Titelkort med texten 'MAI Image 2.7 Preview' och underrubriken 'Leder 4 av 7 redigeringsåtgärder' samt tre chips: 'Endast redigering', 'Inget API', 'Förhandsvisning i Playground'.
Guides & Insights

MAI Image 2.7 Preview leder i fyra av sju redigeringsåtgärder – och kan inte generera en bild

Författare

Gideon Frost

Publiceringsdatum

Senaste modellerna · 20Visa alla modeller →
Benchmarks: Artificial Analysis · uppdateras dagligen
Tillbaka till alla inlägg

Microsoft AI släppte MAI Image 2.7 Preview den 27 oktober 2026, och det mest användbara att veta om den är en mening i själva tillkännagivandet: modellen börjar med redigering, med text-till-bild-generering "som kommer snart". Allt som följer – andraplatsen på Artificial Analysis, tredjeplatsen på Arena, ökningen med 42 poäng jämfört med MAI-Image-2.6 – beskriver en modell som kan förbättra en bild du redan har och inte kan skapa en från ingenting.

Det är en mer nischad produkt än en placering på en topplista antyder. En generativ bildmodell är ett verktyg för tomma blad; en redigeringsmodell är ett verktyg för reparation och revidering. De flesta jobb som folk faktiskt betalar för 2026 är revideringsjobb, vilket är anledningen till att redigeringslistan har blivit den som kommersiella köpare håller koll på. Men uppdelningen spelar roll när du sätter dig ner för att prova det: du behöver en källbild innan MAI Image 2.7 Preview har något att arbeta med.

Modellen är tillgänglig i MAI Playground, på Arena och på Artificial Analysis. Det finns inget API, ingen listning i Microsoft Foundry och inget publicerat pris. Microsoft har inte offentliggjort några gränser specifika för 2.7 när det gäller referensbilder, upplösning eller utdatanivåer.

Vad "Editing" omfattar här

Microsofts beskrivning av modellen är ovanligt specifik om vilka redigeringar den byggdes för: omstilisering av hela scenen, ändrad belysning, ändring av text och symboler medan de hålls integrerade i bilden, restaurering eller förbättring av en befintlig resurs, och redigeringar som kräver att man förstår objekt, belysning och miljöer tillsammans. Listan är inte generisk. Varje punkt anger ett felmod som tidigare redigeringsmodeller hanterade dåligt – omljussättningen som lämnar skuggor pekande åt fel håll, den nya etikettexten som svävar ovanför ytan i stället för att ligga på den, uppskalningen som skärper bruset tillsammans med detaljerna.

Integrationsfrasen är den som är värd att läsa två gånger. Textredigering i bildmodeller är ett löst problem isolerat och ett olöst problem i kontext: vilken modell som helst kan rendera ett ord, och de flesta renderar det ovanpå scenen snarare än in i den, med fel perspektiv, fel rörelseoskärpa och ett typsnitt som inte matchar ytan det landar på. Microsoft hävdar att just den luckan är en styrka, vilket är ett kontrollerbart påstående snarare än en känsla.

Fyra av sju, och de tre som gick åt andra hållet

Artificial Analysis poängsatte MAI Image 2.7 Preview till 1 193 Elo på AA-Image-Editing v2.1, utifrån en ögonblicksbild daterad 22 oktober 2026. Det placerar den på andra plats, sex poäng bakom GPT Image 2.5 Sunburst på dess högsta kvalitetsnivå (1 199) och elva poäng före GPT Image 2.5 Flare (1 182). Modellen som den ersätter, MAI-Image-2.6, ligger på 1 151 – en förbättring med 42 poäng.

Kategoriuppdelningen är mer informativ än aggregeringen. Enligt Artificial Analysis rankas 2.7 som etta inom fyra av de sju redigeringsåtgärder som det utvärderar, och Microsoft säger att modellen förbättrades inom alla tio användningsfall och alla sju åtgärder. De fyra där den leder är förbättring och restaurering, resonemangsbaserade redigeringar, scen och stil samt text- eller symbolredigering. Den största marginalen är scen och stil, där Microsoft hävdar en ledning på 24 poäng över näst bästa modell.

De tre områden där den inte leder är komposition, redigeringar av enskilda objekt och identitetsbevarande – alla tre innehas av OpenAI. Det är en sammanhängande bild snarare än en slumpmässig spridning. OpenAI:s modeller är starkast just där instruktionen måste följas bokstavligt och lokalt: flytta det här objektet, behåll det här ansiktet, respektera den här layouten. Microsofts modell är starkast där instruktionen kräver bedömning över hela bildrutan: ändra belysningen i scenen, ge den ny stil, restaurera den, skriv om skylten.

Single-column scoreboard for MAI Image 2.7 Preview: AA editing Elo 1,193 rank 2, Arena Edit 1,470 rank 3, gain over 2.6 of +42 Elo, category leads 4 of 7 editing actions, text-to-image coming soon, API and price not published. Footer: 'AA figures per Artificial Analysis v2.1, Oct 22 2026 snapshot; Arena per LMArena.'

Text- och symbolresultatet är det kommersiellt intressanta.

Av de fyra kategorier som 2.7 leder är text- och symbolredigering den med det tydligaste affärscaset utanför en kreativ studio. Förpackningsmockuper, butiksskyltning, bildspel med diagrametiketter inbakade i en exporterad PNG, produktbilder med en regional variant av samma etikett – allt detta är redigeringar där den dyra delen inte är att rita det nya ordet utan att bevara belysningen, perspektivet och materialresponsen hos ytan det sitter på.

