Microsoft AI MAI-Image-2.6 es la edición de la familia de imágenes 2.6 enfocada en precisión, diseñada para generación de texto a imagen y edición controlada de recursos visuales existentes. Su ficha describe un modelo de difusión que utiliza flow matching, con 20 mil millones de parámetros sin contar embeddings y un contexto de 32K tokens. La salida prevista es una imagen: una composición de producto, un retrato, una ilustración de marca o una imagen revisada cuya composición y sujetos principales se mantienen coherentes mientras cambia un elemento específico.
Para generar, describe sujeto, composición, materiales, luz, punto de vista y estilo visual. Incluye el texto exacto cuando deba aparecer una etiqueta, un título o un letrero en la imagen, y describe dónde va ese texto. El fabricante destaca mejoras en representación de texto, retratos, imágenes 3D y salida comercial o fotorrealista en esta edición. Un brief útil identifica las pocas relaciones que hacen funcionar la imagen: qué objeto ocupa el primer plano, cómo se integra en la escena y dónde debe mirar primero el público. Revisa las letras finas y los detalles pequeños de la imagen terminada.
Para editar, proporciona el recurso de origen e indica el cambio junto con las partes que deben conservarse. Las tareas documentadas incluyen eliminación o sustitución de objetos, cambios de atributos, relleno de zonas, adaptación de composición, actualización de texto y limpieza de artefactos como desenfoque de movimiento. La ficha del modelo enfatiza el razonamiento sobre escala, perspectiva, iluminación y ubicación espacial para que una revisión encaje en la escena existente. Como preparación, identifica claramente el objeto o la zona y explica si el objetivo es una corrección local, una disposición diferente o un cambio de estilo más amplio.
La guía de edición de imágenes del fabricante admite hasta cinco referencias JPEG o PNG. Dale a cada imagen una función distinta, como producto, persona, entorno, composición o estilo visual. Para una edición de iluminación, coloca una lámpara de una referencia sobre el escritorio de otra, conservando la perspectiva del escritorio y haciendo que la sombra de la lámpara siga la luz de la habitación. Una revisión independiente puede actualizar una etiqueta corta conservando la forma y posición del producto. Revisa las relaciones entre referencias en el resultado en lugar de aceptar un objeto plausible que difiera del proporcionado.
La familia 2.6 añade fundamentación opcional con búsquedas web y selección de relación de aspecto dirigida por el modelo. La fundamentación web aporta contexto actual pertinente al interpretar una solicitud relacionada con un lugar real, un objeto o información cambiante. Es una entrada creativa, así que contrasta los detalles visuales factuales con el sujeto previsto. La selección automática de aspecto permite que el modelo considere el prompt y las imágenes al elegir la forma de la composición. Un brief de diseño puede especificar el destino y la composición requerida: por ejemplo, una imagen principal panorámica de producto con espacio libre a un lado o una imagen vertical construida alrededor de un sujeto de pie.
El tamaño de salida se rige por el área total. La ficha exacta del modelo y la guía de imágenes incluyen un máximo de 2,359,296 píxeles, equivalente a un cuadrado de 1536×1536. La interfaz documentada de imágenes requiere que tanto el ancho como el alto sean de al menos 768 píxeles, y cualquiera de las dimensiones puede superar 1536 si el total permanece dentro del límite de área. Esto permite una composición horizontal o vertical más alargada en lugar de imponer un máximo de 1536 píxeles en cada lado. Por ejemplo, un objetivo de 1024×2048 tiene 2,097,152 píxeles y cumple esa regla documentada de área. Revisa las dimensiones finales para la composición que utilizará la imagen.
La guía del fabricante devuelve los resultados generados y editados como datos de imagen PNG. Conserva la imagen terminada junto con el brief y las referencias de origen al preparar una revisión de diseño. La ficha del modelo nombra un contexto de 32K tokens, mientras que la guía de servicio especifica un contexto máximo de prompt de 32,000 tokens; conserva esos alcances declarados al preparar un brief largo en lugar de tratarlos como dimensiones de imagen. El recurso útil de producción es la imagen decodificada, que puede revisarse e incorporarse a una página, diapositiva o composición. Registra con ella el recorte y la ubicación del texto previstos para que las ediciones posteriores no cambien accidentalmente el propósito del diseño.
