مایکروسافت MAI-Image-2.6-Flash را برای تولید سریع‌تر و ارزان‌تر تصاویر معرفی کرد

مایکروسافت مدل داخلی جدید خود با نام MAI-Image-2.6-Flash را به‌صورت عمومی و در قالب پیش‌نمایش عرضه کرده است. این مدل با هدف تولید سریع‌تر و کم‌هزینه‌تر تصاویر طراحی شده و در عین حال تلاش می‌کند کیفیت نسخه اصلی MAI-Image-2.6 را حفظ کند. مایکروسافت می‌گوید MAI-Image-2.6-Flash برای بارهای کاری تولیدی طراحی شده که در آنها تأخیر کم، سرعت پردازش بالا و بهره‌وری اهمیت زیادی دارد. این مدل در کنار MAI-Image-2.6 قرار می‌گیرد؛ نسخه اصلی برای بیشترین دقت و کیفیت خروجی و نسخه Flash برای سرعت و مقیاس‌پذیری بیشتر در نظر گرفته شده است.

کیفیت بالا با سرعت مناسب برای تولید

MAI-Image-2.6 در ارزیابی‌های مستقل عملکرد قابل‌توجهی داشته و در زمان عرضه، رتبه دوم جدول Arena در زمینه تبدیل متن به تصویر را به دست آورده است. این مدل همچنین در رتبه‌بندی ویرایش تصویر Arena جایگاه سوم را کسب کرده و از برخی مدل‌های رقیب گوگل و متا عملکرد بهتری داشته است. MAI-Image-2.6-Flash برای کاربردهایی ساخته شده است که تعداد زیادی تصویر یا نسخه‌های متعدد از یک تصویر باید در مدت کوتاه تولید شوند.

مایکروسافت اعلام می‌کند این مدل می‌تواند تصاویر را 2.8 برابر سریع‌تر از GPT-Image-2-Medium تولید کند و 72 درصد بهره‌وری بیشتری نسبت به GPT-Image-2 داشته باشد. این ویژگی‌ها Flash را برای کاربردهایی مانند تجربه‌های تعاملی، تولید سریع نسخه‌های مختلف یک محتوا، شخصی‌سازی و فرایندهای خودکار تولید تصاویر در مقیاس بالا مناسب می‌کند.

قابلیت‌های جدید برای تولید و ویرایش تصویر

MAI-Image-2.6 و نسخه Flash از مجموعه‌ای از قابلیت‌های جدید پشتیبانی می‌کنند که کنترل بیشتری روی فرایند تولید تصویر در اختیار کاربران قرار می‌دهد. یکی از این قابلیت‌ها ویرایش چندمرجعی (Multi-reference Editing) است. مدل می‌تواند حداکثر پنج تصویر مرجع را در یک درخواست دریافت کند تا عناصر مختلف مانند یک محصول، شخصیت یا هویت بصری یک برند را در ویرایش‌های بعدی با ثبات بیشتری حفظ کند.

قابلیت دیگر Web Grounding است که به مدل اجازه می‌دهد برای ایجاد تصاویر، از اطلاعات به‌روز موجود در وب استفاده کند. به این ترتیب، خروجی می‌تواند بر اساس اطلاعات واقعی و جدید درباره مکان‌ها، اشیا و موضوعات مختلف شکل بگیرد. مدل‌های جدید همچنین کنترل بیشتری روی نسبت تصویر و وضوح خروجی ارائه می‌دهند. MAI-Image-2.6 از وضوح حداکثر 1.5K و نسبت‌های تصویر پویا پشتیبانی می‌کند و می‌تواند قالب مناسب‌تری را برای ترکیب‌بندی هر تصویر انتخاب کند.

مایکروسافت همچنین روی کیفیت نمایش متن در تصاویر، تولید پرتره، تصاویر سه‌بعدی و خروجی‌های تجاری و فوتورئال تمرکز کرده است. این مدل برای کاربردهایی مانند تصاویر محصولات، طراحی تبلیغاتی، برندسازی و محتوای تجاری نیز بهینه شده است.

انتخاب میان کیفیت و سرعت

مایکروسافت MAI-Image-2.6 را برای پروژه‌هایی پیشنهاد می‌کند که دقت و بالاترین کیفیت خروجی اولویت اصلی آنهاست؛ از جمله تولید تصاویر نهایی تبلیغاتی، ویرایش‌های پیچیده، طراحی تجاری دقیق و تولید متن با کیفیت بالا در تصاویر. در مقابل، MAI-Image-2.6-Flash برای شرایطی مناسب‌تر است که سرعت، تعداد خروجی و بهره‌وری هزینه‌ای اهمیت بیشتری دارد. این مدل می‌تواند در تجربه‌های تعاملی، نمونه‌سازی سریع، شخصی‌سازی و تولید تصاویر در حجم بالا مورد استفاده قرار گیرد.

مایکروسافت همچنین پیشنهاد می‌کند تیم‌ها از نسخه Flash برای بررسی سریع ایده‌ها و تولید نمونه‌های مختلف استفاده کنند و سپس برای ساخت خروجی نهایی و دقیق‌تر به MAI-Image-2.6 روی بیاورند.

قیمت و دسترسی

هر دو مدل MAI-Image-2.6 و MAI-Image-2.6-Flash اکنون در قالب پیش‌نمایش عمومی از طریق Microsoft Foundry در دسترس توسعه‌دهندگان هستند. همچنین امکان آزمایش آنها در MAI Playground وجود دارد. قیمت پایه MAI-Image-2.6 در Microsoft Foundry برابر با 5 دلار به ازای هر یک میلیون توکن ورودی متنی، 8 دلار به ازای هر یک میلیون توکن ورودی تصویری و 38 دلار به ازای هر یک میلیون توکن خروجی تصویری است.

نسخه MAI-Image-2.6-Flash هزینه پایین‌تری دارد و قیمت آن از 1.75 دلار برای هر یک میلیون توکن ورودی متنی، 2.50 دلار برای هر یک میلیون توکن ورودی تصویری و 19 دلار برای هر یک میلیون توکن خروجی تصویری آغاز می‌شود. به این ترتیب، مایکروسافت با عرضه MAI-Image-2.6-Flash تلاش می‌کند کیفیت مدل جدید خود را به کاربردهایی بیاورد که در آنها سرعت بالا و هزینه پایین‌تر، اهمیت بیشتری از دستیابی به حداکثر کیفیت ممکن دارد.