Microsoft AI MAI-Image-2.6 è l’edizione della famiglia immagini 2.6 orientata alla precisione, progettata per generazione text-to-image e modifica controllata di risorse visive esistenti. La scheda descrive un modello di diffusione che usa flow matching, con 20 miliardi di parametri esclusi gli embedding e un contesto di 32K token. L’output previsto è un’immagine: una composizione di prodotto, un ritratto, un’illustrazione di marca o una visuale rivista il cui layout e soggetti principali restano coerenti mentre cambia un elemento specificato.
Per la generazione, descrivi soggetto, composizione, materiali, luce, punto di vista e stile visivo. Includi il testo esatto quando nell’immagine devono apparire un’etichetta, un titolo o un cartello e descrivi dove tale testo va collocato. Il produttore evidenzia in questa edizione miglioramenti della resa del testo, dei ritratti, delle immagini 3D e degli output commerciali o fotorealistici. Un brief utile identifica le poche relazioni che fanno funzionare l’immagine: quale oggetto è in primo piano, come si colloca nella scena e dove il pubblico deve guardare per primo. Ispeziona scritte fini e piccoli dettagli nell’immagine finita.
Per la modifica, fornisci la risorsa sorgente e indica il cambiamento insieme alle parti da mantenere. Le attività documentate includono rimozione o sostituzione di oggetti, cambiamenti di attributi, inpainting, adattamento del layout, aggiornamenti del testo e pulizia di artefatti come il mosso. La scheda del modello sottolinea il ragionamento su scala, prospettiva, illuminazione e collocazione spaziale affinché la revisione si adatti alla scena esistente. Nella preparazione, identifica chiaramente oggetto o zona e spiega se l’obiettivo è una correzione locale, una disposizione diversa o un cambiamento stilistico più ampio.
La guida di modifica immagini del produttore accetta fino a cinque riferimenti JPEG o PNG. Assegna a ogni immagine un ruolo distinto, come prodotto, persona, ambientazione, layout o stile visivo. Per una modifica d’illuminazione, colloca la lampada di un riferimento sulla scrivania di un altro, mantenendo la prospettiva della scrivania e facendo seguire all’ombra della lampada la luce della stanza. Una revisione separata può aggiornare una breve etichetta preservando forma e posizione del prodotto. Controlla le relazioni fra riferimenti nel risultato invece di accettare un oggetto plausibile che differisce da quello fornito.
La famiglia 2.6 aggiunge grounding web facoltativo e selezione del rapporto d’aspetto guidata dal modello. Il grounding web fornisce contesto attuale pertinente nell’interpretare una richiesta relativa a un luogo reale, un oggetto o informazioni mutevoli. È un input creativo: controlla quindi i dettagli visivi fattuali rispetto al soggetto desiderato. La selezione automatica del formato consente al modello di considerare prompt e immagini nello scegliere la forma della composizione. Un brief di design può specificare destinazione e layout richiesto: per esempio, una grande immagine di prodotto orizzontale con spazio libero su un lato oppure un’immagine verticale costruita attorno a un soggetto in piedi.
Le dimensioni dell’output sono governate dall’area totale. La scheda esatta del modello e la guida immagini elencano un massimo di 2.359.296 pixel, equivalente a un quadrato 1536×1536. L’interfaccia immagini documentata richiede che larghezza e altezza siano entrambe di almeno 768 pixel e ciascuna dimensione può superare 1536 se il totale resta entro il limite d’area. Questo permette composizioni orizzontali o verticali più lunghe anziché imporre un massimo di 1536 pixel su ogni lato. Per esempio, un obiettivo 1024×2048 ha 2.097.152 pixel e rispetta quella regola d’area documentata. Controlla le dimensioni finali per il layout che userà l’immagine.