Dentro de esta familia, MAI-Image-2.6 enfatiza el control preciso y los avances más recientes en detalle visual. MAI-Image-2.6-Flash ofrece las mismas capacidades de generación, edición, fundamentación con búsquedas y selección de aspecto en una edición optimizada para producción ágil y repetida. La serie 2.5 utiliza un límite documentado de área de salida más pequeño y no hereda los controles de fundamentación ni de aspecto automático de 2.6. Selecciona la edición según la imagen y el proceso de revisión requeridos en lugar de asumir que compartir una familia hace idéntica toda la configuración.
Compara una edición con la fuente completa: importan los rostros conservados, la identidad de los objetos, la geometría, las sombras, las letras y la composición prevista. Una fotografía convincente aún puede contener una marca incorrecta, un reflejo inconsistente o una característica modificada fuera de la edición solicitada. Mantén concreta la siguiente corrección, como la etiqueta, la ubicación del objeto o un artefacto particular. Esto hace útil la edición iterativa y conserva el sujeto y la composición del brief original.
", "aboutText": "Microsoft AI MAI-Image-2.6 es la edición de la familia de imágenes 2.6 enfocada en precisión, diseñada para generación de texto a imagen y edición controlada de recursos visuales existentes. Su ficha describe un modelo de difusión que utiliza flow matching, con 20 mil millones de parámetros sin contar embeddings y un contexto de 32K tokens. La salida prevista es una imagen: una composición de producto, un retrato, una ilustración de marca o una imagen revisada cuya composición y sujetos principales se mantienen coherentes mientras cambia un elemento específico.\n\nPara generar, describe sujeto, composición, materiales, luz, punto de vista y estilo visual. Incluye el texto exacto cuando deba aparecer una etiqueta, un título o un letrero en la imagen, y describe dónde va ese texto. El fabricante destaca mejoras en representación de texto, retratos, imágenes 3D y salida comercial o fotorrealista en esta edición. Un brief útil identifica las pocas relaciones que hacen funcionar la imagen: qué objeto ocupa el primer plano, cómo se integra en la escena y dónde debe mirar primero el público. Revisa las letras finas y los detalles pequeños de la imagen terminada.\n\nPara editar, proporciona el recurso de origen e indica el cambio junto con las partes que deben conservarse. Las tareas documentadas incluyen eliminación o sustitución de objetos, cambios de atributos, relleno de zonas, adaptación de composición, actualización de texto y limpieza de artefactos como desenfoque de movimiento. La ficha del modelo enfatiza el razonamiento sobre escala, perspectiva, iluminación y ubicación espacial para que una revisión encaje en la escena existente. Como preparación, identifica claramente el objeto o la zona y explica si el objetivo es una corrección local, una disposición diferente o un cambio de estilo más amplio.\n\nLa guía de edición de imágenes del fabricante admite hasta cinco referencias JPEG o PNG. Dale a cada imagen una función distinta, como producto, persona, entorno, composición o estilo visual. Para una edición de iluminación, coloca una lámpara de una referencia sobre el escritorio de otra, conservando la perspectiva del escritorio y haciendo que la sombra de la lámpara siga la luz de la habitación. Una revisión independiente puede actualizar una etiqueta corta conservando la forma y posición del producto. Revisa las relaciones entre referencias en el resultado en lugar de aceptar un objeto plausible que difiera del proporcionado.\n\nLa familia 2.6 añade fundamentación opcional con búsquedas web y selección de relación de aspecto dirigida por el modelo. La fundamentación web aporta contexto actual pertinente al interpretar una solicitud relacionada con un lugar real, un objeto o información cambiante. Es una entrada creativa, así que contrasta los detalles visuales factuales con el sujeto previsto. La selección automática de aspecto permite que el modelo considere el prompt y las imágenes al elegir la forma de la composición. Un brief de diseño puede especificar el destino y la composición requerida: por ejemplo, una imagen principal panorámica de producto con espacio libre a un lado o una imagen vertical construida alrededor de un sujeto de pie.