Microsoft の新しい MAI-Image-2.6-Flash は、2倍以上高速で、はるかに安価です

Microsoft MAI-Image-2.6 は、より高速かつ低コストな画像生成向けに設計された新しい Flash モデルとともに、Microsoft Foundry を通じて開発者向けに利用可能になりました。

どちらのモデルも、画像の生成と編集、参照画像、柔軟な出力形式、本番環境を想定したワークロードに対応しています。

Microsoft が MAI-Image-2.6 を Foundry で提供開始

Microsoft は、Microsoft Foundry を通じて MAI-Image-2.6 を開発者向けに提供開始しました。

このモデルは、高品質な画像生成、複雑な編集、改善されたテキスト レンダリング、最終出力に対するより高度な制御に重点を置いています。

MAI-Image-2.6-Flash は速度と低コストに重点

標準モデルに加えて、Microsoft は、より高速な応答とより高いスループットを必要とするアプリケーションを対象とした MAI-Image-2.6-Flash を導入しました。

Microsoft によると、Flash は GPT-Image-2-Medium と比較して 2 倍以上の速さで画像を生成し、効率が 72% 向上します。

同社は、インタラクティブなアプリケーション、迅速なクリエイティブの反復、パーソナライズされた画像生成、自動化されたコンテンツ パイプライン、大量の本番運用タスクなど、さまざまなワークロードにこのモデルを推奨しています。

Flash は MAI-Image-2.6 の中核機能を維持

MAI-Image-2.6-Flash は、テキストから画像への生成に加えて、画像から画像への編集にも対応しています。

開発者は、画像全体を作り直すことなく、個々のオブジェクト、テキスト、レイアウト、または画像のその他の部分に対して狙いを定めた変更を加えられます。

また、両モデルは 1 回のリクエストで最大 5 枚の参照画像を受け取ることができます。これにより、開発者は製品、キャラクター、人物、ブランディング、その他の繰り返し登場する視覚要素にわたって一貫性を維持できます。

これらのモデルは、動的なアスペクト比と高解像度の出力にも対応しており、さまざまなフォーマットやプラットフォーム向けに設計された画像を開発者がより細かく制御できるようになります。

MAI-Image-2.6 は Bing Search を Web グラウンディングに利用可能

Microsoft はまた、MAI-Image-2.6 に Web グラウンディングを追加し、モデルが Bing Search を通じて現在の現実世界の情報を取得できるようにしました。

これにより、プロンプトがモデルのトレーニング データのみに依存せず、現実世界の場所、物体、被写体に関する現在の情報や正確な詳細を必要とする場合に、画像生成を改善できます。

MAI-Image-2.6-Flash は大幅に低コスト

Microsoft は、MAI-Image-2.6-Flash の価格を、テキスト入力トークン 100 万個あたり 1.75 ドル、画像入力トークン 100 万個あたり 2.50 ドル、画像出力トークン 100 万個あたり 19 ドルに設定しました。

これにより、Flash はテキスト入力と画像入力でおよそ 3 分の 1 のコストとなり、画像出力は MAI-Image-2.6 と比較して半分のコストになります。

Microsoft は、開発者が遅延、スループット、コストを優先する場合に Flash を推奨しています。標準の MAI-Image-2.6 は、複雑な編集、商用デザイン、最終的な本番用アセット、最高の画質と正確なテキスト レンダリングを必要とするワークロードに適した選択肢です。

両モデルは現在パブリック プレビューで利用可能

MAI-Image-2.6 と MAI-Image-2.6-Flash は現在、Microsoft Foundry を通じてパブリック プレビューとして利用可能になり、開発者は Microsoft の最新の自社製画像生成テクノロジにアクセスできます。

今回のリリースは、Microsoft の拡大する MAI モデルのラインアップをさらに広げます。同社は最近、最新の音声認識モデルである MAI-Transcribe-2 を発表し、より高速で低コストな文字起こしに重点を置いています。