Construye con CometAPI¿Necesitas una sola API para varios modelos?Prueba el flujo en el Playground y luego crea una clave de API cuando el modelo y el costo encajen con tu caso de uso.
Vista previa de MAI Image 2.7: características, pruebas de rendimiento y disponibilidad de la API
Descubra MAI-Image-2.7-Preview de Microsoft, sus funciones de edición de imágenes, el benchmark Elo de 1,193, las comparaciones con GPT Image 2.5, la disponibilidad de la API y los precios.
Deon GoodwinEquipo de investigación de modelos de IA y API
MAI-Image-2.7-Preview es el modelo de edición de imágenes con IA de Microsoft, presentado el 27 de octubre de 2026. Se centra en cambios controlados sobre imágenes existentes, incluyendo iluminación, estilo visual, objetos y tipografía.
Microsoft anunció MAI Image 2.7 en el puesto n.º 3 en Arena Edit y n.º 2 en Artificial Analysis. En la instantánea del 28 de octubre de 2026 revisada para este artículo, obtuvo 1,193 Elo en Artificial Analysis y se ubicó en segundo lugar. Para diseñadores, su valor radica en realizar ediciones sustanciales preservando los elementos que ya funcionan.
Los desarrolladores pueden evaluar el modelo a través de plataformas públicas de prueba, pero Microsoft no ha anunciado una API pública de la versión 2.7 ni precios a fecha del 28 de octubre de 2026.
Puntos clave
Lanzamiento: 27 de octubre de 2026: Microsoft presentó MAI-Image-2.7-Preview como sucesor enfocado en edición de imágenes de MAI-Image-2.6.
Revisado para mayor claridad, atribución de fuentes y terminología API actual.
1,193 Elo en Artificial Analysis: El modelo ocupa el segundo lugar en AA-Image-Editing v2.1, seis puntos detrás de GPT Image 2.5 Sunburst.
Mejores mejoras de edición: Microsoft reporta mejoras en los 10 casos de uso evaluados y siete acciones de edición, en lugar de un avance en un único tipo de edición.
Capacidades avanzadas de edición: El modelo se orienta a reestilización de escenas, relighting, edición de texto y símbolos, modificaciones basadas en razonamiento y restauración de imágenes.
Evalúe antes de integrar: Pruebe MAI-Image-2.7-Preview frente a sus propios requisitos de preservación; use una API disponible cuando su aplicación requiera despliegue hoy.
¿Qué es MAI-Image-2.7-Preview?
MAI-Image-2.7-Preview es un modelo propietario de edición de imágenes desarrollado por Microsoft AI. Pertenece a la familia MAI Image de Microsoft, que incluye modelos anteriores diseñados para generación de imágenes, edición de imágenes y flujos de trabajo creativos orientados a producción.
En lugar de reemplazar la imagen completa, el modelo está diseñado para realizar ediciones dirigidas preservando la coherencia visual de la escena original.
Por ejemplo, un diseñador podría colocar un producto en un nuevo entorno preservando su embalaje, logotipo y proporciones. Un fotógrafo podría querer alterar la iluminación sin distorsionar el sujeto. Un equipo de marketing podría necesitar reemplazar texto en un anuncio existente preservando su diseño.
Especificaciones de MAI-Image-2.7-Preview
Especificación
MAI-Image-2.7-Preview
Desarrollador
Microsoft AI
Fecha de lanzamiento
October 27, 2026
Etapa de lanzamiento
Preview
Capacidad principal
AI image editing
Entrada
Existing image and text editing instructions
Salida
Edited image
Generación de texto a imagen
Announced as coming soon
API pública para desarrolladores
Not announced
Arquitectura del modelo y nº de parámetros
Not disclosed
Resolución máxima
Not disclosed for 2.7
Número máximo de imágenes de referencia
Not disclosed for 2.7
Plataformas públicas de evaluación
Arena and Artificial Analysis
Pruebas interactivas
MAI Playground, subject to access availability
Microsoft no ha divulgado la arquitectura, el número de parámetros, la resolución máxima ni el límite de imágenes de referencia de la versión preview en su anuncio de lanzamiento. No se deben tratar las especificaciones anteriores de MAI como límites confirmados para 2.7.
¿Qué puede hacer MAI-Image-2.7-Preview?
Microsoft afirma que el modelo alcanza la frontera de la categoría en cuatro áreas: mejora y restauración, ediciones basadas en razonamiento, edición de escena y estilo, y edición de texto o símbolos.
Edición de escena y estilo
MAI-Image-2.7-Preview puede modificar la apariencia general de una imagen existente, incluyendo su entorno, estilo artístico, iluminación y estado de ánimo.
