標題卡比較 MAI Image 2.7 Preview 與 MAI Image 2.7 Flash:Preview 於 2026 年 10 月 27 日取得 1,193 Elo,其列已從排行榜上撤下;Flash 則於 2026 年 11 月 17 日取得 1,179 Elo,每 1,000 張圖片約 $10;兩者之間以括號標示 14 分,落在誤差範圍內。
Guides & Insights

MAI Image 2.7 Flash 與 MAI Image 2.7 Preview:原型版本已達水準

作者

jinhao.song

發佈日期

最新模型 · 20查看全部模型 →
基準測試:Artificial Analysis · 每日更新
返回全部文章

微軟十月的原型與十一月的平價模型,在同一個編輯排行榜上的表現彼此落在誤差範圍內,而兩者之中只有一款買得到。MAI Image 2.7 Preview於 2026 年 10 月 27 日在 Artificial Analysis 的 AA-Image-Editing v2.1 排行榜上拿下 1,193 Elo——全球第 2,來自 4,891 票,沒有 API、沒有定價,也沒有文字轉圖像模式。MAI Image 2.7 Flash於 2026 年 11 月 17 日與其衍生自的旗艦模型一同發布,以 1,179 Elo 位居第 7——低了十四分,穩穩落在誤差範圍內,且目前可透過 Microsoft Foundry 以公開預覽形式取得,價格約為每千張圖片 10 美元。

所以,這不是「哪一個比較好」的比較。重點是:你實際能呼叫的模型,得分與你只能在試玩環境裡試用的示範相同,而且還以微軟終於公布的價格多做兩項工作。有趣的問題是,那十四分能承載多少份量。比排名欄所暗示的少,而在任何人在簡報中引用這兩個數字之前,值得把原因細講一遍。

兩排,一塊板,其中一個已退役

Artificial Analysis 於十月將其圖像編輯排行榜重建為 v2.1,而兩款模型都是在同一版本上接受評分——這正是這項比較得以成立的原因。Preview 於 10 月 27 日以第 2 名進入該榜,落後 GPT Image 2.5 Sunburst (max) 六分,後者為 1,199。Flash 於十一月以第 7 名進入,處於涵蓋第 5 至第 7 名的區間,獲得 5,891 票。

Preview 的那一列已不在榜上,Flash 的還在。這是第一處不對稱,而且並非表面問題:已撤下的列無法累積票數,因此這兩個數字,一個是十月定格的快照,另一個是十一月的讀數,而後者會隨著更多人評分而持續變動。

排行榜本身也會變動。GPT Image 2.5 Sunburst (max) 在 Preview 推出時是 1,199,今天則顯示 1,202——權重相同、票數更多,卻漂移了 3 分。3 分相較於 14 分雖然很小,但它定下了尺度,讓人知道在這個系列中,小數點後一位的任何單一數字差異該被多認真看待。

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, GPT Image 2.6 Sunburst (max) second, and MAI-Image-2.7-Flash seventh at 1,179 Elo from 5,891 samples and $10.24 per 1,000 images, with no MAI Image 2.7 Preview row anywhere on the board.

預覽無法做到的事

十月版本刻意只推出部分內容,微軟當時也直言:先編輯,後生成。Flash 同時搭載這兩種模式,而封閉與否比 Elo 分數的進展更重要:

• 編輯分數 — 10 月為 1,193 Elo、第 2 名、4,891 票,而 11 月為 1,179 Elo、第 7 名、5,891 票

• 生成 — 無:Preview 完全無法生成,對比在 AA-Image-T2I v2.1 上以 1,158 Elo 排名第 11。

• 價格——未公開;十月那篇貼文並未附上價目表,而供應商自稱每 1,000 張圖片約 $10,Artificial Analysis 則獨立估算為 $10.24

• 存取 — MAI Playground 和兩個排行榜,對比 Microsoft Foundry、MAI Labs 及若干第三方平台上的公開預覽

• 已記載的限制——未公布任何內容,相較於同系列模型卡的 32K token 上下文與 4,194,304 像素輸出上限,約 2048×2048

• 透明度 — 未說明與透明背景,Microsoft 的發布文章中已確認兩款 2.7 模型皆支援

第五行有一個注意事項:這張模型卡的標題涵蓋兩個模型,但它的規格列描述的是 MAI Image 2.7,從未按變體分別列出限制。發布「適用於整個系列」的限制,不等同於發布適用於 Flash 的限制,而 Microsoft 並沒有做到第二件事。

十四分對比十九分的差距

編輯看板上的目前各列帶有大約 ±12 到 ±14 的 95% 區間。Flash 自身的區間範圍是 1,166 到 1,192。Preview 是在較小的投票池上評分的,因此其區間並沒有更窄;比較兩個獨立估計需要比任一單獨估計更寬的區間——如果十月那一列帶有可比的區間,大約是 ±18——而 14 點並未超過那個門檻。

