MAI-Image-2.5-Pro 在影像編輯中奪下第一名：微軟獨立勝出究竟證明了什麼

MAI-Image-2.5-Pro現在是 Artificial Analysis 排行榜上評價最高的影像編輯模型——這是個獨立、盲選投票的排行榜——但在純文字轉圖像方面仍只排名第七。這種落差正是關鍵：一個公開預覽不到一個月、完全由 Microsoft AI 內部打造的模型，已超越GPT Image 2、Reve 2.1以及自家兄弟MAI-Image-2.5，在編輯排行榜上；然而在提示詞為「憑空畫一個東西給我」時，卻落後於大部分相同的競爭者。綜合這兩個數字，你就能清楚了解 Microsoft 推出了什麼：一個擅長修改現有影像的專家，而非通用的生成器。

兩個數字，並排

截至2026年8月的快照，Artificial Analysis的Image Editing Arena將MAI-Image-2.5-Pro列於第1名，Elo 1,272，基於約6,100次盲測使用者比較。追趕集團相當接近：Reve 2.1為1,262，接著MAI-Image-2.5與GPT Image 2 (high)同為1,256，GPT Image 1.5 (high)為1,250，Qwen-Image-3.0-Pro為1,249，而Go​gle的Nano Banana 2為1,249。在Text-to-Image Arena中，它排名為第7名，Elo 1,292，落後於GPT Image 2 (high)的1,369、Reve 2.1的1,322、Nano Banana 2的1,320、GPT Image 1.5 (high)的1,310、MAI-Image-2.5的1,304及Nano Banana Pro的1,296。

• 編輯： 第 1 名 — 1,272 Elo，約 6,100 個樣本

• 文生圖： 第 7 名 — 1,292 Elo，約 11,500 個樣本

• 編輯排名與第2名的差距： 領先Reve 2.1 10 Elo

• 與文字轉圖片第一名的差距： 落後 GPT Image 2 77 Elo（高）

編輯排名的價值之所以超越虛榮數字，在於其機制。Artificial Analysis 競技場採用盲測式人類偏好：投票者看到相同的輸入圖像和指令，獲得兩個編輯結果，然後選出較強者。分數不是由廠商腳本寫出來的。因此，那裡的第一名是市場上最接近「人們最喜歡這個編輯器的輸出」的東西——而且這是一次近期的攀升，而非發布首日的曇花一現。將趨勢方向視為可靠依據，將確切 Elo 視為暫定數值；低票數的排行榜會變動。

同一天擷取的文字轉圖像排行榜，讓同一個模型呈現出不同的面貌——它雖然已不再領先，但仍穩穩位居前十，整體榜單的Elo分數集中在1290到1370之間。

MAI-Image-2.5-Pro 究竟是什麼

MAI-Image-2.5-Pro 是 Microsoft AI 旗下 MAI-Image-2.5 系列的品質等級產品，於 2026 年 7 月 23 日與 MAI-Voice-2-Flash 一同發布，並已在 Microsoft Foundry（Azure AI Foundry）及免費的 MAI Playground 上進入公開預覽。微軟將其描述為迄今最高保真度的影像模型，旨在處理主視覺影像、精細編輯與精確的圖內文字渲染。該系列現已涵蓋完整的成本曲線：MAI-Image-2.5 適用於均衡工作負載、MAI-Image-2.5-Flash 適用於高產量場景，Pro 等級則位居品質頂端——更新的同系列產品 MAI-Image-2.6 截至 8 月 19 日已處於私人預覽階段。

微軟自身對 Pro 層級的宣稱，全部皆為廠商自報，尚無任何獨立重現的驗證：

• 96.8% 文字渲染準確度 — 被標註為涵蓋中文、英文、日文、韓文和西班牙文，但同一份文件將輸出限制在大約一百萬像素，因此宣稱中的「8K」字眼最好視為行銷用語。

• 提示詞遵循度比 GPT-Image-1.5 高出 27%（依據 Microsoft 的內部評估）。

• 多圖角色一致性達94%，跨世代適用。

• GPU成本比G​PT模型降低高達84–89%，但這僅限於特定的Microsoft場景（PowerPoint、OneDrive），並非通用數字。

文件規格表是這些宣稱的依據：文字輸入最高 32,000 個 token、131k 上下文視窗、4,096 個輸出 token、JPEG/PNG 圖片輸入，以及輸出上限 1,048,576 像素（相當於 1024×1024）。最後那個數字對買家很重要：這是高品質的 編輯器，不是列印解析度的產生器。

