MAI Image 2.7 Preview so với Krea 3: Khoảng cách Elo duy nhất trong loạt bài này mà bạn thực sự có thể tin cậy

Trong số bốn mô hình chỉnh sửa mà MAI Image 2.7 Preview đang được đo lường so sánh trong tuần này, Krea 3 là mô hình duy nhất có điểm số nằm trên cùng một thang đo. Cả hai đều xuất hiện trên bảng AA-Image-Editing v2.1 của Artificial Analysis, và trên bảng đó Krea 3 Ultra giữ 1.151 Elo — cùng con số với MAI-Image-2.6 và Nano Banana 2.1, ba mô hình đồng hạng ở vị trí dẫn đầu của bậc thứ hai. MAI Image 2.7 Preview ra mắt ở mức 1.193, tạo khoảng cách 42 điểm giữa hai mô hình.

Đó là một con số thực sự, theo cách mà các so sánh khác không có. Đó là cùng một bảng xếp hạng, cùng một lượt tính điểm và cùng một ảnh chụp trạng thái. Nó cũng đủ nhỏ để trở nên mong manh: mức chênh lệch 42 điểm Elo trên một bảng xếp hạng có khoảng tin cậy là một lợi thế thực sự ở góc độ tổng thể, chứ không phải là bảo đảm cho tài sản cụ thể của bạn.

Điều đó khiến câu hỏi thú vị không phải là “mô hình nào tốt hơn” mà là “Krea 3 làm được điều gì mà một mô hình hơn 42 điểm lại không làm được”, vì hóa ra câu trả lời là một danh sách dài.

Vẫn cùng Hội đồng quản trị, và 42 điểm mua được gì

Artificial Analysis đạt 2,7 ở mức 1.193, đứng thứ hai toàn bảng, kém GPT Image 2.5 Sunburst sáu điểm ở bậc cao nhất của nó và hơn GPT Image 2.5 Flare mười một điểm. Mức 1.151 của Krea 3 Ultra đưa nó vào nhóm ngay bên dưới, ngang bằng với thế hệ trước của Microsoft.

Chi tiết theo danh mục làm rõ hơn điều đó. Microsoft cho biết 2.7 đã cải thiện trên tất cả mười trường hợp sử dụng và cả bảy thao tác chỉnh sửa so với 2.6, và Artificial Analysis xếp nó đứng đầu ở bốn trong bảy thao tác — tăng cường và phục hồi, chỉnh sửa dựa trên suy luận, cảnh và phong cách, và chỉnh sửa văn bản hoặc ký hiệu — với mức chênh lệch lớn nhất ở cảnh và phong cách là 24 điểm. Ba thao tác mà nó không dẫn đầu — bố cục, chỉnh sửa từng đối tượng riêng lẻ và bảo toàn danh tính — thuộc về OpenAI.

Đối chiếu với Krea 3, hồ sơ đó cho thấy 42 điểm được tập trung chứ không phân tán. Người dùng Krea 3 chuyển sang 2.7 sẽ kỳ vọng mức cải thiện lớn nhất ở công việc toàn khung hình — đổi phong cách cho cảnh này, thay đổi ánh sáng cho bức ảnh này, khôi phục bản quét này — và ít hơn nhiều ở các chỉnh sửa theo vùng, có mặt nạ, được giới hạn chính xác mà Krea 3 được xây dựng rõ ràng để thực hiện.

Tám giây chống lại bất cứ khi nào bạn đến lượt

Con số đặc trưng của Krea 3 là độ trễ. Công ty tuyên bố các chỉnh sửa đầu-cuối dưới tám giây ở độ phân giải 2K gốc, với những cấu hình nhanh nhất rơi vào khoảng bốn đến năm giây, và mô tả mô hình là chưa đạt thời gian thực nhưng đủ gần để tạo cảm giác tương tác. Việc con số đó có giữ vững dưới tải của chính bạn hay không là một câu hỏi riêng, nhưng tuyên bố này cụ thể và có thể kiểm chứng theo cách mà hầu hết các tuyên bố khi ra mắt không có được.

MAI Image 2.7 Preview không có số liệu độ trễ vì nó không có endpoint. Mô hình tương tác của nó là một tab trình duyệt trong MAI Playground, mỗi lần một hình ảnh, và Microsoft chưa công bố thông tin nào về thông lượng, hàng đợi hay tốc độ cho bản xem trước. Playground MAI-Image-2 trước đây được cho là cho phép khoảng mười lăm lượt tạo mỗi ngày với thời gian chờ giữa các lượt; con số đó chưa bao giờ được xác nhận cho 2.7 và không nên mặc định là đúng.

