MAI Image 2.7 Preview 在七項編輯操作中領先四項——卻無法生成圖片

Microsoft AI 於 2026 年 10 月 27 日發布 MAI Image 2.7 Preview，而關於它最實用的一點，就是公告本身的一句話：該模型先從編輯功能起步，文字轉圖像生成「即將推出」。接下來的一切——在 Artificial Analysis 拿下第二名、在 Arena 拿下第三名、較 MAI-Image-2.6 提升 42 分——描述的都是一個能改善你已有圖像、卻無法從無到有生成圖像的模型。

那是一個比排行榜名次所暗示的更狹窄的產品。生成式圖像模型是空白頁工具；編輯模型則是修補與修訂工具。到了2026年，人們真正付費的工作大多屬於修訂類工作，這正是編輯榜已成為商業買家關注焦點的原因。但當你坐下來實際試用時，這個區別就很重要了：在MAI Image 2.7 Preview能發揮作用之前，你需要先有一張來源圖片。

該模型可在 MAI Playground、Arena 和 Artificial Analysis 上使用。目前沒有 API、沒有 Microsoft Foundry 的上架資訊，也沒有公布價格。Microsoft 尚未披露 2.7 在參考圖片、解析度或輸出層級方面的特定限制。

「編輯」在此涵蓋的範圍

Microsoft 對這個模型的描述異常具體地說明了它是為了哪些編輯而打造：整體場景風格重塑、重新打光、變更文字與符號同時讓它們融入影像、修復或強化現有素材，以及需要同時理解物件、光線與環境的編輯。這份清單並不泛泛。每一項都指出了一種先前的編輯模型處理得很糟的失敗模式——重新打光後陰影指向錯誤方向、新標籤文字浮在表面上方而非貼合其上、放大時把雜訊連同細節一起銳化。

「整合」這個說法值得讀兩遍。影像模型中的文字編輯，孤立來看已是解決的問題，放在實際脈絡中卻仍未解決：任何模型都能渲染出一個詞，而多數模型是把它疊在場景之上，而不是融入場景之中，還伴隨錯誤的視角、錯誤的動態模糊，以及與其落到的表面不匹配的字體。微軟正把這個特定缺口宣稱為一項優勢，而這是可查證的主張，不是一種氛圍。

七中之四，以及反其道而行的三個

Artificial Analysis 使用日期為 2026 年 10 月 22 日的快照，在 AA-Image-Editing v2.1 上給 MAI Image 2.7 Preview 評了 1,193 Elo。這使其排名第二，以六分之差落後於 GPT Image 2.5 Sunburst（在其最高品質等級 1,199），並領先 GPT Image 2.5 Flare（1,182）十一分。它所取代的模型 MAI-Image-2.6 為 1,151——提升了 42 分。

類別細分比總體彙總更具資訊性。根據 Artificial Analysis，2.7 在其評估的七項編輯操作中有四項排名第一，而 Microsoft 表示該模型在全部十個使用案例與全部七項操作上都有所提升。它領先的四項是增強與修復、基於推理的編輯、場景與風格，以及文字或符號編輯。差距最大的是場景與風格，Microsoft 聲稱領先次佳模型 24 個百分點。

它未領先的三項是構圖、單一物件編輯與身分保持——這三項都由 OpenAI 掌握。這呈現的是一幅連貫的圖景，而非隨機散落的結果。OpenAI 的模型正是在指令必須被字面且局部遵循之處最強：移動這個物件、保留這張臉、遵守這個版面配置。Microsoft 的模型則在指令需要對整個畫面進行判斷之處最強：重新打光場景、改變其風格、修復它、改寫招牌。

文字與符號的結果才是商業上值得關注的那一個

在 2.7 領先的四個類別中，文字與符號編輯是創意工作室之外商業價值最明確的一項。包裝樣稿、零售招牌、圖表標籤直接壓進匯出 PNG 的簡報、同一標籤換成地區版本的商品照——這些編輯最費工的地方，從來不是畫出新的字，而是保留文字所在表面的光線、透視與材質反應。

