MAI-Image-2.5-Pro vs Flux 3: Cùng Tuần Ra Mắt, Hai Thực Tế Khác Nhau

MAI-Image-2.5-Pro và Flux 3 đều được công bố trong cùng một tuần — ngày 23 tháng 7 năm 2026. Một tháng sau, chúng ở những vũ trụ khác nhau. MAI-Image-2.5-Pro, mô hình tạo ảnh chất lượng cao của Microsoft, đang trong giai đoạn xem trước công khai trên Microsoft Foundry và đã vươn lên vị trí số 1 trên Artificial Analysis Image Editing Arena (Elo 1.272 từ khoảng 6.100 phiếu bình chọn mù). Flux 3, mô hình nền tảng đa phương thức thống nhất của Black Forest Labs, mới chỉ phát hành đúng một trong các phiên bản của mình — phiên bản video — còn phiên bản hình ảnh của nó không có endpoint công khai, không có giá và không có benchmark nào để bất kỳ ai có thể chạy. Một độc giả hỏi "tôi nên dùng mô hình tạo ảnh nào" không có hai ứng viên ở đây; người đó có một sản phẩm và một lời hứa.

Thực tế mỗi thứ là gì

• MAI-Image-2.5-Pro — một mô hình tạo và chỉnh sửa hình ảnh độc quyền, chuyên biệt, cấp độ trung thực cao nhất trong dòng MAI-Image-2.5 nội bộ của Microsoft. Tính phí theo token, lưu trữ trên Foundry, hướng đến hình ảnh chính, chỉnh sửa chi tiết và kết xuất văn bản trong ảnh. Đây là toàn bộ mô hình: hình ảnh.

• Flux 3 — một mô hình nền tảng đa phương thức thống nhất được huấn luyện đồng thời trên hình ảnh, video và âm thanh (cộng với dự đoán hành động robot), được xây dựng trên phương pháp flow-matching mà BFL gọi là Self-Flow. Năm biến thể đã được công bố: Flux 3 Video, Flux 3 Image, Flux 3 Action, Flux-mimic cho robot, và Flux 3 Dev (trọng số mở dự kiến vào nửa sau năm 2026). Hình ảnh chỉ là một phương thức trong một canh bạc lớn hơn, không phải là sản phẩm tự thân.

Sự khác biệt về cấu trúc đó quan trọng hơn bất kỳ thông số kỹ thuật nào. Một mô hình tập trung vào hình ảnh dồn toàn bộ năng lực vào ảnh tĩnh; một mô hình đa phương thức phân bổ năng lực trên nhiều loại phương tiện. MAI-Image-2.5-Pro tồn tại để giành chiến thắng trong chỉnh sửa ảnh. Flux 3 tồn tại để trở thành một mô hình duy nhất làm được mọi thứ, và tầng hình ảnh của nó là phần của tầm nhìn đó vẫn chưa thành hiện thực.

Tính khả dụng: toàn bộ so sánh

Kể từ giữa tháng 8 năm 2026, sự bất đối xứng là tuyệt đối:

• MAI-Image-2.5-Pro — bản xem trước công khai trên Azure AI Foundry tại bảy khu vực toàn cầu, cùng với MAI Playground miễn phí. Bạn có thể gọi nó ngay hôm nay bằng tài khoản Microsoft; đây là phiên bản chất lượng cao nhất của dòng sản phẩm hỗ trợ Bing Image Creator, PowerPoint và OneDrive.

• Flux 3 Image — chưa phát hành. Tài liệu của BFL không liệt kê endpoint hình ảnh; dòng sản phẩm hình ảnh hiện có thể gọi vẫn là FLUX.2 (Pro, Dev, Flex, Klein). Trang Flux 3 có nhãn "sắp ra mắt" kèm biểu mẫu đăng ký thay vì nút bắt đầu sử dụng. BFL cho biết quyền truy cập sớm vào hình ảnh sẽ mở "trong những tuần sau" thông báo ngày 23 tháng 7; tính đến nay vẫn chưa có ID mô hình, thông số kỹ thuật hình ảnh hay giới hạn prompt nào được công bố. Chỉ có Flux 3 Video đạt trạng thái phát hành rộng rãi (4 tháng 8, tính phí theo giây).

Vì vậy, câu trả lời thực tế cho câu hỏi "nền tảng nào tôi có thể dựa vào để chỉnh sửa hình ảnh hiện nay" chỉ chứa đúng một cái tên.

Bằng chứng mỗi bên có thể đưa ra

Sức mạnh chỉnh sửa của MAI-Image-2.5-Pro được đo lường độc lập. Ngoài việc đứng đầu Elo chỉnh sửa, thứ hạng tạo ảnh từ văn bản của nó là Hạng 7 với 1.292 Elo — tốt, không phải dẫn đầu, đó là cách trung thực để hiểu một mô hình chuyên biệt. Microsoft cũng công bố các tuyên bố do hãng tự báo cáo: độ chính xác hiển thị văn bản 96,8% (được ghi chú là bao phủ năm ngôn ngữ), khả năng bám sát yêu cầu tốt hơn 27% so với GPT Image 1.5 trong các đánh giá nội bộ, và 94% nhất quán nhân vật trên nhiều hình ảnh. Hãy coi tất cả những con số đó là số liệu của riêng Microsoft; bảng xếp hạng mới là phần độc lập.

Flux 3 Image không có bất kỳ bằng chứng công khai nào. Không có điểm chuẩn hình ảnh nào, vì không có endpoint hình ảnh để kiểm thử. Các con số duy nhất do BFL công bố trong dòng sản phẩm này là dành cho Flux 3 Video — điểm Elo nội bộ 1.135 cho text-to-video và 1.051 cho image-to-video, mà BFL tuyên bố vượt qua Omni Flash, H3 và Seedance 2.0 — và những con số đó do nhà cung cấp tự báo cáo, chưa được tái lập và dù sao cũng không áp dụng cho phân khúc hình ảnh. Bất cứ điều gì bạn đọc được "đánh giá" chất lượng hình ảnh Flux 3 đều được suy ra từ số liệu video hoặc từ dòng FLUX.2 cũ hơn.