品質彰顯之處

排行榜所衡量的編輯強度，與微軟所強調的重點一致：精準、外科手術式的編輯，讓影像其餘部分保持一致。鎖定物件替換、版面變更、影像內文字更新，以及清除動態模糊之類的瑕疵——這類編輯正是舊版模型往往會重新生成整個場景、失去主體的類型。再加上94%角色一致性的宣稱，你得到的就是一款為商業關鍵工作流程而設計的模型：拿現有素材、改一個地方、直接出稿。

第 7 名的文字轉圖像排名是誠實的制衡力量。從空白提示詞出發，MAI-Image-2.5-Pro 表現不俗，但並非領先者——落後 GPT Image 2 (high) 77 Elo，在盲測排行榜上是實實在在的差距。微軟目前並未宣稱文字轉圖像的王座；它宣稱的是編輯領域的王座，而數據對這個較狹窄宣稱的支持，遠勝於對較廣泛宣稱的支持。

費用是多少

MAI-Image-2.5-Pro 在 Foundry 上按 token 計量：每百萬文字輸入 token 為 5 美元，每百萬圖像輸入 token 為 8 美元，每百萬圖像輸出 token 為 106 美元。Microsoft 未公布每張圖像的 token 數，因此每張圖像的成本是算術估算而非官方報價；依 Artificial Analysis 的換算，一張 1024×1024 的圖像落在每 1,000 張 108.50 美元附近。這大約是同系列 MAI-Image-2.5（約每 1,000 張 48 美元）的 2.3 倍，也是 MAI-Image-2.5-Flash（約每 1,000 張 20 美元）的 5.4 倍——Pro 等級是刻意的高價定位。

預覽定價並非正式發布定價；預覽費率卡在正式發布前可能會變動。當變動發生時，透過直通路由層，價格調降才能在當天反映在你的帳單上：在 OrcaRouter 上，供應商列表價格以 0% 加價直通傳遞，因此一旦 MAI-Image-2.5-Pro 可透過可呼叫的第三方 API 使用，微軟收取多少，你就支付多少——無需重新協商，也無需第二份合約。

為什麼第一名屬於微軟這家公司，而不只是模型本身

這項排行榜結果出爐之際，微軟正明顯地以自家模型取代第三方影像模型。MAI-Image-2.5 已是 Bing Image Creator 的預設引擎，並在 PowerPoint、OneDrive 和 Dynamics 365 Contact Center 中運行；Pro 層級則屬於同一家族，專注於更高保真度的工作。微軟表示，MAI 模型是以乾淨、可追溯的資料訓練而成，「未經第三方模型蒸餾」——這是對 OpenAI 依賴問題的直接回應，而成本主張（在 PowerPoint 中 GPU 成本最多降低 84%，此為廠商通報且因情境而異）也是同一個故事的一部分：一個每個任務都比它所取代的模型更便宜的自研模型。

這些說法若無獨立的排行榜，便無法向持懷疑態度的買家證明，因此第一名之所以具有戰略意義，而不僅僅是一個分數。這是首個獨立證據，證明微軟自家圖像產品線在其所專攻的特定任務上勝過其他競爭者。

接下來要看什麼

• 隨著票數累積，編輯領先的優勢還能保持嗎？ 在約6,100個樣本中，1,272 Elo是領先而非定局；Reve 2.1落後10分。

• 正式發布與最終價格表 — 預覽價格並非正式發布（GA）價格。

• 解析度上限。 100萬畫素的上限使 Pro 無法進行印刷工作；如果微軟移除這項限制，情況就會改變。

• MAI-Image-2.6（私人預覽版，8月19日）——該系列的下一步，在另一個主要競技場上排名第二的文生圖模型。

• 供應商聲明的獨立評估 — 文字渲染精確度與字元一致性未經 Microsoft 以外的獨立驗證。

拆分排行榜的結論不是「微軟現在做出了最好的影像模型」。它更狹窄、也更有用：微軟現在在獨立排行榜上擁有評價最高的影像編輯器——但價格高昂、仍屬預覽版、且有嚴格的解析度上限。如果你的工作是修改既有影像——主視覺、產品圖、圖內文字——那正是值得關注的模型。如果你的工作是從空白畫布生成影像，第 7 名的排名說明更好的選擇仍是 GPT Image 2——這就是兩個數字給你的誠實解讀。