\n\nEl tamaño de salida se rige por el área total. La ficha exacta del modelo y la guía de imágenes incluyen un máximo de 2,359,296 píxeles, equivalente a un cuadrado de 1536×1536. La interfaz documentada de imágenes requiere que tanto el ancho como el alto sean de al menos 768 píxeles, y cualquiera de las dimensiones puede superar 1536 si el total permanece dentro del límite de área. Esto permite una composición horizontal o vertical más alargada en lugar de imponer un máximo de 1536 píxeles en cada lado. Por ejemplo, un objetivo de 1024×2048 tiene 2,097,152 píxeles y cumple esa regla documentada de área. Revisa las dimensiones finales para la composición que utilizará la imagen.\n\nLa guía del fabricante devuelve los resultados generados y editados como datos de imagen PNG. Conserva la imagen terminada junto con el brief y las referencias de origen al preparar una revisión de diseño. La ficha del modelo nombra un contexto de 32K tokens, mientras que la guía de servicio especifica un contexto máximo de prompt de 32,000 tokens; conserva esos alcances declarados al preparar un brief largo en lugar de tratarlos como dimensiones de imagen. El recurso útil de producción es la imagen decodificada, que puede revisarse e incorporarse a una página, diapositiva o composición. Registra con ella el recorte y la ubicación del texto previstos para que las ediciones posteriores no cambien accidentalmente el propósito del diseño.\n\nDentro de esta familia, MAI-Image-2.6 enfatiza el control preciso y los avances más recientes en detalle visual. MAI-Image-2.6-Flash ofrece las mismas capacidades de generación, edición, fundamentación con búsquedas y selección de aspecto en una edición optimizada para producción ágil y repetida. La serie 2.5 utiliza un límite documentado de área de salida más pequeño y no hereda los controles de fundamentación ni de aspecto automático de 2.6. Selecciona la edición según la imagen y el proceso de revisión requeridos en lugar de asumir que compartir una familia hace idéntica toda la configuración.\n\nCompara una edición con la fuente completa: importan los rostros conservados, la identidad de los objetos, la geometría, las sombras, las letras y la composición prevista. Una fotografía convincente aún puede contener una marca incorrecta, un reflejo inconsistente o una característica modificada fuera de la edición solicitada. Mantén concreta la siguiente corrección, como la etiqueta, la ubicación del objeto o un artefacto particular. Esto hace útil la edición iterativa y conserva el sujeto y la composición del brief original.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "de84cc4cbf103213fcb063e6610791b6abf3a5e8ae4a501ca2620f39cad27598", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es-mx", "methods": [ { "html": "microsoft/mai-image-2.6Microsoft AI MAI-Image-2.6 genera y edita imágenes para trabajos de diseño precisos. Combina texto con hasta cinco referencias visuales, admite fundamentación opcional con búsquedas web y tamaño automático de composición, y produce imágenes PNG de hasta 2,359,296 píxeles. Se enfoca en ediciones controladas, texto, retratos e imágenes comerciales.
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-2.6 es la edición de la familia de imágenes 2.6 enfocada en precisión, diseñada para generación de texto a imagen y edición controlada de recursos visuales existentes. Su ficha describe un modelo de difusión que utiliza flow matching, con 20 mil millones de parámetros sin contar embeddings y un contexto de 32K tokens. La salida prevista es una imagen: una composición de producto, un retrato, una ilustración de marca o una imagen revisada cuya composición y sujetos principales se mantienen coherentes mientras cambia un elemento específico.
Para generar, describe sujeto, composición, materiales, luz, punto de vista y estilo visual. Incluye el texto exacto cuando deba aparecer una etiqueta, un título o un letrero en la imagen, y describe dónde va ese texto. El fabricante destaca mejoras en representación de texto, retratos, imágenes 3D y salida comercial o fotorrealista en esta edición. Un brief útil identifica las pocas relaciones que hacen funcionar la imagen: qué objeto ocupa el primer plano, cómo se integra en la escena y dónde debe mirar primero el público. Revisa las letras finas y los detalles pequeños de la imagen terminada.
