MAI-Image-2.7-Preview 距榜首僅差六分 Elo——且仍未提供 API

微軟最新的影像編輯器與 OpenAI 所販售的最佳產品之間，僅相差 6 分 Elo。2026 年 10 月 27 日，微軟發布MAI-Image-2.7-Preview，該模型在 AA-Image-Editing v2.1 排行榜上以 1,193 分初登場即拿下第二名，對上GPT Image 2.5 Sunburst (max)的 1,199 分——領先 1,182 分的 GPT Image 2.5 Flare (max)，並比微軟自家的MAI-Image-2.6高出 42 分。分數並不是奇怪的地方。奇怪的是微軟沒有隨它一起推出的所有東西：沒有 Microsoft Foundry 部署、沒有公布價格，也沒有文字轉圖像模式。

這種組合讓「Preview」成為模型名稱中最關鍵的字眼。Microsoft 有一款模型，根據獨立人類投票，它與同類別領導者的差距落在誤差範圍內；而唯一能接觸到它的途徑，就是 MAI Playground、Arena Edit 看板和 Artificial Analysis。對一家六週前才把 MAI-Image-2.6 放進 Foundry 並附上價目表的公司來說，將後繼模型以 playground 示範形式推出，是刻意安排的發布順序——而這也改變了該排名對任何正在打造東西的人實際代表的意義。

董事會究竟說了什麼，確切地說

以下數字來自微軟的發表文章，該文重現了 Artificial Analysis 的 AA-Image-Editing v2.1 榜單；評估快照日期為 2026 年 10 月 22 日。Artificial Analysis 是獨立評測機構，但這裡的數字是透過微軟的圖表傳到我們這裡，我們並未自行重新執行該榜單。請把排序視為訊號，並將確切差距視為暫定值。

• GPT Image 2.5 Sunburst (max) — 1,199 Elo，第 1 名

• MAI-Image-2.7-Preview — 1,193 Elo，第 2 名

• GPT Image 2.5 Flare (max) — 1,182 Elo，第 3 名

• MAI-Image-2.6 — 1,151 Elo，與 Krea 3（Ultra）及 Nano Banana 2.1 並列

• MAI-Image-2.6-Flash — 1,144 Elo

• GPT Image 2（高） — 1,136 Elo

那份清單有兩點很容易被誤讀。第一，2.7 不只是 Microsoft 最強的編輯模型；它是唯一與榜首差距在十一分以內的非 OpenAI 模型，而且位居 OpenAI 兩個 2.5 變體之間。第二，MAI-Image-2.6 看似退步了。其實不然。Artificial Analysis 將編輯排行榜重建為 v2.1，而舊榜——Microsoft 九月發文將 2.6 列為第一的那個榜——的分數，不能拿來與這些分數相減。在 v2.1 之內，2.6 是 1,151 分的模型，2.7 是 1,193 分的模型。這是這些數字唯一能支持的比較。

在另一個獨立排行榜 Arena 上，Microsoft 在 Arena Edit 上回報 2.7、排名第 3，並表示這使 Microsoft AI 成為該排行榜上的第 2 大實驗室。Arena 與 Artificial Analysis 使用不同的投票池和不同的量表，因此第 2 名與第 3 名並不矛盾——也不應將其一轉換成另一個。

這 42 分是從哪裡來的

微軟的說法很具體：MAI-Image-2.7 在 Artificial Analysis 評估的全部 10 個使用案例與全部 7 項編輯操作上，皆優於 MAI-Image-2.6。該公司表示，此模型在增強與修復、基於推理的編輯、場景與風格，以及文字或符號編輯方面均達到該類別的前沿，其中以場景與風格的領先幅度最大——在該項目領先次佳模型 24 Elo。

類別排名的變動是同一主張更具體的版本。基於推理的編輯從第 7 名升至第 1 名，場景與風格從第 7 名升至第 1 名，文字或符號編輯則從第 6 名升至第 1 名。對單一版本迭代而言，這些都是大幅躍升，且與 Microsoft 在其自身範例中列出的使用案例相符：為整個場景重新設計風格或重新打光、變更文字與符號同時保持其整合性，以及還原現有資產。

這項但書是結構性的。類別分數是產生整體 Elo 的同一批偏好資料的切分，而不是七個額外獨立實驗。如果 2.7 在整體勝出，通常也會在大多數切分中勝出。真正有資訊量的是形狀——一個在推理與文字編輯上原本處於中段、如今在這些項目領先的模型——而不是個別排名差距。而本節的每項能力陳述，都是 Microsoft 對 Artificial Analysis 評估的描述；這比廠商基準是更強的證據形式，但仍不是對 Microsoft 工作流程主張的受控第三方重現。

