MAI-Image-2.7-Preview 对比 MAI-Image-2.6-Preview：+42 Elo，少了一个模式

42 个 Elo 点的提升通常会促成一次迁移。在这里，它促成的是一次测试。MAI-Image-2.7-Preview 显然是比 MAI-Image-2.6-Preview 更好的编辑器——差距大到足以改变你愿意让模型处理哪些编辑——但它并不是可直接替换的替代品，因为较新的模型完全不能从文本生成图像。微软于 2026 年 10 月 27 日将 2.7 作为仅限编辑的预览版发布，并将文本到图像列入“即将推出”名单。因此，任何让同一个模型同时负责生成和编辑的流水线，面对的都只是一项只覆盖其一半工作负载的升级。

这使得这项比较的重点不再是哪个数字更大，而更多在于哪个模型更适合哪类工作。这两个模型同属一个系列、出自同一个研究团队，也共用同一个评分榜。但它们并不共享同一套功能、同一条访问途径或同一个价格。

同一标尺，相距 42 点

在 Artificial Analysis 的 AA-Image-Editing v2.1 榜单上（评估日期为 2026 年 10 月 22 日），MAI-Image-2.7-Preview 获得 1,193 Elo 分，位列总榜第二。MAI-Image-2.6-Preview 获得 1,151 分，与 Krea 3 (Ultra) 和 Nano Banana 2.1 并列三方平手；其速度更快的同系列型号 MAI-Image-2.6-Flash 获得 1,144 分。两款 Microsoft 模型之间 42 分的差距，正是 Microsoft 用来主打的数字，而且在这个榜单上，这是一次干净的同口径对比：相同的评估版本、相同的投票者、相同的快照。

有两点背景说明能让这个数字保持准确。第一，这些数字来自微软的发布文章，该文章转载了 Artificial Analysis 榜单；榜单本身是独立的，但转载并非独立，而且我们也没有重新运行该榜单。第二，不要将任一分数与 v2.1 重建之前发布的任何内容相比较。微软 9 月的发布将 MAI-Image-2.6 列为当时编辑榜单的第 1 名，人们很容易——也是错误地——把当前的 1,151 解读为退步。榜单已经变了。在 v2.1 内，2.6 是一个 1,151 模型。

发生反转的三个类别

微软表示，在 Artificial Analysis 评估的全部 10 个用例和全部 7 项编辑操作中，2.7 相比 2.6 均有提升。最引人注目的是类别排名：基于推理的编辑从第 7 名升至第 1 名，场景和风格从第 7 名升至第 1 名，文本或符号编辑从第 6 名升至第 1 名。微软还声称在增强和修复类别中处于领先地位，并表示其领先优势最大的是场景和风格，比排名第二的模型高 24 Elo。

对于使用 2.6 版本的用户来说，排名位置的变化比整体差距更能说明问题。一个在基于推理的编辑任务中排名第七的模型，实际上就是你不放心让它去执行“把产品移到大理石台面上，并匹配窗户光线”这类指令的模型。而排名第一的模型，则是你可以放心交给它这项工作的模型。文字与符号替换同样如此，这是商业图像中最不容出错的编辑类型：标签发生扭曲，或标志的字重发生变化，无论画面其余部分多么出色，都会立即被判定为不合格。

一如既往的注意事项仍然适用：类别得分只是对同一份偏好数据的不同切分，并非独立实验。但其方向与总体得分一致，也与微软选择展示的示例一致——对整个场景进行风格重塑和重新打光、就地更改文字和符号、修复现有素材。这些正是"生成优先"模型往往力不从心的编辑类型，也正是"编辑优先"模型能够专精的领域。

对某些流水线来说，缺失的模式就是全部关键。

MAI-Image-2.6-Preview 是一个统一模型：通过同一部署实现文生图和图生图编辑，支持多图参考编辑、网络依据以及由模型自行选择宽高比。MAI-Image-2.7-Preview 负责执行编辑。微软的帖子明确指出，生成功能“即将推出”，而该模型自身的发布示例全部是对现有图像的转换。

对于很大一类用户来说，正是这一差别决定了比较结果。如果你的工作流从提示词开始——一个营销活动创意、一张产品视觉图、一张博客头图——那么 2.7 目前对你毫无用处。如果你的工作流从素材开始——客户照片、扫描件、包装样机——那么 2.7 是更好的工具，而 2.6 的生成能力则无关紧要。版本号暗示这是一个超集。而该产品其实是一种专精化。

它也改变了“升级”对一个团队意味着什么。从 2.6 迁移到 2.7 并不是一次模型替换，而是一次拆分。生成仍留在 2.6，编辑转到 2.7，这两条路径现在具有不同的可用性、不同的限制，并且最终会有不同的价格。相比把一个模型放在一个端点后面，这是一种更昂贵的架构；只有当编辑带来的收益大到足以抵消这种复杂性时，才值得这么做。对于场景重绘和文本替换来说，也许值得。

