MAI-Image-2.7-Preview vs GPT-Image-2.5: Den skarpare redigeraren vs den du kan ringa

Börja med jobbet, inte med topplistan. Om din produkt redigerar en katalog med produktbilder över natten via ett API är valet mellan MAI-Image-2.7-Preview och GPT-Image-2.5inte särskilt jämnt, eftersom bara en av dem tar emot en förfrågan. Om du bedömer själva redigeringen – att ändra ljuset i en scen, byta ut en etikett, hålla en karaktär konsekvent över fem omgångar – har Microsofts nya modell ett verkligt anspråk på toppen, och den underbygger anspråket med en poängmarginal som är tillräckligt tunn för att man ska kunna argumentera om den. Matchen handlar därför inte om "vilken modell som är bättre". Den handlar om "hur mycket redigeringskvalitet ett produktions-API är värt".

Microsoft släppte MAI-Image-2.7-Preview den 27 oktober 2026. Det är en förhandsversion enbart för redigering, tillgänglig via MAI Playground, Arena och Artificial Analysis, utan driftsättning i Microsoft Foundry och utan offentliggjort pris. OpenAIs GPT-Image-2.5 har varit allmänt tillgänglig sedan den 8 september 2026 i två varianter – Sunburst för kvalitet, Flare för hastighet – med en offentlig prislista, text-till-bild och redigering samt ett dokumenterat API. Den asymmetrin ramar in varje siffra nedan.

Siffrorna, och hur mycket vikt de bär

På Artificial Analysis AA-Image-Editing v2.1-tavla, utvärderad 22 oktober 2026, GPT-Image-2.5 Sunburst (max) leder med 1 199 Elo. MAI-Image-2.7-Preview är tvåa med 1 193. GPT-Image-2.5 Flare (max) är trea med 1 182.

• MAI-Image-2.7-Preview vs Sunburst: 6 Elo efter, på högsta kvalitetsnivån

• MAI-Image-2.7-Preview mot Flare: 11 Elo högre, på den maximala kvalitetsnivån

• MAI-Image-2.7-Preview vs MAI-Image-2.6: 42 Elo före

• Arena Edit:Microsoft rapporterar 2,7 på plats 3 och sig själva som labb nr 2

De siffrorna kommer från Microsofts lanseringsinlägg, som återger Artificial Analysis-resultattavlan; Artificial Analysis är den oberoende utvärderaren, Microsoft är kanalen genom vilken vi läser den. Elo-gap på sex och elva punkter ligger inom det intervall där röstsammansättning och konfidensintervall kan vända en rangordning, så de försvarbara påståendena är snävare än tabellen antyder: 2.7 är konkurrenskraftig mot den bästa GPT-Image-2.5-konfigurationen och klart före den snabba konfigurationen, inte att den är den enda bästa redigeraren i världen. Att Arena listar den som nr 3 och pekar i samma riktning är stöd, inte bekräftelse, eftersom de två resultattavlorna använder olika väljare och skalor.

Ytterligare ett förbehåll som spelar roll för kostnaden: OpenAI-siffrorna är "max"-nivån. Det är den dyraste inställningen i familjen, och det är inte den nivå som de flesta produktionsflöden körs på.

Vad varje modell faktiskt är

• Lägen: MAI-Image-2.7-Preview har endast redigering vid lanseringen, med text-till-bild "kommer snart"; GPT-Image-2.5 hanterar både text-till-bild och redigering inom samma familj.

• Varianter: Microsoft levererar en förhandsversion av 2.7; OpenAI levererar Sunburst (kvalitet först) och Flare (latens först) till identiska tokenpriser.

• Åtkomst: 2.7 finns i MAI Playground, Arena och Artificial Analysis; GPT-Image-2.5 är ett publikt API.

• Pris: 2.7 har inget publicerat pris; GPT-Image-2.5 debiterar 5 USD per miljon textinmatningstokens, 8 USD per miljon bildinmatningstokens och 30 USD per miljon bildutmatningstokens, med cachad inmatning på 1,25 USD och 2,00 USD.

• Kvalitetsnivåer: OpenAI exponerar låg, medel, hög, xhigh och max; Microsoft har inte publicerat en motsvarande inställning för 2.7.

• Referensbilder: OpenAI stöder redigeringar med flera referenser, upp till 16 bilder enligt dess egen dokumentation; Microsoft publicerade fem för MAI-Image-2.6 och har inte publicerat någon gräns för 2.7.

Det är i uppgifterna om referensbilder och upplösning som databladen blir svåra att tolka. MAI-Image-2.6 begränsade utdata till 2 359 296 pixlar – 1536×1536 – och accepterade fem referensbilder, båda dokumenterade i Microsoft Foundrys API-referens. Microsoft har inte publicerat motsvarande uppgifter för 2.7, och det är inte säkert att anta att 2.6-gränserna har förts över oförändrade. OpenAI:s 2.5-familj annonserar högre upplösningstak i sitt lanseringsmaterial, även om de publicerade token-exemplen stannar vid 1536×1024, så det praktiska taket beror på vilken storlek du begär. Om en fast 4K-leverans är ett hårt krav bör du verifiera det mot det live-API:et i stället för mot någon av leverantörernas marknadsföringssidor.

