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.
", "aboutText": "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.\n\nPara 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.\n\nEl 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.\n\nLas 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.\n\nMicrosoft 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.\n\nLa 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.\n\nLa 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.\n\nEl 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.\n\nDentro 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.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "91a4cf371fbf8f4e3f40977b593f0fb2c0fce5cb99b8980c8495f02ece6f67c8", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es-mx", "methods": [ { "html": "microsoft/mai-image-2.5Microsoft AI MAI-Image-2.5 crea imágenes a partir de texto y realiza ediciones dirigidas en fotos o diseños proporcionados. Admite cambios de objetos y texto, limpieza de artefactos y revisiones que conservan el rostro, con salida PNG y hasta cinco referencias visuales. Su ficha especifica un contexto de 32K y 1,048,576 píxeles de salida.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
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.
POST /v1/images/generationstext, imageimage| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites microsoft/mai-image-2.5 | Predeterminado— |
Campoprompt | Tipostring | RequisitoObligatorio | Valores y límites Longitud mínima: 1 | Predeterminado— |
Campoaspect_ratio | Tipostring | RequisitoOpcional | Valores y límites 1:1, 4:3, 3:4, 16:9, 9:16, 3:2, 2:3, auto | Predeterminado— |
Campon | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Máximo: 1 | Predeterminado— |
Campoinput_references | Tipoarray | RequisitoOpcional | Valores y límites Número mínimo de elementos: 0 Número máximo de elementos: 1 | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites | Predeterminado— |
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, prompt |
Parámetromaterial_types | Contratotext, image |
Ciclo de vida: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · El task_id real devuelto o el registro de la biblioteca multimedia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Las tarifas mostradas permiten estimar el costo antes de la generación. El cargo final se calcula a partir del costo registrado para la generación original. La duración medida de la salida y las cantidades estimadas no son la cantidad facturable final.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Cantidad prevista | Cargo |
|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cantidad prevista— | Cargo Entrada · Tokens de entrada · Estimación solo para comparar — / 1K tokens Salida · Tokens de salida · Estimación solo para comparar — / 1K tokens Entrada · Lectura de caché · Estimación solo para comparar — / 1K tokens Entrada · Escritura en caché · Estimación solo para comparar — / 1K tokens Entrada · Escritura en caché, 1 hora · Estimación solo para comparar — / 1K tokens |
| ConfiguraciónCosto estimado de generación | Tabla de tarifas— | Cantidad previstaestimación para una generación | Cargo Salida · Costo estimado de generación · Estimación solo para comparar $0.385024 estimación previa a la generación Esta estimación no es un cargo adicional ni una tarifa fija por la generación completada. |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np={'model': 'microsoft/mai-image-2.5', 'prompt': 'a red panda astronaut floating in space, studio lighting'}\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/images/generations \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json, os, subprocess\nfrom pathlib import Path\nfrom urllib.parse import urlsplit, urljoin\n\ndef save_images(items):\n if not items: raise SystemExit("No completed images; retain the full response")\n for index, item in enumerate(items):\n encoded=item.get("b64_json")\n uri=item.get("url", "")\n if not encoded and uri.startswith("data:image/"):\n header, separator, encoded=uri.partition(",")\n if not separator or ";base64" not in header: raise SystemExit("Unsupported image data URI")\n if encoded:\n raw=base64.b64decode(encoded,validate=True)\n elif uri:\n uri=urljoin("https://api.ailoot.ai",uri)\n parsed=urlsplit(uri)\n if parsed.scheme!="https" or not parsed.netloc or parsed.username or parsed.password:\n raise SystemExit("Invalid returned image URL")\n owned=parsed.netloc=="api.ailoot.ai" and parsed.path.startswith("/v1/media/assets/") and parsed.path.endswith("/content")\n args=["curl","--fail-with-body","--silent","--show-error",uri]\n if owned: args += ["-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"]]\n temporary=Path(f"image-{index}.bin")\n subprocess.run(args+["-o",str(temporary)],check=True)\n raw=temporary.read_bytes()\n temporary.unlink()\n else: raise SystemExit("Image has neither bytes nor URL")\n if not raw: raise SystemExit("Empty image result")\n ext="png" if raw.startswith(b"\\x89PNG") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else "svg" if raw.lstrip().startswith((b"<svg",b"<?xml")) else "bin"\n Path(f"image-{index}.{ext}").write_bytes(raw)\n print("Every returned image saved; complete response metadata retained")\nsave_images(json.loads(Path("result.json").read_text())["data"])\nPY_RESULT\nDescarga cada imagen recibida o guarda su contenido Base64
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\nGuarda todas las imágenes completadas; descarga cada URL recibida o decodifica su contenido Base64.
Conserva la respuesta completa y los encabezados, todas las salidas reales, los identificadores originales devueltos y todos los campos de uso. Recupera la operación original sin volver a enviar la solicitud de creación.
Conserva el X-Client-Request-ID devuelto para la conciliación. Consulta únicamente los valores reales de task_id/asset_id devueltos o la biblioteca multimedia de tu propiedad; nunca construyas una URL de tarea a partir del ID de la operación ni vuelvas a enviar la solicitud de creación.
| Campo | Tipo |
|---|---|
Campocreated | Tipo |
Campodata[].url | Tipo |
Campodata[].b64_json | Tipo |
Campousage | Tipo |
Ailoot Ultra microsoft/mai-image-2.5
/v1/images