MAI Image 2.7 Preview vs Ideogram 4.5: Två sorters "precision" – bara en har ett pris

Båda modellerna såldes in med precision, och ordet betyder olika saker i respektive säljbudskap. Ideogram 4.5, som släpptes den 30 september 2026, avser precision på pixelnivå: en mask som anger vilka pixlar som får ändras, en redigering som körs i källbildens egen upplösning i stället för att först skala ned den, och ett dokumenterat löfte om att omgivande pixlar stannar där de var. MAI Image 2.7 Preview, som släpptes av Microsoft AI fyra veckor senare den 27 oktober 2026, avser precision på omdömesnivå: att ge en hel scen en ny stil utan att förstöra den, att belysa den korrekt och att skriva om texten så att den hör till ytan i stället för att sväva ovanför den. Ingen av dessa två kan anropas via en gateway, och ingen av leverantörerna har sagt när det ändras. Se bildmodellerna som kan anropas via routning i dag. Modellerna du kan anropa listas tillsammans med leverantörernas priser.

Det är inte konkurrerande påståenden om samma förmåga. Den ena är en kontrollsyta, den andra är en smakmodell. Och den praktiska skillnaden mellan dem syns i den minst glamorösa delen av specifikationsbladet: Ideogram 4.5 publicerar en maskkonvention och ett pris per bild; MAI Image 2.7 Preview publicerar ingendera.

Vad ”Precise” innebär när det finns en mask

En mask är ett kontrakt. Ideogram 4.5 tar emot en sådan, där svart markerar området som ska redigeras och vitt markerar området som ska bevaras, tillsammans med upp till fem indatabilder – en källa plus fyra referenser. Det gränssnittet gör en redigering till något du kan specificera i stället för något du beskriver och hoppas på.

Det gör också modellen testbar på ett sätt som en redigerare som bara bygger på promptar inte är. Om en kund säger "ändra flasketiketten och inget annat" kan maskversionen kontrolleras mekaniskt: diffa utdata mot indata utanför det maskerade området och räkna ändrade pixlar. Promptversionen kräver att en människa tittar på båda bilderna och bildar sig en uppfattning. Vid fem tillgångar är den skillnaden ingenting. Vid femhundra är det skillnaden mellan ett QA-steg och en QA-avdelning.

Microsoft har inte publicerat någon mask-semantik, något gränssnitt för avgränsningsrutor och ingen koordinatstyrning för MAI Image 2.7 Preview. Modellen tar emot en instruktion och en källbild. Vad den ändrar bestäms av modellen, och företagets beskrivning av designmålen – omstyling av hela scenen, ny belysning, återställning av en tillgång, redigering av text och symboler i sitt sammanhang – är en beskrivning av redigeringar som avsiktligt är globala. Det är ett legitimt designval för de uppgifter som 2.7 är inriktad på. Det är också anledningen till att man inte kan ge den en låst regional redigering och förvänta sig att kontraktet håller.

Tjugofyra megapixlar in, tjugofyra megapixlar ut

Ideograms huvuddemonstration för 4.5 var en redigering av en källa på 4 016×6 016 pixlar – cirka 24,2 megapixlar – som utfördes utan att först skala ned indata. Det är ett specifikt och ovanligt ärligt riktmärke, eftersom nedskalning är där de flesta redigeringsmodeller tyst tappar det du brydde dig om. En bild som samplas om till två megapixlar, redigeras och skalas upp igen har genomgått två förlustbringande transformeringar innan du ser den, och det "bevarade" området är inte bevarat alls; det är en rekonstruktion.

Den nativa utmatningen för 4.5 är 2K, med en långsida på 2 048 pixlar vid den högsta kvalitetsinställningen och tretton bildförhållanden från 1:1 till 3:1. Så säljargumentet är inte att den ger 24 megapixlar. Det är att en stor källa överlever tur och retur utan att plattas till på vägen in.

För MAI Image 2.7 Preview har ingen upplösning publicerats alls. Föregångaren MAI-Image-2.6 begränsade utdata till nära 1536×1536, och att anta att 2.7 matchar vore en slutsats snarare än rapportering. När ena sidan av en jämförelse har ett publicerat nummer och den andra är tyst, är det publicerade numret inte automatiskt det bättre – men det är det enda du kan optimera mot.

Typografin är där de två tonerna kolliderar

Textåtergivning är den enda förmåga som båda modellerna uttryckligen gör anspråk på, och det är värt att vara specifik om varför det är svårt i båda riktningarna.

Ideograms rykte byggdes på typografi i genereringen – läsbara ord, korrekt stavning, layouter som respekterar en rubriks hierarki. I 4.5 förs den styrkan vidare till redigeringar, och modellen behåller även ett text-till-bild-läge, så att ett team kan generera en layout med riktiga ord i och sedan revidera samma layout utan att byta verktyg.

Microsofts påstående om 2.7 är snävare och på ett avseende svårare: att ändra befintlig text och symboler samtidigt som de hålls integrerade – matcha perspektivet hos en skylt, krökningen hos en etikett, ljussättningen på en tryckt yta. Det är ett annat problem än att återge en rubrik rent på en platt duk, och det är problemet som dyker upp när en kampanj behöver samma förpackningsbild på sex språk. Artificial Analysis placerar 2.7 först när det gäller redigering av text och symboler bland de sju åtgärder som utvärderas, vilket är det starkaste oberoende beviset någon av modellerna har på just denna axel.

