MAI-Image-2.5-Pro ปะทะ Flux 3: สัปดาห์เปิดตัวเดียวกัน สัจธรรมสองแบบ

MAI-Image-2.5-Pro และ Flux 3 ต่างก็ประกาศเปิดตัวในสัปดาห์เดียวกัน — 23 กรกฎาคม 2026 หนึ่งเดือนต่อมา ทั้งคู่กลับอยู่ในคนละจักรวาล MAI-Image-2.5-Pro โมเดลภาพระดับคุณภาพของ Microsoft อยู่ในช่วงพรีวิวสาธารณะบน Microsoft Foundry และไต่ขึ้นไปถึงอันดับ 1 บน Artificial Analysis Image Editing Arena (Elo 1,272 จากเสียงโหวตแบบ blind ราว 6,100 เสียง) ส่วน Flux 3 โมเดลพื้นฐาน multimodal แบบรวมของ Black Forest Labs เปิดตัวเพียงหนึ่งระดับ — วิดีโอ — และระดับภาพของมันไม่มี endpoint สาธารณะ ไม่มีราคา และไม่มี benchmark ที่ใครจะรันได้ ผู้อ่านที่ถามว่า "ควรใช้โมเดลภาพตัวไหน" ไม่ได้มีตัวเลือกสองตัวที่นี่ พวกเขามีผลิตภัณฑ์หนึ่งตัวกับคำมั่นสัญญาหนึ่งอย่าง

แต่ละอย่างจริงๆ แล้วคืออะไร

• MAI-Image-2.5-Pro — โมเดลสร้างและแก้ไขภาพเฉพาะทางแบบกรรมสิทธิ์ ระดับความเที่ยงตรงสูงสุดของตระกูล MAI-Image-2.5 ที่พัฒนาเองโดย Microsoft คิดค่าบริการตามจำนวนโทเคน โฮสต์บน Foundry มุ่งเน้นที่ภาพฮีโร่ การแก้ไขรายละเอียด และการเรนเดอร์ข้อความในภาพ นี่คือโมเดลทั้งหมด: ภาพ

• Flux 3 — โมเดลพื้นฐานมัลติโมดัลแบบรวมศูนย์ที่ได้รับการฝึกฝนร่วมกันบนภาพ วิดีโอ และเสียง (รวมถึงการคาดการณ์การกระทำของหุ่นยนต์) สร้างขึ้นบนวิธีการจับคู่โฟลว์ (flow-matching) ที่ BFL เรียกว่า Self-Flow มีการประกาศห้ารูปแบบ: Flux 3 Video, Flux 3 Image, Flux 3 Action, Flux-mimic สำหรับหุ่นยนต์ และ Flux 3 Dev (เปิดเผยน้ำหนักที่วางแผนไว้ในภายหลังปี 2026) ภาพเป็นเพียงหนึ่งโมดัลภายในกลยุทธ์ที่ใหญ่กว่า ไม่ใช่ตัวผลิตภัณฑ์เอง

ความแตกต่างเชิงโครงสร้างนั้นสำคัญกว่าข้อกำหนดใดๆ โมเดลภาพเฉพาะทางทุ่มทรัพยากรทั้งหมดไปกับภาพนิ่ง ส่วนโมเดลหลายรูปแบบกระจายทรัพยากรไปตามสื่อต่างๆ MAI-Image-2.5-Pro ถูกสร้างมาเพื่อชนะในด้านการแก้ไขภาพ ส่วน Flux 3 ถูกสร้างมาให้เป็นโมเดลเดียวที่ทำทุกอย่าง และชั้นความสามารถด้านภาพของมันคือส่วนหนึ่งของวิสัยทัศน์นั้นที่ยังมาไม่ถึง

ความพร้อมใช้งาน: การเปรียบเทียบทั้งหมด

ณ กลางเดือนสิงหาคม 2026 ความไม่สมดุลนั้นชัดเจนอย่างสิ้นเชิง:

• MAI-Image-2.5-Pro — พรีวิวสาธารณะบน Azure AI Foundry ในเจ็ดภูมิภาคทั่วโลก พร้อมกับ MAI Playground ฟรี คุณสามารถเรียกใช้ได้แล้ววันนี้ด้วยบัญชี Microsoft ซึ่งเป็นระดับคุณภาพสูงสุดของตระกูลโมเดลที่ขับเคลื่อน Bing Image Creator, PowerPoint และ OneDrive

• Flux 3 Image — unreleased. BFL's docs list no image endpoint; the current callable image line remains FLUX.2 (Pro, Dev, Flex, Klein). The Flux 3 page carries a "coming soon" label with an application form rather than a get-started button. BFL said image early access would open "in the following weeks" after the 23 July announcement; as of now there is no model ID, no image specs, and no prompt limit published. Only Flux 3 Video reached general availability (4 August, billed per second).

ดังนั้น คำตอบเชิงปฏิบัติสำหรับคำถามที่ว่า 'วันนี้ฉันสามารถต่อยอดจากตัวไหนสำหรับการแก้ไขภาพได้' จึงมีเพียงหนึ่งชื่อเท่านั้น

หลักฐานที่แต่ละฝ่ายสามารถแสดงได้

จุดแข็งด้านการแก้ไขภาพของ MAI-Image-2.5-Pro ถูกวัดอย่างเป็นอิสระ นอกเหนือจาก Elo การแก้ไขอันดับ 1 แล้ว อันดับ text-to-image ของมันคือ อันดับ 7 ที่ 1,292 Elo — ถือว่าดี ไม่ใช่ผู้นำ ซึ่งเป็นวิธีอ่านผลของเครื่องมือเฉพาะทางอย่างตรงไปตรงมา Microsoft ยังเผยแพร่ตัวเลขที่รายงานโดยผู้พัฒนาด้วย: ความแม่นยำในการเรนเดอร์ข้อความ 96.8% (ระบุว่าครอบคลุมห้าภาษา), การทำตามพรอมป์ต์ดีกว่า GPT Image 1.5 ถึง 27% ในการประเมินภายใน และความสม่ำเสมอของตัวละครในหลายภาพ 94% ให้ถือว่าตัวเลขทั้งหมดนี้เป็นตัวเลขของ Microsoft เอง ส่วนลีดเดอร์บอร์ดคือส่วนที่วัดอย่างอิสระ