La guida del produttore restituisce risultati generati e modificati come dati immagine PNG. Conserva l’immagine completata insieme a brief e riferimenti sorgente quando prepari una revisione di design. La scheda nomina un contesto di 32K token, mentre la guida di erogazione specifica un contesto massimo del prompt di 32.000 token; mantieni questi ambiti dichiarati quando prepari un brief lungo anziché trattarli come dimensioni d’immagine. Il risultato pratico di produzione è l’immagine decodificata, ispezionabile e inseribile in una pagina, slide o composizione. Registra con essa ritaglio e collocazione del testo desiderati affinché modifiche successive non cambino accidentalmente lo scopo del design.
All’interno di questa famiglia, MAI-Image-2.6 privilegia controllo preciso e i più recenti miglioramenti del dettaglio visivo. MAI-Image-2.6-Flash offre le stesse capacità di generazione, modifica, grounding e selezione del formato in un’edizione ottimizzata per produzione reattiva e ripetuta. La serie 2.5 usa un limite documentato di area d’output più piccolo e non eredita i controlli di grounding o formato automatico di 2.6. Scegli l’edizione in base all’immagine e al processo di revisione richiesti, anziché presumere che un nome di famiglia comune renda identica ogni impostazione.
Controlla una modifica rispetto alla sorgente completa: volti conservati, identità degli oggetti, geometria, ombre, scritte e layout desiderato contano tutti. Una fotografia convincente può comunque contenere una marcatura sbagliata, un riflesso incoerente o una caratteristica cambiata fuori dalla modifica richiesta. Mantieni concreta la correzione successiva, come etichetta, collocazione dell’oggetto o un artefatto preciso. Questo rende utile la modifica iterativa conservando soggetto e composizione del brief originale.
", "aboutText": "Microsoft AI MAI-Image-2.6 è l’edizione della famiglia immagini 2.6 orientata alla precisione, progettata per generazione text-to-image e modifica controllata di risorse visive esistenti. La scheda descrive un modello di diffusione che usa flow matching, con 20 miliardi di parametri esclusi gli embedding e un contesto di 32K token. L’output previsto è un’immagine: una composizione di prodotto, un ritratto, un’illustrazione di marca o una visuale rivista il cui layout e soggetti principali restano coerenti mentre cambia un elemento specificato.\n\nPer la generazione, descrivi soggetto, composizione, materiali, luce, punto di vista e stile visivo. Includi il testo esatto quando nell’immagine devono apparire un’etichetta, un titolo o un cartello e descrivi dove tale testo va collocato. Il produttore evidenzia in questa edizione miglioramenti della resa del testo, dei ritratti, delle immagini 3D e degli output commerciali o fotorealistici. Un brief utile identifica le poche relazioni che fanno funzionare l’immagine: quale oggetto è in primo piano, come si colloca nella scena e dove il pubblico deve guardare per primo. Ispeziona scritte fini e piccoli dettagli nell’immagine finita.\n\nPer la modifica, fornisci la risorsa sorgente e indica il cambiamento insieme alle parti da mantenere. Le attività documentate includono rimozione o sostituzione di oggetti, cambiamenti di attributi, inpainting, adattamento del layout, aggiornamenti del testo e pulizia di artefatti come il mosso. La scheda del modello sottolinea il ragionamento su scala, prospettiva, illuminazione e collocazione spaziale affinché la revisione si adatti alla scena esistente. Nella preparazione, identifica chiaramente oggetto o zona e spiega se l’obiettivo è una correzione locale, una disposizione diversa o un cambiamento stilistico più ampio.\n\nLa guida di modifica immagini del produttore accetta fino a cinque riferimenti JPEG o PNG. Assegna a ogni immagine un ruolo distinto, come prodotto, persona, ambientazione, layout o stile visivo. Per una modifica d’illuminazione, colloca la lampada di un riferimento sulla scrivania di un altro, mantenendo la prospettiva della scrivania e facendo seguire all’ombra della lampada la luce della stanza. Una revisione separata può aggiornare una breve etichetta preservando forma e posizione del prodotto. Controlla le relazioni fra riferimenti nel risultato invece di accettare un oggetto plausibile che differisce da quello fornito.