Construire avec CometAPIBesoin d'une seule API pour plusieurs modèles ?Testez le workflow dans Playground, puis créez une clé API lorsque le modèle et le coût correspondent à votre cas d'usage.
Aperçu de MAI Image 2.7 : fonctionnalités, benchmarks et disponibilité de l’API
Découvrez MAI-Image-2.7-Preview de Microsoft, ses fonctionnalités d’édition d’images, son benchmark Elo de 1,193, des comparaisons avec GPT Image 2.5, la disponibilité de l’API et la tarification.
Deon GoodwinÉquipe de recherche sur les modèles IA et API
MAI-Image-2.7-Preview est le modèle de retouche d’images par IA de Microsoft, présenté le 27 octobre 2026. Il se concentre sur des modifications contrôlées d’images existantes, notamment l’éclairage, le style visuel, les objets et la typographie.
Microsoft a annoncé MAI Image 2.7 à la n° 3 sur Arena Edit et n° 2 sur Artificial Analysis. Dans l’instantané du 28 octobre 2026 examiné pour cet article, il a obtenu 1 193 Elo sur Artificial Analysis et s’est classé deuxième. Pour les designers, sa valeur réside dans la capacité à effectuer des retouches substantielles tout en préservant les éléments déjà satisfaisants.
Les développeurs peuvent évaluer le modèle via des plateformes publiques de test, mais Microsoft n’a pas annoncé d’API 2.7 publique ni de tarification au 28 octobre 2026.
Points clés
Publié le 27 octobre 2026 : Microsoft a présenté MAI-Image-2.7-Preview comme successeur axé sur la retouche de MAI-Image-2.6.
Revu pour la clarté, l'attribution des sources et la terminologie API actuelle.
1 193 Elo sur Artificial Analysis : le modèle se classe deuxième sur AA-Image-Editing v2.1, à six points derrière GPT Image 2.5 Sunburst.
Gains d’édition plus larges : Microsoft rapporte des améliorations sur les 10 cas d’usage évalués et sept actions d’édition, plutôt qu’un gain limité à un seul type de retouche.
Capacités de retouche avancées : le modèle vise le restylage de scènes, le relighting, l’édition de texte et de symboles, des modifications fondées sur le raisonnement et la restauration d’images.
Évaluer avant d’intégrer : testez MAI-Image-2.7-Preview selon vos exigences de préservation ; utilisez une API disponible si votre application doit être déployée dès aujourd’hui.
Qu’est-ce que MAI-Image-2.7-Preview ?
MAI-Image-2.7-Preview est un modèle propriétaire de retouche d’images développé par Microsoft AI. Il appartient à la famille MAI Image de Microsoft, qui comprend des modèles antérieurs conçus pour la génération d’images, la retouche d’images et des workflows créatifs orientés production.
Au lieu de remplacer l’image entière, le modèle est conçu pour effectuer des retouches ciblées tout en préservant la cohérence visuelle de la scène d’origine.
Par exemple, un designer peut placer un produit dans un nouvel environnement tout en préservant son packaging, son logo et ses proportions. Un photographe peut vouloir modifier l’éclairage sans déformer le sujet. Une équipe marketing peut avoir besoin de remplacer un texte sur une publicité existante tout en conservant sa mise en page.
Spécifications de MAI-Image-2.7-Preview
Spécification
MAI-Image-2.7-Preview
Développeur
Microsoft AI
Date de sortie
27 octobre 2026
Phase de sortie
Aperçu
Capacité principale
Retouche d’images par IA
Entrée
Image existante et instructions de retouche
Sortie
Image retouchée
Génération texte-vers-image
Annoncée comme à venir prochainement
API publique pour développeurs
Non annoncé
Architecture du modèle et paramètres
Non communiqué
Résolution maximale
Non communiqué pour 2.7
Nombre maximal d’images de référence
Non communiqué pour 2.7
Plateformes d’évaluation publiques
Arena et Artificial Analysis
Tests interactifs
MAI Playground, sous réserve de disponibilité
Microsoft n’a pas communiqué l’architecture, le nombre de paramètres, la résolution maximale ni la limite d’images de référence de la préversion dans son annonce de lancement. Les spécifications MAI antérieures ne doivent pas être considérées comme des limites confirmées pour la 2.7.
Que peut faire MAI-Image-2.7-Preview ?
Microsoft indique que le modèle atteint l’état de l’art dans quatre domaines : amélioration et restauration, retouches fondées sur le raisonnement, édition de scène et de style, et édition de texte ou de symboles.
Édition de scène et de style
MAI-Image-2.7-Preview peut modifier l’apparence générale d’une image existante, notamment son environnement, son style artistique, son éclairage et son ambiance.
Prenons une photo produit réalisée sur fond de studio neutre. Un designer peut vouloir transformer l’environnement en une scène de campagne haut de gamme en extérieur tout en préservant le produit lui-même.
