MAI Image 2.7 Preview vs Krea 3: Det enda Elo-gapet i den här serien som du faktiskt kan lita på

Av de fyra redigeringsmodeller som MAI Image 2.7 Preview mäts mot den här veckan är Krea 3 den enda vars poäng ligger på samma skala. Båda finns med på Artificial Analysiss AA-Image-Editing v2.1-lista, och på den listan har Krea 3 Ultra 1 151 Elo – samma siffra som MAI-Image-2.6 och Nano Banana 2.1, tre modeller som ligger lika i toppen av den andra nivån. MAI Image 2.7 Preview debuterade på 1 193, vilket ger 42 poängs skillnad mellan de två.

Det är en verklig siffra på ett sätt som de andra jämförelserna inte är. Det är samma resultattavla, samma poängkörning och samma ögonblicksbild. Den är också tillräckligt liten för att vara skör: en Elo-skillnad på 42 poäng över en resultattabell med konfidensintervall är en genuin fördel i aggregerat, inte en garanti för just din specifika tillgång.

Vilket gör att den intressanta frågan inte är "vilken som är bättre" utan "vad gör Krea 3 som en modell med 42 fler poäng inte gör", eftersom svaret visar sig vara en lång lista.

Samma styrelse, och vad 42 poäng köper

Artificial Analysis ger 2,7 vid 1 193, tvåa totalt, sex efter GPT Image 2.5 Sunburst på dess högsta nivå och elva före GPT Image 2.5 Flare. Krea 3 Ultras 1 151 placerar den i gruppen närmast under, i nivå med Microsofts föregående generation.

Kategoridetaljerna skärper bilden. Microsoft säger att 2.7 förbättrades inom alla tio användningsfall och alla sju redigeringsåtgärder jämfört med 2.6, och Artificial Analysis placerar den först i fyra av de sju åtgärderna – förbättring och restaurering, resonemangsbaserade redigeringar, scen och stil samt text- eller symbolredigering – med den största marginalen i scen och stil på 24 punkter. De tre där den inte leder – komposition, redigering av enskilda objekt och identitetsbevarande – innehas av OpenAI.

Läst mot Krea 3 tyder den profilen på att de 42 poängen är koncentrerade snarare än spridda. En Krea 3-användare som byter till 2.7 skulle förvänta sig de största vinsterna vid arbete med hela bildrutan — styla om den här scenen, ändra ljuset i det här fotografiet, restaurera den här skanningen — och mycket mindre på de regionala, maskerade och exakt avgränsade redigeringar som Krea 3 uttryckligen är byggt för.

Åtta sekunder mot närhelst du får en tur

Krea 3:s definierande siffra är latensen. Företaget hävdar redigeringar från början till slut på under åtta sekunder i native 2K, där de snabbaste konfigurationerna landar på omkring fyra till fem sekunder, och beskriver modellen som ännu inte i realtid men tillräckligt nära för att kännas interaktiv. Huruvida siffran håller under din egen belastning är en separat fråga, men påståendet är specifikt och kontrollerbart på ett sätt som de flesta lanseringspåståenden inte är.

MAI Image 2.7 Preview har ingen latenssiffra eftersom den inte har någon slutpunkt. Dess interaktionsmodell är en webbläsarflik i MAI Playground, en bild i taget, och Microsoft har inte publicerat någon information om genomströmning, kö eller frekvens för förhandsversionen. Den tidigare MAI-Image-2-lekplatsen rapporterades tillåta ungefär femton genereringar per dag med en väntetid mellan dem; den siffran bekräftades aldrig för 2.7 och bör inte antas.

Konsekvensen är strukturell snarare än inkrementell. En redigering på åtta sekunder är tillräckligt snabb för att rymmas i ett designverktyg, vilket är anledningen till att Krea positionerar 3 som ett redigeringsverktyg för kommersiella team snarare än en generator med ett redigeringsläge. En tur och retur i en playground är tillräckligt snabb för att utvärdera och alldeles för långsam att bygga vidare på. Att jämföra de två i hastighet är inte att jämföra två hastigheter; det är att jämföra en latenssiffra med en som inte finns.

LoRA-träning är förmågan som saknar motstycke

Krea 3 stöder träning av en LoRA på en specifik produkt, person eller stil, och företaget hävdar att det är den första redigeringsmodellen som kan tränas på det här sättet. Oavsett om "först"-påståendet håller eller inte är den här funktionen det mest betydelsefulla i båda specifikationsbladen.

En redigeringsmodell som generaliserar är användbar för engångsarbete. En redigeringsmodell som du kan finjustera på din egen katalog är en annan typ av tillgång: den lär sig hur din produkt ser ut från vinklar som prompten inte kan beskriva, och den slutar behöva en referensbild vid varje förfrågan. För en studio med en fast produktlinje innebär det att en kostnad per anrop omvandlas till en engångskostnad för träning plus billigare anrop.

MAI Image 2.7 Preview erbjuder inget jämförbart och skulle inte kunna göra det i sin nuvarande form – det finns inget träningsgränssnitt, inga vikter och inget API. Microsofts modell är en förmåga man hyr i en webbläsare; Kreas är en förmåga man kan anpassa.

Stilreferenser är den lättare varianten av samma idé, och Krea 3 stöder även dem, tillsammans med regional redigering och bounding box-kontroll. Mönstret är konsekvent: Krea levererar kontroller, Microsoft levererar omdöme.

