标题卡对比同一天发布的 MAI Image 2.7 Flash 与 MAI Image 2.7:Flash 的编辑 Elo 为 1,179,每 1,000 张图像约 $10;旗舰版编辑 Elo 为 1,215,每 1,000 张图像约 $35;两者之间有一条分隔线,写着每 1,000 张图像 $25。
Guides & Insights

MAI Image 2.7 Flash 与 MAI Image 2.7:高级版买到了什么

作者

jinhao.song

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

同一天,同一张模型卡上,微软推出了同一款图像模型的两个档位,定价相差 3.5 倍。MAI Image 2.7 每千张图像约 35 美元,在 Artificial Analysis 的 AA-Image-Editing v2.1 榜单上以 1,215 Elo 位列第一。MAI Image 2.7 Flash 约 10 美元,在同一榜单上为 1,179,在文生图榜单上为 1,158。人们很容易把这些差距解读为质量阶梯,并购买预算允许的那一级。更有用的解读是:它们是两个不同产品,却顶着同一个名字;而价格比在告诉你该选哪个方面,远比 Elo 有用得多。

两个数字均截至 2026 年 11 月 20 日,且都来自独立评估方,而非厂商图表;两者所带的区间都足够宽,以至于 36 分的编辑差距只是决策中最小的部分。以下是每千词多花 25 美元实际能买到什么,以及它什么都买不到的三类情况。

每千张图片25美元能买到什么

抛开营销话术,旗舰机型的溢价只精准地覆盖了一件事:在困难的构图类工作中,编辑保真度最后几个百分点的提升。微软自己的说法是,2.7“能跨越对象、场景结构、光照、比例和空间定位进行推理,从而生成一致的编辑——即便提示词含糊不清”,而在这类任务中,36 分的 Elo 差距会表现为肉眼可见的差异,而不是统计意义上的差异。给产品图重新打光,让镜面高光随主光移动。在拥挤场景中移动一个物体,而不拖带它的阴影。在连续三次编辑中保持一个标志的字距不变。

在其他所有方面——对象移除、属性交换、图像修复、文本替换、背景清理——这两行是重叠的。Flash 的 1,179 分落在 1,166 到 1,192 的区间内;旗舰模型的 1,215 分则横跨 1,201 到 1,229。这些区间并不相接,所以排序是真实的。但实际使用中的重叠远大于数字上的重叠,因为排行榜是对十个用例和七种编辑操作取平均,而一个只做那六个简单用例的工作流根本看不出差异。

Screenshot of the Artificial Analysis AA-Image-Editing v2.1 leaderboard captured on 20 November 2026: MAI-Image-2.7 first at 1,215 Elo from 5,478 samples and $34.82 per 1,000 images, MAI-Image-2.7-Flash seventh at 1,179 Elo from 5,891 samples and $10.24 per 1,000 images, with GPT Image 2.6 Sunburst, GPT Image 2.6 Flare, GPT Image 2.5 Sunburst, GPT Image 2.5 Flare and Kling Image 4.0 between them.

一个具体的对比能让这笔取舍变得实在。按供应商的估算,每月一千张图像,Flash 约 10 美元,旗舰模型约 35 美元——每月相差 25 美元,这对设计团队来说是噪音,但对每月要处理五万张图像的目录流水线却意义重大。到了五万张时,同样的选择每周期大约是 500 美元对 1,750 美元。问题不再是“旗舰模型是否更好”(它确实更好),而是“这五万张图像中有多少需要更好的那个”。

Two-column scoreboard comparing MAI Image 2.7 Flash with MAI Image 2.7 across six dimensions: editing Elo 1,179 at No. 7 versus 1,215 at No. 1, text-to-image Elo 1,158 at No. 11 versus 1,214 at No. 4, price about $10 versus about $35 per 1,000 images, estimated cost $10.24 versus $34.82 per 1,000 images, transparency supported on both, and Canvas powered by Flash versus not on the flagship. A footer credits Elo and cost to Artificial Analysis and price to Microsoft, vendor-reported.

代沟比剪辑上的鸿沟更宽。

几乎所有对这两者的比较都会引用编辑排行榜,因为旗舰在那里拿下一座奖杯。看看文生图,差距更大:旗舰以 1,214 排名第 4,而 Flash 以 1,158 排名第 11,56 分的差距不仅覆盖了合并区间,还有余量。

Screenshot of the Artificial Analysis AA-Image-T2I v2.1 leaderboard captured on 20 November 2026: GPT Image 2.6 Sunburst (max) first at 1,261 Elo and $210.72 per 1,000 images, MAI-Image-2.7 fourth at 1,214 Elo from 5,008 samples and $34.82 per 1,000 images, MAI-Image-2.7-Flash eleventh at 1,158 Elo from 5,951 samples and $10.24 per 1,000 images.

这种不对称性比总体得分更能左右决策。如果你的工作负载主要是生成——横幅、产品渲染图、根据提示词生成插画——那么旗舰机型的溢价换来的是两项提升中更大的那一项,而且它仍然比同一榜单上每千次 $210.72 的 GPT Image 2.6 Sunburst (max) 便宜 6 倍,尽管落后后者 47 分。如果你的工作负载主要是编辑,那么这笔溢价换来的就是较小的那一项提升。

The generation row also explains why Flash is not simply "the cheap 2.7." It entered the generation board at No. 11, below Kli​ng Image 4.0 and Nano Banana 2.1, in a bracket where being cheap is not unusual — Nano Banana 2.1 lists at $33.60 and Seedream 5.5 at $20.00 per thousand on that same board. Flash's $10.24 is the lowest in its neighbourhood, not the lowest on the board, and the reason to choose it is the combination rather than either half.

