Mit CometAPI entwickelnEine API für mehrere Modelle erforderlich?Teste den Workflow im Playground und erstelle anschließend einen API-Schlüssel, sobald Modell und Kosten zu deinem Anwendungsfall passen.
MAI Image 2.7 Vorschau: Funktionen, Benchmarks und API-Verfügbarkeit
Entdecken Sie Microsofts MAI-Image-2.7-Preview, seine Bildbearbeitungsfunktionen, den Elo-Benchmark von 1,193, Vergleiche mit GPT Image 2.5, API-Verfügbarkeit und Preise.
MAI-Image-2.7-Preview ist Microsofts KI-Modell zur Bildbearbeitung, vorgestellt am 27. Oktober 2026. Es konzentriert sich auf kontrollierte Änderungen an bestehenden Bildern, darunter Beleuchtung, visueller Stil, Objekte und Typografie.
Microsoft kündigte MAI Image 2.7 auf Arena Edit auf Platz 3 und bei Artificial Analysis auf Platz 2 an. Im am 28. Oktober 2026 geprüften Snapshot erzielte es 1.193 Elo bei Artificial Analysis und lag damit auf Rang zwei. Für Designer liegt der Wert darin, umfangreiche Bearbeitungen vorzunehmen, während bereits funktionierende Elemente erhalten bleiben.
Entwickler können das Modell über öffentliche Testplattformen evaluieren, aber Microsoft hat bis zum 28. Oktober 2026 keine öffentliche 2.7-API oder Preise angekündigt.
Key Takeaways
Released October 27, 2026: Microsoft stellte MAI-Image-2.7-Preview als auf Bildbearbeitung fokussierten Nachfolger von MAI-Image-2.6 vor.
Weiterlernen
Diesen Artikel mit der nächsten Entscheidung verknüpfen.
Auf Klarheit, Quellenangabe und aktuelle API-Terminologie geprüft.
1,193 Elo on Artificial Analysis: Das Modell liegt auf AA-Image-Editing v2.1 auf Platz zwei, sechs Punkte hinter GPT Image 2.5 Sunburst.
Broader editing gains: Laut Microsoft gibt es Verbesserungen über alle 10 geprüften Anwendungsfälle und sieben Bearbeitungsaktionen hinweg, nicht nur bei einem einzelnen Edit-Typ.
Advanced editing capabilities: Das Modell zielt auf Szenen-Restylings, Relighting, Text- und Symbolbearbeitung, reasoning-basierte Modifikationen sowie Bildrestaurierung ab.
Evaluate before integrating: Testen Sie MAI-Image-2.7-Preview gegen Ihre eigenen Anforderungen an die Bewahrung von Bildinhalten; nutzen Sie eine verfügbare API, wenn Ihre Anwendung heute in Produktion gehen muss.
What Is MAI-Image-2.7-Preview?
MAI-Image-2.7-Preview ist ein proprietäres Bildbearbeitungsmodell von Microsoft AI. Es gehört zur MAI Image-Familie von Microsoft, die frühere Modelle für Bildgenerierung, Bildbearbeitung und produktionsorientierte kreative Workflows umfasst.
Anstatt das gesamte Bild zu ersetzen, ist das Modell darauf ausgelegt, gezielte Bearbeitungen vorzunehmen und gleichzeitig die visuelle Kohärenz der Originalszene zu bewahren.
Beispielsweise könnte ein Designer ein Produkt in eine neue Umgebung setzen und dabei dessen Verpackung, Logo und Proportionen erhalten. Ein Fotograf möchte vielleicht die Beleuchtung ändern, ohne das Motiv zu verzerren. Ein Marketingteam muss möglicherweise Text in einer bestehenden Anzeige ersetzen, während das Layout erhalten bleibt.