這也是預覽最沒用、最令人沮喪的類別。設計師若想修正照片裡的標籤，可以在 Playground 中逐張手動完成。但要修復五千個標籤的管線卻做不到，因為沒有可呼叫的端點。能力與交付機制彼此錯配，而這個錯配才是這次發布的真正重點——不是 Elo 分數。

場景與風格則是相反的情況。在全幀重新風格化上領先 24 分，是那種會在盲測偏好中顯現出來的差距，而重新風格化本質上是批次作業：一個來源幀，四十種外觀。能在該類別以大幅差距勝出的模型，正是工作室會想放進迴圈裡使用的模型，但目前卻沒有這樣的迴圈可用。

「預覽」在微軟過去代表什麼意思？

前代模型是判斷時間線的最佳現有依據。MAI-Image-2.6 於 2026 年 9 月 4 日進入 Microsoft Foundry，約在 2.7 問世前六週。其公布的價目表按 token 而非按圖像計費——每百萬文字輸入 token 5 美元、每百萬圖像輸入 token 8 美元、每百萬圖像輸出 token 38 美元——換算下來，一張典型圖像約四美分。Flash 版本則為 1.75 美元、2.50 美元和 19 美元，或每張圖像約兩美分。

如果 2.7 循著同一條路走，缺的就是三樣東西：Foundry 上架、版本字串，以及價目表。從「剪輯排行榜第二名」到「預算裡的一筆項目」，中間的距離正好就是這三項產出。在它們出現之前，今天就需要在生產環境使用剪輯模型的團隊，只能在 Foundry 上的 2.6 與其他已經能呼叫的選項之間做選擇。

本週如何測試它

MAI Playground 位於 playground.microsoft.ai，需要 Microsoft 帳戶。Arena 會公開此模型，讓你與其他編輯器進行盲測並排投票，這是自行驗證場景與風格主張的實用方式：放入一張照片，要求重新打光，然後在你不知道是哪個模型產生的情況下，看看你更喜歡哪個輸出結果。

在你以此為規劃依據之前，有兩點注意事項。第一，微軟並未公布針對 2.7 的生成次數上限。在 MAI-Image-2 時期流傳的免費方案限制——大約每天十五次生成，且兩次之間需等待——從未針對此模型獲得確認，不應逕自假設。第二，Arena 投票不等於產品試用。Arena 只告訴你在中性提示詞下人們更偏好哪個輸出；它不會告訴你模型在對同一資產進行第四十次修訂時表現如何，而這才是實際的工作情境。

將此從 Playground 推進到 Production 需要哪些條件

三件事，依重要性排序。一個部署目標——Foundry 或公開 API——因為沒有它，這個模型就只是個演示。一個價格，因為「在編輯榜單上排名第二」在你無法用它除以每張圖片成本之前，並不是採購理由。以及文生圖對等能力，因為非常多真實的編輯工作流程，都是先生成基底圖片再進行修訂，而一個無法生成初始圖片的模型，會迫使每條流程都額外接入第二家供應商。

對於現在只需要一組金鑰就能使用編輯模型的團隊來說，實務上的答案和有趣的答案並不相同。OrcaRouter 不託管 MAI Image 2.7 Preview——沒有人託管，因為根本沒有 API——但 GPT Image 2.5 Sunburst 和 GPT Image 2.5 Flare 這兩個在該排行榜上緊鄰其上下、分居前後的模型，都可透過該閘道以供應商定價取得，且不加收任何費用。這使得第一名與第二名之間六分的差距今天就能以第二名模型做不到的方式實際測試：你可以用同一項編輯分別跑過兩個 OpenAI 層級，看看你自己的素材更偏好哪一個，然後把勝出者留在路由設定中。

誠實的總結是：Microsoft 推出了更有趣的編輯器，而 OpenAI 仍然推出更容易取得的那一個。兩者之間相差的六個 Elo 分，比 playground 與 endpoint 之間的距離還小，而這些差距中，只有一個會自行縮小。