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 los de 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 elección inicial útil es si la tarea requiere 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 las imágenes detalladas y coherentes, la representación de texto, las imágenes de producto y el seguimiento de prompts. Un encargo 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 el material, la escala y el 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 en esta edición se refiere a la estructura de la escena, la iluminación, la escala y las relaciones espaciales. El fabricante propone añadir un objeto con perspectiva y sombras adecuadas como uso de edición. Para editar un taller, coloca un pequeño taburete junto a un banco de trabajo y conserva el punto de vista y la luz existentes. La revisión debe comparar el tamaño del taburete, dónde toca el suelo y si su sombra sigue las de los demás objetos. Un objeto convincente de forma local aún debe encajar en la geometría de la imagen de origen completa.

Las ediciones dirigidas incluyen eliminar o sustituir objetos, cambiar atributos, rellenar zonas, adaptar la composición, actualizar texto y corregir problemas como artefactos de desenfoque de movimiento. Proporciona la imagen de origen e indica tanto la corrección como los detalles que deben conservarse. Una edición fotográfica enfocada podría eliminar un objeto que distrae en el fondo y mantener a la persona, el recorte y la disposición del primer plano. Una revisión de diseño podría actualizar una línea breve de texto y conservar la composición. Compara el resultado completo con la fuente en lugar de evaluar solo la zona editada.

Microsoft también destaca la coherencia de la identidad facial entre ediciones, incluidos cambios de pose, expresión o punto de vista. Utiliza una referencia clara del parecido y especifica el cambio previsto de forma que conserve los rasgos identificativos. La guía actual de edición del fabricante acepta hasta cinco imágenes JPEG o PNG, lo que permite que distintas referencias identifiquen a la persona, el objeto, la escena o el 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 dar la imagen por terminada.

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 exige además 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 dimensiones mínimas. El límite útil es el producto de anchura y altura, por lo que debes preparar 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 indica un contexto de 32K tokens, mientras que esa interfaz especifica un contexto máximo del prompt de 32 000 tokens. La cifra independiente de 4096 tokens de salida del catálogo es una asignación de tokens, no una dimensión de salida. Respeta esos ámbitos 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 al PNG.

El alcance 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 e inspecciona su ortografía al tamaño de visualización final. Una superficie fotográfica reconocible aún puede contener detalles inventados, un reflejo incoherente 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 han funcionado.

Dentro de la familia 2.5, Pro enfatiza una mayor fidelidad y relaciones estables en escenas densas, mientras que Flash sirve a una producción más ágil. La familia 2.6 introduce un área de píxeles documentada mayor, fundamentación web opcional 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 encargo.