Un résultat réussi nécessite plus qu’un simple changement d’arrière-plan. La direction de la lumière, les reflets, les ombres, la perspective et les couleurs doivent rester cohérents.
Microsoft fait état d’une avance de 24 points Elo en édition de scène et de style sur le modèle suivant dans cette catégorie. Ce résultat fait des changements d’arrière-plan et du relighting de bons points de départ pour votre propre évaluation.
Édition de texte et de symboles
Les modèles d’images IA peinent souvent à modifier un texte déjà intégré dans une image.
Remplacer une étiquette peut involontairement changer sa typographie, sa position, sa perspective ou le design environnant. Même lorsque les mots de remplacement sont corrects, la zone éditée peut sembler artificiellement collée sur l’original.
MAI-Image-2.7-Preview met l’accent sur la modification de textes et de symboles tout en les maintenant visuellement intégrés.
Les applications probables incluent les packagings produits, les publicités, les affiches promotionnelles, les visuels de présentation et les maquettes d’interface.
Pour les entreprises qui créent des supports marketing multilingues, cela peut être particulièrement précieux. Cependant, la fiabilité du modèle à travers les langues et les typographies complexes nécessite encore des tests spécifiques à la tâche.
Retouche d’images fondée sur le raisonnement
Certaines retouches exigent une compréhension de la manière dont les objets interagissent avec leur environnement.
Par exemple, déplacer un objet réfléchissant dans un environnement différent peut nécessiter des ajustements coordonnés de l’éclairage, des ombres et des surfaces proches.
Un modèle de retouche peut techniquement suivre l’instruction tout en produisant une scène incohérente.
MAI-Image-2.7-Preview est conçu pour gérer les retouches impliquant des relations entre objets, éclairage et environnements.
Amélioration et restauration d’images
Les workflows typiques incluent la restauration de vieilles photographies, l’amélioration d’images produit de faible qualité, l’affinage d’assets créatifs et la correction d’imperfections visuelles.
La restauration par IA peut inventer des détails plausibles. Pour les travaux d’archives ou à visée probante, conservez l’original et identifiez clairement les modifications générées.
Il s’agit de catégories de capacités plutôt que de garanties de résultats parfaits. L’exactitude réelle des retouches dépend de l’image source, de la complexité de l’invite et des critères d’évaluation.
Performances de MAI-Image-2.7-Preview sur les benchmarks
MAI-Image-2.7-Preview est apparu sur deux grandes plateformes d’évaluation de la retouche d’images : Artificial Analysis et Arena.
Toutes deux utilisent des approches basées sur les préférences, mais elles disposent de jeux de données, d’échelles de notation et de méthodologies de vote différents.
Leurs scores Elo doivent être comparés à l’intérieur de chaque classement, pas directement entre plateformes.
Artificial Analysis : AA-Image-Editing v2.1
Artificial Analysis évalue la capacité des modèles d’images à modifier une image d’entrée en réponse à des instructions textuelles.
AA-Image-Editing v2.1 classe les modèles à l’aide de votes de préférence pair-à-pair sur des tâches de retouche d’images. Il s’agit de résultats de plateforme externe, et non d’un benchmark interne à Microsoft.
L’instantané du 28 octobre 2026 montre :
Le tableau conserve les paramètres de modèle publiés, y compris le réglage max pour GPT Image 2.5. Les valeurs ± sont les intervalles d’incertitude à 95 % affichés. Le classement ne fournit pas d’environnement matériel ou de latence commun, ces scores décrivent donc la préférence d’édition plutôt que la vitesse de traitement.
Rang
Modèle
Elo d’édition AA
Échantillons d’évaluation
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 se situe à 42 Elo au-dessus de MAI-Image-2.6, 11 au-dessus de Flare et six en dessous de Sunburst sur ce classement.
Cependant, les intervalles de confiance se recoupent parmi les modèles de tête. Un écart de six points n’établit pas que Sunburst surperformera systématiquement MAI-Image-2.7-Preview sur chaque tâche de retouche.
Arena Edit : Retouche d’images
Arena mesure également les préférences des utilisateurs par comparaisons à l’aveugle.
Les scores globaux de retouche d’image unique visibles au 28 octobre 2026 sont présentés ci-dessous. Le tableau conserve les labels préliminaires d’Arena lorsqu’ils sont affichés.
Rang
Modèle
Elo d’édition Arena
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
Les scores affichés placent la 2.7 Preview 44 Elo au-dessus de la 2.6 et 11 Elo au-dessus de GPT-Image-2 (Medium).
Pour d’autres bases de référence API, les développeurs peuvent accéder à GPT Image 2 et à l’API Grok Imagine Image 2.0. Medium dans l’entrée GPT Image 2 d’Arena désigne un réglage d’évaluation, pas un nom de modèle API distinct.