Flux 3 Image ไม่มีหลักฐานสาธารณะใดๆ ไม่มีเกณฑ์มาตรฐานด้านภาพ เพราะไม่มีจุดเชื่อมต่อสำหรับทดสอบภาพ ตัวเลขเดียวในตระกูลนี้ที่ BFL รายงานคือสำหรับ Flux 3 Video ซึ่งเป็น Elo ภายในที่ 1,135 สำหรับ text-to-video และ 1,051 สำหรับ image-to-video ซึ่ง BFL อ้างว่าเหนือกว่า Omni Flash, H3 และ Seedance 2.0 — แต่ตัวเลขเหล่านี้มาจากผู้ผลิต ยังไม่ได้รับการตรวจสอบซ้ำ และไม่สามารถนำไปใช้กับระดับภาพได้อยู่ดี สิ่งที่คุณอ่านที่ "วัดประสิทธิภาพ" คุณภาพภาพของ Flux 3 นั้นเป็นการคาดเดาจากตัวเลขวิดีโอหรือจากไลน์ FLUX.2 ที่เก่ากว่า

Flux 3 สัญญาอะไรไว้สำหรับภาพ (แผนงานของผู้พัฒนา ไม่ใช่สเปก)

ข้อกล่าวอ้างในโรดแมปของ BFL สำหรับระดับบริการภาพนั้นน่ารู้ ก็เพราะว่ามันเป็นข้อกล่าวอ้าง

• การสังเคราะห์และแก้ไขภาพในหลากหลายสไตล์ อัตราส่วนภาพ และความละเอียด

• ปรับปรุงการจัดการพรอมป์ที่ซับซ้อนและการแสดงผลข้อความหลายภาษาที่มีความแม่นยำสูง

• การถ่ายโอนสไตล์แบบ zero-shot จากภาพอ้างอิง โดยผสมผสานสไตล์อ้างอิงหลายแบบในครั้งเดียว

• ความสม่ำเสมอของตัวละครและแบรนด์ในทุกรุ่นโดยไม่ต้องปรับแต่ง

• การแก้ไขแบบไม่ทำลายต้นฉบับ — รักษาพื้นผิว เกรน แสง และพื้นหลัง เพื่อให้การแก้ไขหลายรอบไม่ทำให้เสื่อมคุณภาพ

ข้ออ้างสุดท้ายนั้นเป็นข้อที่น่าสนใจ: มันเป็นคุณสมบัติ "แก้ไขโดยไม่ต้องสร้างฉากใหม่" แบบเดียวกับที่การออกแบบ surgical-edit ของ MAI-Image-2.5-Pro กำลังเปิดตัวและทำคะแนนได้อยู่แล้ว หาก Flux 3 Image ทำได้ตามนั้น มันจะแข่งขันโดยตรงกับสิ่งที่ MAI-Image-2.5-Pro ทำอยู่แล้ว "If" คือคำสำคัญ — ทุกอย่างในรายการนั้นยังไม่ได้รับการยืนยันจนกว่า endpoint จะมีอยู่จริง

ค่าใช้จ่าย

• MAI-Image-2.5-Pro — $5 per million text-input tokens, $8 per million image-input tokens, $106 per million image-output tokens. Artificial Analysis's conversion puts a 1024×1024 image near $108.50 per 1,000. Preview pricing; GA could move it.

• Flux 3 Image — no price exists, because no endpoint exists. The only Flux 3 pricing published is for video: $0.17/second (HD) and $0.29/second (FHD) for full renders. For the callable FLUX.2 image line as a reference point, BFL charges roughly $0.04 per image for Flux Pro and $0.015 for Flux Dev — but that is the previous generation, not a forecast.

You cannot compare a price against a blank line. The cost comparison today is MAI-Image-2.5-Pro's premium rate against nothing at all.

Which one to build on

If your deliverable is images in 2026, the answer is MAI-Image-2.5-Pro (or one of the other hosted editors — GPT Image 2 still leads text-to-image and the other main editing board). It is callable, it has an independent #1 editing score, and the resolution cap around a megapixel is the main thing to check against your use case. Flux 3 is a watch item: when the image tier lands, its non-destructive editing and brand-consistency claims will deserve a serious test against exactly the model Microsoft is scoring #1 right now.

There is also a routing-shaped way to think about the wait. When Flux 3 Image finally gets an endpoint, the low-risk way to adopt a brand-new, benchmark-free model is to route a slice of traffic to it and keep the proven model as automatic failover — one endpoint, provider prices passed through at 0% markup, and the unproven model earning its place on live traffic instead of a roadmap slide. That is the pattern OrcaRouter exists for, and it is the same pattern that makes preview-tier models like MAI-Image-2.5-Pro adoptable before they reach general availability.

คำตัดสิน

Same launch week, one month later: MAI-Image-2.5-Pro is a measured #1 editor you can call today, and Flux 3 is a multimodal foundation model whose image tier is still a promise with a roadmap. Comparing them on image quality would be comparing a boxer to a fighter who has not yet entered the ring. Use MAI-Image-2.5-Pro for image work now; keep Flux 3 Image on the list of things to re-evaluate the day its endpoint actually ships.