MAI-Image-2.7-Preview specifications
Specification
MAI-Image-2.7-Preview
Developer
Microsoft AI
Release date
October 27, 2026
Release stage
Preview
Primary capability
AI image editing
Input
Existing image and text editing instructions
Output
Edited image
Text-to-image generation
Announced as coming soon
Public developer API
Not announced
Model architecture and parameter count
Not disclosed
Maximum resolution
Not disclosed for 2.7
Maximum reference-image count
Not disclosed for 2.7
Public evaluation platforms
Arena and Artificial Analysis
Interactive testing
MAI Playground, subject to access availability
Microsoft hat in der Ankündigung zur Preview die Architektur, die Parameteranzahl, die maximale Auflösung oder das Limit für Referenzbilder nicht offengelegt. Frühere MAI-Spezifikationen sollten nicht als bestätigte 2.7-Grenzen betrachtet werden.
What Can MAI-Image-2.7-Preview Do?
Microsoft zufolge erreicht das Modell in vier Bereichen die Kategorie-Frontier: Verbesserung und Restaurierung, reasoning-basierte Edits, Szenen- und Stilbearbeitung sowie Text- bzw. Symbolbearbeitung.
Scene and style editing
MAI-Image-2.7-Preview kann das Gesamtbild einer bestehenden Aufnahme verändern, einschließlich Umgebung, künstlerischem Stil, Beleuchtung und Stimmung.
Betrachten Sie ein Produktfoto vor neutralem Studiohintergrund. Ein Designer könnte die Umgebung in eine hochwertige Outdoor-Kampagnenszene transformieren, während das Produkt selbst erhalten bleibt.
Ein erfolgreiches Ergebnis erfordert mehr als nur einen Hintergrundwechsel. Lichtrichtung, Reflexionen, Schatten, Perspektive und Farben müssen konsistent bleiben.
Microsoft berichtet von einem 24-Punkte-Elo-Vorsprung in der Szenen- und Stilbearbeitung gegenüber dem nächstbesten Modell in dieser Kategorie. Das macht Hintergrundwechsel und Relighting zu nützlichen Ausgangspunkten für Ihre eigene Evaluation.
Text and symbol editing
KI-Bildmodelle haben oft Schwierigkeiten, bereits eingebetteten Text in einem Bild zu ändern.
Das Ersetzen eines Labels kann unbeabsichtigt dessen Typografie, Positionierung, Perspektive oder das umgebende Design verändern. Selbst wenn die Ersatzwörter korrekt sind, kann der bearbeitete Bereich künstlich auf das Original aufgeklebt wirken.
MAI-Image-2.7-Preview legt den Schwerpunkt darauf, Text und Symbole zu ändern und sie gleichzeitig visuell integriert zu halten.
Wahrscheinliche Anwendungen umfassen Produktverpackungen, Anzeigen, Werbeposter, Präsentationsgrafiken und UI-Mockups.
Für Unternehmen, die mehrsprachige Marketingmaterialien erstellen, kann dies besonders wertvoll sein. Die Zuverlässigkeit über Sprachen und komplexe Typografie hinweg erfordert jedoch weiterhin aufgabenspezifische Tests.
Reasoning-based image editing
Manche Bildbearbeitungen erfordern ein Verständnis dafür, wie Objekte mit ihrer Umgebung interagieren.
Beispielsweise kann das Verschieben eines reflektierenden Objekts in eine andere Umgebung koordinierte Anpassungen von Beleuchtung, Schatten und nahegelegenen Oberflächen erforderlich machen.
Ein Bearbeitungsmodell kann die Anweisung technisch befolgen und dennoch eine inkonsistente Szene erzeugen.
MAI-Image-2.7-Preview ist darauf ausgelegt, Edits zu bewältigen, die Beziehungen zwischen Objekten, Beleuchtung und Umgebungen beinhalten.
Image enhancement and restoration
Typische Workflows umfassen die Restaurierung alter Fotografien, die Verbesserung von Produktbildern geringer Qualität, die Verfeinerung kreativer Assets und die Korrektur visueller Unvollkommenheiten.
