MAI Image 2.7 Preview 對決 Meta Muse Image：兩大賭注——影像編輯本質上是推理問題

兩家公司從相反的方向得出了相同的論點。Meta Muse Image（Meta 於 2026 年 7 月 7 日將其導入自家應用程式，並於 8 月下旬推出 API）圍繞著一個理念打造：好的編輯需要先有計畫——它會對請求進行推理，能上網搜尋缺失的事實，能執行程式碼驗證量測數據，然後才進行渲染。微軟 AI 於 2026 年 10 月 27 日發布的 MAI Image 2.7 Preview，則以不同的證據提出同樣的主張：它宣稱在 Artificial Analysis 的推理式編輯類別中位居榜首，卻完全沒有公布參考圖片數量上限、解析度、費率表，也沒有公布任何端點。

所以，有趣的問題不是哪一個分數更高，而是每家公司願意讓你看見多少它所販售的推理。Meta 把這套機制當成看得見的工具推出，每張圖片收一分錢。Microsoft 推出的則是排行榜上的名次，其餘部分要你憑信任接受。即使不談只有其中一家能從程式碼呼叫，這也已經是不同的產品了。

相同的主張，兩種表述方式

Meta 的表述是代理式的。Muse Image 不把編輯視為單次擴散流程加上更長的提示，而是將其視為有步驟的任務。要求它把產品移到不同表面時，它可能會規劃幾何、查詢該表面在特定光線下實際的樣子，然後進行合成。這就是為什麼發布素材把搜尋接地和程式碼執行說成功能，而不是安全基礎設施。它們是被外化的推理。

微軟的論述框架是統計性的。MAI Image 2.7 Preview 的頭條賣點，是在一個盲投排行榜上橫掃各類別：基於推理的編輯在 2.6 到 2.7 之間從第七名躍升至第一名，場景與風格編輯也從第七名升至第一名，文字與符號編輯則從第六名升至第一名。微軟表示，該模型在增強與修復、基於推理的編輯、場景與風格，以及文字或符號編輯方面都達到前沿水準，並稱其最大的一項單一領先，是在場景與風格類別上以 24 Elo 領先次佳模型。這些是廠商針對第三方排行榜所做的陳述，相較於自製基準測試，這是較為誠實的一種宣稱形式——但它終究是關於人類總體偏好的宣稱，而非關於模型所採取的具體步驟。

差異在編輯失敗時就會顯現其重要性。使用 Muse Image 時，你可以讀懂計畫，看出它搜尋了錯誤的產品變體，並修正中間步驟。使用 MAI Image 2.7 Preview 時，你只會得到更好或更差的輸出，卻無從得知原因。對於一次性的創意工作，這沒問題。對於必須診斷失敗的流程而言，可視化的計畫比 40 Elo 更有價值。

實際記錄了什麼

規格配置異常失衡，而這種失衡幾乎在買家做規劃時所依據的每一個面向上，都對微軟不利。

• 發布 — Meta Muse Image 於 2026 年 7 月 7 日宣布，並於 2026 年 8 月下旬登上 Meta Model API；MAI Image 2.7 Preview 則於 2026 年 10 月 27 日宣布。

• 範圍 — Muse Image 可生成及編輯；MAI Image 2.7 Preview 僅供編輯，文字轉圖像功能列為即將推出。

• 存取 — Muse Image 可在 Meta AI 應用程式、meta.ai、美國的 Instagram Stories 和 WhatsApp 中使用，亦可透過供應商自家的 API 及數個第三方平台使用；2.7 則在 MAI Playground、Arena 和 Artificial Analysis 中提供，但沒有 API，也沒有 Foundry 部署。

• 價格 — Muse Image 每張生成圖片一律 $0.01，被過濾和失敗的圖片不計費；Microsoft 尚未以任何貨幣公布 2.7 的價目表。

• 參考圖片 — Muse Image 最多十張；2.7 版尚未發布。

• 輸出尺寸 — Muse Image 最高約 1,600 像素；2.7 版尚未公布，而前代 MAI-Image-2.6 的上限為 2,359,296 像素，約 1536×1536。

• 權重 — 兩者皆未展開。

• 獨立評分——在 2026 年 9 月初的快照中，Muse Image 在 Artificial Analysis 的圖像編輯排行榜上為 1,110 Elo；2.7 於 2026 年 10 月 22 日評估的 AA-Image-Editing v2.1 上以 1,193 首次登場。

最後一行是最常被引用的一句，卻也是最不宜引用的一句。這兩個分數來自一個持續變動的排行榜的不同快照，因此兩者之間 83 分的差距並不是一次測量——而是在相隔數週、且期間排行榜組成已改變的兩次測量。任何人告訴你 2.7 以 83 Elo 擊敗 Muse Image，都是在跨不同輪次相減。

