MOSS-Image 對比 MAI-Image-2.6 Preview：兩者皆排名第二，卻都不是你能呼叫的

M​OSS-Image 與 M​AI-Image-2.6 Preview 的共同點，不只是兩者都是新的圖像模型。M​OSS-Image 於 2026 年 10 月 16 日以開放權重釋出——M​OSS-Image-Base 和 M​OSS-Image-SFT 檢查點採用 Apache 2.0 授權。M​AI-Image-2.6 Preview 於 2026 年 8 月 19 日在 M​icrosoft 的 M​AI Playground 和 M​icrosoft Foundry 進入私人預覽。兩者目前都在某個排行榜上排名第二，這兩個排行榜是由不同的人使用不同方法建立的，而且這兩款模型都沒有可查詢的價格。

最後那一點就是整個比較的核心。這不是一場你能租用、並拿來相互衡量的兩者之間的正面對決。這是研究實驗室的 27 GB 下載檔與平台公司邀請制預覽版之間的較量，而真正有用的問題不是哪一個得分較高——而是哪一個你才真的能在本季放進產品裡，以及在你做出承諾之前，各家廠商願意告訴你什麼。

兩個第二名，以及各自衡量的是什麼

這兩個模型被引用的數字都是「No. 2」，而這個巧合掩蓋了一個事實：它們衡量的幾乎是截然相反的東西。

M​OSS-Image 的第二名來自 RealLayoutArena，這是一個包含 61 項任務的設計基準——涵蓋海報、資訊圖表與使用者介面——隨該模型自家的技術報告一同發布。它拿下 1,698.70 Elo，95% 信賴區間為 1,655.96 至 1,741.43，落後 GPT Image 2 的 1,844.35。RealLayoutArena 由打造 M​OSS-Image 的實驗室 OpenMOSS 建置，而其中的基線數據正是該實驗室自行跑其他公司模型所得的結果。這是一塊廠商自製的記分板，而廠商自己也如此標明。

MAI-Image-2.6 Preview 的第二名來自Arena，也就是更名後的 LMArena，在那裡，盲測的人類投票者會從同一個提示詞產生的兩張圖片中選出較好的一張。這個項目的名稱就叫mai-image-2.6-preview，在約 3,488 票下取得 1,336 的 Elo 分數，誤差範圍為 ±11 —— 落後於 1,381 分的 GPT Image 2 Medium，領先 1,316 分的 G​rok Imagine Image 2.0。同一個預覽版本後來在 Arena 的單圖編輯排行榜上以 1,420 分登上第 3 名。這是一項獨立的人類偏好指標，同時也是一項初步指標：該排行榜的榜首項目獲得超過 70,000 票，因此一個只有 3,488 票的項目，其誤差範圍確實存在，而且早期投票的 Elo 分數還會變動。

所以，誠實的說法是：其中一個模型是在其自身作者所撰寫的測試中排名第二，另一個則是在一個背後僅有五分之一證據的群眾排行榜上排名第二。兩者都不是已成定論的結果，而且都尚未被發表該結果的組織以外的任何人複現。

MOSS-Image 實際上能帶給你什麼

MOSS-Image 是一款從零訓練的 5B 單流擴散 transformer：42 個聯合區塊、隱藏寬度 3,072、24 個 128 維的注意力頭、8,192 寬的 SiTU-GLU 前饋網路，以及四軸旋轉位置編碼。標題參數數量排除了許多東西。文字編碼器是凍結的 Qwen3.5-9B，而 VAE 是 FLUX.2 的，從 FLUX.2-klein-4B 凍結載入，具有 32 個潛在通道，並在 8× 降採樣之上加上 2×2 潛在 patch，有效步幅為 16 像素。SFT 儲存庫約 27.2 GB，其中約 16.8 GB 是編碼器。

它最關鍵的能力並非影像品質，而是提示可以是 JSON 物件，內含邊界框、字面文字字串與排版註記，並以從畫布中心量測的絕對像素座標來表示，搭配bbox_format "yxyx"。供應商自家的消融實驗直截了當地證明了這點：在 RealLayoutArena 上，JSON 版面提示得分為 1,622.87，而同一系統上的自然語言提示得分為 1,506.20。結構化介面並不是硬加在模型上的附加功能。效能正是由此而來。

支持這項說法的證據，是該實驗室同樣打造的基準測試 7Bench；MOSS-Image 在其中回報的平均版面 IoU 為 0.88，相較之下 Ideogram 4.0 為 0.44，Nano Banana Pro 與 Seedream 5.0 Pro 為 0.33，Qwen Image 3.0 Pro 為 0.31，GPT Image 2 為 0.30；其版面 AUC 為 0.70，而其他模型則落在 0.16 至 0.20。在文字渲染方面，它回報在 LongLongTextBench 上達到 96.3 Mean-6——這也是它同樣撰寫的 240 項文學文本基準——英文為 97.1，中文為 92.4。那張表中最可信的一行，其實是它上面那一行：在廠商自家的基準測試上，GPT Image 2 得分 99.0，Nano Banana Pro 為 96.6。發表一張競爭對手仍然勝出的表，本身就值得肯定。