\n\nLa famiglia 2.6 aggiunge grounding web facoltativo e selezione del rapporto d’aspetto guidata dal modello. Il grounding web fornisce contesto attuale pertinente nell’interpretare una richiesta relativa a un luogo reale, un oggetto o informazioni mutevoli. È un input creativo: controlla quindi i dettagli visivi fattuali rispetto al soggetto desiderato. La selezione automatica del formato consente al modello di considerare prompt e immagini nello scegliere la forma della composizione. Un brief di design può specificare destinazione e layout richiesto: per esempio, una grande immagine di prodotto orizzontale con spazio libero su un lato oppure un’immagine verticale costruita attorno a un soggetto in piedi.\n\nLe dimensioni dell’output sono governate dall’area totale. La scheda esatta del modello e la guida immagini elencano un massimo di 2.359.296 pixel, equivalente a un quadrato 1536×1536. L’interfaccia immagini documentata richiede che larghezza e altezza siano entrambe di almeno 768 pixel e ciascuna dimensione può superare 1536 se il totale resta entro il limite d’area. Questo permette composizioni orizzontali o verticali più lunghe anziché imporre un massimo di 1536 pixel su ogni lato. Per esempio, un obiettivo 1024×2048 ha 2.097.152 pixel e rispetta quella regola d’area documentata. Controlla le dimensioni finali per il layout che userà l’immagine.\n\nLa guida del produttore restituisce risultati generati e modificati come dati immagine PNG. Conserva l’immagine completata insieme a brief e riferimenti sorgente quando prepari una revisione di design. La scheda nomina un contesto di 32K token, mentre la guida di erogazione specifica un contesto massimo del prompt di 32.000 token; mantieni questi ambiti dichiarati quando prepari un brief lungo anziché trattarli come dimensioni d’immagine. Il risultato pratico di produzione è l’immagine decodificata, ispezionabile e inseribile in una pagina, slide o composizione. Registra con essa ritaglio e collocazione del testo desiderati affinché modifiche successive non cambino accidentalmente lo scopo del design.\n\nAll’interno di questa famiglia, MAI-Image-2.6 privilegia controllo preciso e i più recenti miglioramenti del dettaglio visivo. MAI-Image-2.6-Flash offre le stesse capacità di generazione, modifica, grounding e selezione del formato in un’edizione ottimizzata per produzione reattiva e ripetuta. La serie 2.5 usa un limite documentato di area d’output più piccolo e non eredita i controlli di grounding o formato automatico di 2.6. Scegli l’edizione in base all’immagine e al processo di revisione richiesti, anziché presumere che un nome di famiglia comune renda identica ogni impostazione.\n\nControlla una modifica rispetto alla sorgente completa: volti conservati, identità degli oggetti, geometria, ombre, scritte e layout desiderato contano tutti. Una fotografia convincente può comunque contenere una marcatura sbagliata, un riflesso incoerente o una caratteristica cambiata fuori dalla modifica richiesta. Mantieni concreta la correzione successiva, come etichetta, collocazione dell’oggetto o un artefatto preciso. Questo rende utile la modifica iterativa conservando soggetto e composizione del brief originale.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "fefb0143b0b4b06a9973d48882f940c6ef0dcb9645d9aa9dfcdfc9822272a21b", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "microsoft/mai-image-2.6Microsoft AI MAI-Image-2.6 genera e modifica immagini per lavori di design precisi. Combina testo e fino a cinque riferimenti visivi, supporta grounding web facoltativo e dimensionamento automatico della composizione e produce immagini PNG fino a 2.359.296 pixel. Privilegia modifiche controllate, testo, ritratti e visuali commerciali.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Microsoft AI MAI-Image-2.6 è l’edizione della famiglia immagini 2.6 orientata alla precisione, progettata per generazione text-to-image e modifica controllata di risorse visive esistenti. La scheda descrive un modello di diffusione che usa flow matching, con 20 miliardi di parametri esclusi gli embedding e un contesto di 32K token. L’output previsto è un’immagine: una composizione di prodotto, un ritratto, un’illustrazione di marca o una visuale rivista il cui layout e soggetti principali restano coerenti mentre cambia un elemento specificato.