Referensräkning är en röra på båda sidor

Krea 3:s dokumentation säger emot sig själv när det gäller hur många referensbilder den accepterar. Lanseringsinlägget säger sex. Produktsidan och API-dokumentationen säger åtta. API:et skalar ned referenser efter den femte och rekommenderar fyra eller färre för full detalj, och ett Zero Data Retention-läge begränsar antalet till fyra. Alla dessa är Kreas egna siffror, publicerade vid olika tidpunkter för olika ytor.

Det är värt att uppmärksamma, inte som en vilseledning utan som en påminnelse om hur specifikationsblad åldras. Ett referenstak är en produkt av upplösning, minne och faktureringsmodell, och det förändras när en leverantör finjusterar serveringsstacken.

För MAI Image 2.7 Preview existerar det motsvarande numret inte överhuvudtaget. Microsoft har inte publicerat något referensmaximum, ingen upplösning, inga kvalitetsnivåer och ingen maskkonvention. Föregångaren MAI-Image-2.6 accepterade upp till fem referenser och begränsade utdata till nära 1536×1536; att anta att 2.7 ärver någon av dessa gränser är en slutledning. I denna dimension är Krea 3 inte bättre dokumenterad – den är dokumenterad, och otydligheten är synlig snarare än frånvarande.

Tankesätt och kostnaden för att vara försiktig

Krea 3 erbjuder snabba lägen och lägen för högt tänkande, och prissättningen återspeglar skillnaden: 0,06 USD per bild vid 2K med standardinställningen och 0,08 USD för högt tänkande vid 2K, med 0,05 USD respektive 0,03 USD vid 1K. Indatabilder faktureras separat med 0,02 USD per megapixel. Utdata sker i native 2K med ett 4K-alternativ för tryck och storformatsarbete.

Tvålägesdesignen passar bra för redigering, eftersom redigeringssvårigheten är starkt tvåtoppig. Att räta upp en horisont och att bygga om en reflektion är inte samma jobb, och att betala samma taxa för båda tar för mycket betalt för det enkla fallet. Ett team som dirigerar enkla redigeringar till snabbläget och komplexa till högt tänkande kan sänka sin kostnad avsevärt utan att fatta ett kvalitetsbeslut för varje förfrågan.

MAI Image 2.7 Preview har inga nivåer, inga lägen och inget pris. Dess kvalitet är vad modellen presterar, och dess kostnad är analytikerns eftermiddag.

CPI-Bench mot en resultattavla

Krea anger en CPI-Bench-poäng på 4,81 av 5 för Krea 3 Ultra, vilket placerar den bakom GPT Image 2.5 och före GPT Image 2, Seedream 5 Pro samt Nano Banana 2 och Pro. Det är ett leverantörsrapporterat benchmarkresultat och bör läsas som just ett sådant – det är inte en oberoende rangordning, och jämförelseurvalet väljs av företaget som publicerar det.

Det pekar dock på något som Elo-tavlan inte fångar särskilt väl: användarpreferenser för kommersiellt kreativt arbete, vilket är vad CPI-Bench är uppbyggt kring. Kreas eget budskap är att modellen är 10× snabbare än GPT Image 2 och 4× snabbare än Nano Banana Pro, och ett benchmark som belönar användbar output per tidsenhet kommer att gynna en snabb modell även när en långsammare sådan får högre poäng i blinda parvisa jämförelser.

Microsofts bevis pekar i motsatt riktning. Deras siffror är placeringar på resultattavlan — tvåa på redigeringstavlan, trea på Arena Edit med 1 470 poäng och en uppgång på 45 poäng jämfört med 2.6, vilket gör Microsoft till det näst högst rankade labbet på den tavlan — plus en uppsättning kategoripåståenden som härleds från dessa körningar. Båda är legitima; ingen av dem är en direktjämförelse mot den andra modellen.

Domen varierar med yrket, inte med poängen

Om du bygger in en redigeringsfunktion i en produkt det här kvartalet är Krea 3 standardvalet, och inte tack vare dess Elo. Den har ett API, ett publicerat pris, en latenssiffra, referenskontroller, regionala masker, ett snabbläge för billiga redigeringar och LoRA-träning för din egen katalog. MAI Image 2.7 Preview har inget av detta, och dess försprång på 42 punkter håller inte när den möter en pipeline som inte kan anropa den.

Om du väljer en editor för arbete som en människa ska utföra för hand, är rangordningen värd något. Omstyling av scener, ombelysning och restaurering är där 2.7:s marginal är koncentrerad, och en designer som arbetar i Playground kan använda det försprånget direkt.

Om du försöker avgöra om frontlinjen har flyttats tillräckligt långt för att byta, är den ärliga tolkningen att den har flyttats med 42 punkter på en och samma resultattavla, vilket är betydelsefullt i befolkningsskala och litet i skalan av en enda svår bild. Det praktiska sättet att avgöra det är att köra dina fem svåraste redigeringar genom båda – Arena-jämförelsen för 2.7 kostar ingenting, och Krea 3 kostar ungefär trettio cent för samma fem i 2K.

OrcaRouter hostar inte någon av modellerna, så detta är inte ett routingbeslut i dag. Det är ett beslut om vad du ska bygga ditt redigeringslager på, och de lager som är routbara just nu – OpenAI:s bildnivåer som ligger omkring 2.7 på den översikten, till leverantörens listpris utan påslag – är de som du kan sätta bakom en reservkedja medan en modell av förhandsversionsklass bevisar sig.