Considere una fotografía de producto tomada contra un fondo de estudio sencillo. Un diseñador puede querer transformar el entorno en una escena de campaña exterior de gama alta preservando el producto en sí.
Un resultado exitoso requiere más que cambiar el fondo. La dirección de la luz, reflejos, sombras, perspectiva y colores deben mantenerse coherentes.
Microsoft informa de una ventaja de 24 puntos Elo en edición de escena y estilo sobre el siguiente mejor modelo de esa categoría. Ese resultado convierte los cambios de fondo y el relighting en puntos de partida útiles para su propia evaluación.
Edición de texto y símbolos
Los modelos de imágenes con IA a menudo tienen dificultades para modificar texto ya incrustado en una imagen.
Reemplazar una etiqueta puede cambiar accidentalmente su tipografía, posicionamiento, perspectiva o diseño circundante. Incluso cuando las palabras de reemplazo son correctas, la región editada puede parecer artificialmente superpuesta sobre el original.
MAI-Image-2.7-Preview se centra en cambiar texto y símbolos manteniéndolos visualmente integrados.
Aplicaciones probables incluyen empaques de producto, anuncios, carteles promocionales, gráficos para presentaciones y maquetas de interfaces.
Para empresas que crean activos de marketing multilingües, esto podría ser particularmente valioso. Sin embargo, la fiabilidad del modelo a través de idiomas y tipografía compleja aún requiere pruebas específicas por tarea.
Edición de imágenes basada en razonamiento
Algunas ediciones de imagen requieren entender cómo interactúan los objetos con su entorno.
Por ejemplo, mover un objeto reflectante a un entorno diferente puede requerir cambios coordinados en iluminación, sombras y superficies cercanas.
Un modelo de edición puede seguir técnicamente la instrucción produciendo, sin embargo, una escena inconsistente.
MAI-Image-2.7-Preview está diseñado para manejar ediciones que involucren relaciones entre objetos, iluminación y entornos.
Mejora y restauración de imágenes
Los flujos de trabajo típicos incluyen restaurar fotografías antiguas, mejorar imágenes de producto de baja calidad, refinar activos creativos y corregir imperfecciones visuales.
La restauración con IA puede inventar detalles plausibles. Para trabajo archivístico o basado en evidencias, conserve el original e identifique claramente los cambios generados.
Estas son categorías de capacidad, no garantías de resultados perfectos. La precisión real de edición depende de la imagen de origen, la complejidad del prompt y los criterios de revisión.
¿Cómo rinde MAI-Image-2.7-Preview en benchmarks?
MAI-Image-2.7-Preview ha aparecido en dos grandes plataformas de evaluación de edición de imágenes: Artificial Analysis y Arena.
Ambas utilizan enfoques de evaluación basados en preferencias, pero tienen datasets, escalas de puntuación y metodologías de votación diferentes.
Sus puntuaciones Elo deben compararse dentro de cada ranking, no directamente entre plataformas.
Artificial Analysis: AA-Image-Editing v2.1
Artificial Analysis evalúa qué tan bien los modelos de imágenes modifican una imagen de entrada en respuesta a instrucciones de texto.
AA-Image-Editing v2.1 clasifica modelos usando votos de preferencia humana por pares en tareas de edición de imágenes. Estos son resultados de una plataforma externa, no un benchmark interno de Microsoft.
La instantánea del 28 de octubre de 2026 muestra:
La tabla preserva la configuración de modelo publicada, incluyendo el ajuste máximo para GPT Image 2.5. Los valores ± son los intervalos de incertidumbre del 95% mostrados. El ranking no proporciona un entorno compartido de hardware o latencia, por lo que estas puntuaciones describen preferencia de edición más que velocidad de procesamiento.
Rango
Modelo
Elo de edición de AA
Muestras de evaluación
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 obtiene 42 Elo por encima de MAI-Image-2.6, 11 por encima de Flare y seis por debajo de Sunburst en este ranking.
Sin embargo, los intervalos de confianza se solapan entre los modelos líderes. Una diferencia de seis puntos no establece que Sunburst supere consistentemente a MAI-Image-2.7-Preview en cada tarea de edición.
Arena Edit: Edición de imágenes
Arena también mide preferencias de usuario mediante comparaciones a ciegas.
Las puntuaciones generales de edición de una sola imagen visibles el 28 de octubre de 2026 se muestran a continuación. La tabla mantiene las etiquetas preliminares de Arena donde aparecen.
Rango
Modelo
Elo de edición en Arena
Votos
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
Las puntuaciones mostradas colocan a 2.7 Preview 44 Elo por encima de 2.6 y 11 Elo por encima de GPT-Image-2 (Medium).