Những gì Flux 3 hứa hẹn cho hình ảnh (lộ trình của nhà cung cấp, không phải thông số kỹ thuật)

Những tuyên bố về lộ trình của BFL cho phân khúc hình ảnh đáng biết chính vì chúng là những tuyên bố:

• Tổng hợp và chỉnh sửa hình ảnh trên nhiều phong cách, tỷ lệ khung hình và độ phân giải

• Cải thiện khả năng xử lý prompt phức tạp và hiển thị văn bản đa ngôn ngữ có độ chính xác cao

• Chuyển đổi phong cách zero-shot từ ảnh tham chiếu, với nhiều phong cách tham chiếu được pha trộn trong một lần

• Sự nhất quán về nhân vật và thương hiệu qua các thế hệ mà không cần tinh chỉnh

• Chỉnh sửa không phá hủy — bảo toàn kết cấu, hạt ảnh, ánh sáng và nền để các lần chỉnh sửa nhiều lượt không bị suy giảm chất lượng

Điểm cuối cùng đó là tuyên bố thú vị: đó cũng chính là thuộc tính "chỉnh sửa mà không cần tạo lại cảnh" mà thiết kế chỉnh sửa phẫu thuật của MAI-Image-2.5-Pro đã đang cung cấp và ghi điểm. Nếu Flux 3 Image làm được điều đó, nó sẽ cạnh tranh trực tiếp với thứ mà MAI-Image-2.5-Pro vốn đã làm. "Nếu" là từ mấu chốt — mọi thứ trong danh sách đó vẫn chưa được xác minh cho đến khi endpoint tồn tại.

Chi phí

• MAI-Image-2.5-Pro — 5 đô la cho mỗi triệu token đầu vào văn bản, 8 đô la cho mỗi triệu token đầu vào hình ảnh, 106 đô la cho mỗi triệu token đầu ra hình ảnh. Theo quy đổi của Artificial Analysis, một hình ảnh 1024×1024 có giá khoảng $108.50 mỗi 1.000. Giá xem trước; GA có thể thay đổi mức giá này.

• Flux 3 Image — không có mức giá nào, vì không có endpoint nào tồn tại. Mức giá Flux 3 duy nhất được công bố là dành cho video: $0.17/giây (HD) và $0.29/giây (FHD) cho render toàn phần. Để làm điểm tham chiếu cho dòng ảnh FLUX.2 có thể gọi được, BFL tính phí khoảng $0.04 cho mỗi ảnh với Flux Pro và $0.015 cho Flux Dev — nhưng đó là thế hệ trước, không phải dự báo.

Bạn không thể so sánh một mức giá với một dòng trống. Phép so sánh chi phí hôm nay là mức giá cao cấp của MAI-Image-2.5-Pro so với không có gì cả.

Xây dựng dựa trên cái nào

Nếu sản phẩm bàn giao của bạn là hình ảnh trong năm 2026, câu trả lời là MAI-Image-2.5-Pro (hoặc một trong các trình chỉnh sửa trực tuyến khác — GPT Image 2 vẫn dẫn đầu ở cả mảng văn bản thành hình ảnh lẫn hạng mục chỉnh sửa chính còn lại). Nó có thể gọi được, có điểm chỉnh sửa #1 độc lập, và giới hạn độ phân giải khoảng một megapixel là điều chính cần kiểm tra với trường hợp sử dụng của bạn. Flux 3 là một cái tên cần theo dõi: khi bản hình ảnh ra mắt, các tuyên bố về chỉnh sửa không phá hủy và nhất quán thương hiệu của nó sẽ đáng để kiểm chứng nghiêm túc với chính mô hình mà Microsoft đang chấm điểm #1 hiện nay.

Cũng có một cách nhìn theo hướng định tuyến cho việc chờ đợi này. Khi Flux 3 Image cuối cùng có endpoint, cách rủi ro thấp để áp dụng một mô hình hoàn toàn mới, chưa có benchmark, là định tuyến một phần lưu lượng đến nó và giữ mô hình đã được kiểm chứng làm nơi dự phòng tự động — một endpoint duy nhất, giá nhà cung cấp được chuyển qua với mức tăng giá 0%, và mô hình chưa được kiểm chứng tự giành vị trí trên lưu lượng thực tế thay vì trên trang chiếu lộ trình. Đó là mẫu hình mà OrcaRouter tồn tại để phục vụ, và cũng chính là mẫu hình giúp các mô hình ở cấp xem trước như MAI-Image-2.5-Pro có thể áp dụng trước khi chúng đạt trạng thái phát hành rộng rãi.

Bản án

Cùng tuần ra mắt, một tháng sau: MAI-Image-2.5-Pro là lựa chọn số 1 thực dụng mà bạn có thể sử dụng ngay hôm nay, còn Flux 3 là mô hình nền tảng đa phương thức mà tầng hình ảnh của nó vẫn chỉ là lời hứa kèm lộ trình phát triển. So sánh chúng về chất lượng hình ảnh lúc này cũng giống như so sánh một võ sĩ quyền Anh với một võ sĩ chưa từng bước lên võ đài. Hãy dùng MAI-Image-2.5-Pro cho nhu cầu hình ảnh ngay bây giờ; còn Flux 3 Image thì hãy giữ trong danh sách những thứ cần đánh giá lại vào ngày endpoint của nó thực sự được ra mắt.