MAI-Image-2.7-Preview vs MAI-Image-2.6-Preview: +42 Elo, minus ett läge

En Elo-ökning på 42 poäng motiverar vanligtvis en migrering. Här motiverar den ett test. MAI-Image-2.7-Preview är en klart bättre redigeringsmodell än MAI-Image-2.6-Preview — avståndet är tillräckligt stort för att ändra vilka redigeringar du anförtror modellen — men den är inte en direktersättare, eftersom den nyare modellen inte alls genererar bilder från text. Microsoft släppte 2.7 den 27 oktober 2026 som en förhandsversion enbart för redigering och satte text-till-bild på en "kommer snart"-lista. Den som har en pipeline som anropar en och samma modell för att både generera och redigera står därför inför en uppgradering som täcker halva arbetsbelastningen.

Det gör att den här jämförelsen handlar mindre om vilket nummer som är större och mer om vilken modell som passar vilken uppgift. De två modellerna delar en familj, ett forskningsteam och en resultattavla. De delar inte funktionsuppsättning, åtkomstväg eller pris.

Samma linjal, 42 punkter isär

På resultattavlan AA-Image-Editing v2.1 hos Artificial Analysis, utvärderad den 22 oktober 2026, får MAI-Image-2.7-Preview 1 193 Elo och ligger tvåa totalt. MAI-Image-2.6-Preview får 1 151 och ligger i ett delat trevägsläge med Krea 3 (Ultra) och Nano Banana 2.1; dess snabbare syskonmodell, MAI-Image-2.6-Flash, får 1 144. Gapet på 42 poäng mellan de två Microsoft-modellerna är siffran som Microsoft lyfter fram, och på den här tavlan är det en ren jämförelse på lika villkor: samma utvärderingsversion, samma röstare, samma ögonblicksbild.

Två kontextanteckningar gör att det numret förblir rättvist. För det första kommer dessa siffror från Microsofts lanseringsinlägg som återger Artificial Analysis-tavlan; tavlan är oberoende, återgivningen är det inte, och vi har inte kört om den. För det andra: jämför inte någon av poängen med något som publicerats före ombyggnaden till v2.1. Microsofts septemberutgåva placerade MAI-Image-2.6 som nummer 1 på dåtidens redigeringsresultattavla, och det vore lätt – och fel – att tolka nuvarande 1,151 som en regression. Tavlan har ändrats. Inom v2.1 är 2.6 en 1,151-modell.

De tre kategorierna som vände

Microsoft säger att 2.7 förbättrar 2.6 inom alla 10 användningsfall och alla 7 redigeringsåtgärder som Artificial Analysis utvärderar. Rubriken är kategorirankningen: resonemangsbaserade redigeringar flyttades från nr 7 till nr 1, scen och stil från nr 7 till nr 1, och text- eller symbolredigeringar från nr 6 till nr 1. Microsoft hävdar också att man ligger i framkant i kategorierna förbättring och restaurering, och säger att deras största försprång är inom scen och stil, 24 Elo före näst bästa modell.

För en 2.6-användare är rangordningsskiftena mer informativa än den övergripande skillnaden. En modell som låg sjua på resonemangsbaserade redigeringar var i praktiken en modell som du inte litade på med en instruktion som "flytta produkten till en marmorbänk och matcha fönsterljuset". En modell som ligger först är en som du kan sätta på det jobbet. Detsamma gäller text- och symbolutbyte, som är den minst förlåtande redigeringen i kommersiella bilder: en etikett som deformeras eller en logotyp som ändrar tjocklek leder till omedelbart avslag, oavsett hur bra resten av bilden ser ut.

Den vanliga varningen gäller: kategoripoäng är utsnitt ur samma preferensdata, inte oberoende experiment. Men riktningen stämmer överens med den övergripande poängen, och den stämmer överens med de exempel som Microsoft valde att visa – att göra om stil och belysning på hela scener, ändra text och symboler på plats, återställa befintliga tillgångar. Det är de redigeringarna där en generationsförst-modell tenderar att ha svårt, och där en redigeringsförst-modell kan specialisera sig.

Det saknade läget är hela grejen för vissa pipelines

MAI-Image-2.6-Preview är en enhetlig modell: text-till-bild och bild-till-bild-redigeringar via samma distribution, med referensredigering av flera bilder, webbförankring och modellvalda bildförhållanden. MAI-Image-2.7-Preview utför redigeringar. Microsofts inlägg är tydligt med att generering "kommer snart", och modellens egna lanseringsexempel är alla transformationer av en befintlig bild.

Den enda skillnaden avgör jämförelsen för en stor grupp användare. Om ditt arbetsflöde utgår från en prompt – ett kampanjkoncept, en produktvisual, en blogghero – har 2.7 inget att erbjuda dig i dag. Om ditt arbetsflöde utgår från en tillgång – en kunds foto, en skanning, en förpackningsmockup – är 2.7 det bättre verktyget och 2.6:s genereringsförmåga irrelevant. Versionsnumret antyder en övermängd. Produkten är en specialisering.

Det förändrar också vad "uppgradering" innebär för ett team. Att gå från 2.6 till 2.7 är inte ett modellbyte; det är en uppdelning. Generering stannar på 2.6, redigering flyttar till 2.7, och de två vägarna har nu olika tillgänglighet, olika gränser och så småningom olika priser. Det är en dyrare arkitektur än en modell bakom en enda endpoint, och det är bara värt att göra om redigeringsvinsten är tillräckligt stor för att betala för komplexiteten. För omstyling av scener och textersättning kan det vara det.

