MAI-Image-2.5-Pro vs GPT Image 2: Vương miện hình ảnh giờ đã bị chia đôi

Cách rõ ràng nhất để tóm tắt MAI-Image-2.5-Pro so với GPT Image 2 là việc "mô hình hình ảnh tốt nhất" không còn là một câu hỏi duy nhất. Trên Image Editing Arena của Artificial Analysis, MAI-Image-2.5-Pro của Microsoft là đứng số 1 với Elo 1.272; trên cùng trang web đó, tại Text-to-Image Arena, GPT Image 2 của Ope​nAI là đứng số 1 với Elo 1.369; và trên bảng xếp hạng lớn khác — LMArena, nay là Arena — GPT Image 2 vẫn thống trị hoàn toàn mảng chỉnh sửa ảnh, dẫn đầu cả bảy hạng mục prompt. Cả hai mô hình đều cao cấp, đều là API lưu trữ tính phí theo token, và câu trả lời trung thực cho "bên nào thắng" hoàn toàn phụ thuộc vào tác vụ bạn nêu ra: chỉnh sửa ảnh nghiêng về sản phẩm mới của Microsoft, còn sinh ảnh và tuân thủ prompt phức tạp nghiêng về sản phẩm hiện tại của Ope​nAI.

Bảng xếp hạng bị tách, hãy đọc kỹ

• Chỉnh sửa (Artificial Analysis): MAI-Image-2.5-Pro hạng 1 — 1.272 Elo, ~6.100 mẫu. GPT Image 2 (high) hạng 4 — 1.256 Elo.

• Tạo ảnh từ văn bản (Artificial Analysis):GPT Image 2 (high) Hạng 1 — 1,369 Elo, ~14,500 mẫu. MAI-Image-2.5-Pro Hạng 7 — 1,292 Elo, ~11,500 mẫu.

• Chỉnh sửa (Arena): GPT Image 2 dẫn đầu với ~1,463 Elo, có cách biệt lớn nhất được đo ở mọi hạng mục — kết quả độc lập mạnh nhất mà một trong hai mô hình đạt được.

Việc các bảng xếp hạng chỉnh sửa trái ngược nhau không phải là một mâu thuẫn; đó là hai đấu trường khác nhau với các mô hình tham gia khác nhau và các nhóm bình chọn khác nhau. Artificial Analysis đưa cấp độ "high" cụ thể của GPT Image 2 ra đối đầu trực tiếp với bản dựng xem trước của MAI-Image-2.5-Pro, và mô hình của Microsoft thắng ở đó. Arena cho bản dựng trung bình đối đầu với một tập hợp đối thủ rộng hơn, và OpenAI thắng ở đó với cách biệt lớn hơn. Cả hai đều có thật, cả hai đều độc lập, và chưa bảng xếp hạng nào có lợi thế dẫn đầu đủ lớn để kết luận danh hiệu chỉnh sửa đã ngã ngũ.

Mỗi cái giỏi về điều gì

MAI-Image-2.5-Pro là một trình chỉnh sửa chuyên dụng. Microsoft xây dựng nó cho những thay đổi chính xác, mang tính phẫu thuật — thay một vật thể, cập nhật văn bản trong ảnh, làm sạch các hiện vật — trong khi vẫn giữ phần còn lại của hình ảnh nhất quán, và con số "94% độ nhất quán nhân vật đa hình ảnh" (do nhà cung cấp công bố) chính là mục tiêu thiết kế được thể hiện bằng một con số. Khả năng nổi bật của nó là hiển thị văn bản: Microsoft tuyên bố độ chính xác 96,8% trên các ngôn ngữ Anh, Trung, Nhật, Hàn và Tây Ban Nha, mặc dù các tài liệu cùng loại giới hạn đầu ra ở gần một megapixel, vì vậy cụm từ "8K" trong tuyên bố đó chỉ là cách tiếp thị cần bỏ qua. Điều mà mô hình này không phải là một nhà dẫn đầu vẽ từ trang trắng: thứ hạng #7 về text-to-image của nó nói lên điều đó một cách trực tiếp.

GPT Image 2 là một mô hình tổng quát với bộ máy suy luận. Đây là mô hình tạo ảnh đầu tiên của Ope​nAI có chế độ tư duy tích hợp — nó lên kế hoạch bố cục, có thể tìm kiếm web để tham khảo và tự kiểm tra trước khi vẽ — chính vì vậy, nó được công nhận là dẫn đầu ở các prompt phức tạp, đa ràng buộc và ở các hạng mục chỉnh sửa của Arena. Nó hiển thị văn bản đa ngôn ngữ tốt (bao gồm cả CJK), hỗ trợ độ phân giải lên đến 4K với trần tỷ lệ khung hình 3:1, và cung cấp ba cấp độ chất lượng. Điểm yếu của nó chính là tấm gương phản chiếu điểm mạnh: đắt ở chất lượng cao, và nó tái tạo lại thay vì bảo toàn một cách tỉ mỉ — "chỉnh sửa" ở đây giống như "kết xuất lại theo hướng dẫn này" hơn, và đó là nơi mà lời giới thiệu về tính nhất quán của MAI-Image-2.5-Pro cố gắng tạo điểm khác biệt.

Giá

Cả hai đều được tính theo token, và không bên nào công bố số token trên mỗi hình ảnh, vì vậy số liệu trên mỗi hình ảnh là chuyển đổi, không phải báo giá.

• MAI-Image-2.5-Pro — $5 cho mỗi triệu token đầu vào văn bản, $8 cho mỗi triệu token đầu vào hình ảnh, $106 cho mỗi triệu token đầu ra hình ảnh. Quy đổi của Artificial Analysis: ≈ $108,50 cho mỗi 1.000 hình ảnh 1024×1024.