Haken är att textresultatet är en kategorirankning, inte en garanti per bild, och det säger inget om hur många försök ett svårt fall kräver. Microsoft säger att 2.7 förbättrades över alla tio användningsfall och alla sju redigeringsåtgärder jämfört med 2.6, med en ledning på 24 poäng inom scen och stil; det är företagets egna utsnitt av en oberoende resultattavla, och de underliggande körningarna är inte offentliga.

Prisstegen, och modellen som inte har någon

Ideogram 4.5 prissätter efter kvalitetsnivå i stället för upplösning, vilket är ett ovanligt och till största delen förnuftigt val: du betalar för hur hårt modellen tänker, inte för hur många pixlar du får tillbaka. De publicerade nivåerna ligger på ungefär $0,03 för Low, $0,06 för Medium och $0,22 för High per bild, med en extra mycket låg nivå som endast är tillgänglig för redigeringar och som vissa återförsäljare anger från cirka $0,008. Prompts expanderas via ett Magic Prompt-reglage, seeds exponeras och en enskild begäran kan returnera upp till åtta bilder – vilket innebär att den effektiva kostnaden per användbar output beror starkt på hur många kandidater du genererar innan en är rätt.

Den sista punkten förtjänar betoning eftersom den kastar om rubrikpriset. En modell för $0,03 som kräver fyra försök kostar tolv cent; en modell för $0,22 som lyckas på första försöket är det billigare alternativet. Nivålistan är en meny, inte en räkning.

MAI Image 2.7 Preview har inget pris eftersom det inte har någon kommersiell slutpunkt. Det är tillgängligt i MAI Playground, på Arena och på Artificial Analysis. Det finns inget API, ingen Foundry-listning och inget prisblad. Det närmaste en prognos man kommer är föregångarens Foundry-prissättning – 5 USD per miljon textinmatningstoken, 8 USD per miljon bildinmatningstoken, 38 USD per miljon bildutmatningstoken, ungefär fyra cent per bild – vilket ungefär säger var Microsoft prissätter bildarbete och ingenting om var 2.7 kommer att hamna.

Var poängen ligger, och varför gapet är mindre än det verkar

MAI Image 2.7 Preview ligger tvåa på AA-Image-Editing v2.1 med 1 193 Elo, sex bakom GPT Image 2.5 Sunburst. Ideogram 4.5 uppgavs ligga på 1 064 Elo och på tjugotredje plats på redigeringslistan, med 1 014 Elo och trettiofjärde av 167 på text-till-bild-listan.

De två redigeringssiffrorna är inte en ren subtraktion, av samma skäl som det aldrig är en ren subtraktion mellan resultattavlerevisioner: siffran 4,5 kommer från dess eget granskningsfönster, och siffran 2,7 från en ögonblicksbild den 22 oktober av en resultattavla som har byggts om minst en gång i år. Gapets riktning är inte tveksam — en modell på topp tre mot en modell på tjugotredje plats är en verklig separation — men dess storlek är inte en mätning.

Vad placeringen faktiskt säger är att Ideograms precisionsargument inte har omsatts i en redigeringspoäng på toppnivå. Dess text-till-bild-poäng, 1 014, ligger knappt över den föregående generationens 1 011. Företagets argument har alltid handlat om kontroll och typografi snarare än placering på resultattavlan, och 4.5 är förenligt med det: ett kontrollerat verktyg på en placering i mitten av tabellen, prissatt per nivå, med ett maskgränssnitt som gör det granskningsbart.

Löftet om öppna vikter

Ideogram sa vid lanseringen att vikterna för 4.5 skulle släppas snart. De har inte släppts. Det spelar roll eftersom det är den enda funktionen som skulle göra modellen kategoriskt annorlunda än något som Microsoft erbjuder — en nedladdningsbar checkpoint är ett arkitekturbeslut, ett hostat API är ett beroende.

Tills vikterna dyker upp är påståendet en punkt på färdplanen och bör behandlas som en sådan. Modellen är tillgänglig idag via Ideograms egen app och API och via en lång lista partnerplattformar, vilket är en verklig form av tillgänglighet men inte samma sak som portabilitet.

Att välja mellan dem

Välj Ideogram 4.5 om redigeringen måste vara avgränsad. Om du kan rita området som får ändras, om källan är stor och måste bevaras i sin egen upplösning, om du behöver ett text-till-bild-läge och ett redigeringsläge i en och samma modell, och om du behöver veta kostnaden innan du börjar – så besvarar 4.5 alla fyra frågorna i sin dokumentation. Det är också den enda av de två som du kan lägga bakom ett API i dag.

Välj {{1}}MAI Image 2.7 Preview{{/1}} om redigeringen är bedömningstung och volymen är låg. Att styla om en scen, ändra ljuset i ett fotografi, skriva om en skylt på ett sätt som respekterar ytan – det är uppgifter där en {{2}}24-poängsledning i kategorin{{/2}} är värd något, och {{3}}Playground{{/3}} är en rimlig plats att göra tjugo av dem för hand.

Det du inte bör göra är att behandla gapet på resultattavlan som en köprekommendation. Modellen på andra plats går inte att anropa, och modellen på tjugotredje plats går att anropa för sex cent på Medium. För ett team som ska besluta vad de ska bygga på under det här kvartalet är det hela jämförelsen. OrcaRouter hostar inte någon av dem, och ingen av leverantörerna har meddelat planer på att ändra det; där en gateway är användbar här är i de modeller du skulle falla tillbaka på när en editor av förhandsgranskningsklass inte är tillgänglig, eftersom OpenAI-nivåerna kring 2.7 på samma resultattavla kan dirigeras via en enda nyckel till listpris och klara ett misslyckat anrop utan kodändring.