Чи можна поєднати швидкість і ціну, стає новою битвою для генеративних моделей зображень.Автор статті, джерело: AIBase
Контекст публікації
Майкрософт офіційно запустила легковажну версію власної моделі генерації зображень MAI-Image-2.6-Flash у вересні, і вона вже доступна для публічного попереднього перегляду через Microsoft Foundry. Як ефективніша версія MAI-Image-2.6, яка минулого місяця потрапила до перших рядків технічних рейтингів, ця модель означає, що Майкрософт повністю розгортає свої зусилля в галузі генерації зображень штучним інтелектом для промислових застосувань, що вимагають високої паралельності, низької затримки та чутливості до витрат.
Показники продуктивності
Результати тестування показують, що швидкість генерації зображень MAI-Image-2.6-Flash досягає 2,8 разів швидшої, ніж у GPT-Image-2-Medium, а загальна ефективність зросла на 72%. Ця версія повністю зберігає ключові здібності основної моделі щодо генерації та редагування, підтримуючи високоточну генерацію зображень за текстом та локальне редагування зображень на рівні об’єктів, одночасно значно зменшуючи затримку виведення та обчислювальні витрати.
Архітектурне оновлення
Крім того, серія MAI-Image-2.6 загалом принесла ряд архітектурних оновлень, включаючи підтримку до п’яти референсних зображень для забезпечення консистентності персонажів і продуктів, інтеграцію функції веб-локалізації з Bing для доповнення інформації про реальні зображення, а також додавання нативної підтримки динамічних співвідношень сторін і виводу з вищою роздільною здатністю.
У комерційній ціновій стратегії версія Flash знизила ціни за мільйон токенів для текстового вводу, графічного вводу та графічного виводу до 1,75 долара, 2,50 долара та 19 доларів відповідно, що забезпечує значне зниження витрат більше ніж на 50% порівняно з основною моделлю.
Офіційні рекомендації Microsoft стосуються використання основної моделі для комерційного дизайну та фінальних продуктів із високими вимогами до якості зображення та відтворення тексту, тоді як версію Flash чітко орієнтовано на інтерактивні застосунки, швидку креативну ітерацію та масштабні автоматизовані процеси. Ця багатомодальна матриця моделей, що поєднує екстремальну продуктивність і максимальну цінову ефективність, відображає галузевий тренд на перехід генеративного ІІ від окремих технологічних проривів до масового, низьковитратного інженерного впровадження.