имеет 1 336 Elo с погрешностью ±11 при примерно 3 488 голосах — позади GPT Image 2 Medium с 1 381 и впереди G​rok Imagine Image 2.0 с 1 316. Та же preview-сборка позже заняла 3-е место в рейтинге Arena по редактированию одного изображения с 1 420 баллами. Это независимый показатель человеческих предпочтений, и при этом предварительный: у верхней записи в этом рейтинге более 70 000 голосов, поэтому погрешность для записи с 3 488 голосами реальна, а Elo на ранних голосах меняется.

Так что честная формулировка такова: одна модель занимает второе место в тесте, который написали авторы самой модели, а другая — второе место в краудсорсинговой таблице лидеров, за которой стоит лишь пятая часть доказательств. Ни один из этих результатов не является окончательным, и ни один из них не был воспроизведён кем-либо за пределами организации, которая его опубликовала.

Что M​OSS-Image на самом деле вам даёт

MOSS-Image — это обученный с нуля 5B однопоточный diffusion-трансформер: 42 совместных блока, скрытая ширина 3 072, 24 головы внимания размерностью 128, feed-forward шириной 8 192 с SiTU-GLU и четырёхосное ротационное позиционное кодирование. Заявленное число параметров не учитывает многое. Текстовый энкодер — замороженный Qwen3.5-9B, а VAE — от FLUX.2, загруженный замороженным из FLUX.2-klein-4B, с 32 латентными каналами и латентным патчем 2×2 поверх 8× даунсэмплинга, что даёт эффективный шаг 16 пикселей. Репозиторий SFT занимает около 27,2 ГБ, из которых примерно 16,8 ГБ приходится на энкодер.

Его определяющая возможность — не качество изображения. Она заключается в том, что промпт может быть JSON-объектом, содержащим ограничивающие рамки, буквальные текстовые строки и примечания по типографике, выраженные в абсолютных пиксельных координатах, отсчитываемых от центра холста, с bbox_format "yxyx". Собственное абляционное исследование вендора без обиняков подтверждает это: на RealLayoutArena JSON-промпты компоновки набирают 1 622,87, тогда как промпты на естественном языке на той же системе набирают 1 506,20. Структурированный интерфейс — не бонусная функция, прикрученная к модели. Именно в нём и живёт производительность.

В качестве подтверждения приводится бенчмарк 7Bench, который лаборатория также создала, где M​OSS-Image показывает средний IoU по компоновке 0,88 против 0,44 у I​deogram 4.0, 0,33 у N​ano Banana Pro и Seedream 5.0 Pro, 0,31 у Q​wen Image 3.0 Pro и 0,30 у GPT Image 2, при показателе AUC по компоновке 0,70, тогда как у остальных он составляет от 0,16 до 0,20. В части рендеринга текста заявлен показатель 96,3 Mean-6 на LongLongTextBench — бенчмарке литературных текстов на 240 задач, который она также создала, — с 97,1 на английском и 92,4 на китайском. Самая убедительная строка в этой таблице — та, что над ней: на собственном бенчмарке производителя GPT Image 2 набирает 99,0, а N​ano Banana Pro — 96,6. Публикация таблицы, в которой по-прежнему побеждает конкурент, чего-то да стоит.

То, чего MOSS-Image вам не даёт, — это эндпоинт. Нет коммерческого API, который мы могли бы проверить, нет размещённой песочницы, кроме Gradio Space, работающего на одном A10G, и нет управляемого пути. Вы устанавливаете Diffusers с кастомным пайплайном или нативный плагин ComfyUI, а GPU предоставляете сами.

Что на самом деле даёт вам M​AI-Image-2.6 Preview

M​icrosoft опубликовала о своей модели гораздо меньше, чем OpenMOSS о своей, и закономерность в том, чего не хватает, показательна.

Что существует: семейная линейка, развивающаяся с периодичностью в шесть–восемь недель, — M​AI-Image-1, затем M​AI-Image-2 в марте 2026 года со скачком в фотореализме и рендеринге текста, M​AI-Image-2.5 в июне 2026 года, ставшая движком в Bing Image Creator, PowerPoint и OneDrive, затем M​AI-Image-2.5-Pro в июле 2026 года с премиальным уровнем 8K, а теперь 2.6 примерно шесть недель спустя. Собственные описания возможностей M​icrosoft носят качественный характер: более сильный рендеринг текста, портреты и 3D-изображения; более отточенные коммерческие и фотореалистичные результаты; работа с несколькими референсными изображениями в одной генерации; более богатая привязка к контексту; больший контроль над рассуждениями, форматом и разрешением. Ни количества параметров, ни лицензии, ни архитектуры, ни таблицы бенчмарков.