Per la generazione, descrivi soggetto, composizione, materiali, luce, punto di vista e stile visivo. Includi il testo esatto quando nell’immagine devono apparire un’etichetta, un titolo o un cartello e descrivi dove tale testo va collocato. Il produttore evidenzia in questa edizione miglioramenti della resa del testo, dei ritratti, delle immagini 3D e degli output commerciali o fotorealistici. Un brief utile identifica le poche relazioni che fanno funzionare l’immagine: quale oggetto è in primo piano, come si colloca nella scena e dove il pubblico deve guardare per primo. Ispeziona scritte fini e piccoli dettagli nell’immagine finita.
Per la modifica, fornisci la risorsa sorgente e indica il cambiamento insieme alle parti da mantenere. Le attività documentate includono rimozione o sostituzione di oggetti, cambiamenti di attributi, inpainting, adattamento del layout, aggiornamenti del testo e pulizia di artefatti come il mosso. La scheda del modello sottolinea il ragionamento su scala, prospettiva, illuminazione e collocazione spaziale affinché la revisione si adatti alla scena esistente. Nella preparazione, identifica chiaramente oggetto o zona e spiega se l’obiettivo è una correzione locale, una disposizione diversa o un cambiamento stilistico più ampio.
La guida di modifica immagini del produttore accetta fino a cinque riferimenti JPEG o PNG. Assegna a ogni immagine un ruolo distinto, come prodotto, persona, ambientazione, layout o stile visivo. Per una modifica d’illuminazione, colloca la lampada di un riferimento sulla scrivania di un altro, mantenendo la prospettiva della scrivania e facendo seguire all’ombra della lampada la luce della stanza. Una revisione separata può aggiornare una breve etichetta preservando forma e posizione del prodotto. Controlla le relazioni fra riferimenti nel risultato invece di accettare un oggetto plausibile che differisce da quello fornito.
La famiglia 2.6 aggiunge grounding web facoltativo e selezione del rapporto d’aspetto guidata dal modello. Il grounding web fornisce contesto attuale pertinente nell’interpretare una richiesta relativa a un luogo reale, un oggetto o informazioni mutevoli. È un input creativo: controlla quindi i dettagli visivi fattuali rispetto al soggetto desiderato. La selezione automatica del formato consente al modello di considerare prompt e immagini nello scegliere la forma della composizione. Un brief di design può specificare destinazione e layout richiesto: per esempio, una grande immagine di prodotto orizzontale con spazio libero su un lato oppure un’immagine verticale costruita attorno a un soggetto in piedi.
Le dimensioni dell’output sono governate dall’area totale. La scheda esatta del modello e la guida immagini elencano un massimo di 2.359.296 pixel, equivalente a un quadrato 1536×1536. L’interfaccia immagini documentata richiede che larghezza e altezza siano entrambe di almeno 768 pixel e ciascuna dimensione può superare 1536 se il totale resta entro il limite d’area. Questo permette composizioni orizzontali o verticali più lunghe anziché imporre un massimo di 1536 pixel su ogni lato. Per esempio, un obiettivo 1024×2048 ha 2.097.152 pixel e rispetta quella regola d’area documentata. Controlla le dimensioni finali per il layout che userà l’immagine.
La guida del produttore restituisce risultati generati e modificati come dati immagine PNG. Conserva l’immagine completata insieme a brief e riferimenti sorgente quando prepari una revisione di design. La scheda nomina un contesto di 32K token, mentre la guida di erogazione specifica un contesto massimo del prompt di 32.000 token; mantieni questi ambiti dichiarati quando prepari un brief lungo anziché trattarli come dimensioni d’immagine. Il risultato pratico di produzione è l’immagine decodificata, ispezionabile e inseribile in una pagina, slide o composizione. Registra con essa ritaglio e collocazione del testo desiderati affinché modifiche successive non cambino accidentalmente lo scopo del design.