KI-Restaurierung kann plausible Details erfinden. Für archiv- oder evidenzbasierte Arbeiten sollten Sie das Original behalten und generierte Änderungen klar kennzeichnen.
Dies sind Fähigkeitskategorien und keine Garantien für perfekte Ergebnisse. Die tatsächliche Bearbeitungsgenauigkeit hängt vom Ausgangsbild, der Prompt-Komplexität und den Bewertungskriterien ab.
How Does MAI-Image-2.7-Preview Perform on Benchmarks?
MAI-Image-2.7-Preview ist auf zwei großen Evaluationsplattformen für Bildbearbeitung erschienen: Artificial Analysis und Arena.
Beide verwenden präferenzbasierte Bewertungsansätze, unterscheiden sich jedoch in Datensätzen, Bewertungsskalen und Abstimmungsmethodik.
Ihre Elo-Scores sollten innerhalb jeder Rangliste verglichen werden, nicht direkt plattformübergreifend.
Artificial Analysis: AA-Image-Editing v2.1
Artificial Analysis bewertet, wie gut Bildmodelle ein Eingabebild entsprechend Textanweisungen modifizieren.
AA-Image-Editing v2.1 ordnet Modelle anhand paarweiser menschlicher Präferenzabstimmungen zu Bildbearbeitungsaufgaben ein. Dies sind Ergebnisse externer Plattformen, nicht ein hausinterner Microsoft-Benchmark.
Der Snapshot vom 28. Oktober 2026 zeigt:
Die Tabelle bewahrt die veröffentlichten Modelleinstellungen, einschließlich der Max-Einstellung für GPT Image 2.5. Die ±-Werte sind die angezeigten 95%-Unsicherheitsintervalle. Die Rangliste bietet keine gemeinsame Hardware- oder Latenzumgebung; die Scores beschreiben daher Bearbeitungspräferenzen, nicht die Verarbeitungsgeschwindigkeit.
Rank
Model
AA editing Elo
Evaluation samples
1
GPT Image 2.5 Sunburst (max)
1199 ± 11
18,250
2
MAI-Image-2.7-Preview
1193 ± 15
4,891
3
GPT Image 2.5 Flare (max)
1182 ± 11
19,136
4
MAI-Image-2.6
1151 ± 12
16,644
5
Krea 3 (Ultra)
1151 ± 14
5,505
6
Nano Banana 2.1
1151 ± 13
6,868
7
MAI-Image-2.6-Flash
1144 ± 13
10,753
MAI-Image-2.7-Preview liegt auf dieser Rangliste 42 Elo über MAI-Image-2.6, 11 über Flare und sechs unter Sunburst.
Die Konfidenzintervalle der Spitzenmodelle überlappen jedoch. Ein Unterschied von sechs Punkten belegt nicht, dass Sunburst MAI-Image-2.7-Preview bei jeder Bearbeitungsaufgabe konsistent übertreffen wird.
Arena Edit: Image editing
Arena misst Nutzerpräferenzen ebenfalls durch Blindvergleiche.
Die am 28. Oktober 2026 sichtbaren Gesamt-Scores für Einzelbildbearbeitung sind unten dargestellt. Die Tabelle übernimmt Arenas vorläufige Labels, sofern angezeigt.
Rank
Model
Arena editing Elo
Votes
1
GPT-Image-2.5 Sunburst
1517 ± 5 (preliminary)
90,545
2
GPT-Image-2.5 Flare
1482 ± 5 (preliminary)
87,941
3
MAI-Image-2.7-Preview
1471 ± 10
3,402
4
GPT-Image-2 (Medium)
1460 ± 3
336,785
5
Grok Imagine Image 2.0
1439 ± 6 (preliminary)
32,951
6
MAI-Image-2.6
1427 ± 5
76,933
7
Gemini Nano Banana 2.1
1427 ± 6 (preliminary)
12,956
Die angezeigten Scores positionieren 2.7 Preview 44 Elo über 2.6 und 11 Elo über GPT-Image-2 (Medium).