Kostnaden för att välja den bättre editorn

Räkna ut kostnaden för 10 000 kvadratiska bilder på 1024×1024. Vid maxkvalitet kostar GPT-Image-2.5 cirka 0,211 USD per bild, eller ungefär 2 110 USD. Vid hög kvalitet cirka 0,053 USD per bild, eller 527 USD. Vid medelkvalitet cirka 0,013 USD per bild, eller 132 USD. Detta är uppskattningar av output-tokens baserade på OpenAIs publicerade priser, inte en offert, och redigeringar tillför kostnad för bildindata ovanpå eftersom referensbilden debiteras som indata.

MAI-Image-2.7 har inget pris, så den enda referenspunkten är dess föregångare. MAI-Image-2.6 i Foundry kostar 5 USD per miljon textinmatningstokens, 8 USD per miljon bildinmatningstokens och 38 USD per miljon bildutmatningstokens, vilket Artificial Analysis uppskattade till ungefär 0,039 USD per bild – cirka 390 USD för samma 10 000. Om 2.7 lanseras till en liknande prisnivå skulle den kostnadsmässigt ligga mellan GPT-Image-2.5:s höga och medelhöga nivåer, samtidigt som den får högre poäng än Flare-modellen. Det är ett ”om”, inte ett konstaterande, och Microsoft har inte gett någon signal om var den kommer att landa.

Det finns en andra kostnadsfälla i OpenAIs nivåtrappa. Nivåerna fick nya etiketter i 2.5: den nya high-inställningen använder ungefär tokenbudgeten för den gamla medium, och max använder ungefär den gamla high. Team som gick från gpt-image-2 med en oförändrad kvalitetsparameter fick en billigare rendering vid vad som tidigare var en lägre kvalitetsinställning. Kontrollera vilken nivå din kod faktiskt begär innan du jämför en faktura med förra kvartalets.

Där 2.7 är genuint bättre

Microsofts kategoripåståenden är den användbara delen av dess inlägg. Det säger att 2.7 förbättrar 2.6 över alla 10 användningsfall och alla 7 redigeringsåtgärder som Artificial Analysis utvärderar, når frontlinjen inom förbättring och restaurering, resonemangsbaserade redigeringar, scen och stil, samt text- eller symbolredigering, och leder över den näst bästa modellen med 24 Elo inom scen och stil. Rangkliven är stora: resonemangsbaserade redigeringar och scen och stil flyttades båda från nr 7 till nr 1, och text- eller symbolredigeringar från nr 6 till nr 1.

Det är de redigeringarna som oftast misslyckas i produktion. Att ljussätta om en produkt i en ny miljö, att byta ut skyltning utan att förvränga perspektivet, att restaurera en lågkvalitativ resurs utan att hitta på detaljer – var och en kräver att modellen förstår hur scenen fungerar, inte bara var den ska måla. En ledning på 24 Elo inom scen och stil, om den håller, är en större praktisk skillnad än den sexpunktliga övergripande marginalen antyder, eftersom den är koncentrerad precis där generiska redigerare tenderar att producera uppenbara artefakter.

OpenAIs motargument är inte en kategoripoäng. Det handlar om konsistens över flera turer: Sunburst är positionerad för redigeringstunga arbetsflöden där samma motiv måste klara sig igenom flera omgångar av ändringar, och OpenAIs egen dokumentation rekommenderar att godkända redigeringar sammanfogas tillbaka i originalet när pixlarna måste förbli identiska. Det är ett medgivande om att även den bästa redigeraren driftar. Microsoft har inte publicerat någon motsvarande utvärdering över flera turer, så det arbetsflöde som betyder mest för iterativ design är det med minst jämförbart underlag.

Kör båda utan två kontrakt

Det är här jämförelsen upphör att vara symmetrisk. GPT-Image-2.5 Sunburst och Flare finns båda på OrcaRouter, bakom en enda API-nyckel och en enda faktureringsrelation, med 0 % påslag – leverantörens listpris förs vidare, med automatisk redundansväxling om en leverantör försämras. Du kan skicka utkastiterationer till Flare och slutliga renderingar till Sunburst utan att öppna ett andra konto, och en routningsregel kan göra den växlingen efter uppgiftstyp i stället för via kodförgrening.

MAI-Image-2.7-Preview finns inte på OrcaRouter och kan inte finnas där förrän Microsoft exponerar ett offentligt API. I dag är den en playground-modell: manuell, med människan i loopen, bra för utvärdering och arbete med tillgångar, inte något man kan lägga bakom en kö. Det är inte en kritik av modellens kvalitet; det är skillnaden mellan en benchmarkvinnare och ett beroende.

Samtalet

• Du behöver en redigeringsslutpunkt det här kvartalet: GPT-Image-2.5. Sunburst för färdiga material, Flare för iterationsvolym. Elo-underskottet på sex poäng mot 2.7 är mindre än kostnaden för att inte leverera.

• Du behöver den enskilt bästa redigeringen på en handfull högt värdefulla tillgångar: testa MAI-Image-2.7-Preview i playground. Scenomstyling och textersättning är där Microsoft hävdar att de har det största försprånget, och dessa är värda en manuell genomgång på hero-bilder.

• Du behöver både text-till-bild och redigering: GPT-Image-2.5, punkt slut. 2.7 genererar inte än.

• Du är kostnadskänslig vid hög volym: prissätta Flare mot dina faktiska redigeringsstorlekar, inte mot de marknadsförda siffrorna per bild. Token för bildindata dominerar när du skickar flera referenser.

Den ärliga sammanfattningen är att Microsoft har byggt den bättre editorn och att OpenAI fortfarande säljer den bättre produkten. Båda kan vara sanna så länge 2.7 förblir en förhandsversion — och den dag Microsoft släpper en Foundry-version och sätter ett pris på den får den här jämförelsen en andra akt.