• GPT Image 2 — $5 per million text-input, $8 per million image-input, $30 per million image-output tokens. Per-image cost swings with the quality tier: roughly $0.006 low, $0.05 medium, $0.21 high at 1024×1024 — ≈ $211 per 1,000 at high quality.

Vậy nên ở các mức giá mà người mua thực sự dùng, MAI-Image-2.5-Pro có giá xấp xỉ một nửa giá mỗi ảnh của GPT Image 2 high — một mức chênh lệch thực sự khi dùng với khối lượng lớn, và phù hợp với tuyên bố của chính Microsoft (do nhà cung cấp báo cáo, theo từng kịch bản cụ thể) về chi phí GPU thấp hơn tới 84% so với các mô hình G​PT trong PowerPoint và OneDrive. Điểm cần lưu ý: bảng xếp hạng hiển thị mức "high" của GPT Image 2, và nếu bạn hạ GPT Image 2 xuống chất lượng trung bình, giá của nó sẽ tụt xuống gần với giá của MAI-Image-2.5-Pro, đồng thời điểm Elo của nó cũng giảm.

Độ phân giải và định dạng

• Giới hạn đầu ra: MAI-Image-2.5-Pro bị giới hạn ở mức gần 1 megapixel (tương đương 1024×1024, cạnh tối thiểu 768px) — đủ tốt cho web và hầu hết hình ảnh sản phẩm, nhưng là giới hạn cứng cho in ấn. GPT Image 2 hỗ trợ lên tới 4K (cạnh tối đa 4.000px, tổng pixel lên tới ~8,3M) với trần tỷ lệ khung hình 3:1.

• Đầu vào: cả hai đều chấp nhận hình ảnh JPEG/PNG cùng với văn bản. MAI-Image-2.5-Pro công bố đầu vào văn bản 32k token và cửa sổ ngữ cảnh 131k; chế độ lập luận của GPT Image 2 là điểm khác biệt ở phía đầu vào.

• Định dạng: GPT Image 2 không hỗ trợ nền trong suốt tại thời điểm ra mắt; Microsoft cũng chưa nói rõ liệu gói Pro có hỗ trợ nền trong suốt hay không.

Nếu đầu ra của bạn cần kích thước lớn — poster, bản in, biển quảng cáo — thì giới hạn 4K của GPT Image 2 là một lợi thế quyết định trong thời điểm hiện tại. Nếu đầu ra của bạn hướng đến web, giới hạn megapixel hiếm khi là rào cản mang tính ràng buộc.

Tính khả dụng và góc định tuyến

Cả hai đều là API được lưu trữ, nhưng mức độ tiếp cận của chúng không như nhau. {{1}}GPT Image 2{{/1}} đã được phát hành rộng rãi từ ngày 21 tháng 4 năm 2026 qua API của OpenAI và hiện có thể định tuyến qua OrcaRouter — một khóa duy nhất, giá niêm yết của nhà cung cấp được chuyển qua với mức phụ phí 0%, tự động chuyển đổi dự phòng giữa các nhà cung cấp. {{2}}MAI-Image-2.5-Pro{{/2}} là bản xem trước công khai ngày 23 tháng 7 năm 2026 trên Microsoft Foundry và MAI Playground; hiện chưa thể truy cập qua lớp định tuyến của bên thứ ba, và mức giá xem trước có thể thay đổi khi phát hành chính thức.

Sự bất đối xứng đó đáng để ghi chú quyết định cho bất kỳ ai so sánh hai mô hình này trong một pipeline thực tế. Bạn có thể định tuyến một phần lưu lượng đến GPT Image 2 và một phần đến một mô hình khác trên cùng một endpoint ngay hôm nay, rồi hoán đổi chuỗi tên mô hình khi bản xem trước của Microsoft sẵn sàng cho phép gọi rộng rãi. Quy trình bạn muốn — so sánh cả hai trình chỉnh sửa trên hình ảnh của chính bạn, giữ mô hình đã được kiểm chứng làm phương án dự phòng trong khi mô hình mới tạo dựng độ tin cậy — chính xác là những gì một lớp định tuyến mang lại, và nó không tốn thêm chi phí nào trên OrcaRouter vì giá nhà cung cấp chính là giá bạn phải trả.

Bản án

Nếu nhiệm vụ của bạn là chỉnh sửa ảnh hiện có và đầu ra ở kích thước web, {{1}}MAI-Image-2.5-Pro{{/1}} là lựa chọn đáng giá và hiện đang là #1 độc lập trên bảng xếp hạng chỉnh sửa của Artificial Analysis — với giá mỗi ảnh chỉ bằng khoảng một nửa so với {{2}}GPT Image 2{{/2}} high. Nếu nhiệm vụ của bạn là tạo ảnh từ canvas trống, xử lý các prompt phức tạp với nhiều ràng buộc, hoặc xuất ra định dạng lớn, {{3}}GPT Image 2{{/3}} là công cụ tốt hơn, và thứ hạng #1 về text-to-image cùng sự thống trị ở hạng mục chỉnh sửa trên Arena của nó đã nói lên điều đó. Cả hai đều là mô hình cao cấp và đều đáng để có sẵn; bảng xếp hạng bị chia đôi không phải là một kết quả hòa mang tính tiếp thị — mà là hai chuyên môn thực sự khác biệt. Và vì cả hai đều được lưu trữ trên máy chủ, lớp định tuyến là cách hợp lý để chạy chúng song song trên chính ảnh của bạn trước khi bạn chốt quy trình sản xuất cho một trong hai.