MAI Image 2.7 Preview 對比 Krea 3：本系列中唯一真正值得信賴的 Elo 差距

在本週 MAI Image 2.7 Preview 拿來對比的四款編輯模型中，Krea 3 是唯一分數落在同一基準上的模型。兩者都出現在 Artificial Analysis 的 AA-Image-Editing v2.1 榜單上，而在該榜單中，Krea 3 Ultra 以 1,151 Elo 位居其上——與 MAI-Image-2.6 和 Nano Banana 2.1 相同，三個模型並列第二梯隊榜首。MAI Image 2.7 Preview 首次亮相即拿下 1,193 分，使兩者之間相差 42 分。

這是個真實的數字，而其他比較並非如此。這是同一個排行榜、同一次計分執行，也是同一份快照。它也小得足以顯得脆弱：在帶有信賴區間的排行榜上，42 點的 Elo 差距在整體上確實是優勢，但並非對你特定資產的保證。

這使得有趣的問題不是「哪個更好」，而是「Krea 3 有什麼是一個高出 42 分的模型做不到的」，因為答案結果是一長串。

同樣的董事會，以及 42 點能換來什麼

Artificial Analysis 得分 2.7、數值 1,193，總排名第二，以六分之差次於GPT Image 2.5 Sunburst的最高階版本，並以十一分領先GPT Image 2.5 Flare。Krea 3 Ultra 的 1,151 使其位居緊接其後的組別，與微軟上一代持平。

類別細節讓這一點更清楚。Microsoft 表示，2.7 相較於 2.6，在全部十個使用案例與全部七項編輯操作上皆有改善；而 Artificial Analysis 則在七項操作中的四項將其列為第一——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——其中在場景與風格上的領先幅度最大，達 24 分。它未領先的三項——構圖、個別物件編輯與身分保留——則由 OpenAI 居首。

與 Krea 3 對照來看，這份概況顯示那 42 分是集中而非分散的。從 Krea 3 轉用 2.7 的使用者，預期最大的提升會落在全畫面處理的工作上——為這個場景重新調整風格、為這張照片重新打光、修復這份掃描檔——而在區域性、遮罩式、精確界定範圍的編輯上則會少得多，而那正是 Krea 3 明確專為其打造的。

八秒，對比你不知何時才輪到的一回合

Krea 3 最具代表性的數字是延遲。該公司聲稱，在原生 2K 下，端到端編輯可在八秒內完成，最快配置約落在四到五秒，並形容該模型尚未達到即時，但已接近到足以讓人感覺具互動性。這個數字在你自己的負載下是否成立，則是另一個問題，但這項說法具體且可驗證，而這是大多數發表時的說法所做不到的。

MAI Image 2.7 Preview 沒有延遲數據，因為它沒有端點。其互動模式是在 MAI Playground 中的瀏覽器分頁，一次處理一張圖片，而 Microsoft 並未公布此預覽版的任何輸送量、佇列或速率資訊。據報導，先前的 MAI-Image-2 Playground 每天允許約十五次生成，且每次之間需等待；該數字從未針對 2.7 獲得確認，不應假定其適用。

其後果是結構性的，而非漸進式的。八秒的編輯速度夠快，足以融入設計工具之中，這就是為什麼 Krea 將 3 定位為面向商業團隊的編輯器，而不是帶有編輯模式的生成器。playground 的一次往返夠快，足以進行評估，但若要在此基礎上建構則太慢。比較兩者的速度，並不是在比較兩種速度；而是在拿一個延遲數字與一個不存在的數字相比。

LoRA 訓練是無可比擬的能力

Krea 3 支援針對特定產品、人物或風格訓練 LoRA，而該公司聲稱這是首款能以這種方式訓練的編輯模型。無論這個「首創」的說法是否站得住腳，這項能力都是兩份規格表中影響最為深遠的一項。

具泛化能力的編輯模型對一次性工作很有用。可依自家型錄調整的編輯模型則是另一種資產：它能從提示詞無法描述的視角學習你的產品樣貌，而且每次請求都不再需要參考圖片。對產品線固定的工作室而言，這會把每次呼叫的成本轉化為一次性訓練成本，再加上更便宜的呼叫費用。

MAI Image 2.7 Preview 無法提供任何可相比擬的功能，而且以其目前形式也做不到——它沒有訓練介面、沒有權重，也沒有 API。Microsoft 的模型是你在瀏覽器中租用的一項能力；Krea 的模型則是你可以自行調適的一項能力。