Les résultats Arena sont dynamiques et peuvent évoluer ; les chiffres ci-dessus reflètent l’instantané du 28 octobre.
Performances en design commercial
La catégorie Product, Branding & Commercial Design d’Arena est particulièrement pertinente lorsque le résultat doit fonctionner comme publicité ou asset produit.
Dans la catégorie Product, Branding & Commercial Design d’Arena au 28 octobre 2026, MAI-Image-2.7-Preview s’est classé troisième avec 1 499 Elo—55 points devant la 2.6, classée huitième. Avec seulement 718 votes et un intervalle d’incertitude plus large, le résultat constitue un signal précoce pour tester selon vos propres exigences de design.
Les deux classements montrent des performances de retouche supérieures à MAI-Image-2.6 et compétitives face aux modèles de tête. La vitesse en production, la fiabilité et le coût nécessitent encore des tests API séparés.
MAI-Image-2.7-Preview vs MAI-Image-2.6
MAI-Image-2.6 avait auparavant été mis à disposition des développeurs via Microsoft Foundry, avec une variante Flash proposée séparément. Cette étape API est distincte du mois d’août indiqué par Artificial Analysis.
MAI-Image-2.6 et sa variante Flash ont introduit des fonctionnalités orientées développeurs telles que la retouche multi-références, l’ancrage web, des ratios d’aspect dynamiques et des résolutions de sortie jusqu’à 1,5K.
La préversion 2.7 déplace l’accent de la sortie immédiate vers la performance en retouche.
Dimension
MAI-Image-2.6
MAI-Image-2.7-Preview
Performances de retouche
Prend en charge les retouches de scène, de style, de raisonnement, de texte et de restauration
Microsoft rapporte des améliorations sur les quatre axes de retouche, avec des résultats en tête de catégorie
Capacité texte-vers-image
Disponible
À venir prochainement
API pour développeurs
Disponible via Microsoft Foundry
Non annoncé
Microsoft rapporte des gains sur les 10 cas d’usage évalués et sept actions d’édition. La question pratique est de savoir si ces gains améliorent les retouches que votre équipe effectue le plus souvent.
Le modèle précédent reste pertinent pour les développeurs qui ont besoin d’une API de génération d’images documentée et d’intégrations de production établies.
Comment accéder à MAI Image 2.7 et l’essayer
Microsoft identifie MAI Playground, Arena et Artificial Analysis comme voies pour explorer la préversion. Commencez par le Playground pour votre propre image, et utilisez les plateformes d’évaluation pour comparer les préférences et les scores.
Le MAI Playground est l’environnement d’expérimentation direct de Microsoft pour les modèles MAI.
Lorsque la préversion est disponible pour votre compte et votre région, le workflow prévu consiste à sélectionner le modèle de retouche, fournir une image existante et décrire les modifications souhaitées.
Une première expérience utile est une retouche avec un changement majeur et plusieurs exigences explicites de préservation.
Exemple d’invite :
Remplacez l’arrière-plan de cette photo produit par un intérieur de boutique de luxe moderne. Préservez exactement les proportions du produit, le logo, le texte du packaging et l’angle de prise de vue. Ajustez l’éclairage et les ombres pour correspondre au nouvel environnement. N’ajoutez aucun texte supplémentaire.
Une méthode de test reproductible
Pour évaluer le modèle de manière significative, utilisez les mêmes images sources et instructions sur des éditeurs concurrents.
Pour un premier filtrage, assemblez 20 à 50 tâches représentatives couvrant les modifications de produits, la typographie, le relighting, la restauration et les compositions multi-objets. Il s’agit d’un ensemble de départ pratique, pas d’une exigence statistiquement validée en termes de taille d’échantillon.
Évaluez les sorties selon quatre dimensions :
Précision des instructions : le modèle a-t-il effectué les changements demandés ?
Préservation : les éléments non modifiés sont-ils restés cohérents ?
Réalisme visuel : l’éclairage, la perspective et la composition paraissent-ils naturels ?
Acceptation de la sortie : pouvez-vous utiliser le résultat sans correction supplémentaire ?
Pour une évaluation orientée production, la latence et le coût doivent également être consignés dès qu’un accès API approprié est disponible.
L’API de MAI-Image-2.7-Preview est-elle disponible, et à quel prix ?
Au 28 octobre 2026, Microsoft n’a annoncé ni point de terminaison API public, ni tarification, ni date de disponibilité générale pour MAI Image 2.7. Artificial Analysis indique la préversion comme No API available.
Pour la planification en production, les points en suspens incluent l’ID du modèle de déploiement, les limites d’image, les limites de débit, la facturation et des conditions d’utilisation spécifiques à la préversion.