Чего не существует: цены. Предварительная версия доступна только по приглашениям, путь доступа — M​AI Playground и M​icrosoft Foundry, а опубликованного тарифа за изображение нет. Даты общедоступного релиза тоже нет. Разбивка по категориям от Arena — единственный детализированный результат, привязанный к модели: она занимает первое место в 3D-визуализации и моделировании и второе — в категориях «мультфильмы/аниме/фэнтези», «продукты и брендинг», «рендеринг текста» и «искусство», а места в категориях на предварительном лидерборде с малым числом голосов в лучшем случае носят ориентировочный характер.

Единственное, что явно верно и явно значимо, — это темп. Microsoft выпускает улучшения моделей генерации изображений быстрее, чем привык этот рынок, а дебют в Arena говорит о том, что накопительный эффект реален, а не просто заявлен.

Две модели, строка за строкой

• Выпуск — MOSS-Image 16 октября 2026 г. в виде открытых весов; MAI-Image-2.6 Preview — в приватном предпросмотре с 19 августа 2026 г.

• Доступ — MOSS-Image можно скачать и развернуть самостоятельно, есть плагин для ComfyUI и пайплайн Diffusers; MAI-Image-2.6 Preview доступен по приглашению в MAI Playground и Microsoft Foundry

• Цена — M​OSS-Image можно скачать бесплатно, объём составляет ~27,2 ГБ, а также потребуется ваше собственное время на GPU; у M​AI-Image-2.6 Preview нет опубликованного прайс-листа

• Лицензия — M​OSS-Image распространяется под Apache 2.0 как для весов, так и для кода автономного пайплайна, без порога по выручке; M​AI-Image-2.6 Preview является проприетарным продуктом без указанной лицензии

• Независимая оценка — M​OSS-Image занимает второе место на RealLayoutArena с 1 698,70 Elo (авторский бенчмарк); M​AI-Image-2.6 Preview — второе место на Arena в категории text-to-image с 1 336±11 по ~3 488 голосам (крауд-борд), третье место на Arena в категории single-image edit с 1 420

• Управление компоновкой — M​OSS-Image принимает макет в формате JSON с абсолютными координатами в пикселях и сообщает средний IoU 0,88 на 7Bench; M​icrosoft не публикует никаких бенчмарков по компоновке ни для одного продукта в линейке изображений M​AI.

• Рендеринг текста — M​OSS-Image сообщает 96,3 Mean-6 на LongLongTextBench с 97,1 для английского и 92,4 для китайского; M​AI-Image-2.6 Preview улучшил показатель на +91 Elo по рендерингу текста относительно 2.5 согласно разбивке Arena по категориям, при этом абсолютный показатель не опубликован.

• Редактирование — M​AI-Image-2.6 Preview занимает 3-е место в таблице Arena по редактированию одиночных изображений; в отчёте M​OSS-Image редактирование не представлено как продуктовая поверхность.

• Обслуживание — M​OSS-Image имеет незавершённую работу по фреймворку Day 0, включая открытый pull request в vLLM-Omni, который добавляет модель с skip-layer guidance и ещё не включён в помеченный релиз; M​AI-Image-2.6 Preview обслуживается M​icrosoft, на условиях M​icrosoft, когда M​icrosoft скажет.

Где каждый из них действительно впереди

MOSS-Image впереди во всём, что проистекает из его открытости. Вы можете изучить архитектуру, квантовать её, дообучить на приватных данных, запускать в изолированной среде без подключения к сети и поставлять в составе коммерческого продукта без переговоров о лицензии — Apache 2.0 покрывает веса и код автономного пайплайна, без приложения о допустимом использовании и без отдельного коммерческого уровня. Для модели, чья ключевая возможность — отрисовка разборчивого текста в заданных позициях, это важнее, чем разница в бенчмарках, потому что отрисовка текста — именно та возможность, которая проявляется в работе с клиентами: макеты продуктов, макеты интерфейсов, инфографика, постеры, рекламные макеты.

