Microsoft AI: MAI-Image-2.5

Microsoft AI MAI-Image-2.5 es la edición de generación general y edición controlada de la familia de imágenes 2.5. Su ficha describe un modelo de difusión que utiliza flow matching, con 20 mil millones de parámetros sin contar embeddings, entrada de texto e imagen y un contexto de 32K tokens. Produce imágenes para conceptos, retratos, imágenes de producto, ilustraciones y revisiones de diseños existentes. La decisión inicial útil es si la tarea necesita una composición nueva o un cambio específico en un recurso que ya contiene el sujeto previsto.

Para generar, describe el sujeto principal, el estilo visual, la luz, el punto de vista y la disposición. El fabricante destaca imágenes detalladas y coherentes, representación de texto, imágenes de producto y seguimiento del prompt. Un brief práctico para una ilustración de presentación puede especificar la función del sujeto, el énfasis visual previsto y la cantidad de espacio circundante. Un concepto de producto puede incluir material, escala y acabado superficial. Mantén coherente la descripción para que los objetos compartan una escena y un plan de iluminación en lugar de combinar varios tratamientos visuales incompatibles.

El razonamiento visual de esta edición se refiere a estructura de escena, iluminación, escala y relaciones espaciales. El fabricante da como uso de edición añadir un objeto con perspectiva y sombras adecuadas. Para editar un taller, coloca un banco pequeño junto a una mesa de trabajo y conserva el punto de vista y la luz existentes. La revisión debe comparar el tamaño del banco, dónde toca el piso y si su sombra sigue la de los demás objetos. Un objeto convincente de forma local aún debe encajar en la geometría de toda la imagen de origen.

Las ediciones dirigidas incluyen eliminación o sustitución de objetos, cambios de atributos, relleno de zonas, adaptación de composición, actualización de texto y limpieza, como reducir artefactos de desenfoque de movimiento. Proporciona la imagen de origen y nombra tanto la corrección como los detalles que deben conservarse. Una edición fotográfica enfocada podría quitar un objeto distractor del fondo y mantener a la persona, el recorte y la disposición del primer plano. Una revisión de diseño podría actualizar una línea corta de texto y conservar la composición. Compara el resultado completo con la fuente en lugar de evaluar solamente la zona editada.

Microsoft también enfatiza la consistencia de identidad facial entre ediciones, incluidos cambios de pose, expresión o punto de vista. Usa una referencia clara para el parecido y especifica el cambio previsto de una forma que conserve los rasgos identificadores. La guía actual de edición del fabricante admite hasta cinco imágenes JPEG o PNG, lo que permite que distintas referencias identifiquen a la persona, objeto, escena o estilo. Nombra esas funciones en el prompt. En una revisión de retrato, inspecciona el rostro además de la ropa o el fondo modificados antes de considerar terminada la imagen.

La ficha exacta del modelo limita la salida a 1,048,576 píxeles totales, equivalente a un cuadrado de 1024×1024, y permite que un lado supere 1024 si el total permanece dentro de esa área. La guía de servicio también requiere que ambas dimensiones sean de al menos 768 píxeles. Un objetivo rectangular como 1344×768 tiene 1,032,192 píxeles y cumple esas reglas documentadas de área y dimensión mínima. El límite útil es el producto del ancho por el alto, así que prepara la forma de destino antes de pedir una composición horizontal o vertical.

La generación y la edición devuelven datos de imagen PNG en la interfaz de servicio del fabricante. La ficha nativa del modelo informa un contexto de 32K tokens, mientras que esa interfaz especifica un contexto máximo de prompt de 32,000 tokens. La cifra independiente del catálogo de 4,096 tokens de salida es una cantidad de tokens permitida, no una dimensión de salida. Conserva esos alcances declarados al organizar un prompt detallado y la imagen terminada. Los recursos de origen, las características conservadas, las ediciones solicitadas y el tamaño objetivo forman un registro útil de revisión junto con el PNG.

El rango creativo del modelo abarca imágenes fotorrealistas y cinematográficas, retratos, conceptos de producto o marca, diseños con texto y otros estilos visuales. Para una etiqueta o un letrero, proporciona el texto exacto y revisa su ortografía al tamaño final de visualización. Una superficie fotográfica reconocible aún puede contener detalles inventados, un reflejo inconsistente o letras inexactas. Una comprobación práctica sigue los requisitos del diseño: importan la identidad del objeto, la legibilidad, las relaciones espaciales y la escena conservada. Mantén una corrección específica separada de los cambios que ya funcionaron.

Dentro de la familia 2.5, Pro enfatiza mayor fidelidad y relaciones estables en escenas densas, mientras que Flash sirve para producción más ágil. La familia 2.6 introduce un límite documentado mayor de área de píxeles, fundamentación opcional con búsquedas web y selección de aspecto dirigida por el modelo. El 2.5 estándar conserva su propio flujo de generación y edición sin esos controles posteriores. Selecciona la edición según la parte difícil de la tarea real de imagen y revisa el resultado terminado frente a ese brief.