Microsoft indique que la génération texte-vers-image arrive prochainement. Si votre application a besoin dès maintenant de génération et de retouche, choisissez une API documentée et traitez la 2.7 comme un candidat d’évaluation séparé.
Retouche d’images avec CometAPI
Pour les développeurs qui ont besoin de retouche d’images en production aujourd’hui, CometAPI propose un accès API à plusieurs alternatives établies.
L’API GPT Image 2.5 dans CometAPI prend en charge la génération et la retouche d’images via des endpoints compatibles avec OpenAI.
Cela vous permet de valider dès maintenant le workflow de retouche et d’évaluer séparément MAI Image 2.7 lorsque Microsoft fournira une interface développeur prise en charge.
L’exemple ci-dessous appelle GPT Image 2.5 Sunburst. Il vous donne un schéma d’intégration fonctionnel pour une alternative disponible ; il n’appelle pas MAI-Image-2.7-Preview.
Exemple : retoucher une image existante avec CometAPI
Exécutez cette requête en Bash avec une clé CometAPI valide et « product.png » dans le répertoire courant. Elle enregistre la réponse JSON dans « 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
Selon le format de réponse CometAPI, l’image retouchée est renvoyée sous forme de valeur Base64 dans data[0].b64_json. Décodez cette valeur Base64 en un fichier PNG ; la réponse JSON elle-même n’est pas une image. Si cURL signale une erreur HTTP, inspectez le corps de la réponse avant de réessayer.
Indicateurs d’évaluation en production
Une mesure utile de l’efficacité en production est le coût par image acceptée, et non le simple coût par requête.
Par exemple, supposons qu’un service de retouche produise 100 images pour un coût total moyen de 0,10 $ chacune.
Si seulement 70 passent la revue qualité, alors :
Coût par image acceptée = 10 $ / 70 = environ 0,143 $.
Si une meilleure qualité de retouche fait passer le taux d’acceptation à 90 % pour le même coût par requête, le coût effectif tombe à environ 0,111 $ par image acceptée.
Cet exemple hypothétique isole l’effet du taux d’acceptation ; l’hypothèse d’entrée à 0,10 $ n’est pas un devis pour un modèle quelconque.
L’exemple illustre pourquoi la précision des retouches peut compter autant que le prix affiché de l’API.
FAQ
Comment gérer un logo déformé dans une retouche MAI-Image-2.7-Preview ?
Revenez à l’image originale, restreignez le changement demandé et indiquez explicitement que le logo et le texte du packaging ne doivent pas être modifiés. Comparez la zone concernée par rapport à l’original en pleine résolution. Si le modèle change toujours des détails critiques de la marque, préservez ces éléments via une étape de composition séparée ou utilisez un éditeur classique pour cette zone. Un résultat visuellement attrayant n’est pas suffisant lorsque le logo doit être exact.
Des retouches MAI-Image-2.7-Preview répétées peuvent-elles accumuler des erreurs ?
Des retouches génératives répétées peuvent introduire une dérive, même si chaque résultat pris isolément paraît plausible. Conservez la source intacte et enregistrez des versions après chaque retouche acceptée. Pour une nouvelle variation, comparez un départ depuis l’original à une continuation depuis la dernière sortie ; choisissez la voie qui préserve les détails requis par votre projet. N’assumez pas qu’une retouche réussie plus tôt garantisse la cohérence sur une séquence plus longue.
Comment comparer équitablement les résultats de MAI-Image-2.7-Preview ?
Masquez les noms des modèles lors de la revue et randomisez l’ordre des sorties. Mettez-vous d’accord sur des critères de rejet avant que les examinateurs ne voient les images, et enregistrez les échecs ainsi que les sorties préférées. Si vous autorisez des tentatives supplémentaires, donnez à chaque modèle le même budget de retries et incluez toutes les tentatives dans le calcul des coûts. Cela réduit le risque de favoriser un modèle parce qu’un résultat exceptionnel a été sélectionné.
La restauration via MAI-Image-2.7-Preview préserve-t-elle la vérité historique ?
Une image restaurée peut contenir des détails plausibles qui n’étaient pas visibles dans la source. Conservez l’original aux côtés de la version retouchée et distinguez l’amélioration cosmétique de la reconstruction factuelle. Pour un projet d’archive ou documentaire, consignez les changements demandés et identifiez les détails générés plutôt que de traiter l’image restaurée comme une nouvelle preuve sur la scène d’origine.
Conclusion
Évaluez MAI-Image-2.7-Preview si votre workflow dépend de retouches substantielles tout en préservant des détails visuels clés. Utilisez des images sources représentatives pour mesurer la qualité de préservation et le taux d’acceptation des sorties. Si vous avez besoin d’une intégration API dès aujourd’hui, choisissez un modèle disponible et revenez à la 2.7 lorsque Microsoft publiera son accès développeur et sa tarification.
