MAI-Image-2.5-Pro 对比 Flux 3：同一发布周，两种截然不同的现实

MAI-Image-2.5-Pro和Flux 3均于同一周——2026年7月23日——发布。一个月后，它们已身处不同的世界。微软的高质量图像模型MAI-Image-2.5-Pro已在Microsoft Foundry上公开预览，并已攀升至Artificial Analysis Image Editing Arena的第一名（Elo 1,272，来自约6,100次盲选投票）。Flux 3是Black Forest Labs的统一多模态基础模型，目前仅发布了其中一个层级——视频——而其图像层级没有公开端点、没有定价，也没有任何人能运行的基准测试。一个问“我应该使用哪个图像模型”的读者在这里并没有两个候选；他们只有一个产品和一份承诺。

每一个到底是什么

• MAI-Image-2.5-Pro—— 一个专注的专有图像生成与编辑模型，是微软内部 MAI-Image-2.5 系列中保真度最高的层级。按 Token 计量，托管在 Foundry 上，面向主视觉图像、精细编辑和图像内文字渲染。这就是整个模型：图像。

• Flux 3——一个统一的多模态基础模型，在图像、视频和音频（外加机器人动作预测）上联合训练，基于BFL称之为Self-Flow的流匹配方法构建。共发布了五个变体：Flux 3 Video、Flux 3 Image、Flux 3 Action、用于机器人技术的Flux-mimic，以及Flux 3 Dev（开放权重计划于2026年晚些时候推出）。图像只是更大布局中的一个模态，而非产品本身。

这种结构性差异比任何规格都重要。专注的图像模型将全部能力投入静态图像；多模态模型则将能力分散到各类媒介。MAI-Image-2.5-Pro 的存在是为了赢得图像编辑。Flux 3 的存在是为了成为一个无所不能的单一模型，而它的图像层级正是这一愿景中尚未实现的部分。

可用性：整个对比

截至2026年8月中旬，这种不对称性是绝对的：

• MAI-Image-2.5-Pro——现已在覆盖全球七个区域的 Azure AI Foundry 上公开预览，另有免费的 MAI Playground。使用 Microsoft 帐户即可立即调用；它已经是驱动 Bing Image Creator、PowerPoint 和 OneDrive 的产品系列中的高品质层级。

• Flux 3 Image — 尚未发布。BFL 的文档中没有列出图像端点；当前可调用的图像产品线仍是 FLUX.2（Pro、Dev、Flex、Klein）。Flux 3 页面带有“即将推出”标签和申请表，而非“开始使用”按钮。BFL 表示，在 7 月 23 日公告之后的“数周内”将开放图像早期访问；截至目前，尚未公布模型 ID、图像规格和提示词限制。只有 Flux 3 Video 实现了全面可用（8 月 4 日，按秒计费）。

所以，对于“如今做图像编辑，我可以基于哪一个来构建开发”这个问题，实际的答案里恰好只有一个名字。

双方可以展示的证据

MAI-Image-2.5-Pro的编辑能力经独立评测。除了编辑Elo排名第一外，其文生图排名为第7名，Elo 1,292——不错，但不是领先者，这才是看待专精模型的诚实方式。微软还发布了厂商自述的数据：文本渲染准确率96.8%（标注覆盖五种语言）、内部评测中提示词遵循度比GPT Image 1.5高27%、多图像角色一致性达94%。请把所有这些都标注为微软自己的数据；排行榜才是独立的部分。

Flux 3 Image 没有任何公开证据支持。没有图像基准测试，因为没有可测试的图像端点。该系列中唯一由 BFL 报告的数据是 Flux 3 Video——内部 Elo 为文生视频 1,135、图生视频 1,051，BFL 声称其击败了 Omni Flash、H3 和 Seedance 2.0——但这些数字是供应商自行报告的，未经复现，而且无论如何都不适用于图像层级。你读到的任何对 Flux 3 图像质量进行“基准测试”的内容，都是在从视频数据或更早的 FLUX.2 系列进行外推。

Flux 3 对图像的承诺（厂商路线图，而非规格说明）

BFL 路线图中关于图像层的声明值得了解，恰恰是因为它们只是声明：

• 跨风格、宽高比和分辨率的图像合成与编辑

• 改进了复杂提示词处理和高精度的多语言文本渲染

• 从参考图像进行零样本风格迁移，多个风格参考在一次传递中融合

• 跨世代保持角色与品牌一致性，无需微调

• 非破坏性编辑 — 保留纹理、颗粒、光照和背景，使多轮编辑不降质

最后那个说法很有意思：它说的正是 MAI-Image-2.5-Pro 的手术式编辑设计已经在实际发布并取得成效的同一特性——"无需重新生成场景即可编辑"。如果 Flux 3 Image 能做到这一点，它将直接与 MAI-Image-2.5-Pro 已有的能力竞争。"如果"是关键——在那之前，清单上的所有内容都未经验证，直到端点真正存在。

成本

• MAI-Image-2.5-Pro — 每百万文本输入 token 5 美元，每百万图像输入 token 8 美元，每百万图像输出 token 106 美元。按 Artificial Analysis 的换算，一张 1024×1024 图像的成本接近 每千张 108.50 美元。此为预览定价；GA 后可能有所变动。

• Flux 3 Image — 没有价格，因为没有端点。Flux 3 唯一公布的价格是视频方面的：完整渲染为每秒 0.17 美元（HD）和每秒 0.29 美元（FHD）。以可调用的 FLUX.2 图像产品线为参照，BFL 对 Flux Pro 每张图像收费约 0.04 美元，对 Flux Dev 收费约 0.015 美元——但那是上一代产品，并非预测。

你无法将价格与空行进行比较。今天的成本对比是 MAI-Image-2.5-Pro 的高级费率与完全空白之间的比较。

应该基于哪一个来构建

{{1}}如果你的交付物是2026年的图像，答案是MAI-Image-2.5-Pro（或其他托管编辑器之一——GPT Image 2在文生图和其他主要编辑领域仍处于领先地位）。{{/1}}{{2}}它是可调用的，拥有独立的#1编辑评分，而约百万像素的分辨率上限是唯一需要对照你的用例进行核查的主要事项。{{/2}}{{3}}Flux 3值得关注：当图像层级落地时，其非破坏性编辑和品牌一致性主张，值得与微软目前评分为第一的那款模型进行严肃对比测试。{{/3}}

关于等待，还有一种路由式的思考方式。当 Flux 3 Image 最终获得端点时，采用一个全新且尚无基准测试的模型的低风险方式，是将一部分流量路由到它，并将经过验证的模型保留为自动故障转移——一个端点，提供商价格以 0% 加价传递，未经测试的模型通过真实流量赢得自己的位置，而不是停留在路线图幻灯片上。这就是 OrcaRouter 存在的意义，也正是这种模式让 MAI-Image-2.5-Pro 等预览级模型在正式可用之前就可以被采用。

裁决

同一个发布周，一个月后：MAI-Image-2.5-Pro 是实测排名第一的编辑器，你今天就可以调用；而 Flux 3 是一个多模态基础模型，其图像层仍只是一个附带路线图的承诺。在图像质量上将二者对比，就像拿一位拳击手去比一位尚未踏入擂台的斗士。现在就用 MAI-Image-2.5-Pro 处理图像工作；把 Flux 3 Image 留在待重新评估的清单上，等它的端点真正上线那天再说。