MAI Image 2.7 Preview 對決 FLUX 3：排行榜名次對照價目表

這些模型之中，有一個針對其提供的每種解析度都公布了價格，並且可以透過 HTTP 請求呼叫。另一個則分數更高，卻完全沒有端點。Microsoft AI 於 2026 年 10 月 27 日發布的 MAI Image 2.7 Preview，在 Artificial Analysis 的編輯排行榜上以 1,193 Elo 位居第二。Black Forest Labs 的 FLUX 3 於 2026 年 10 月 1 日推出其圖像層級，一百萬像素輸出為 0.048 美元，一千六百萬像素輸出為 0.607 美元，而且無論要求生成或編輯，收費都相同。

這種不對稱讓這與其說是正面對決，不如說是個關於你到底在買什麼的問題。如果購買的是「本週我能評估的最好的編輯器」，MAI Image 2.7 Preview 會勝出，靠的是一個你無法在自己的流程中重現的分數。如果購買的是「週一就能放進產品背後的編輯器」，FLUX 3 並不是在跟它競爭——它是在跟所有你原本可以改用的其他東西競爭，而 Microsoft 模型根本不在這個房間裡。

這兩個事實同時成立，而哪一個重要完全取決於你處於建置流程的哪個階段。

每一個實際上究竟是什麼

這兩個模型並不屬於同一類物件，而規格欄位在任何基準測試之前就已說明了這一點。

• 範圍 — MAI Image 2.7 Preview 僅為編輯器，文字轉圖像功能列為即將推出；FLUX 3 是統一的多模態系列，涵蓋圖像、含原生音訊的影片，以及機器人動作預測，而其圖像層級透過單一端點完成生成與編輯，無需切換模式。

• 發布 — MAI Image 2.7 Preview 於 2026 年 10 月 27 日推出；FLUX 3 系列於 2026 年 7 月 23 日宣布，其中圖像層級將於 10 月 1 日登場。

• 最大輸出 — MAI 尚未公布 2.7 的解析度；FLUX 3 Image 可擴展至 4K，在 Black Forest Labs 的文件中列為 3840×2176。

• 參考影像 — 2.7 版尚未推出；FLUX 3 Image 最多可支援十張。

• 空間控制——Microsoft 描述的場景重繪風格、重新打光與文字或符號編輯，並未公布遮罩或方框介面；FLUX 3 Image 則將邊界框主體定位與像素級精確局部編輯公開為有文件記載的參數。

• 價格 — 2.7 版在任何貨幣下均無價目表；FLUX 3 Image 於 768 正方形為 $0.041、1K 為 $0.048、2K 為 $0.100、4K 為 $0.607，按每張圖片計費，生成與編輯的價格相同。

• 權重 — 兩者皆未以完整規模開放，但 Black Forest Labs 推出了 FLUX 3 Image Klein，這是具備相同請求格式的 56 億參數開放權重版本，依解析度不同價格為 $0.008 至 $0.036。

解決論證其實是下游論證

FLUX 3 的 4K 上限聽起來像是規格表上的炫技，直到你追蹤模型交回編輯後影像會發生什麼事。一張進入印刷版面、大尺寸顯示器或大量裁切的社群流程的 2K 編輯影像，會在下游某處被放大，而放大編輯影像正是你重新引入編輯才剛移除的瑕疵的方式——文字邊緣變柔、重新打光失去陰影漸層、還原的細節在 200% 下糊成一團。

一千六百萬像素、每張 0.607 美元，若按每張影像計很貴，但按每個可用成品計就很便宜——前提是替代方案得用較便宜的編輯，外加一次還得重新審核的獨立放大處理。同樣的算法套到電商平台縮圖上就反了過來：768 見方、四美分才是正解，4K 則是浪費。

微軟尚未公布 2.7 的輸出解析度，因此無法如實地將兩者放在這個軸上比較。前代 MAI-Image-2.6 將輸出上限設在 2,359,296 像素——約 1536×1536——若假設 2.7 與其相同，那會是推論，而非事實。

十篇參考文獻，或一個無人發表過的數字

參考圖片的數量，默默決定了一套影像編輯模型能否契合實際工作流程。產品攝影需要一張商品照、一張放置表面的照片，以及一張風格參考圖；品牌專案則還要加上一組標誌組合和一個先前的活動畫面。五張參考圖就能涵蓋第一種情況，十張則可同時涵蓋兩者。

FLUX 3 Image 最多可接受十張。對於 MAI Image 2.7 Preview，Microsoft 並未揭露任何資訊——沒有上限、沒有遮罩慣例、也沒有品質層級結構。這不是在批評模型的能力；這是在說明買家能據以規劃的內容。未公開的限制，就是你在整合期間才會發現的限制。