Det är också den kategori där en förhandsvisning är minst användbar och mest frustrerande. En designer som vill fixa en etikett i ett fotografi kan göra det i Playground, en bild i taget, för hand. En pipeline som fixar femtusen etiketter kan inte det, eftersom det inte finns någon endpoint att anropa. Förmågan och leveransmekanismen passar inte ihop, och det är den missanpassningen som är själva nyheten med den här lanseringen – inte Elo-siffran.

Scen och stil är det motsatta fallet. Ett försprång på 24 punkter inom omstyling av hela bildrutan är den typ av marginal som syns i blinda preferenstester, och omstyling är till sin natur ett batchjobb: en källbild, fyrtio utseenden. En modell som vinner den kategorin med bred marginal är en modell som en studio skulle vilja ha i en loop, och det finns ingen loop tillgänglig.

Vad "Preview" har betytt på Microsoft tidigare

Föregångaren är den bästa tillgängliga vägledningen för tidslinjen. MAI-Image-2.6 introducerades i Microsoft Foundry den 4 september 2026, ungefär sex veckor innan 2.7 dök upp. Dess publicerade prislista är per token i stället för per bild – 5 USD per miljon token för textinmatning, 8 USD per miljon token för bildinmatning, 38 USD per miljon token för bildutmatning – vilket blir ungefär fyra cent för en typisk bild. Flash-varianten kostar 1,75, 2,50 och 19 USD, eller omkring två cent per bild.

Om 2.7 följer samma väg är de saknade delarna en Foundry-listning, en versionssträng och en prislista. Avståndet mellan "tvåa på redigeringslistan" och "en radpost i din budget" är exakt dessa tre artefakter. Tills de finns väljer ett team som behöver en redigeringsmodell i produktion i dag mellan 2.6 i Foundry och vad annat det redan kan anropa.

Så testar du det den här veckan

MAI Playground finns på playground.microsoft.ai och kräver ett Microsoft-konto. Arena exponerar modellen för blind sida-vid-sida-röstning mot andra redigeringsverktyg, vilket är ett genuint användbart sätt att själv kontrollera påståendet om scen och stil: lägg in ett fotografi, be om en relight och se vilket resultat du föredrar när du inte vet vilken modell som producerade det.

Det finns två förbehåll innan du planerar utifrån detta. För det första har Microsoft inte publicerat några generationsgränser som är specifika för 2.7. De gränser för gratisnivån som cirkulerade under MAI-Image-2-eran – i storleksordningen femton genereringar per dag med en väntetid mellan dem – bekräftades aldrig för den här modellen och bör inte antas gälla. För det andra är en Arena-röst inte en produkttestning. Arena talar om vilken output folk föredrar under en neutral prompt; det säger inget om hur modellen beter sig vid den fyrtionde revideringen av samma tillgång, vilket är det faktiska arbetsvillkoret.

Screenshot of the Microsoft AI post 'MAI Image 2.7 debuts above GPT Image 2.5 Flare on Artificial Analysis and #3 on Arena', dated October 27, 2026, with its embedded Artificial Analysis chart: GPT Image 2.5 Sunburst (max) 1,199, MAI-Image-2.7-Preview 1,193, GPT Image 2.5 Flare (max) 1,182, MAI-Image-2.6 1,151, Krea 3 (Ultra) 1,151, Nano Banana 2.1 1,151, MAI-Image-2.6-Flash 1,144 and GPT Image 2 (high) 1,136, sourced to AA-Image-Editing v2.1.

Vad som skulle krävas för att flytta detta från lekplats till produktion

Tre saker, i prioritetsordning. Ett driftsättningsmål — Foundry eller ett offentligt API — för utan ett sådant är modellen bara en demo. Ett pris, eftersom "tvåa på redigeringsbordet" inte är ett inköpsargument förrän du kan dividera det med kostnaden per bild. Och text-till-bild-paritet, eftersom en stor mängd verkliga redigeringsarbetsflöden börjar med att generera basbilden innan den bearbetas, och en modell som inte kan skapa en bild tvingar varje pipeline att koppla på en andra leverantör.

För team som behöver en redigeringsmodell under en enda nyckel nu är det praktiska svaret annorlunda än det intressanta svaret. OrcaRouter är inte värd för MAI Image 2.7 Preview — ingen är det, eftersom det inte finns något API — men GPT Image 2.5 Sunburst och GPT Image 2.5 Flare, de två modellerna direkt ovanför och under den på den tavlan, är båda tillgängliga via gatewayen till deras leverantörs listpris utan påslag. Det gör sexpunktersgapet mellan första och andra plats testbart idag på ett sätt som andraplatsmodellen inte är: du kan köra samma redigering genom båda OpenAI-nivåerna och se vilken dina egna tillgångar föredrar och sedan behålla vinnaren i routingkonfigurationen.

Screenshot of the OrcaRouter models catalogue headed 'Models' with the line '222 models · 17 providers · one API key, one bill', a modality filter showing 12 image models, and model cards including Kimi K3.1 Pro, MiniMax M3.1 Flash and DeepSeek V4.1 Flash with per-million-token pricing.

Den ärliga sammanfattningen är att Microsoft har släppt den mer intressanta editorn och OpenAI fortfarande levererar den mer tillgängliga. De sex Elo-poäng som skiljer dem åt är mindre än avståndet mellan en playground och en endpoint, och bara en av dessa klyftor sluts av sig själv.