這意味著,對「Flash 的評分低於 October Preview」的誠實解讀是:兩者在編輯方面於統計上無法區分,且處於不同日期、擁有不同票數。任何想主張 Flash 退步的人,都必須解釋為什麼一個同時獲得了生成能力、定價與部署途徑的模型,會在三個星期內失去編輯品質;而這些數字對該主張的支持力度不足以讓這種說法成立。

Two-column scoreboard comparing MAI Image 2.7 Preview with MAI Image 2.7 Flash across six dimensions: released 27 October 2026 versus 17 November 2026, editing Elo 1,193 at No. 2 versus 1,179 at No. 7, editing votes 4,891 versus 5,891, generation none versus 1,158 at No. 11, price unpublished versus about $10 per 1,000 images, access Playground and leaderboards only versus Foundry public preview and MAI Labs. A footer credits Elo and votes to Artificial Analysis and price to Microsoft, vendor-reported.

真正將他們區分開來的數字

暫且把 Elo 擱在一邊,當中的落差便格外鮮明:每千張影像 10 美元,對比完全沒有任何公開數字。Flash 的費率是微軟自家的概略估算——發表文章中寫的是「每 1,000 張影像約 10 美元」——而這是雷德蒙德(Redmond)以外的人首度能為一款 2.7 世代的影像定出價格。Artificial Analysis 推導出的數字為每千張 10.24 美元,兩者相當接近,足以佐證其數量級;而在這個類別裡,大多數廠商的費率宣稱可就很難這麼說了。

近似值仍然不是費率表。它回答的是「一張預設尺寸的圖片要多少錢」,而不是「一個帶著一堆參考圖片、並輸出 2048×2048 的請求要多少錢」;而且 Microsoft 並未公布任何按 token 或按百萬像素的細項拆分,能讓管線據此為第二個問題編列預算。對於一款主打生產環境工作負載的模型而言,這才是值得留意的落差,而不是 Elo。

Screenshot of Microsoft's MAI Image 2.7 launch post dated 17 November 2026, headlined 'Frontier quality at a fraction of the cost', showing the sentence that MAI Image 2.7 costs about $35 per 1,000 images while Flash costs about $10 per 1,000 images in public preview on Microsoft Foundry, above a quality-price Pareto chart plotting both models against GPT Image 2.6 Sunburst, MAI Image 2.6 and Krea 3 Ultra.

Neither MAI model is in the OrcaRouter catalogue as of 20 November 2026, and this piece will not pretend otherwise — the catalogue check comes back empty for the whole MAI image family. What is routable today is Open​AI's previous image generation: GPT-Image-2.5 Sunburst and GPT-Image-2.5 Flare, at the provider's list rate with 0% markup, which is a 1,202-Elo editor on the same board where Flash reads 1,179. When a MAI image model does reach a provider we route, the pass-through rule means the vendor's number becomes the number on our side the same day — a Microsoft price cut would arrive as a price cut, not as a renegotiation.

Canvas 是沒有人拿來做基準測試的部分

Flash 有一項 Preview 從來沒有、旗艦模型也沒有的任務:它驅動 Canvas,也就是 Microsoft 同日在 MAI Labs 推出的互動式工作空間。輸入提示或草圖,輸出圖表,然後點擊影像的任何部分,即可就地替換、移動或重新調整樣式。這是產品決策,不是評測結果——Microsoft 把便宜、快速的模型放在互動介面背後,把昂貴的模型放在品質宣稱背後,這說明了該公司認為每個層級各自的用途。

它還告訴你 Flash 的數據從何而來。一個為畫布內互動式編輯而調校的模型,會以延遲與迭代次數為最佳化目標,而這兩者都不會出現在以每票評分單次編輯的排行榜上。微軟為了達到這個目標而犧牲了什麼——步數、引導尺度、較小的精修流程——並未記載,而模型卡對 Flash 的唯一描述只有一句:「MAI Image 2.7 的最佳化版本。」

如果你十月是在 Playground 度過的

實務指示很短。重新執行這些提示詞。介面已轉移,編輯任務清單已轉移,價格也終於有了——但你舊輸出背後的檢查點已不再列於看板上,而那個教會你「溫度高於 0.7 會破壞文字渲染」的原型,教你的其實是一個你如今已無法觸及的模型。

沿用下來的是工作的形態:物件移除、替換、屬性變更、影像補全、文字替換、瑕疵清理、增強。這些正是 Artificial Analysis 評分的七種編輯動作,也是十月文章所列出的同一批。圍繞它們建立的工作流程仍然成立;圍繞 Preview 的特殊習性建立的調校表則不然。

有兩項訊號就能把其餘部分確定下來。第一是 Preview 這一列是否維持退場——如果 Artificial Analysis 持續讓它不在榜上,評測者等於已宣告兩者無從比較,而每個「Preview 對 Flash」的數字都會變成鄉野傳說。第二是附有逐項明細的費率表,這正是把 $10 變成財務團隊能簽核的東西的關鍵。在那之前,站得住腳的說法是較狹窄的那個:Flash 是正式出貨的模型,在測量誤差範圍內,它的編輯效果與原型一樣好,它也能生成,而且每張圖約一美分。