M​AI-Image-2.6 Preview впереди по тем аспектам, которые вытекают из того, что это платформенная модель, а не репозиторий. Она охватывает сотни миллионов людей через Bing Image Creator, PowerPoint и OneDrive, ориентирована на управляемую облачную конечную точку в Foundry и улучшается по опубликованному графику выпуска. Если вам нужна модель изображений, которую ваша организация может вызывать из стека в стиле M​icrosoft с контрактом на поддержку за спиной, никакое количество Apache 2.0 этого не заменит.

Неудобная середина — именно там на самом деле находится большинство команд. Microsoft не опубликовала ни цену, ни лицензию, ни число параметров, поэтому вы не можете оценить стоимость внедрения её модели. OpenMOSS опубликовала всё это — и не дала никакого способа вызвать её, не владея оборудованием.

Что ни один из них не меняет в вашем дне

Обе эти модели находятся за пределами хостингового рынка, с которым вы, вероятно, уже работаете, и именно здесь слой маршрутизации заслуживает того, чтобы сказать что-то точное, а не рекламное. Мы не хостим M​OSS-Image и не хостим M​AI-Image-2.6 Preview, поэтому ничто здесь не является предложением обслуживать ни одну из них. Что мы действительно предоставляем — это набор для сравнения: хостинговые модели изображений, с которыми вы бы сравнивали самостоятельно размещённую M​OSS-Image, доступны через один ключ API в нашем каталоге по прейскурантной цене провайдера с наценкой 0%, а значит, изменение цены вендора на стороне хостинга вступает в силу в тот же день, а не по контрактному циклу, с автоматическим переключением при сбое между провайдерами, чтобы прогон бенчмарка не умирал из-за того, что у одного из апстримов выдался плохой день. Попытка протестировать непроверенный чекпойнт против арендованного не должна требовать второго SDK, и это единственное утверждение, которое здесь делается.

Что касается конкретно M​AI-Image-2.6 Preview, маршрутизировать пока нечего. Честная позиция такова: модель реальна, ранг реален, а доступ — это лист ожидания.

Кому следует действовать, а кому — продолжать наблюдать

Выбирайте M​OSS-Image, если у вас есть GPU, рабочий процесс, способный выражать замысел в виде боксов и строк, и сценарий использования, где макет — это конечный результат, а не счастливая случайность. Начните с контрольной точки SFT, заложите 16,8 ГБ под энкодер, прежде чем закладывать бюджет под генератор, и ожидайте 50 шагов сэмплирования при двух прямых проходах трансформера на шаг, если только вы не примените одну из дистилляций от сообщества. Две из них появились в течение суток после релиза: 4-шаговая DMD LoRA и 8-шаговый дистиллированный вариант, ни одна из которых не поддерживается производителем и не протестирована в бенчмарках.

Подождите с MOSS-Image, если вам на этой неделе нужен вызываемый эндпоинт, если вы арендуете мощности, а не владеете ими, или если вам нужен один показатель, который был получен не теми, кто создавал тест. Все три сильных результата выше взяты из бенчмарков, написанных самим вендором, и используют этап спецификации, который, как указано в отчёте, выполняется на GPT-6 во время инференса, — поэтому сквозной Elo — это конвейер из двух моделей, а не результат одной модели.

Если вам нужно что-либо по договору, ждите M​AI-Image-2.6 Preview. Если вы уже клиент Foundry, следите за этим: периодичность выпусков говорит, что следующая версия выйдет через шесть–восемь недель, а превью превратится во что-то с ценником.

Что могло бы разрешить это сравнение — это одно и то же для обоих, и ни у одного из них этого нет: независимый прогон бенчмарка, по которому каждый из них ранжируется. Для M​OSS-Image это означает, что кто-то, кроме OpenMOSS, должен запустить LongLongTextBench или RealLayoutArena. Для M​AI-Image-2.6 Preview это означает, что на табло Arena накопится достаточно голосов, чтобы ±11 перестало иметь значение, или M​icrosoft опубликовала цену.

Пока не произойдёт что-то из этого, точное резюме таково: исследовательская модель на 5B с разрешительной лицензией, с необычно хорошим интерфейсом для текста и вёрстки и без эндпоинта — против проприетарной платформенной модели с независимым краудсорсинговым рейтингом, реальным распространением и без цены. То, на что вы можете опереться, целиком зависит от того, что является вашим узким местом — лицензия или URL.

Задокументированные сбои ИИ и инциденты с агентами, стоящие за такими релизами, как этот, собраны в OrcaRouter AI Incident Archive, где каждая запись содержит собственные источники, уровень серьёзности, степень уверенности и флаг оспаривания.