¿Pueden lograrse velocidad y precio al mismo tiempo, convirtiéndose en un nuevo campo de batalla para los modelos generativos de imágenes.

Autor y fuente del artículo: AIBase

Fondo de publicación

Microsoft lanzará oficialmente en septiembre la variante ligera de su modelo de generación de imágenes de desarrollo propio, MAI-Image-2.6-Flash, y ya ha iniciado la previsualización pública a través de Microsoft Foundry. Como versión de alta eficiencia de MAI-Image-2.6, que ocupó un lugar destacado en las listas técnicas el mes pasado, el lanzamiento de este modelo marca el compromiso integral de Microsoft con aplicaciones industriales de alto rendimiento, baja latencia y sensibles a costos en el campo de la generación de imágenes por IA.

Rendimiento

Los datos de prueba muestran que la velocidad de generación de imágenes de MAI-Image-2.6-Flash alcanza 2.8 veces la de GPT-Image-2-Medium, con un aumento total de eficiencia general del 72%. Al reducir significativamente la latencia de inferencia y el consumo computacional, esta variante conserva completamente las capacidades centrales de generación y edición del modelo principal, admitiendo la generación de imágenes de texto de alta precisión y la edición local de objetos a nivel de imagen.

Además, la serie MAI-Image-2.6 trae varias actualizaciones a nivel de arquitectura, incluyendo el soporte para hasta cinco imágenes de referencia para garantizar la coherencia de personajes y productos en múltiples imágenes, la integración de la función de localización web con Bing para complementar la información de imágenes del mundo real, y el soporte nativo para relaciones de aspecto dinámicas y salidas de mayor resolución.

En la estrategia de precios comercial, la versión Flash reduce los precios por millón de tokens a $1.75 para entrada de texto, $2.50 para entrada de imagen y $19 para salida de imagen, logrando una reducción de costos superior al 50% en comparación con el modelo principal.

Microsoft recomienda aplicar el modelo principal a diseños comerciales y activos de producción final que exigen alta calidad de imagen y renderizado de texto, mientras que la versión Flash se orienta específicamente a aplicaciones interactivas, iteraciones creativas rápidas y procesos automatizados a gran escala. Esta matriz de modelos multimodales que equilibra rendimiento extremo y un costo-efectividad óptimo refleja la tendencia industrial de la IA generativa, que evoluciona desde avances tecnológicos individuales hacia implementaciones ingenieriles de alto rendimiento y bajo costo.