All’interno di questa famiglia, MAI-Image-2.6 privilegia controllo preciso e i più recenti miglioramenti del dettaglio visivo. MAI-Image-2.6-Flash offre le stesse capacità di generazione, modifica, grounding e selezione del formato in un’edizione ottimizzata per produzione reattiva e ripetuta. La serie 2.5 usa un limite documentato di area d’output più piccolo e non eredita i controlli di grounding o formato automatico di 2.6. Scegli l’edizione in base all’immagine e al processo di revisione richiesti, anziché presumere che un nome di famiglia comune renda identica ogni impostazione.
Controlla una modifica rispetto alla sorgente completa: volti conservati, identità degli oggetti, geometria, ombre, scritte e layout desiderato contano tutti. Una fotografia convincente può comunque contenere una marcatura sbagliata, un riflesso incoerente o una caratteristica cambiata fuori dalla modifica richiesta. Mantieni concreta la correzione successiva, come etichetta, collocazione dell’oggetto o un artefatto preciso. Questo rende utile la modifica iterativa conservando soggetto e composizione del brief originale.
POST /v1/images/generationstext, imageimage| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti microsoft/mai-image-2.6 | Predefinito— |
Campoprompt | Tipostring | RequisitoObbligatorio | Valori e limiti Lunghezza minima: 1 | Predefinito— |
Campoaspect_ratio | Tipostring | RequisitoFacoltativo | Valori e limiti 1:1, 4:3, 3:4, 16:9, 9:16, 3:2, 2:3, auto | Predefinito— |
Campon | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Massimo: 1 | Predefinito— |
Campoinput_references | Tipoarray | RequisitoFacoltativo | Valori e limiti Numero minimo di elementi: 0 Numero massimo di elementi: 5 | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti | Predefinito— |
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, prompt |
Parametromaterial_types | Contrattotext, image |
Ciclo di vita: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id effettivamente restituito o record della libreria multimediale
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Le tariffe visualizzate stimano il costo prima della generazione. L'addebito finale viene calcolato in base al costo registrato per la generazione originale. La durata misurata dell'output e le quantità previste non costituiscono la quantità finale fatturabile.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Quantità prevista | Costo |
|---|---|---|---|
| ConfigurazioneTariffe base dei token | Listino delle tariffeTariffa base | Quantità prevista— | Costo Input · Token in input · Stima solo a fini di confronto — / 1K token Output · Token in output · Stima solo a fini di confronto — / 1K token Input · Lettura dalla cache · Stima solo a fini di confronto — / 1K token Input · Scrittura nella cache · Stima solo a fini di confronto — / 1K token Input · Scrittura nella cache, 1 ora · Stima solo a fini di confronto — / 1K token |
| ConfigurazioneCosto stimato della generazione | Listino delle tariffe— | Quantità previstastima per una generazione | Costo Output · Costo di generazione stimato · Stima solo a fini di confronto $0.311296 stima prima della generazione Questa stima non è un addebito aggiuntivo né una tariffa fissa per la generazione completata. |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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\nScarica ogni immagine restituita o salvane il contenuto 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.\nSalva ogni immagine completata; recupera ogni URL restituito oppure decodificane il contenuto Base64.
Conserva la risposta completa e gli header, ogni output effettivo, gli identificatori originali restituiti e tutti i campi di utilizzo. Recupera l'operazione originale senza inviare nuovamente la richiesta di creazione.
Conserva l'X-Client-Request-ID restituito per la riconciliazione. Leggi solo i valori task_id/asset_id effettivamente restituiti o la tua libreria multimediale; non costruire mai un URL del task a partire dall'ID dell'operazione e non reinviare mai la richiesta di creazione.
| Campo | Tipo |
|---|---|
Campocreated | Tipo |
Campodata[].url | Tipo |
Campodata[].b64_json | Tipo |
Campousage | Tipo |
Ailoot Ultra microsoft/mai-image-2.6
/v1/images