Krea 3 對決 MAI Image 2.6 Preview：16,400 票迎戰截止期限

Krea 3公布了完整的價目表，卻無法告訴你這個模型究竟好不好用。MAI Image 2.6 Preview是微軟 AI 的圖像模型，其編輯評分背後有 16,400 次人工盲測比較，卻無法告訴你一次編輯要花多少錢。這就是這場對決的核心交換，而它並不會得出誰勝誰負——它只會得出你能吸收哪一種未知。Krea 於 2026 年 10 月 15 日推出 Krea 3；微軟則在 2026 年 8 月 10 日將 MAI-Image-2.6 開放公開預覽，並於 9 月 4 日更新該公告。一個才剛問世一天，價格標到分毫不差。另一個已推出兩個月，在獨立排行榜上佔有一席之地，且僅透過 Microsoft Foundry 販售。

每一方實際上能證明什麼

先從證據開始，因為在這個貨幣對上，證據極度一面倒，而這種一面倒的方向與定價相反。

• MAI Image 2.6 Preview，實測。 在 Artificial Analysis 的圖像編輯排行榜上，資料讀取於 2026 年 10 月 16 日，MAI-Image-2.6 位居 來自 16,400 個樣本的 1,151 Elo — 排行榜第四，95% 區間為 1,139 至 1,163。在文字轉圖像排行榜上，同一款模型排名第六，為 來自 7,993 票的 1,165 Elo。其價格較低的同門型號 MAI-Image-2.6-Flash 在編輯項目以來自 10,505 個樣本的 1,144 排名第五。這些是盲測的成對人類偏好投票，由 Microsoft 無法控制的第三方收集。

• Krea 3，未經實測。編輯排行榜上沒有紀錄，文字轉圖像排行榜上也沒有紀錄，沒有第三方延遲測試。現有的只是 Krea 自家的說法——原生 2K 下端到端低於 8 秒——依據的是 Krea 自家編輯流量在 2026 年 9 月 24 日至 10 月 1 日期間的測量，而同一張表中的競爭對手時間數據也是以相同方式蒐集而來。

• 價格欄——在這裡，這兩個排行榜對 Microsoft 模型比 Microsoft 自己更友善。Artificial Analysis 將 MAI-Image-2.6 列為每 1,000 張圖片 $38.90，MAI-Image-2.6-Flash 則為 $19.50。Krea 把 Krea 3 的 2K 編輯定價為 $0.06（未計參考圖），而參考圖另行計費：1K 每張 +$0.02，2K 每張 +$0.07，另加 $0.02 以啟用 high/ thinking 模式。

這些型號中的其中一款，已被看不見標籤的人投票 16,400 次。另一款則由其自家製造商計時。如果你問的是「它好不好」，今天只有其中一款有答案，而且不是新的那款。

Microsoft 所引用的 1,336 並不是看板顯示的數字

微軟的發布貼文以第二名為開場。這是應該的，而這並非全貌。

• 微軟自家的圖表將 MAI-Image-2.6 列於1,336，排名第 2，落後於 GPT Image 2 Medium 的 1,381，領先 Grok Imagine Image 2.0 的 1,316，資料來源為微軟引用的 arena.ai，以文生圖為測量基準。 • 我們在 2026 年 10 月 16 日查看的 Artificial Analysis 文生圖排行榜，將 MAI-Image-2.6 列於1,165——第六名，落後於 GPT Image 2.5 Sunburst 的 1,218、GPT Image 2.5 Flare 的 1,208、GPT Image 2（high）的 1,186、Nano Banana 2.1 的 1,172，以及 Grok Imagine Image 2.0 的 1,167。

那些是兩個不同的排行榜，具有不同的 Elo 評分尺度，所以 1,336 和 1,165 並不衝突，兩者都沒有錯——但它們支持不同的說法。「第二名」屬於微軟引用的 Arena 排行榜。「在頂尖層級中排名第六，95% 區間為 1,153 至 1,177」則屬於那個可以讓你查看投票的排行榜。在編輯排行榜上——這才是對於用來修改現有圖片的模型而言真正重要的排行榜——MAI-Image-2.6 以 1,151 分排名第四，Nano Banana 2.1 以 1,152 分排名第三——第三名與第四名之間僅差一分，穩穩落在兩個模型的誤差範圍內。

就照實解讀：微軟的模型確實是獨立排行榜上最頂尖的編輯模型之一，而它也確實不是全球第二好的模型。這兩項陳述都出自公開資料。

定價不對稱，從兩個方向推演

用 Krea 的計價表算一算，這兩項產品就不再落在不同的價格級距。

• 單次 2K 編輯，一張參考圖：$0.13。

• 四張 2K 參考圖——Krea 自家文件稱為完整細節上限的數量——$0.34 一次編輯，或每 100,000 次編輯 $34,000。

• 六個 2K 參考圖，正是發表貼文所宣稱的數量：$0.48 每次編輯，每 100,000 次為 $48,000。Krea 自家的圖表列出 100,000 次 2K 的 Krea 3 編輯為每月 $6,000，並明確註明「不含圖像參考」。