Hệ quả mang tính cấu trúc chứ không phải gia tăng từng bước. Một chỉnh sửa tám giây đủ nhanh để nằm trong một công cụ thiết kế, đó là lý do Krea định vị 3 như một trình biên tập cho các đội ngũ thương mại thay vì một trình tạo có chế độ chỉnh sửa. Một vòng khứ hồi trên playground đủ nhanh để đánh giá và quá chậm để xây dựng tiếp. So sánh hai thứ về tốc độ không phải là so sánh hai tốc độ; đó là so sánh một con số độ trễ với một con số không tồn tại.

LoRA Training là năng lực không có đối trọng

Krea 3 hỗ trợ huấn luyện LoRA trên một sản phẩm, người hoặc phong cách cụ thể, và công ty tuyên bố đây là mô hình chỉnh sửa đầu tiên có thể huấn luyện theo cách này. Dù danh xưng "đầu tiên" có đứng vững hay không, khả năng này vẫn là điều hệ trọng nhất trong cả hai bảng thông số.

Một mô hình chỉnh sửa biết tổng quát hóa thì hữu ích cho công việc một lần. Một mô hình chỉnh sửa mà bạn có thể tinh chỉnh trên danh mục sản phẩm của riêng mình là một loại tài sản khác: nó học được sản phẩm của bạn trông như thế nào từ những góc mà câu lệnh không thể mô tả, và nó không còn cần ảnh tham chiếu trong mỗi yêu cầu. Với một studio có dòng sản phẩm cố định, điều đó biến chi phí theo từng lần gọi thành chi phí huấn luyện một lần cộng với các lần gọi rẻ hơn.

MAI Image 2.7 Preview không cung cấp bất cứ thứ gì tương đương, và ở hình thức hiện tại thì cũng không thể — không có giao diện huấn luyện, không có trọng số và không có API. Mô hình của Microsoft là một năng lực bạn thuê trên trình duyệt; còn của Krea là một năng lực bạn có thể tùy biến.

Tham chiếu phong cách là phiên bản nhẹ hơn của cùng ý tưởng đó, và Krea 3 cũng hỗ trợ những thứ này, cùng với chỉnh sửa theo vùng và điều khiển bằng hộp bao. Mô thức này rất nhất quán: Krea cung cấp các điều khiển, còn Microsoft cung cấp khả năng phán đoán.

Đếm tham chiếu là một mớ hỗn độn ở cả hai phía

Tài liệu của Krea 3 mâu thuẫn với chính nó về số lượng ảnh tham chiếu mà nó chấp nhận. Bài đăng ra mắt nói sáu. Trang sản phẩm và tài liệu API nói tám. API thu nhỏ các ảnh tham chiếu từ ảnh thứ năm trở đi và khuyến nghị bốn ảnh hoặc ít hơn để có đầy đủ chi tiết, và chế độ Zero Data Retention giới hạn số lượng ở bốn. Tất cả đều là những con số của chính Krea, được công bố vào những thời điểm khác nhau cho các bề mặt khác nhau.

Điều đó đáng được lưu ý không phải như một sự lừa dối mà như một lời nhắc nhở về cách các bảng thông số kỹ thuật trở nên lỗi thời. Mức trần tham chiếu là sản phẩm của độ phân giải, bộ nhớ và mô hình tính phí, và nó thay đổi khi nhà cung cấp tinh chỉnh ngăn xếp phục vụ.

Đối với MAI Image 2.7 Preview, con số tương đương hoàn toàn không tồn tại. Microsoft không công bố mức tối đa tham chiếu, độ phân giải, các bậc chất lượng hay quy ước mặt nạ nào. Phiên bản tiền nhiệm MAI-Image-2.6 chấp nhận tối đa năm ảnh tham chiếu và giới hạn đầu ra ở mức gần 1536×1536; giả định rằng 2.7 kế thừa một trong hai giới hạn đó chỉ là suy diễn. Ở khía cạnh này, Krea 3 không được tài liệu hóa tốt hơn — nó có tài liệu, và sự mơ hồ hiện rõ chứ không phải vắng mặt.

Chế độ suy nghĩ và cái giá của sự cẩn thận

Krea 3 cung cấp chế độ suy nghĩ nhanh và chuyên sâu, và giá phản ánh sự khác biệt: $0.06 mỗi ảnh ở 2K với thiết lập tiêu chuẩn và $0.08 cho chế độ suy nghĩ chuyên sâu ở 2K, với mức tương ứng $0.05 và $0.03 ở 1K. Ảnh đầu vào được tính phí riêng ở mức $0.02 mỗi megapixel. Đầu ra đạt 2K gốc, với tùy chọn 4K cho công việc in ấn và khổ lớn.