Als zusätzliche API-Baselines können Entwickler auf GPT Image 2 und die Grok Imagine Image 2.0 API zugreifen. Medium in Arenas GPT Image 2-Eintrag bezeichnet eine Evaluationskonfiguration, keinen separaten API-Modellnamen.
Arena-Ergebnisse sind live und können sich im Laufe der Zeit ändern; die obigen Zahlen spiegeln den für diesen Artikel geprüften Snapshot vom 28. Oktober wider.
Commercial design performance
Arenas Kategorie Product, Branding & Commercial Design ist besonders relevant, wenn das Ergebnis als Anzeige oder Produkt-Asset funktionieren muss.
In Arenas Product, Branding & Commercial Design-Kategorie belegte MAI-Image-2.7-Preview am 28. Oktober 2026 mit 1.499 Elo den dritten Platz — 55 Punkte vor 2.6 auf Rang acht. Mit nur 718 Votes und einem breiteren Unsicherheitsintervall ist dies ein frühes Signal, gegen Ihre eigenen Designanforderungen zu testen.
Beide Ranglisten zeigen eine stärkere Bearbeitungsleistung als MAI-Image-2.6 und konkurrenzfähige Ergebnisse gegenüber führenden Modellen. Produktionsgeschwindigkeit, Zuverlässigkeit und Kosten erfordern weiterhin separate API-Tests.
MAI-Image-2.7-Preview vs MAI-Image-2.6
MAI-Image-2.6 wurde zuvor Entwicklern über Microsoft Foundry bereitgestellt, mit einer separat angebotenen Flash-Variante. Dieser API-Meilenstein unterscheidet sich vom August-Release-Monat, der von Artificial Analysis erfasst wurde.
MAI-Image-2.6 und seine Flash-Variante führten Entwicklerfunktionen wie Multi-Image-Referenzbearbeitung, Web Grounding, dynamische Seitenverhältnisse und Ausgabelösungen bis 1,5K ein.
Die 2.7-Preview verlagert den unmittelbaren Veröffentlichungsschwerpunkt auf die Bearbeitungsleistung.
Dimension
MAI-Image-2.6
MAI-Image-2.7-Preview
Editing performance
Supports scene, style, reasoning, text, and restoration edits
Microsoft reports improvements across all four editing areas, with category-leading results
Text-to-image capability
Available
Coming soon
Developer API
Available through Microsoft Foundry
Not announced
Microsoft meldet Zuwächse in allen 10 bewerteten Anwendungsfällen und sieben Bearbeitungsaktionen. Die praktische Frage ist, ob diese Zuwächse die Edits verbessern, die Ihr Team am häufigsten durchführt.
Das vorherige Modell bleibt relevant für Entwickler, die eine dokumentierte Bildgenerierungs-API und etablierte Produktionsintegrationen benötigen.
How to Access and Try MAI Image 2.7
Microsoft nennt MAI Playground, Arena und Artificial Analysis als Wege zur Erkundung der Preview. Beginnen Sie mit dem Playground für Ihr eigenes Bild und nutzen Sie die Evaluationsplattformen, um Präferenzen und Scores zu vergleichen.
Der MAI Playground ist Microsofts Direktumgebung zum Experimentieren mit MAI-Modellen.
Wenn die Preview für Ihr Konto und Ihre Region verfügbar ist, besteht der beabsichtigte Workflow darin, das Bearbeitungsmodell auszuwählen, ein bestehendes Bild bereitzustellen und die gewünschten Änderungen zu beschreiben.
Ein nützliches erstes Experiment ist ein Edit mit einer großen Änderung und mehreren expliziten Vorgaben zur Bewahrung.
Beispiel-Prompt:
Ersetzen Sie den Hintergrund dieses Produktfotos durch ein modernes, luxuriöses Einzelhandelsinterieur. Bewahren Sie die exakten Proportionen des Produkts, das Logo, den Verpackungstext und den Kamerawinkel. Passen Sie die Beleuchtung und Schatten an die neue Umgebung an. Fügen Sie keinen zusätzlichen Text hinzu.