MOSS-Image 沒有提供給你的，是一個端點。我們找不到任何可驗證的商業 API，除了在單張 A10G 上運行的 Gradio Space 之外，也沒有代管的遊樂場，更沒有受管理的途徑。你得自行安裝搭配自訂管線的 Diffusers，或是原生的 ComfyUI 外掛，並且自己提供 GPU。

MAI-Image-2.6 Preview 實際上帶給你什麼

Microsoft 就其模型所公布的資訊，遠少於 OpenMOSS 就其自家模型所公布的資訊，而其中缺失了什麼的模式很能說明問題。

目前有的是：一個以六到八週的節奏推進的家族譜系——M​AI-Image-1，接著是 2026 年 3 月的 M​AI-Image-2，帶來相片寫實度與文字渲染的躍升；2026 年 6 月的 M​AI-Image-2.5，成為 Bing Image Creator、PowerPoint 與 OneDrive 內的引擎；然後是 2026 年 7 月的 M​AI-Image-2.5-Pro，配備 8K 高階方案；而現在，大約六週後，則是 2.6。M​icrosoft 自家的能力描述屬於質性描述：更強的文字渲染、肖像與 3D 圖像；更精緻的商業與相片寫實輸出；可在單次生成中跨多張參考圖像運作；更豐富的 grounding；對推理、格式與解析度有更大的控制。沒有參數數量，沒有授權條款，沒有架構，也沒有基準測試表。

目前不存在的是：價格。預覽版僅限受邀使用，存取途徑為 M​AI Playground 與 M​icrosoft Foundry，且未公布每張圖片的費率。目前也沒有正式全面推出的日期。Arena 的分類細分是唯一與該模型相關的細部結果——該模型在 3D 影像與建模排名第一，並在卡通／動漫／奇幻、產品與品牌、文字渲染與藝術排名第二——而在低投票數的初步排行榜上，分類排名充其量僅供方向參考。

唯一明確為真、也明確重要的一件事，就是節奏。Microsoft 推出圖像模型改良的速度，比這個市場所習慣的還要快，而 Arena 的初登場也顯示，這種複利效應是真實的，而不只是對外宣稱的。

兩個模型，逐行

• 發布 — M​OSS-Image 於 2026 年 10 月 16 日以開放權重形式發布；M​AI-Image-2.6 Preview 於 2026 年 8 月 19 日進入私人預覽

• 取用方式 — MOSS-Image 可下載並自行託管，附有 ComfyUI 外掛程式與 Diffusers 管線；MAI-Image-2.6 Preview 在 MAI Playground 與 Microsoft Foundry 上採邀請制

• 價格 — M​OSS-Image 可免費下載，佔用約 27.2 GB 空間，並需使用你自己的 GPU 時間；M​AI-Image-2.6 Preview 則未公佈價格表

• 授權條款 — M​OSS-Image 的權重與獨立管線程式碼皆採用 Apache 2.0，且無營收門檻；M​AI-Image-2.6 Preview 為專有軟體，未載明授權條款

• 獨立評分 — M​OSS-Image 在 RealLayoutArena 上以 1,698.70 Elo 排名第二（作者自建基準）；M​AI-Image-2.6 Preview 在 Arena 文字生圖以 1,336±11、約 3,488 票排名第二（群眾排行榜），在 Arena 單圖編輯以 1,420 排名第三

• 版面控制 — MOSS-Image 接受帶有絕對像素座標的 JSON 版面配置，並在 7Bench 上回報平均 IoU 為 0.88；Microsoft 未針對 MAI 影像產品線中的任何項目發布版面配置基準

• 文字渲染 — MOSS-Image 在 LongLongTextBench 上回報 96.3 的 Mean-6，其中英文 97.1、中文 92.4；MAI-Image-2.6 Preview 在 Arena 的類別細分中，於文字渲染方面相較 2.5 提升了 +91 Elo，但未公布絕對數值

• 編輯 — M​AI-Image-2.6 Preview 在 Arena 的單張影像編輯排行榜上名列第 3；M​OSS-Image 的報告並未將編輯列為一項產品介面

• 服務 — M​OSS-Image 的 Day 0 框架工作正在進行中，包括一項開啟中的 vLLM-Omni 提取要求，該提取要求新增了帶有跳層引導的模型，且尚未合併至已標記的發行版本；M​AI-Image-2.6 Preview 由 M​icrosoft 提供服務，依 M​icrosoft 的條款，並由 M​icrosoft 決定何時提供