一个条款就是整份文档

对 Flash 究竟改了什么,完整的公开描述只有共享模型卡里的一句话:“MAI Image 2.7 Flash 是 MAI Image 2.7 的优化版本。”没有给出该变体的参数数量。没有说明这里的优化是指蒸馏、更少的采样步数、更小的细化过程,还是量化。没有单独的发布日期,没有单独的欧盟日期,也没有单独的限制行。

模型卡为旗舰模型列出了 200 亿非嵌入参数、32K token 上下文、4,194,304 像素的输出上限(相当于 2048×2048)、2026 年 4 月至 11 月的训练窗口,以及 2026 年 11 月 17 日的发布日期。Flash 则因相邻位置而继承了这一节。这是一个合理的推断,但它仍然只是推断:如果 Flash 是一个蒸馏的 6B 模型,那么按原文所写的规格表并不会与之矛盾。

两者都有明确记载的是对透明背景的支持——“无需手动抠图即可直接使用的产品图片、徽标、图标和插图”——并且两者都处于微软所称的生成与编辑领域的质量-成本帕累托前沿上。第二个说法是一种定位表述,而不是基准测试,而且这是每个实验室在谈论其发布的每一档产品时都会说的那种话。

速度,是背后没有数字支撑的宣称。

期待 Flash 更快的理由是结构性的,而非证据性的。微软称其“提供生产工作负载所需的速度和效率”,并让 Flash 成为 Canvas 的引擎——这是一个交互界面,用户点击某个区域后等待重绘。你不会把慢模型放在一次点击之后。Bing Image Creator 如今默认使用 MAI Image 系列,这同样是在消费者规模上的同一论证。

目前,这两个模型都还没有公布延迟、吞吐量或首图时间的数据。Artificial Analysis 并未报告这些行的推理速度。因此,Flash 优势本应最大的那个维度,恰恰是公开领域无人测量过的维度;目前任何一方的性能说法都只是披着事实外衣的猜测。如果你要根据速度在不同档位之间做选择,今天唯一诚实的答案是:你必须在自己的提示词上实测——这做起来成本很低,而且值得在确定流水线之前先做。

将双层模型像单一模型一样路由

这对组合所奖励的模式不是迁移,而是拆分:把常规流量发给 Flash,把困难案例升级处理。当两个层级都通过同一个密钥响应、共用一条账单条目和一条代码路径时,这种模式更容易运行,因此升级规则存在于配置中,而不是在第二套集成里。这正是 OrcaRouter 为之构建的形态—— 一种路由 DSL,可以把某一类请求发送到一个模型,并回退到另一个模型,以及在提供商于批处理中途出现故障时自动故障转移。

截至2026年11月20日,两款 MAI 模型均未收录于 OrcaRouter 目录,因此我们在这里没有什么可路由的,也无法诚实地暗示并非如此。Microsoft Foundry 的公开预览版以及若干第三方平台是有据可查的路径。目录中按标价、0% 加价提供的是 GPT-Image-2.5 Sunburst 和 GPT-Image-2.5 Flare——一个 Elo 为 1,202 的编辑器和一个 Elo 为 1,210 的生成器,根据 Artificial Analysis 的估算,两者定价均为每千次 210.72 美元。当谈到溢价时,这个价格就是要与微软的 35 美元放在一起看的数字:这款旗舰机型相对于自家兄弟机型很贵,但相对于榜单上几乎所有其他产品都算便宜。

如何在一个下午内做出选择

三个问题就能定论,而且其中任何一个都不需要排行榜。第一,这项工作是生成占主导,还是编辑占主导?生成会把差距拉大到 56 分,并有利于旗舰;编辑会把差距缩小到 36 分,并有利于 Flash。第二,每月有多少张图像?低于几千张时,价格差异根本算不上决策因素,而旗舰的质量在绝对意义上就是免费的。第三,工作流能容忍重试吗?Flash 的经济性假设你能承担重新生成一个较弱输出;而必须在第一次调用就做对的流水线,买的是旗舰的一致性,而不是它的分数。

有两件事会改变这一局面,而这两件事都尚未发生。一份公布的分项价目表——包含参考图像、输出分辨率和批量折扣——将用可用于编制预算的东西取代微软的单一近似值,而且一旦把分辨率纳入计算,它很可能还会缩小 3.4 倍的差距。对 Flash 进行第二轮评估将告诉我们,1,179 是模型稳定下来的位置,还是它的起点;旗舰产品自己的那一行在同一组权重下已经在这个系列中偏移了三个点,所以首次读数终究只是首次读数。

在此之前,站得住脚的总结范围很窄,但值得直说:旗舰模型在两项榜单上都更优,也是唯一附带 No. 1 声明的模型;Flash 是真正的生产模型,而非缩减版演示,价格约为其三分之一;两者之间的选择取决于你的工作负载组合,而不是哪个数字更大。