A repeatable testing method
Um das Modell sinnvoll zu evaluieren, verwenden Sie dieselben Ausgangsbilder und Anweisungen über konkurrierende Editoren hinweg.
Für ein erstes Screening stellen Sie 20 bis 50 repräsentative Aufgaben zusammen, die Produktänderungen, Typografie, Relighting, Restaurierung und Mehrfachobjekt-Kompositionen abdecken. Dies ist ein praktischer Startumfang, keine statistisch validierte Stichprobengröße.
Prüfen Sie die Ausgaben entlang von vier Dimensionen:
Instruction accuracy: Hat das Modell die angeforderten Änderungen vorgenommen?
Preservation: Sind unberührte Elemente konsistent geblieben?
Visual realism: Wirken Beleuchtung, Perspektive und Komposition natürlich?
Output acceptance: Können Sie das Ergebnis ohne weitere Korrekturen verwenden?
Für eine produktionsorientierte Bewertung sollten Latenz und Kosten ebenfalls protokolliert werden, sobald geeigneter API-Zugriff verfügbar ist.
Is MAI-Image-2.7-Preview API Available, and What Does It Cost?
Mit Stand 28. Oktober 2026 hat Microsoft keinen öffentlichen API-Endpunkt, keine Preise oder ein Datum für die allgemeine Verfügbarkeit für MAI Image 2.7 angekündigt. Artificial Analysis kennzeichnet die Preview als No API available.
Für die Produktionsplanung bleiben Details offen, darunter die Bereitstellungsmodell-ID, Bildlimits, Ratenlimits, Abrechnung und preview-spezifische Nutzungsbedingungen.
Microsoft sagt, dass Text-zu-Bild-Generierung bald verfügbar sein wird. Wenn Ihre Anwendung jetzt sowohl Generierung als auch Bearbeitung benötigt, wählen Sie eine dokumentierte API und behandeln Sie 2.7 als separates Evaluationskandidatenmodell.
Image Editing with CometAPI
Für Entwickler, die heute Bildbearbeitung in Produktion benötigen, bietet CometAPI API-Zugriff auf mehrere etablierte Alternativen.
Dies erlaubt es Ihnen, den Bearbeitungs-Workflow jetzt zu validieren und MAI Image 2.7 separat zu evaluieren, sobald Microsoft eine unterstützte Entwickler-Schnittstelle bereitstellt.
Example: Editing an existing image with CometAPI
Führen Sie diese Anfrage in Bash mit einem gültigen CometAPI-Schlüssel und einer product.png im aktuellen Verzeichnis aus. Die JSON-Antwort wird in edit-response.json gespeichert.
export COMETAPI_KEY="YOUR_COMETAPI_KEY"
curl --fail-with-body \
"https://api.cometapi.com/v1/images/edits" \
-H "Authorization: Bearer $COMETAPI_KEY" \
-F "model=gpt-image-2.5-sunburst" \
-F "image[]=@product.png" \
-F "prompt=Preserve the product, logo, and camera angle. Replace only the background with a premium studio environment. Match the original lighting naturally." \
-F "quality=high" \
-F "output_format=png" \
--output edit-response.json
Gemäß dem CometAPI-Antwortformat wird das bearbeitete Bild als Base64-Wert in data[0].b64_json zurückgegeben. Dekodieren Sie diesen Base64-Wert in eine PNG-Datei; die JSON-Antwort selbst ist kein Bild. Wenn cURL einen HTTP-Fehler meldet, inspizieren Sie den Antwort-Body, bevor Sie es erneut versuchen.
Production evaluation metrics
Ein nützliches Maß für die Produktionseffizienz sind die Kosten pro akzeptiertem Bild, nicht nur die Kosten pro Anfrage.