• MAI-Image-2.6 Preview 按獨立董事會所列費率計價：每 1,000 張圖片 38.90 美元，或每 100,000 張 3,890 美元——而這項比較對 Microsoft 在一方面不公平，對 Krea 在另一方面也不公平，因為 Microsoft 的數字沒有附帶關於批次、參考圖或重試的說明，而且無法拿來對照供應商價目表驗證，因為根本沒有供應商價目表。

唯一可以毫不含糊地說的一件事是：Krea 3 每張圖片便宜，每個構圖卻昂貴，而多參考構圖正是使用它的理由。這個模型的主打價格與其典型使用情境相互矛盾，而兩者之中只有一個出現在發布貼文的成本圖表中。

參考限值：一個數字對比三個數字

Microsoft 發布一個答案。Krea 發布三個，而它們之間的差異，就是計畫與驚喜之間的差異。

• MAI-Image-2.6 Preview接受文字加上最多五張圖片，用於影像編輯工作流程；根據 Microsoft 的 Foundry 模型卡，該模型卡也設定了輸出限制：最低 768 × 768 像素，總像素數上限為 2,359,296，相當於 1536 × 1536。一個數字，一頁，沒有星號。

• Krea 3可接受最多 6 個參考（根據發布文章及其常見問題），最多 8 個（依產品頁面），以及最多 8 個在 API 本身的 image_urls/ 參數列中——此外還有一項規則：從五個參考起，每個參考都會被縮放至最長邊最多 1536 px，且文件本身建議在精細細節重要時「傳送四個或更少」。啟用零資料保留後，上限會降至4 個參考，因為屆時每個參考都必須以 base64 資料 URI 傳送。

對於使用情境屬於多重參考的人——也就是單一畫面中有角色、服裝和場景——Krea 3 的有效數字是四，而四重參考編輯的價格是 $0.34，不是 $0.06。那是合理的價格。那不是首發價格。

這些各自在生產流程中的位置

Krea 3 的主張是吞吐量：只渲染實際變動的區域、連續進行編輯而不累積瑕疵，並在競爭對手拍一張主視覺照的時間內，把整本型錄跑完。它的 regional_edit／旗標就是這個機制——Krea 的文件警告，若你持續編輯模型自己產出的結果，全圖編輯會逐漸劣化，這正是支持「只重新生成有變動部分」之模型的實務論據。如果你的工作負載是「把 4,000 張產品照的背景換掉」，那麼這套架構才是重點，而你因此放棄的獨立評測分數，衡量的是另一回事。

MAI-Image-2.6 Preview 的賣點，是在 Microsoft 合約背後的實測品質。當產出是由人來評判時——例如活動影像、品牌作品——以及當買方已經在技術堆疊中採用 Foundry 時，它就是該伸手去拿的模型。它無法做到的，是在大量使用時仍可預先規劃：由於沒有公開的價目表，其每張影像的成本是來自別人表上的數字，而 2,359,296 總像素的解析度上限，在所有並非接近正方形的長寬比下，都低於 Krea 的原生 2K 輸出。

以其中任何一個為基礎發展，而不必為此押上整個季度。

這兩個模型目前都不在 OrcaRouter 的目錄中，我們也不會暗示並非如此：OrcaRouter 既不路由 Krea 3，也不路由 MAI-Image-2.6 Preview。 Krea 3 是透過 Krea 自家的早期存取 API 存取，這需要在測試版中擁有工作區；微軟的模型則只能透過 Foundry 和 MAI Playground 存取。

這正是路由器存在的目的，雖然不是發布貼文通常描述的那種方式。當兩個候選模型之中，一個沒有公布價格，另一個有三個已公布的參考限制時，明智的做法是把流程建置成讓替換模型只是一項設定變更。一個相容 OpenAI 的單一端點，橫跨 200 多個模型——供應商的定價直接原樣傳遞，不額外加成，因此供應商調價當天就生效，而不是等到下一次合約續約——讓替換變得便宜。自動容錯移轉，把失敗的呼叫改送到備援而不是送進你的佇列，讓 beta 得以存活。它做不到的是讓這兩個圖像模型今天就能呼叫，而我們確實有路由的那些部分，包括 GPT Image 與 Gemini 圖像系列，才是該保留在那些必須出貨的工作負載底下的，趁上面那兩個模型還在理清自身狀況。

如果你這週就需要一個模型，卻無法取得邀請，決定就已經替你做好了。如果你兩者都能取得，取捨就很明確：Krea 3 給你速度、原生 2K，以及一個你能預測的計量方式，並要你相信一項沒人稽核過的一致性說法。MAI Image 2.6 Preview 給你 16,400 次人類比較和一道硬性解析度上限，並要你圍繞一個活在別人排行榜上的數字來規劃預算。挑選你能定價的那個未知數。

這一切都不是避開該模型的理由，而只是了解其歷史的理由：這一類模型背後有文獻記載的 AI 事件與代理失效，都收錄於 OrcaRouter AI Incident Archive，其中每一則條目都附有自己的來源、嚴重程度、信心等級與爭議標記。