MAI-Image-2.7-Preview 對比 MAI-Image-2.6-Preview：+42 Elo，少了一個模式

42 點的 Elo 提升通常足以促成遷移。在這裡，它只值得先做一次測試。 MAI-Image-2.7-Preview 顯然是更出色的編輯器，優於 MAI-Image-2.6-Preview——差距大到足以改變你願意把哪些編輯工作交給模型——但它並非可直接替換的版本，因為較新的模型完全無法從文字生成圖片。Microsoft 於 2026 年 10 月 27 日將 2.7 作為僅供編輯的預覽版推出，並將文字轉圖片列入「即將推出」清單。因此，任何透過同一個模型同時進行生成與編輯的流程，面對的都是一項只涵蓋其一半工作負載的升級。

这让比较的重点不再是哪个数字更大，而更多在于哪个模型适合哪项任务。这两个模型同属一个家族、同一个研究团队，并共用同一个评分榜。它们并不共享功能集、访问路径或价格。

同一把尺，相距 42 點

在 Artificial Analysis 的 AA-Image-Editing v2.1 排行榜上（評估日期為 2026 年 10 月 22 日），MAI-Image-2.7-Preview 獲得 1,193 Elo，總排名第二。MAI-Image-2.6-Preview 獲得 1,151 分，與 Krea 3 (Ultra) 和 Nano Banana 2.1 形成三方並列；其速度更快的同系列模型 MAI-Image-2.6-Flash 則獲得 1,144 分。兩款 Microsoft 模型之間 42 分的差距，正是 Microsoft 主打的數字；而在這個排行榜上，這是一項乾淨且同類對同類的比較：相同的評估版本、相同的投票者、相同的快照。

有兩點背景說明能讓這個數字保持誠實。首先，這些數據來自 Microsoft 的發布文章，該文章轉載了 Artificial Analysis 排行榜；排行榜本身是獨立的，但轉載並非如此，而我們並未重新執行該評測。其次，不要把任一分數與 v2.1 重建之前公布的任何內容相比。Microsoft 九月的發布讓 MAI-Image-2.6 在當時的編輯排行榜上排名第一，而很容易——也是錯誤地——把目前的 1,151 解讀為退步。排行榜已經改變了。在 v2.1 之內，2.6 是一個 1,151 的模型。

出現翻轉的三個類別

Microsoft 表示，2.7 在所有 10 個使用案例，以及 Artificial Analysis 評估的全部 7 種編輯動作上，都比 2.6 有所改進。最引人注目的是類別排名：以推理為基礎的編輯從第 7 名升至第 1 名，場景與風格從第 7 名升至第 1 名，文字或符號編輯從第 6 名升至第 1 名。Microsoft 也宣稱在增強與修復方面位居該類別前沿，並表示其領先幅度最大的是場景與風格，比次佳模型高出 24 Elo。

對 2.6 版使用者而言，排名翻轉比整體差距更有資訊量。一個在基於推理的編輯上排名第七的模型，實際上就是你不敢放心交給它執行「把產品移到大理石檯面，並配合窗光」這類指令的模型。排名第一的模型，則是你敢讓它擔綱這項工作的模型。文字與符號替換也是如此，這是商業影像中最不容出錯的編輯：標籤變形或標誌字重改變，都會立刻被退件，不管畫面其餘部分看起來多好。

一如既往的注意事項仍然適用：各類別分數只是同一批偏好資料的不同切分，並非獨立實驗。但其方向與總體分數一致，也與 Microsoft 選擇展示的範例一致——為整個場景重新設計風格與重新打光、就地變更文字與符號、修復既有素材。這些正是以生成為優先的模型往往較吃力、而以編輯為優先的模型能專精的編輯類型。

對某些管線來說，缺少的那個模式就是決勝關鍵。

MAI-Image-2.6-Preview 是統一模型：透過同一套部署進行文生圖與圖生圖編輯，支援多圖參考編輯、網路接地，以及由模型選擇長寬比。MAI-Image-2.7-Preview 則負責編輯。微軟的貼文明確表示生成功能「即將推出」，而該模型自身的發布範例全都是對既有圖像進行轉換。

這單一差異，就決定了一大群使用者的比較結果。如果你的工作流程是從提示詞出發——例如行銷活動概念、產品視覺、部落格主視覺——那麼 2.7 目前對你毫無用處。如果你的工作流程是從素材出發——例如客戶照片、掃描檔、包裝樣稿——那麼 2.7 是更合适的工具，而 2.6 的生成能力則無關緊要。版本號暗示的是超集。這款產品則是特化。

這也改變了「升級」對團隊的意義。從 2.6 移到 2.7 並不是替換模型，而是一次拆分。生成仍留在 2.6，編輯移到 2.7，而這兩條路徑如今有不同的可用性、不同的限制，最終還會有不同的價格。這比在單一端點後面放一個模型是更昂貴的架構，而且只有在編輯上的增益大到足以抵付這份複雜度時才值得做。對於場景重新風格化和文字替換而言，或許值得。