Thiết kế hai chế độ rất phù hợp cho việc chỉnh sửa, vì độ khó của chỉnh sửa mang tính lưỡng cực rõ rệt. Làm thẳng đường chân trời và dựng lại hình phản chiếu không phải cùng một công việc, và trả cùng một mức giá cho cả hai sẽ tính quá cao cho trường hợp dễ. Một nhóm định tuyến các chỉnh sửa đơn giản sang chế độ nhanh và các chỉnh sửa phức tạp sang chế độ suy nghĩ cao có thể cắt giảm đáng kể hóa đơn mà không cần ra quyết định về chất lượng cho từng yêu cầu.

MAI Image 2.7 Preview không có phân hạng, không có chế độ và không có giá. Chất lượng của nó phụ thuộc vào những gì mô hình làm được, còn chi phí là cả buổi chiều của nhà phân tích.

CPI-Bench đối đầu với Bảng xếp hạng

Krea trích dẫn điểm CPI-Bench 4.81/5 cho Krea 3 Ultra, xếp sau GPT Image 2.5 và trước GPT Image 2, Seedream 5 Pro, cùng Nano Banana 2 và Pro. Đó là kết quả benchmark do nhà cung cấp tự báo cáo và nên được hiểu đúng như vậy — đây không phải là một bảng xếp hạng độc lập, và tập so sánh do chính công ty công bố lựa chọn.

Tuy nhiên, nó chỉ ra một điều mà bảng Elo không nắm bắt tốt: sở thích của người dùng đối với công việc sáng tạo thương mại, vốn là trọng tâm mà CPI-Bench được xây dựng xoay quanh. Lời quảng bá của chính Krea là mô hình này nhanh hơn GPT Image 2 gấp 10 lần và nhanh hơn Nano Banana Pro gấp 4 lần, và một benchmark thưởng cho đầu ra dùng được trên mỗi đơn vị thời gian sẽ ưu ái một mô hình nhanh ngay cả khi một mô hình chậm hơn đạt điểm cao hơn trong các so sánh cặp đôi mù.

Bằng chứng của Microsoft lại đi theo hướng ngược lại. Các con số của họ là vị trí trên bảng xếp hạng — thứ hai trên bảng chỉnh sửa, thứ ba trên Arena Edit với 1,470 điểm và mức tăng 45 điểm so với 2.6, khiến Microsoft trở thành phòng thí nghiệm xếp thứ hai trên bảng đó — cùng với một loạt tuyên bố theo hạng mục được rút ra từ những lần chạy đó. Cả hai đều hợp lệ; không bên nào là so sánh trực tiếp với mô hình kia.

Phán quyết phân hóa theo công việc, không theo điểm số

Nếu bạn đang xây dựng một tính năng chỉnh sửa vào sản phẩm trong quý này, {{1}}Krea 3{{/1}} mặc định là câu trả lời, và không phải vì điểm Elo của nó. Nó có API, mức giá công bố, một con số độ trễ, các điều khiển tham chiếu, mặt nạ vùng, chế độ nhanh cho chỉnh sửa giá rẻ, và huấn luyện LoRA cho danh mục của riêng bạn. {{2}}MAI Image 2.7 Preview{{/2}} không có những thứ đó, và lợi thế dẫn trước 42 điểm của nó không trụ nổi khi gặp một pipeline không thể gọi nó.

Nếu bạn đang chọn một trình chỉnh sửa cho công việc mà con người sẽ làm thủ công, thì bảng xếp hạng này có giá trị nhất định. Tái tạo phong cách bối cảnh, chiếu sáng lại và phục hồi là những lĩnh vực mà lợi thế của 2.7 tập trung, và một nhà thiết kế làm việc trong Playground có thể tận dụng trực tiếp lợi thế đó.

Nếu bạn đang cố quyết định xem mô hình tiên phong đã tiến đủ xa để chuyển sang hay chưa, thì cách hiểu trung thực là nó đã dịch chuyển 42 điểm trên một bảng đánh giá, điều này có ý nghĩa ở quy mô tổng thể và nhỏ ở quy mô của một hình ảnh khó duy nhất. Cách thực tế để giải quyết là chạy năm chỉnh sửa khó nhất của bạn qua cả hai — so sánh Arena cho 2.7 không tốn gì, và Krea 3 tốn khoảng ba mươi xu cho cùng năm chỉnh sửa đó ở 2K.

OrcaRouter không tự lưu trữ mô hình nào trong hai mô hình này, nên đây không phải là quyết định định tuyến ở thời điểm hiện tại. Đây là quyết định về việc xây dựng lớp chỉnh sửa của bạn dựa trên nền tảng nào, và những lớp có thể định tuyến ngay bây giờ — các bậc hình ảnh OpenAI bao quanh mức 2.7 trên bảng đó, theo giá niêm yết của nhà cung cấp mà không cộng thêm markup — chính là những lớp bạn có thể đặt phía sau một chuỗi dự phòng trong khi một mô hình chuẩn bản xem trước chứng minh được năng lực của nó.