一便士與預覽

Meta 的定價是目前消費級圖像生成領域中最激進的數字：每張圖片一美分，均一價，沒有解析度分級，也不對讓這個模型變得有趣的搜尋接地功能額外收費。按這個費率計算，一千次編輯只需十美元，比你決定要執行這些編輯的那場會議的咖啡預算還少。

微軟的價格不算高，而是根本不存在。MAI Image 2.7 Preview 沒有每張圖的價格數字，因為根本沒有可供掛載的計費介面。如今對它唯一誠實的成本模型是人力：每一張圖都得經由 Playground 人工往返一趟，或在 Arena 裡投一票，因此兩百張圖的評測等於某人一整天的注意力，而非帳目上的一筆項目。對一個設計團隊來說，若他們要測試「場景與風格」這項說法在自己的素材上是否成立，這筆交易非常划算——用一天的注意力換來全球第二高的編輯評分，很便宜。但對任何要打造產品的人來說，同樣的交易卻是致命的，因為第兩百零一張圖的邊際成本，就是又一次的人工往返。

Meta 的一分錢裡還藏著第二種成本，而且不是財務成本。Meta 的輸出帶有 Content Seal 浮水印，而推出後幾個月的報導發現，該偵測器無法驗證大多數經過裁切、帶有浮水印的影像。如果來源出處對你的工作流程很重要——對廣告、授權或新聞業而言確實如此——那麼浮水印既不是保證，也不是障礙；你應該在依賴它之前先決定自己需要什麼，而不是之後才決定。

分銷是計分板看不見的那一部分

這兩個模型正被分送到完全不同的世界，而這比任何 Elo 都更能預測它們的未來。

Muse Image 直接進駐擁有數十億使用者的平台：Instagram Stories、WhatsApp、Meta AI 應用程式。這是一款為「使用者打一句話，就能得到可直接發佈內容」而最佳化的圖像模型，在這種情境下，一美分的價格與快速、具代理能力的編輯迴圈正好契合。API 後來才推出，而且是以相容於 OpenAI 的端點形式登場——請求格式相同，只是 base URL 不同——這顯示 Meta 預期開發者只要改兩行程式碼就能試用，而不是重寫整套整合。

MAI Image 2.7 Preview 處於相反的位置。微軟有開發者平台 Foundry，而 2.7 並不在其上。這款模型是展示而非販售，出現在其前代所使用的同三個場域——Playground、Arena、Artificial Analysis。其中兩個是評估介面，一個是展示。無論微軟的商業計畫是什麼，都尚未公布；而「排行榜第二」與「未列入目錄」之間的落差，就是這次發布的全部故事。

你今天可以打給誰

如果問題是這週要在端點後面放什麼，答案是在定價表同價位上，兩者都不是。Meta Muse Image 可透過供應商自家的 API 及數個第三方平台呼叫，每張圖片約一美分。MAI Image 2.7 Preview 則完全無法呼叫，無論排行榜名次多高都改變不了這點。

目前可呼叫、且在相同榜單上就落在 2.7 附近的是 GPT Image 2.5 的兩個等級——Sunburst 在 AA-Image-Editing v2.1 上為 1,199，Flare 為 1,182——而且兩者都在 OrcaRouter 上以供應商定價提供，沒有任何額外加價。這在這裡有特定原因：本文所談的兩個模型正好夾出一個真實落差，而若想在自己的素材上補上這個落差，唯一的方法就是用你實際能取得的模型跑同一份需求。只要一把金鑰，就能取用我們所路由的圖像模型，在供應商價格上零加價，且供應商服務降級時會自動容錯移轉，這是比等待價目表更便宜的回答方式：「推理主張能否經得起我的產品照考驗」

該下哪一注

如果你是設計師或創意主管，本週花一個下午在 Arena 中，用你自己的素材比較 MAI Image 2.7 Preview 與 Muse Image。這不花任何費用，而 2.7 的重新造型說法是這次發布中最強烈的單一主張，且針對你自己素材所做的盲測偏好，才是唯一能套用到你身上的證據。忽略 83 分的差距；自己親自做這項比較。

如果你是工程師，Meta Muse Image 是兩者中唯一有價格、參考圖像上限和端點的一個；每張圖只要一分錢，實驗幾乎不花錢。留意浮水印問題，也留意解析度上限——1,600 像素是縮圖和主視覺圖，不是印刷版面。

而如果你在等待 Microsoft：該留意的訊號不是另一個排行榜名次。而是 Foundry 的部署字串，或 MAI Image 2.7 Preview 已公布的每張圖片費率。在上述任一項出現之前，這個模型對於一個生產環境中沒人獲准提出的問題來說，是非常好的答案。