風格參考是同一概念的較輕量版本，而 Krea 3 也支援這些，同時還支援區域編輯與邊界框控制。模式始終一致：Krea 提供控制，Microsoft 提供判斷。

引用計數在兩邊都是一團亂

Krea 3 的文件對於它能接受多少張參考圖片說法不一致。發布貼文說六張。產品頁面和 API 文件說八張。API 會把第五張之後的參考圖片縮小，並建議四張或更少以保留完整細節，而 Zero Data Retention 模式會將數量上限設為四張。這些全都是 Krea 自家公布的數字，是在不同時間針對不同介面發布的。

這一點值得提出來，並非為了指控欺騙，而是提醒大家規格表會如何過時。參考上限是解析度、記憶體與計費模式的產物，並會隨著供應商調整服務堆疊而改變。

就 MAI Image 2.7 Preview 而言，對應的數值根本不存在。Microsoft 並未公布任何參考最大值、解析度、品質等級或遮罩慣例。前代 MAI-Image-2.6 最多接受五個參考，並將輸出上限設在接近 1536×1536；假設 2.7 繼承其中任一限制，都只是推論。在這個維度上，Krea 3 並非有更好的文件記載——它是有文件記載的，而模糊性是顯而易見的，而非不存在。

思考模式與謹慎的代價

Krea 3 提供快速與高強度思考模式，定價也反映了這項差異：標準設定下 2K 每張圖片為 $0.06，高強度思考模式 2K 為 $0.08，1K 則分別為 $0.05 與 $0.03。輸入圖片按每百萬像素 $0.02 另行計費。輸出為原生 2K，並提供 4K 選項，適合印刷與大尺寸作品使用。

雙模式設計很適合編輯，因為編輯難度呈明顯的雙峰分佈。校正地平線和重建倒影不是同一種工作，兩者支付相同費率會讓簡單的情況被多收費。團隊若將簡單編輯導向快速模式，將複雜編輯導向高思考模式，就能大幅降低帳單，而不必對每個請求做品質取捨決策。

MAI Image 2.7 Preview 沒有分級、沒有模式，也沒有價格。它的品質就是模型本身的表現，而它的代價則是分析師的一整個下午。

CPI-Bench 對照排行榜

Krea 引述 Krea 3 Ultra 在 CPI-Bench 上獲得 5 分中的 4.81 分，排名落後於 GPT Image 2.5，但領先 GPT Image 2、Seedream 5 Pro，以及 Nano Banana 2 與 Pro。這是廠商自行回報的基準測試結果，也應如此解讀——它並非獨立排名，且比較對象是由發布該結果的公司所挑選。

不過，它確實指出了 Elo 排行榜未能妥善捕捉的一點：使用者對商業創意作品的偏好，而這正是 CPI-Bench 所圍繞建構的核心。Krea 自家的說法是，該模型比 GPT Image 2 快 10 倍、比 Nano Banana Pro 快 4 倍；而一個以每單位時間內可用產出作為獎勵的基準，會偏好快速的模型，即使較慢的模型在盲測成對比較中得分更高。

微軟的證據則指向相反方向。其數字是排行榜名次——在編輯排行榜上排名第二，在 Arena Edit 上排名第三，得分 1,470 分，較 2.6 提升 45 分，這使微軟成為該排行榜上排名第二的實驗室——再加上一系列由這些測試結果衍生的類別主張。兩者都站得住腳；但兩者都不是與另一模型的正面對決。

判決因職位而分歧，而非因分數。

如果你這一季要在產品中加入編輯功能，Krea 3 預設就是答案，而且原因不在於它的 Elo。它有 API、公開價格、延遲數據、參考控制、區域遮罩、可用於低成本編輯的快速模式，以及針對你自己產品目錄的 LoRA 訓練。MAI Image 2.7 Preview 這些全都沒有，而它領先 42 分的優勢，一旦遇上無法呼叫它的管線，就完全站不住腳。

如果你正在為人工手動完成的工作挑選編輯器，這份排名就有其參考價值。場景風格重塑、重新打光與修復，正是 2.7 領先幅度最集中的領域，而在 Playground 中工作的設計師能直接善用這項優勢。

如果你正在判斷前沿是否已經進步到足以值得切換，誠實的解讀是：它在某個排行榜上進步了 42 分；這在整體人口規模上具有意義，但放到單一張困難影像的尺度上則顯得微小。務實的解決方式是把你最難處理的五個編輯分別跑過兩邊——2.7 的 Arena 比較不花一毛錢，而 Krea 3 以 2K 處理同樣這五個則大約只要三十美分。

OrcaRouter 並未託管這兩個模型中的任何一個，所以今天這不是一個路由決策。這是一個關於要把你的編輯層建構在什麼之上的決策；而目前可路由的那些層——也就是在那張表上位於 2.7 前後、按供應商定價且未加價的 OpenAI 圖像層級——正是你可以在某個預覽級模型證明自身能耐的同時，放進備援鏈後面的那些。