Para bases de referencia API adicionales, los desarrolladores pueden acceder a GPT Image 2 y Grok Imagine Image 2.0 API. Medium en la entrada de GPT Image 2 de Arena identifica una configuración de evaluación, no un nombre de modelo API separado.
Los resultados de Arena son dinámicos y pueden cambiar con el tiempo; las cifras anteriores reflejan la instantánea del 28 de octubre revisada para este artículo.
Rendimiento en diseño comercial
La categoría Product, Branding & Commercial Design de Arena es especialmente relevante cuando la salida debe funcionar como un anuncio o un activo de producto.
En la categoría Product, Branding & Commercial Design de Arena el 28 de octubre de 2026, MAI-Image-2.7-Preview ocupó el tercer lugar con 1,499 Elo—55 puntos por delante de 2.6, que ocupó el octavo. Con solo 718 votos y un intervalo de incertidumbre más amplio, el resultado es una señal temprana para probar frente a sus propios requisitos de diseño.
Ambos rankings muestran un desempeño de edición más sólido que MAI-Image-2.6 y resultados competitivos frente a modelos líderes. La velocidad de producción, fiabilidad y costo aún requieren pruebas API por separado.
MAI-Image-2.7-Preview vs MAI-Image-2.6
MAI-Image-2.6 estuvo disponible previamente para desarrolladores a través de Microsoft Foundry, con una variante Flash ofrecida por separado. Ese hito de API es distinto del mes de lanzamiento de agosto registrado por Artificial Analysis.
MAI-Image-2.6 y su variante Flash introdujeron capacidades orientadas a desarrolladores como edición con múltiples imágenes de referencia, web grounding, relaciones de aspecto dinámicas y resoluciones de salida de hasta 1.5K.
La preview 2.7 desplaza el énfasis del lanzamiento inmediato hacia el rendimiento de edición.
Dimensión
MAI-Image-2.6
MAI-Image-2.7-Preview
Rendimiento de edición
Supports scene, style, reasoning, text, and restoration edits
Microsoft reports improvements across all four editing areas, with category-leading results
Capacidad de texto a imagen
Available
Coming soon
API para desarrolladores
Available through Microsoft Foundry
Not announced
Microsoft reporta mejoras en los 10 casos de uso evaluados y siete acciones de edición. La pregunta práctica es si esas mejoras mejoran las ediciones que su equipo realiza con mayor frecuencia.
El modelo anterior sigue siendo relevante para desarrolladores que necesitan una API documentada de generación de imágenes e integraciones de producción establecidas.
Cómo acceder y probar MAI Image 2.7
Microsoft identifica MAI Playground, Arena y Artificial Analysis como rutas para explorar la preview. Comience con el Playground para su propia imagen y use las plataformas de evaluación para comparar preferencias y puntuaciones.
El MAI Playground es el entorno de experimentación directa de Microsoft para los modelos MAI.
Cuando la preview esté disponible para su cuenta y región, el flujo de trabajo previsto es seleccionar el modelo de edición, proporcionar una imagen existente y describir los cambios deseados.
Un primer experimento útil es una edición con un cambio principal y varios requisitos explícitos de preservación.
Ejemplo de prompt:
Reemplace el fondo de esta fotografía de producto con un interior moderno de retail de lujo. Preserve las proporciones exactas del producto, el logotipo, el texto del empaque y el ángulo de cámara. Ajuste la iluminación y las sombras para que coincidan con el nuevo entorno. No introduzca texto adicional.
Un método de prueba repetible
Para evaluar el modelo de manera significativa, use las mismas imágenes de origen e instrucciones entre editores competidores.
Para un filtrado inicial, reúna de 20 a 50 tareas representativas que cubran cambios de producto, tipografía, relighting, restauración y composiciones con múltiples objetos. Este es un conjunto inicial práctico, no un requisito de tamaño de muestra validado estadísticamente.
Revise las salidas en cuatro dimensiones:
Exactitud de la instrucción: ¿El modelo realizó los cambios solicitados?
Preservación: ¿Los elementos no tocados permanecieron consistentes?
Realismo visual: ¿La iluminación, perspectiva y composición se ven naturales?
Aceptación de la salida: ¿Puede usar el resultado sin correcciones adicionales?
Para una evaluación orientada a producción, la latencia y el costo también deben registrarse una vez que haya acceso API adecuado.
¿Está disponible la API de MAI-Image-2.7-Preview y cuánto cuesta?
A fecha del 28 de octubre de 2026, Microsoft no ha anunciado un endpoint de API público, precios ni una fecha de disponibilidad general para MAI Image 2.7. Artificial Analysis etiqueta la preview como Sin API disponible.