Beispielsweise produziert ein Bearbeitungsservice 100 Bilder zu durchschnittlichen Gesamtkosten von $0.10 pro Bild.
Wenn nur 70 die Qualitätsprüfung bestehen, dann gilt:
Kosten pro akzeptiertem Bild = $10 / 70 = approximately $0.143.
Steigt die Akzeptanzrate bei gleicher Request-Kostenbasis durch bessere Bearbeitungsqualität auf 90%, sinken die effektiven Kosten auf etwa $0.111 pro akzeptiertem Bild.
Dieses hypothetische Beispiel isoliert den Effekt der Akzeptanzrate; die Annahme von $0.10 ist kein Angebot für ein bestimmtes Modell.
Das Beispiel zeigt, warum Bearbeitungsgenauigkeit genauso wichtig sein kann wie der Schlagzeilen-API-Preis.
FAQ
How should I handle a distorted logo in a MAI-Image-2.7-Preview edit?
Kehren Sie zum Originalbild zurück, verengen Sie die angeforderte Änderung und formulieren Sie ausdrücklich, dass Logo und Verpackungstext unverändert bleiben müssen. Vergleichen Sie den relevanten Ausschnitt auf voller Auflösung mit dem Original. Wenn das Modell weiterhin markenkritische Details verändert, bewahren Sie diese Elemente über einen separaten Compositing-Schritt oder verwenden Sie für diesen Bereich einen konventionellen Editor. Ein visuell ansprechendes Ergebnis ist nicht ausreichend, wenn das Logo exakt sein muss.
Can repeated MAI-Image-2.7-Preview edits accumulate errors?
Wiederholte generative Edits können Drift einführen, auch wenn jedes einzelne Ergebnis plausibel aussieht. Behalten Sie die unangetastete Quelle und speichern Sie Versionen nach jedem akzeptierten Edit. Für eine neue Variation vergleichen Sie den Start vom Original mit der Fortsetzung vom letzten Output; wählen Sie den Pfad, der die für Ihr Projekt erforderlichen Details bewahrt. Gehen Sie nicht davon aus, dass ein früher erfolgreicher Edit Konsistenz über eine längere Sequenz hinweg garantiert.
How can I compare MAI-Image-2.7-Preview results fairly?
Verbergen Sie die Modellnamen während der Prüfung und randomisieren Sie die Ausgabereihenfolge. Vereinbaren Sie Ablehnungskriterien, bevor Reviewer die Bilder sehen, und erfassen Sie Fehlleistungen ebenso wie bevorzugte Outputs. Wenn Sie Wiederholversuche zulassen, geben Sie jedem Modell dasselbe Retry-Budget und berücksichtigen Sie alle Versuche in der Kostenberechnung. Dies reduziert das Risiko, ein Modell zu bevorzugen, weil ein ungewöhnlich starkes Ergebnis ausgewählt wurde.
Does MAI-Image-2.7-Preview restoration preserve historical truth?
Ein restauriertes Bild kann plausible Details enthalten, die in der Quelle nicht sichtbar waren. Behalten Sie das Original neben der bearbeiteten Version und unterscheiden Sie kosmetische Verbesserung von faktischer Rekonstruktion. Für ein Archiv- oder Dokumentationsprojekt protokollieren Sie die angeforderten Änderungen und identifizieren Sie generierte Details, statt das restaurierte Bild als neue Evidenz zur Originalszene zu behandeln.
Conclusion
Evaluieren Sie MAI-Image-2.7-Preview, wenn Ihr Workflow auf umfangreiche Bearbeitungen angewiesen ist, während wichtige visuelle Details erhalten bleiben müssen. Verwenden Sie repräsentative Ausgangsbilder, um die Bewahrungsqualität und die Output-Akzeptanz zu messen. Wenn Sie heute eine API-Integration benötigen, wählen Sie ein verfügbares Modell und prüfen Sie 2.7 erneut, sobald Microsoft Entwicklerzugang und Preise veröffentlicht.