一場少了商業那一半的發布

MAI-Image-2.7-Preview 即日起可在 MAI Playground、Arena 和 Artificial Analysis 上使用。微軟的貼文表示，該公司「先從編輯功能開始，文字轉圖像生成即將推出」。這就是全部的可用性資訊。Microsoft Foundry 的模型目錄中沒有 MAI-Image-2.7 條目，沒有部署版本字串，且微軟所控制的任何地方都未公布每 token 費率。

與前代的對比十分鮮明。MAI-Image-2.6 於 2026 年 9 月 4 日進入 Foundry，MAI-Image-2.6-Flash 也同時推出，並公布了價目表：主模型每百萬文字輸入 token 為 5 美元、每百萬圖片輸入 token 為 8 美元、每百萬圖片輸出 token 為 38 美元；Flash 則分別為 1.75、2.50 與 19 美元。Artificial Analysis 對 2.6 的每張圖片估算約為四美分，Flash 則約為兩美分。這些並不是 2.7 的價格——它們是迄今為止微軟圖片編輯成本唯一的公開參考基準。

所以，對這次發布最誠實的描述是：Microsoft 歷來最佳的編輯品質，可在遊樂場免費使用，但沒有正式生產合約。這對評估有用，對管線卻毫無用處。任何本週需要編輯端點的人，仍然只能在 Foundry 預覽版中的 MAI-Image-2.6 與競爭對手之間做選擇。

為什麼要先推出編輯器？

Microsoft 尚未解釋這一排序，因此這是推論，而非報導。但這個模式在產品介面中清晰可見。編輯才是 Microsoft 圖像工作真正落地的領域：PowerPoint、OneDrive、Bing Image Creator 和 Copilot 全都更需要「改這裡、其餘保留」的行為，遠勝於再一個文字轉圖像的輸入框。編輯也是更難做出差異化的能力，卻是更容易針對特定需求示範的能力——重新打光場景、替換標籤、修復掃描檔。

相較之下，文字轉圖像領域競爭擁擠，且服務成本高昂。暫緩推出這項功能，讓微軟能在完成生成端、且想必也完成 Foundry 封裝的同時，以最明確的商業賣點推出這項能力。風險在於，一個沒有定價、沒有 API 的預覽版，無論 Elo 分數多高，都無法轉化為開發者的關注。9 月的 2.6 版發布顯示，微軟懂得如何做好商業化那一半；問題是 2.7 還會停留在只交付一半的狀態多久。

如果你現在需要一個圖像模型，該怎麼辦

在 MAI Playground 中用 2.7 試跑你最難的五個編輯。Microsoft 所宣稱的類別——重新打光、文字替換、修復——正是在生產環境中會出問題的那些，而免費的 playground 是確認 Elo 增益能否在你自己的素材上存續的最便宜方式。在它有 Foundry 版本和價格之前，不要圍繞它制定路線圖。

就正式生產環境的編輯工作而言，實際可行的選項是那兩個真正能接受請求的模型。MAI-Image-2.6 仍以先前的費率留在 Microsoft Foundry 預覽階段。在 OpenAI 這邊，GPT-Image-2.5 Sunburst與 Flare 都是已上線的 API，且兩者都能透過 OrcaRouter 以單一金鑰、0% 加價進行路由——直接傳遞供應商定價，因此 OpenAI 任何價格變動當天就會反映在這裡，而不必等待經銷商更新。Sunburst 是品質層級，穩居本榜首位；Flare 則是更便宜、更快速的版本，代幣費率相同。

這就是當前市場的尷尬格局：編輯評分第二高的模型無法購買，而可購買的兩個模型，正是它正在追趕的對象。OrcaRouter 並未託管 MAI-Image-2.7-Preview，我們也不會假裝不是如此。

什麼會讓 2.7 從主標題移到選項？

三件事，依重要性排序。在 Foundry 上架並附上版本字串與價目表，會讓它可供呼叫；價格等於或低於 MAI-Image-2.6 的價格，會讓它對大量使用量具有吸引力；而文字轉圖像的對等能力，會讓它成為替代方案，而非專用工具。這些都不是研究問題——它們是包裝決策，而 Microsoft 在單一 9 月發行版中，為 2.6 一次做齊了這三件事。

在那之前，六 Elo 的差距反映的是微軟影像團隊追近 OpenAI 的速度，而不是一項採購決策。影像編輯的王座如今陷入爭奪。API 金鑰仍掌握在 OpenAI 手中，除非它自己拱手讓人。