微软AI（MAI）近日在官方博客宣布，其全新自研图像生成模型MAI-Image-2.6正式在Microsoft Foundry平台开放公开预览，同时推出面向高吞吐、低延迟场景的MAI-Image-2.6–Flash模型。这一发布标志着微软在图像生成赛道上进一步缩小与OpenAI的差距，并在性价比维度发起强力攻势。
性能表现：Arena榜单紧追GPT Image 2
MAI-Image-2.6在LMSYS Arena盲测榜单上表现抢眼。截至9月4日，该模型在文生图（Text-to-Image）排行榜上以1336分位居第二，仅次于OpenAI的GPT Image 2（1381分），差距约45分。在图像编辑（Image Editing）排行榜上同样排名第二，在Artificial Analysis的独立评测中更是登顶图像编辑榜第一。
对比上一代MAI-Image-2.5，新版本在综合Elo评分上提升了约79分，其中文本渲染（在图像中准确绘制文字）能力提升最为显著，Elo提高91分，在Arena文字渲染专项榜以1374分排名第一。人像面部细节、光影质感以及3D场景的空间结构和材质表现均有明显进步。
两大核心能力升级
MAI-Image-2.6引入了两项重要的新功能。首先是多参考图编辑（Multi-Reference Editing），单次请求最多支持5张参考图，能够将不同图片中的产品、角色、品牌标识等元素融合到同一场景中，并保持视觉一致性。这对于品牌物料制作、电商产品展示等需要保持视觉统一性的商业场景尤为重要。
其次是Web Grounding能力，模型可以从互联网实时获取真实世界的上下文信息，使生成的图像能够反映准确的地点、物体和主题细节，而非仅依赖训练数据中的知识。此外，模型还支持动态宽高比调整和最高1.5K分辨率输出。
Flash版：速度翻倍，成本减半
MAI-Image-2.6-Flash定位为旗舰版的”高速轻量化”版本。微软官方数据显示，Flash版的生成速度是GPT-Image-2-Medium的2.8倍，GPU效率提升72%，同时保持与旗舰版相近的图像质量。在Arena图像编辑榜单上，Flash版直接跻身前三。
定价方面，两个模型均按Token计费。MAI-Image-2.6的价格为文本输入5美元/百万Token、图像输入8美元、图像输出38美元；Flash版则大幅降至1.75美元、2.50美元和19美元，输出价格恰好减半。第三方平台Arena估算，MAI-Image-2.6生成1000张图像的成本约38.90美元，折合每张约3.9美分（约人民币0.28元），被Arena置于价格-性能的帕累托前沿——即没有其他模型能在更低价格下提供更高质量。
微软的自研模型战略
MAI-Image-2.6的发布是微软AI负责人Mustafa Suleyman推动自研模型战略的重要一步。Suleyman此前曾联合创立DeepMind和Inflection AI，2024年加入微软后主导组建Microsoft AI团队。他在今年3月的公司重组中明确表示，AI行业将由”前沿模型及其产品体验”来定义。
MAI-Image-2.6实现了微软在图像生成领域的两个关键目标：一是拥有自主知识产权的顶级模型，减少对OpenAI等外部供应商的依赖；二是通过Foundry平台将模型直接提供给企业开发者，结合Azure的云基础设施实现数据合规和成本可控。
目前MAI-Image-2.6和MAI-Image-2.6-Flash均可在MAI Playground（playground.microsoft.ai）免费试用，开发者也可通过Microsoft Foundry（ai.azure.com）的公开预览接入API。Copilot和Windows内置集成暂未在本次发布中提及。
对于开发者和创作团队而言，MAI-Image-2.6家族的意义在于：文生图与图像编辑能力正在从”实验室演示”走向”生产线就绪”，企业可以在自己的产品中嵌入与顶级榜单接轨的视觉生成体验，而Flash模型在速度和费用上的优势，将加速AIGC在广告、电商、游戏等高频用图行业的规模化落地。
