Microsoft AI: MAI-Image-2.6

Microsoft AI MAI-Image-2.6 es la edición de la familia de imágenes 2.6 centrada en la precisión, diseñada para generar imágenes a partir de texto y editar de forma controlada recursos visuales existentes. Su ficha describe un modelo de difusión que utiliza flow matching, con 20 mil millones de parámetros sin contar los de 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 distribución y sujetos principales se mantienen coherentes mientras cambia un elemento específico.

Para generar, describe el sujeto, la composición, los materiales, la luz, el punto de vista y el estilo visual. Incluye el texto exacto cuando una etiqueta, un título o un letrero deban aparecer en la imagen y describe dónde debe colocarse. El fabricante destaca mejoras en la representación de texto, retratos, imágenes 3D y resultados comerciales o fotorrealistas en esta edición. Un encargo útil identifica las pocas relaciones que hacen funcionar la imagen: qué objeto ocupa el primer plano, cómo se sitúa en la escena y dónde debe mirar primero el público. Inspecciona las letras finas y los pequeños detalles en la imagen terminada.

Para editar, proporciona el recurso original e indica el cambio junto con las partes que deben conservarse. Las tareas documentadas incluyen eliminar o sustituir objetos, cambiar atributos, rellenar zonas, adaptar la composición, actualizar texto y corregir artefactos como el desenfoque de movimiento. La ficha del modelo destaca el razonamiento sobre escala, perspectiva, iluminación y ubicación espacial para integrar una revisión 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 acepta hasta cinco referencias JPEG o PNG. Da a cada imagen una función distinta, como el producto, una persona, un entorno, una distribución o un estilo visual. Para editar la 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. Otra revisión puede actualizar una etiqueta breve mientras conserva la forma y la 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 web opcional y selección de la relación de aspecto dirigida por el modelo. La fundamentación web aporta contexto actual relevante al interpretar una solicitud sobre un lugar real, un objeto o información cambiante. Es una entrada creativa, por lo que debes revisar los detalles visuales factuales frente al sujeto previsto. La selección automática de aspecto permite al modelo considerar el prompt y las imágenes al elegir la forma de la composición. Un encargo de diseño puede especificar el destino y la distribución requerida: por ejemplo, una imagen principal de producto apaisada con espacio libre en 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 indican un máximo de 2 359 296 píxeles, equivalente a un cuadrado de 1536×1536. La interfaz de imágenes documentada exige que tanto la anchura como la altura sean de al menos 768 píxeles, y cualquiera de ellas puede superar 1536 si el total se mantiene 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 de área documentada. Comprueba 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 encargo y las referencias de origen al preparar una revisión del diseño. La ficha del modelo indica un contexto de 32K tokens, mientras que la guía de servicio especifica un contexto máximo del prompt de 32 000 tokens; respeta esos ámbitos declarados al preparar un encargo largo, sin tratarlos como dimensiones de imagen. El recurso útil de producción es la imagen decodificada, que puede inspeccionarse e incorporarse a una página, diapositiva o composición. Registra con ella el recorte previsto y la colocación del texto para que ediciones posteriores no cambien accidentalmente la finalidad del diseño.

Dentro de esta familia, MAI-Image-2.6 enfatiza el control preciso y las mejoras más recientes del detalle visual. MAI-Image-2.6-Flash ofrece las mismas capacidades de generación, edición, fundamentación y selección de aspecto en una edición optimizada para una producción ágil y repetida. La serie 2.5 utiliza un límite de área de salida documentado menor y no hereda los controles de fundamentación o aspecto automático de 2.6. Selecciona la edición según la imagen requerida y el proceso de revisión, en lugar de suponer que compartir el nombre de familia hace idénticos todos los ajustes.

Revisa una edición frente a la fuente completa: importan los rostros conservados, la identidad de los objetos, la geometría, las sombras, las letras y la distribución prevista. Una fotografía convincente aún puede contener una marca incorrecta, un reflejo incoherente o una característica modificada fuera de la edición solicitada. Haz concreta la siguiente corrección, como la etiqueta, la colocación del objeto o un artefacto particular. Así, la edición iterativa resulta útil mientras conserva el sujeto y la composición del encargo original.