取得與成本：一個可以買，一個不行

MAI-Image-2.6-Preview 與 MAI-Image-2.6-Flash 一同在 Microsoft Foundry 以公開預覽版形式提供。其公布費率為每百萬文字輸入 token 5 美元、每百萬圖片輸入 token 8 美元，以及每百萬圖片輸出 token 38 美元；Flash 則分別為 1.75 美元、2.50 美元和 19 美元。Artificial Analysis 估計，2.6 每張圖片約四美分，Flash 則約兩美分。文件記載的限制為最多五張參考圖片，輸出上限為 2,359,296 像素——1536×1536——每個維度最低 768 像素，另外還支援網路依據與自動長寬比選擇。

MAI-Image-2.7-Preview 並沒有這些。它存在於 MAI Playground、Arena 與 Artificial Analysis 上。沒有 Foundry 項目、沒有可部署的版本字串、沒有費率表，也沒有公開的參考影像或解析度限制。Microsoft 尚未說明 2.7 會沿用 2.6 的五張參考影像上限、超越該上限，還是以不同的控制機制推出。在能力比較中，這是缺乏證據，而非降級的證據——但這也不是生產團隊能據以規劃的事情。

• 剪輯分數：1,193 時為 2.7，相較 1,151 時為 2.6（+42）

• 生成： 2.7 推出時尚未提供，而 2.6 提供文字轉圖像與編輯

• 存取：在 MAI Playground、Arena、Artificial Analysis 為 2.7，相較於 Microsoft Foundry 的 2.6

• 價格： 2.7 未發布版 vs 2.6，每百萬個 token 為 $5 / $8 / $38，每張圖片約 $0.039

• 限制：五個參考下，2.7 未發布版本對比 2.6，輸出為 1536×1536

• 快速版本：2.7 沒有，相較之下 2.6-Flash 為 $1.75 / $2.50 / $19，每張圖片約 $0.020

2.6 仍有哪些地方做得更好

除了生成能力之外，2.6 還具備所有營運上的優勢。它有文件化的 API 介面、部署版本、費率表、用於提升吞吐量的 Flash 同系列版本，以及一份企業可送進採購流程的 Foundry 合約。它還具備 2.7 未被描述為擁有的功能：網路接地、自動長寬比選擇，以及已公布的多圖參考工作流程。

其中有些可能只是 2.7 版未記載於文件，而非不存在。Microsoft 的發布文章很短，重點放在編輯品質；讀起來不像完整的模型卡。但對生產環境的決策而言，舉證責任正好相反：你在文件裡找不到的功能，就是你不能依賴的功能。

就大量作業而言，Flash 的比較是值得關注的一項。MAI-Image-2.6-Flash 並非品質領先者——Elo 為 1,144，落後主要的 2.6 七分——但每張圖片約兩美分，使其與 2.7 可能推出時的任何價位都處於不同的成本級距。如果 Microsoft 將 2.7 定價為旗艦級，對許多團隊而言，合理的配置會是：大量編輯用 Flash，棘手案例用 2.7，而主要的 2.6 則被完全排除在外。

如果您已經在 2.6 上建置

不要遷移生成路徑。沒有可遷移的目標。對於文生圖，以及任何例行到七個 Elo 分差距都無關緊要的編輯，請保留 2.6 或 2.6-Flash。

務必對目前失敗的編輯項目做一次 2.7 的影子測試。把你團隊不得不手動重做的二十個素材調出來——貼不平的標籤、無法重新打光的產品、遺失細節的掃描檔——把它們放進 playground 跑一遍。如果這些品類宣稱在你自己的素材上成立，2.7 就值得成為升級路徑：2.6-Flash 處理大量作業，2.6 處理標準作業，2.7 處理今天需要人工把關的素材。

兩款 MAI 模型都不在 OrcaRouter 上，因此這不是我們能替你做的路由決策；微軟自家的介面是唯一途徑。如果你真正需要的是一個可用單一金鑰、背後具備容錯移轉的可呼叫編輯端點，那麼走路由的替代方案是GPT-Image-2.5——追求品質選 Sunburst，講求吞吐量選 Flare——零加成，依供應商原價轉嫁。那是截然不同的模型家族，外觀也不同，不能取代 2.7 在場景與風格上的領先地位，也應據此評估。

什麼情況會讓 2.7 成為預設值？

三件事。文字轉圖像的同等能力，這會讓專用工具變成替代方案。以等於或低於 2.6 的價格在 Foundry 上架，這會讓編輯方面的增益在大規模使用時變得可負擔。以及公布操作限制——參考數量、解析度、吞吐量——這會讓團隊得以規劃，而不是靠猜測。Microsoft 在單一 9 月發行版中為 2.6 交付了這三項，所以這些都不是推測性的能力開發；而是包裝。

在此之前，對這 42 Elo 的正確解讀應該既狹窄又務實：Microsoft 的編輯模型確實有實質提升，而它的生成模型則沒有改變。版本號往上跳了。產品線分家了。要為分家做準備，而不是為那點數字的提升。