同樣的落差也貫穿空間控制。邊界框是影像生成中最不討喜的功能，卻也是讓版面配置得以重現的關鍵：把產品擺在這裡、把標題放在那裡、背景維持不變。MAI 對 2.7 的公開說明強調的是高度仰賴判斷的編輯作業——重新風格化場景、修正光線、改寫招牌文字——卻對座標控制隻字未提。這些是針對不同任務的不同工具，而其中只有一種有文件記載。

一次編輯的代價，逐步推演

以一個實際的批次為例：每月兩百張產品照，以 2K 進行編輯，其中十分之一將用於 4K 印刷。

在 FLUX 3 Image 上，這是 180 張每張 $0.100 的圖片，以及 20 張每張 $0.607 的圖片——$18.00 加上 $12.14，也就是每月大約 $30，尚未計入任何重試的額外成本。重試才是真正會影響帳單的數字，因為一個需要三次處理才能把標籤做對的模型，成本會是標價的三倍。Black Forest Labs 會在每個請求的 API 回應中傳回計算出的成本，這讓這樣的核算變得直接明瞭，而不是估算。

在 MAI Image 2.7 Preview 上，同一批次不花任何費用，但在 Playground 中會佔用某人一整個工作日的注意力，因為每張影像都得手動往返操作。量小時，這樣的人力成本微不足道，而免費使用是真正的優勢——這正是預覽版最適合應付的工作量。但每月兩百張影像時，這樣的人力成本會超過整筆 FLUX 3 帳單。

這正是閘道能佔有一席之地、而非只是多一層跳轉的原因。在排行榜上夾著 MAI Image 2.7 Preview 的兩個 OpenAI 編輯層級——GPT Image 2.5 Sunburst 為 1,199，以及 GPT Image 2.5 Flare 為 1,182——都可透過 OrcaRouter 以供應商定價呼叫，且不額外加價，因此對買家真正重要的比較，是在你實際測試的模型之間，用同一把金鑰、同一張帳單來衡量。本文的編輯觀點是 2.7 無法取得；而路由觀點則是，OpenAI 這兩個層級之間 42 分的差距，是你今天就能用自己的素材實測的真實選項。

FLUX 3 自身數據從何而來

Black Forest Labs 發表時的基準測試是由廠商自行提報，而且更重要的是，內容大多與影片有關：在十秒 720p 短片上，對 Runway Gen-4.5 取得 77% 的偏好勝率，對 Luma Ray 3.2 則是 93%。這些是由打造該模型的公司所執行、尚未重現的一對一偏好研究，對剪輯品質完全沒有說明。

FLUX 3 Image 所沒有的，是可與 2.7 的 1,193 Elo 相比的公開編輯排行榜分數。所以本文中的排行榜確實嚴重失衡：一方有獨立評分但沒有產品，另一方有產品但沒有獨立評分。任何告訴你其中一方在編輯品質上勝過另一方的人，都是在從影片基準測試或解析度數字進行推斷。

Klein 是 FLUX 3 中改變決策的那個部分

5.6 億參數的 Klein 變體是開放權重，採用與託管模型相同的請求格式，並以 768 平方解析度每張圖片 0.008 美元起運行。這種組合能做到 MAI Image 2.7 Preview 無論價格多高都做不到的事：讓團隊在自己的硬體上運行模型、將資產留在自己的邊界內，並在沒有逐張圖片帳單的情況下反覆迭代。

開放權重也是 FLUX 3 屬於另一場採購討論的原因。在別人的測試平台上預覽，只是能力展示；可下載的檢查點則是架構決策，而且不會因供應商調整定價而失效。

該選哪一個

如果你正在評估編輯品質，並想知道場景與風格的說法是否成立，本週就在 Arena 中使用 MAI Image 2.7 Preview。它免費，是排行榜上第二高的分數，而與已知模型進行盲測比較，是確認重新造型上 24 分的領先是否適用於你的素材的最快方式。

如果你需要在流程中使用編輯器，FLUX 3 Image 是兩者中唯一會回應需求的那個；它公開的解析度級距、十張參考圖上限與每張圖片計價，讓你在寫程式之前就能估算費用規模。

如果你現在需要在管線裡用到編輯器，而且想拿到自己實際能達到的最高分數，那答案並非這兩者——而是該排行榜上 2.7 正上方與正下方的模型。對一篇比較文章而言，這是個令人不滿意的結論，但它是準確的。