Para la planificación de producción, los detalles sin resolver incluyen el ID de modelo de despliegue, límites de imagen, límites de tasa, facturación y términos de uso específicos de la preview.
Microsoft afirma que la generación de texto a imagen llegará pronto. Si su aplicación necesita tanto generación como edición ahora, elija una API documentada y trate 2.7 como un candidato de evaluación por separado.
Edición de imágenes con CometAPI
Para desarrolladores que necesitan edición de imágenes en producción hoy, CometAPI ofrece acceso API a varias alternativas consolidadas.
La API GPT Image 2.5 en CometAPI admite generación y edición de imágenes a través de endpoints compatibles con OpenAI.
Esto le permite validar el flujo de trabajo de edición ahora y evaluar MAI Image 2.7 por separado cuando Microsoft proporcione una interfaz para desarrolladores con soporte.
Ejemplo: Editar una imagen existente con CometAPI
Ejecute esta solicitud en Bash con una clave válida de CometAPI y con product.png en el directorio actual. Guarda la respuesta JSON en edit-response.json.
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
Según el formato de respuesta de CometAPI, la imagen editada se devuelve como un valor Base64 en data[0].b64_json. Decodifique ese valor Base64 a un archivo PNG; la respuesta JSON en sí no es una imagen. Si cURL informa un error HTTP, inspeccione el cuerpo de la respuesta antes de reintentar.
Métricas de evaluación en producción
Una medida útil de eficiencia en producción es el costo por imagen aceptada, no solo el costo por solicitud.
Por ejemplo, suponga que un servicio de edición produce 100 imágenes con un costo total promedio de $0.10 cada una.
Si solo 70 pasan la revisión de calidad, entonces:
Costo por imagen aceptada = $10 / 70 = aproximadamente $0.143.
Si una mejor calidad de edición eleva la tasa de aceptación al 90% con el mismo costo por solicitud, el costo efectivo cae a aproximadamente $0.111 por imagen aceptada.
Este ejemplo hipotético aísla el efecto de la tasa de aceptación; la suposición de entrada de $0.10 no es una cotización para ningún modelo.
El ejemplo muestra por qué la precisión de edición puede importar tanto como el precio titular de la API.
Preguntas frecuentes
¿Cómo debo manejar un logotipo distorsionado en una edición de MAI-Image-2.7-Preview?
Vuelva a la imagen original, acote el cambio solicitado y declare explícitamente que el logotipo y el texto del empaque deben permanecer sin cambios. Compare el recorte relevante con el original a resolución completa. Si el modelo sigue cambiando detalles críticos de marca, preserve esos elementos mediante un paso de composición por separado o use un editor convencional para esa región. Un resultado visualmente atractivo no es suficiente cuando el logotipo debe ser exacto.
¿Pueden acumularse errores con ediciones repetidas de MAI-Image-2.7-Preview?
Las ediciones generativas repetidas pueden introducir deriva, incluso cuando cada resultado individual parece plausible. Mantenga la fuente no tocada y guarde versiones después de cada edición aceptada. Para una nueva variación, compare comenzar desde el original con continuar desde la última salida; elija la ruta que preserve los detalles que su proyecto requiere. No asuma que una edición exitosa anterior garantiza consistencia a lo largo de una secuencia más larga.
¿Cómo puedo comparar de manera justa los resultados de MAI-Image-2.7-Preview?
Oculte los nombres de los modelos durante la revisión y aleatorice el orden de salida. Acorde criterios de rechazo antes de que los revisores vean las imágenes y registre fallos así como salidas preferidas. Si permite reintentos, otorgue el mismo presupuesto de reintentos a cada modelo e incluya todos los intentos en el cálculo de costos. Esto reduce la posibilidad de favorecer un modelo porque se seleccionó un resultado inusualmente fuerte.
¿La restauración con MAI-Image-2.7-Preview preserva la verdad histórica?
Una imagen restaurada puede contener detalles plausibles que no eran visibles en la fuente. Conserve el original junto con la versión editada y distinga la mejora cosmética de la reconstrucción fáctica. Para un proyecto archivístico o documental, registre los cambios solicitados e identifique los detalles generados en lugar de tratar la imagen restaurada como nueva evidencia sobre la escena original.
Conclusión
Evalúe MAI-Image-2.7-Preview si su flujo de trabajo depende de realizar ediciones sustanciales preservando detalles visuales clave. Use imágenes de origen representativas para medir la calidad de preservación y la aceptación de la salida. Si necesita una integración de API hoy, elija un modelo disponible y vuelva a 2.7 cuando Microsoft publique su acceso para desarrolladores y precios.
