در حاشیه رویداد Build 2026 رونمایی شد
MAI-Image-2.5؛ رتبه ۲ ویرایش تصویر در Arena
سید محمدجواد فیاض
- ۱۶ خرداد ۱۴۰۵
MAI-Image-2.5 قویترین مدل تصویری مایکروسافت تاکنون است و اکنون در جدول رتبهبندی ویرایش تصویر Arena در جایگاه شماره ۲ قرار گرفته و از Nano Banana 2 پیشی گرفته است.
این مدل که برای تولید باکیفیت بالا و ویرایش دقیق و قابلکنترل طراحی شده است، جریانهای کاری تولید تصویر در سطح تولید (production-ready) را برای توسعهدهندگان و محصولات مایکروسافت فراهم میکند.
ویژگیها و قابلیتها
- جهش اساسی در کیفیت متن به تصویر: MAI-Image-2.5 تصاویر دقیقتر و منسجمتری را از پرامپتها تولید میکند، با توانایی قویتر در رندر متن، تصویرسازی محصول و پایبندی بهتر به پرامپت (prompt adherence).
- استدلال بصری پیچیده: این مدل ساختار صحنه، نورپردازی، مقیاس و روابط فضایی را درک میکند و به آن کمک میکند ویرایشهایی انجام دهد که با زمینه تصویر سازگار باشند؛ مانند افزودن یک شیء با پرسپکتیو و سایههای صحیح.
- کنترل ویرایش دقیق و جزئی: MAI-Image-2.5 از ویرایشهای دقیق و موضعی پشتیبانی میکند؛ از جایگزینی یک شیء یا بهروزرسانی متن گرفته تا حذف تاری حرکتی (motion blur)، بدون تغییر سایر بخشهای تصویر.
- سازگاری چهره و هویت: MAI-Image-2.5 هویت چهره را در طول ویرایشها حفظ میکند و حتی در تغییرات حالت، بیان یا زاویه دید، شباهت قابلتشخیص را نگه میدارد.
بنچمارکها
MAI-Image-2.5 در Arena امتیازاتی را کسب کرده که از GPT-Image-1.5 و Nano Banana Pro 2K فراتر میرود و در جایگاه شماره ۳ برای متن به تصویر و شماره ۲ در جدول رتبهبندی ویرایش تصویر Arena قرار میگیرد.
در مجموع این ارزیابیها، MAI-Image-2.5 عملکردی پیشرو در تولید و ویرایش تصویر نشان میدهد، با نتایج قوی در زمینه پایبندی به پرامپت، کیفیت بصری و اصلاح کنترلشده تصویر.
ادغام در محصولات مایکروسافت
MAI-Image-2.5 هماکنون در PowerPoint برای تولید تصویر باکیفیت بالا فعال است و بهتدریج در OneDrive برای ویرایش دقیق در حال عرضه است. در OneDrive، کاربران میتوانند ویرایشهای دقیق روی عکس انجام دهند؛ مانند حذف عناصر مزاحم، پاکسازی پسزمینهها و بهبود تصاویر درحالیکه صحنه اصلی حفظ میشود. در PowerPoint، کاربران میتوانند تصاویر و اسلایدهای آماده ارائه را از طریق پرامپت تولید کنند و ایدهها را سریعتر به ارائههای حرفهای تبدیل کنند.
بهترین مدلها از نظر نسبت قیمت به عملکرد
MAI-Image-2.5 هماکنون از طریق Foundry برای توسعهدهندگان در دسترس است و کیفیت پریمیوم و کنترل دقیق ویرایش را با قیمتهای زیر ارائه میدهد:
- ۵ دلار بهازای هر ۱ میلیون توکن ورودی متن
- ۸ دلار بهازای هر ۱ میلیون توکن ورودی تصویر
- ۴۷ دلار بهازای هر ۱ میلیون توکن خروجی تصویر
MAI-Image-2.5-Flash نسخه سریعتر و کمهزینهتر برای تولید و ویرایش است:
- ۱.۷۵ دلار بهازای هر ۱ میلیون توکن ورودی متن
- ۱.۷۵ دلار بهازای هر ۱ میلیون توکن ورودی تصویر
- ۱۹.۵۰ دلار بهازای هر ۱ میلیون توکن خروجی تصویر
در کنار هم، این دو مدل به کاربران امکان میدهند جریانهای کاری تولید تصویر را برای وفاداری، سرعت یا هزینه بهینه کنند؛ درحالیکه همچنان عملکرد پیشرو از نظر نسبت قیمت به امتیاز Arena ارائه میدهند.
ایمنی و محدودیتها
MAI-Image-2.5 شامل لایههای چندگانه محافظتی ایمنی است، از جمله فیلترهای ورودی و خروجی پرامپت، برای کمک به شناسایی و مسدودسازی محتوای مضر یا نقضکننده سیاستها. مانند تمام مدلهای تصویری، MAI-Image-2.5 میتواند بازتابی از سوگیریهای موجود در دادههای آموزشی خود باشد و ممکن است جزئیات بصری قابلباور اما نادرست یا گمراهکننده تولید کند. تصاویر تولیدشده باید پیش از استفاده در زمینههای حساس بررسی شوند؛ از جمله کاربردهای هویتی، حقوقی، پزشکی، مالی یا خبری.
امتحان کنید
MAI-Image-2.5 و MAI-Image-2.5-Flash اکنون از طریق Foundry برای توسعهدهندگان در دسترس هستند همچنین میتوانید این مدلها را مستقیماً در MAI Playground آزمایش کنید. OpenRouter نیز MAI-Image-2.5 را در دسترس جامعه توسعهدهندگان خود قرار میدهد.