可及性与成本：一个是能买到的，一个则不能

MAI-Image-2.6-Preview 已在 Microsoft Foundry 中以公共预览版形式提供，并与 MAI-Image-2.6-Flash 一同可用。其公布的价格为每百万文本输入 token 5 美元、每百万图像输入 token 8 美元、每百万图像输出 token 38 美元；Flash 则分别为 1.75 美元、2.50 美元和 19 美元。Artificial Analysis 估计，2.6 每张图像约为四美分，Flash 约为两美分。文档记载的限制包括五张参考图像，最大输出为 2,359,296 像素——1536×1536——每个维度最小为 768 像素，另支持网页接地和自动宽高比选择。

MAI-Image-2.7-Preview 完全没有这些。它已在 MAI Playground、Arena 和 Artificial Analysis 上提供。没有 Foundry 条目，没有可部署的版本字符串，没有费率表，也没有公开的参考图像或分辨率限制。微软尚未说明 2.7 是会继承 2.6 的五张参考图上限、超过该上限，还是会以不同的控制方式发布。在关于能力的比较中，这属于证据缺失，而非降级的证据——但这也意味着生产团队无法据此进行规划。

• 编辑评分： 在 1,193 时为 2.7，而在 1,151 时为 2.6（+42）

• 生成：2.7 发布时不可用，而 2.6 具备文本到图像和编辑功能

• 访问：在 MAI Playground、Arena、Artificial Analysis 中为 2.7，而在 Microsoft Foundry 中为 2.6

• 价格：2.7 未发布，对比 2.6，每百万个 token 为 $5 / $8 / $38，约每张图片 $0.039

• 限制：在五个参考和 1536×1536 输出下，2.7 未发布版对比 2.6

• 快速版本：2.7 无快速版本，而 2.6-Flash 为 $1.75 / $2.50 / $19，每张图像约 $0.020

2.6 仍然做得更好的地方

除了生成能力之外，2.6 还拥有全面的运营优势。它具备有文档记录的 API 接口、部署版本、费率卡、面向吞吐量的 Flash 同级产品，以及企业可走采购流程的 Foundry 合同。它还具备 2.7 未被描述为拥有的功能：网络依据、自动宽高比选择，以及已发布的多图参考工作流。

其中一些可能只是 2.7 版没有文档说明，而非不存在。微软的发布文章篇幅简短，重点在于编辑质量，读起来并不像一份完整的模型说明卡。但对于生产决策来说，举证责任是反过来的：在文档里找不到的功能，就是你不能依赖的功能。

Flash 对比是批量处理任务中值得关注的重点。MAI-Image-2.6-Flash 并非质量领先者——它的 Elo 为 1,144，比主力 2.6 低七分——但每张图约两美分的价格，使它和 2.7 可能采用的价格完全不在同一个成本档次。如果微软把 2.7 定价为旗舰级，那么对许多团队来说，理性的组合将是：用 Flash 做批量编辑，用 2.7 处理困难案例，而主力 2.6 则会被完全挤出局。

如果你已经基于 2.6 进行构建

不要迁移生成路径。没有可迁移到的目标。对于文生图，以及任何常规到 7 个 Elo 分差都无关紧要的编辑，继续使用 2.6 或 2.6-Flash。

务必对当前失败的那些编辑跑一次 2.7 的影子测试。拿出你们团队不得不手动返工的那二十个素材——那个怎么也摆不正的标签、那个怎么也重新打不亮的产品、那个丢失了细节的扫描件——把它们放进 playground 跑一遍。如果这些品类层面的说法在你们自己的素材上成立，那么 2.7 就值得作为升级路径占有一席之地：2.6-Flash 负责大批量，2.6 负责标准工作，2.7 负责今天还需要人工过一遍的素材。

两个 MAI 模型都不在 OrcaRouter 上，因此这不是我们能替你做出的路由决策；微软自家的平台是唯一入口。如果你真正需要的是一个可调用的编辑端点，并且能在一个密钥背后实现故障转移，那么可路由的替代方案是GPT-Image-2.5——Sunburst 主打质量，Flare 主打吞吐——0% 加价，按提供商列表价透传。那属于另一个模型系列，观感也不同，不能替代 2.7 在场景与风格上的领先优势，应当按此来评估。

什么情况下 2.7 会成为默认值

三件事。文生图能力与对手持平，这会让专业工具变成可替代品。Foundry 上架条目，定价不高于 2.6，这会让编辑能力的增益在大规模使用时也负担得起。以及公布运行限制——参考图数量、分辨率、吞吐量——让团队可以规划，而不是靠猜。微软在 9 月的一次发布中为 2.6 同时交付了这三点，所以这些都不是探索性的能力研发工作；这是产品打包。

在那之前，对 42 Elo 的正确解读应保持狭窄而实用：微软的编辑模型确实有了实质性提升，而其生成模型并未改变。版本号上升了。产品线分叉了。要为分叉做规划，而不是为版本号提升做规划。