Para editar, proporciona el recurso de origen e indica el cambio junto con las partes que deben conservarse. Las tareas documentadas incluyen eliminación o sustitución de objetos, cambios de atributos, relleno de zonas, adaptación de composición, actualización de texto y limpieza de artefactos como desenfoque de movimiento. La ficha del modelo enfatiza el razonamiento sobre escala, perspectiva, iluminación y ubicación espacial para que una revisión encaje en la escena existente. Como preparación, identifica claramente el objeto o la zona y explica si el objetivo es una corrección local, una disposición diferente o un cambio de estilo más amplio.
La guía de edición de imágenes del fabricante admite hasta cinco referencias JPEG o PNG. Dale a cada imagen una función distinta, como producto, persona, entorno, composición o estilo visual. Para una edición de iluminación, coloca una lámpara de una referencia sobre el escritorio de otra, conservando la perspectiva del escritorio y haciendo que la sombra de la lámpara siga la luz de la habitación. Una revisión independiente puede actualizar una etiqueta corta conservando la forma y posición del producto. Revisa las relaciones entre referencias en el resultado en lugar de aceptar un objeto plausible que difiera del proporcionado.
La familia 2.6 añade fundamentación opcional con búsquedas web y selección de relación de aspecto dirigida por el modelo. La fundamentación web aporta contexto actual pertinente al interpretar una solicitud relacionada con un lugar real, un objeto o información cambiante. Es una entrada creativa, así que contrasta los detalles visuales factuales con el sujeto previsto. La selección automática de aspecto permite que el modelo considere el prompt y las imágenes al elegir la forma de la composición. Un brief de diseño puede especificar el destino y la composición requerida: por ejemplo, una imagen principal panorámica de producto con espacio libre a un lado o una imagen vertical construida alrededor de un sujeto de pie.
El tamaño de salida se rige por el área total. La ficha exacta del modelo y la guía de imágenes incluyen un máximo de 2,359,296 píxeles, equivalente a un cuadrado de 1536×1536. La interfaz documentada de imágenes requiere que tanto el ancho como el alto sean de al menos 768 píxeles, y cualquiera de las dimensiones puede superar 1536 si el total permanece dentro del límite de área. Esto permite una composición horizontal o vertical más alargada en lugar de imponer un máximo de 1536 píxeles en cada lado. Por ejemplo, un objetivo de 1024×2048 tiene 2,097,152 píxeles y cumple esa regla documentada de área. Revisa las dimensiones finales para la composición que utilizará la imagen.
La guía del fabricante devuelve los resultados generados y editados como datos de imagen PNG. Conserva la imagen terminada junto con el brief y las referencias de origen al preparar una revisión de diseño. La ficha del modelo nombra un contexto de 32K tokens, mientras que la guía de servicio especifica un contexto máximo de prompt de 32,000 tokens; conserva esos alcances declarados al preparar un brief largo en lugar de tratarlos como dimensiones de imagen. El recurso útil de producción es la imagen decodificada, que puede revisarse e incorporarse a una página, diapositiva o composición. Registra con ella el recorte y la ubicación del texto previstos para que las ediciones posteriores no cambien accidentalmente el propósito del diseño.
Dentro de esta familia, MAI-Image-2.6 enfatiza el control preciso y los avances más recientes en detalle visual. MAI-Image-2.6-Flash ofrece las mismas capacidades de generación, edición, fundamentación con búsquedas y selección de aspecto en una edición optimizada para producción ágil y repetida. La serie 2.5 utiliza un límite documentado de área de salida más pequeño y no hereda los controles de fundamentación ni de aspecto automático de 2.6. Selecciona la edición según la imagen y el proceso de revisión requeridos en lugar de asumir que compartir una familia hace idéntica toda la configuración.
Compara una edición con la fuente completa: importan los rostros conservados, la identidad de los objetos, la geometría, las sombras, las letras y la composición prevista. Una fotografía convincente aún puede contener una marca incorrecta, un reflejo inconsistente o una característica modificada fuera de la edición solicitada. Mantén concreta la siguiente corrección, como la etiqueta, la ubicación del objeto o un artefacto particular. Esto hace útil la edición iterativa y conserva el sujeto y la composición del brief original.
POST /v1/images/generationstext, imageimage| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites microsoft/mai-image-2.6 | 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: 5 | 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 $0.311296 estimación previa a la generación Esta estimación no es un cargo adicional ni una tarifa fija por la generación completada. |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${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-2.6', '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-2.6
/v1/images