在各自真正領先的地方

MOSS-Image 在所有源自開放的面向上都領先群倫。你可以檢視其架構、對它進行量化、用私有資料微調、在完全離線的隔離環境中執行，並將它打包進商業產品而不必協商授權——Apache 2.0 涵蓋了權重與獨立管線程式碼，沒有可接受使用附錄，也沒有另外的商業層級。對於一個以「在指定位置渲染出清晰可讀文字」為招牌能力的模型而言，這比基準測試上的差距更為重要，因為文字渲染正是那種會出現在客戶工作中的能力：產品模擬圖、介面設計稿、資訊圖表、海報、廣告版面。

M​AI-Image-2.6 Preview 在那些因身為平台模型、而非存放庫而來的面向上更勝一籌。它透過 Bing Image Creator、PowerPoint 和 OneDrive 觸及數億人，鎖定 Foundry 上的受控雲端端點，並以公開的更新節奏持續改良。若你的需求是組織能從 M​icrosoft 形式的技術堆疊呼叫、且背後有支援合約的圖像模型，那麼再多的 Apache 2.0 也無法取代這點。

令人不安的中間地帶，正是大多數團隊實際所處的位置。Microsoft 尚未公布價格、授權條款或參數量，因此你無法估算採用其模型的成本。OpenMOSS 已公布上述所有資訊，但若不自己擁有硬體，就無法呼叫它。

它們兩個都不會改變你一天中的什麼

這兩個模型都落在你大概已經在用來開發的託管市場之外，而這正是路由層該講點精確的話、而不是促銷話術的地方。我們不託管 MOSS-Image，也不託管 MAI-Image-2.6 Preview，所以這裡沒有任何內容是在提供其中任何一個的服務。我們提供的是比較基準：你會拿來衡量自架 MOSS-Image 的那些託管圖像模型，可以透過我們的目錄用同一把 API 金鑰、以供應商定價、0% 加價取得，這代表託管端供應商的價格變動當天就生效，而不是等到合約週期才更新，並且具備跨供應商的自動容錯移轉，讓一次基準測試不會因為某個上游那天下午出包就整個泡湯。拿一個未經實證的檢查點去對比租用而來的模型，不該還得再學一套 SDK，而這就是我們唯一要主張的一點。

具體就 M​AI-Image-2.6 Preview 而言，目前還沒有任何東西可以路由。誠實的立場是：模型是真的，排名是真的，而使用權限是一份等候名單。

誰應該採取行動，誰又應該繼續觀察？

如果你有 GPU、一套能把意圖表達成框與字串的工作流程，以及一個版面本身就是交付成果、而非偶然驚喜的使用情境，就該採用 MOSS-Image。從 SFT 檢查點開始，先為編碼器的 16.8 GB 編列預算，再為生成器編列預算，並預期需要 50 個取樣步驟、每步兩次 transformer 前向傳遞，除非你採用其中一種社群蒸餾版本。其中兩種在發布後一天內出現：一個 4 步 DMD LoRA 和一個 8 步蒸餾變體，兩者皆非原廠支援，也都未經基準測試。

如果你這週需要一個可呼叫的端點，如果你是租用算力而非自有，或者你想要一個不是由建立測試的人所產生的數字，那就暫緩採用 M​OSS-Image。上述三項強勁結果全都來自廠商自行撰寫的基準測試，使用了一個報告指出在推論時由 G​PT-6 運行的規格階段——因此端到端的 Elo 是雙模型管線，而非單一模型的輸出。

如果你需要任何合約相關的事項，就先等 MAI-Image-2.6 Preview。如果你已經是 Foundry 客戶，就要密切留意它，因為這個發布節奏顯示下一個版本大約六到八週後就會推出，而這個預覽版將轉為附帶價格的產品。

能讓這場比較有定論的，對雙方而言都是同一件事，而兩者都沒有：各自排名所依據的基準測試的一場獨立運行。對 MOSS-Image 來說，這意味著由 OpenMOSS 以外的人來跑 LongLongTextBench 或 RealLayoutArena。對 MAI-Image-2.6 Preview 來說，這意味著 Arena 排行榜要累積到足夠票數，讓 ±11 不再重要，或者 Microsoft 要公布價格。

直到上述其中一件事發生之前，準確的總結是這樣——一個以寬鬆授權釋出的 5B 研究模型，擁有異常出色的文字與版面介面，卻沒有端點；對比之下，是一個專有平台模型，具備獨立的群眾排名、實際的發布通路，卻沒有價格。你能據以行動的那一個，完全取決於你的瓶頸是授權還是 URL。

像這次發布背後有紀錄的 AI 失敗與代理事件，都收錄於 OrcaRouter AI Incident Archive，其中每一筆條目都附有各自的來源、嚴重程度、信心評級與爭議標記。