Tillgång och kostnad: den ena går att köpa, den andra inte

MAI-Image-2.6-Preview är tillgänglig i Microsoft Foundry som en offentlig förhandsversion, tillsammans med MAI-Image-2.6-Flash. Dess publicerade priser är 5 USD per miljon token för textinmatning, 8 USD per miljon token för bildinmatning och 38 USD per miljon token för bildutmatning; Flash kostar 1,75, 2,50 och 19 USD. Artificial Analysis uppskattade dem till ungefär fyra cent per bild för 2.6 och omkring två cent för Flash. De dokumenterade gränserna är fem referensbilder och en maximal utdata på 2 359 296 pixlar – 1536×1536 – med minimivärden på 768 pixlar i varje dimension, samt webbgrundning och automatiskt val av bildförhållande.

MAI-Image-2.7-Preview har inget av det. Den finns i MAI Playground, på Arena och på Artificial Analysis. Det finns ingen Foundry-post, ingen versionssträng att driftsätta, ingen prislista och ingen publicerad gräns för referensbilder eller upplösning. Microsoft har inte sagt om 2.7 kommer att ärva 2.6:s tak på fem referenser, överskrida det eller levereras med andra styrningar. I en jämförelse av förmåga är det en avsaknad av bevis, inte bevis för en nedgradering – men det är inte heller något som ett produktionsteam kan planera utifrån.

• Redigeringspoäng: 2,7 vid 1 193 jämfört med 2,6 vid 1 151 (+42)

• Generering: 2.7 inte tillgängligt vid lansering jämfört med 2.6 text-till-bild och redigering

• Åtkomst: 2,7 i MAI Playground, Arena, Artificial Analysis mot 2,6 i Microsoft Foundry

• Pris: 2.7 opublicerad mot 2.6 till $5 / $8 / $38 per miljon tokens, cirka $0,039 per bild

• Begränsningar: 2.7 opublicerad jämfört med 2.6 vid fem referenser och 1536×1536-utdata

• Snabb variant:ingen för 2.7 jämfört med 2.6-Flash till $1.75 / $2.50 / $19, cirka $0.020 per bild

Vad 2.6 fortfarande gör bättre

Utöver generering äger 2.6 alla operativa fördelar. Den har en dokumenterad API-yta, en driftsättningsversion, en prislista, en Flash-syskonmodell för genomströmning och ett Foundry-kontrakt som ett företag kan ta igenom upphandling. Den har också funktioner som 2.7 inte har beskrivits ha: webbförankring, automatiskt val av bildförhållande och ett publicerat arbetsflöde för flera referensbilder.

En del av dem kan helt enkelt vara odokumenterade för 2.7 snarare än frånvarande. Microsofts lanseringsinlägg är kort och fokuserat på redigeringskvalitet; det läser inte som ett fullständigt modellkort. Men bevisbördan går åt andra hållet för ett produktionsbeslut: en funktion som du inte hittar i dokumentationen är en funktion du inte kan förlita dig på.

Jämförelsen med Flash är den man ska hålla ögonen på för volymarbete. MAI-Image-2.6-Flash är inte kvalitetsledaren – 1 144 Elo, sju poäng bakom huvudversionen 2.6 – men till ungefär två cent per bild ligger den i en annan kostnadsklass än vad 2.7 sannolikt lanseras till. Om Microsoft prissätter 2.7 som en flaggskeppsmodell kommer den rationella stacken för många team att vara Flash för massredigeringar och 2.7 för de svåra fallen, medan huvudversionen 2.6 trängs ut helt.

Om du redan bygger på 2.6

Migrera inte genereringsvägen. Det finns inget att migrera den till. Behåll 2.6 eller 2.6-Flash för text-till-bild och för alla redigeringar som är tillräckligt rutinmässiga för att en skillnad på sju Elo inte ska spela någon roll.

Genomför absolut ett skuggt test av 2.7 på de redigeringar som just nu misslyckas. Ta fram de tjugo tillgångar som ditt team har tvingats göra om manuellt – etiketten som inte ville sitta rakt, produkten som inte gick att ljussätta på nytt, skanningen som tappade detaljer – och kör dem genom playgrounden. Om kategorins påståenden håller för ditt eget material får 2.7 en plats som eskaleringsväg: 2.6-Flash för volym, 2.6 för standardarbete, 2.7 för de tillgångar som behöver en mänsklig genomgång i dag.

Ingen av MAI-modellerna finns på OrcaRouter, så det här är inte ett routingbeslut vi kan fatta åt dig; Microsofts egna gränssnitt är den enda vägen in. Om det du faktiskt behöver är en anropbar redigeringsslutpunkt med failover bakom en enda nyckel är det routade alternativet GPT-Image-2.5 — Sunburst för kvalitet, Flare för genomströmning — med 0 % påslag, där leverantörens listpris förs vidare. Det är en annan modellfamilj med ett annat utseende, inte en ersättning för 2.7:s försprång inom scen och stil, och det bör utvärderas därefter.

Vad skulle göra 2.7 till standard?

Tre saker. Text-till-bild-paritet, vilket skulle göra en specialist till en ersättare. En Foundry-listning med ett pris på eller under 2.6:s pris, vilket skulle göra redigeringsvinsten överkomlig i volym. Och publicerade driftsgränser – referenser, upplösning, genomströmning – som skulle låta team planera i stället för att gissa. Microsoft levererade alla tre för 2.6 i en enda septemberutgåva, så inget av detta är spekulativt kapacitetsarbete; det är paketering.

Fram till dess är den riktiga tolkningen av 42 Elo snäv och användbar: Microsofts redigeringsmodell blev väsentligt bättre, och dess genereringsmodell ändrades inte. Versionsnumret höjdes. Produktlinjen delades. Planera för delningen, inte för versionshöjningen.