Bangun dengan CometAPIButuh satu API untuk banyak model?Uji alur kerja di Playground, lalu buat API key saat model dan biayanya sesuai dengan use case Anda.
Pratinjau MAI Image 2.7: Fitur, Benchmark, dan Ketersediaan API
Temukan MAI-Image-2.7-Preview dari Microsoft, fitur penyuntingan gambar, tolok ukur Elo 1,193, perbandingan dengan GPT Image 2.5, ketersediaan API, dan harga.
MAI-Image-2.7-Preview adalah model pengeditan gambar AI dari Microsoft, diperkenalkan pada 27 Oktober 2026. Model ini berfokus pada perubahan terkontrol pada gambar yang sudah ada, termasuk pencahayaan, gaya visual, objek, dan tipografi.
Microsoft mengumumkan MAI Image 2.7 di peringkat No. 3 pada Arena Edit dan No. 2 pada Artificial Analysis. Dalam cuplikan 28 Oktober 2026 yang ditinjau untuk artikel ini, model ini meraih 1,193 Elo di Artificial Analysis dan menempati peringkat kedua. Bagi desainer, nilainya terletak pada kemampuan membuat edit besar sekaligus mempertahankan elemen yang sudah baik.
Pengembang dapat mengevaluasi model melalui platform pengujian publik, namun per 28 Oktober 2026 Microsoft belum mengumumkan API 2.7 publik atau harga.
Key Takeaways
Rilis 27 Oktober 2026: Microsoft memperkenalkan MAI-Image-2.7-Preview sebagai penerus berfokus pengeditan gambar dari MAI-Image-2.6.
Ditinjau untuk kejelasan, atribusi sumber, dan terminologi API terkini.
1,193 Elo pada Artificial Analysis: Model ini menempati urutan kedua di AA-Image-Editing v2.1, terpaut enam poin di belakang GPT Image 2.5 Sunburst.
Peningkatan pengeditan yang lebih luas: Microsoft melaporkan peningkatan di semua 10 use case yang dievaluasi dan tujuh tindakan pengeditan, bukan hanya satu jenis edit.
Kapabilitas pengeditan tingkat lanjut: Model ini menargetkan penggayaan ulang adegan, pencahayaan ulang, pengeditan teks dan simbol, modifikasi berbasis penalaran, serta restorasi gambar.
Evaluasi sebelum integrasi: Uji MAI-Image-2.7-Preview terhadap persyaratan pelestarian Anda; gunakan API yang tersedia saat aplikasi Anda perlu diterapkan hari ini.
What Is MAI-Image-2.7-Preview?
MAI-Image-2.7-Preview adalah model pengeditan gambar proprietari yang dikembangkan oleh Microsoft AI. Model ini termasuk dalam keluarga MAI Image milik Microsoft, yang mencakup model-model sebelumnya untuk pembuatan gambar, pengeditan gambar, dan alur kerja kreatif berorientasi produksi.
Alih-alih mengganti seluruh gambar, model ini dirancang untuk melakukan edit terarah sambil mempertahankan koherensi visual adegan asli.
Sebagai contoh, seorang desainer mungkin menempatkan sebuah produk ke lingkungan baru sambil mempertahankan kemasan, logo, dan proporsinya. Seorang fotografer mungkin ingin mengubah pencahayaan tanpa mendistorsi subjek. Tim pemasaran mungkin perlu mengganti teks pada iklan yang sudah ada sambil mempertahankan tata letaknya.
MAI-Image-2.7-Preview specifications
Spesifikasi
MAI-Image-2.7-Preview
Developer
Microsoft AI
Tanggal rilis
27 Oktober 2026
Tahap rilis
Preview
Kemampuan utama
Pengeditan gambar AI
Input
Gambar yang sudah ada dan instruksi pengeditan teks
Output
Gambar hasil edit
Pembuatan teks ke gambar
Diumumkan akan segera hadir
API pengembang publik
Belum diumumkan
Arsitektur model dan jumlah parameter
Tidak diungkapkan
Resolusi maksimum
Tidak diungkapkan untuk 2.7
Jumlah maksimum gambar referensi
Tidak diungkapkan untuk 2.7
Platform evaluasi publik
Arena dan Artificial Analysis
Pengujian interaktif
MAI Playground, tergantung ketersediaan akses
Microsoft belum mengungkapkan arsitektur, jumlah parameter, resolusi maksimum, atau batas gambar referensi pratinjau dalam pengumuman peluncurannya. Spesifikasi MAI sebelumnya tidak boleh dianggap sebagai batasan 2.7 yang telah dikonfirmasi.
What Can MAI-Image-2.7-Preview Do?
Microsoft menyatakan model ini mencapai tingkat terdepan kategori pada empat area: peningkatan dan restorasi, edit berbasis penalaran, pengeditan adegan dan gaya, serta pengeditan teks atau simbol.
Scene and style editing
MAI-Image-2.7-Preview dapat memodifikasi tampilan keseluruhan gambar yang sudah ada, termasuk lingkungannya, gaya artistik, pencahayaan, dan suasana.
Pertimbangkan foto produk yang diambil dengan latar studio polos. Seorang desainer mungkin ingin mengubah lingkungan sekitarnya menjadi adegan kampanye luar ruang premium sambil mempertahankan produk itu sendiri.
Hasil yang berhasil memerlukan lebih dari sekadar mengganti latar belakang. Arah pencahayaan, refleksi, bayangan, perspektif, dan warna harus tetap konsisten.
Microsoft melaporkan keunggulan 24 poin Elo dalam pengeditan adegan dan gaya dibanding model terbaik berikutnya pada kategori tersebut. Hasil itu menjadikan penggantian latar dan pencahayaan ulang sebagai titik awal yang berguna untuk evaluasi Anda sendiri.
Text and symbol editing
Model gambar AI sering kesulitan memodifikasi teks yang sudah tertanam di dalam gambar.
Mengganti label dapat secara tidak sengaja mengubah tipografi, posisi, perspektif, atau desain sekitarnya. Bahkan ketika kata pengganti sudah benar, area yang diedit mungkin terlihat seperti ditempel secara artifisial ke gambar asli.
MAI-Image-2.7-Preview berfokus pada perubahan teks dan simbol sambil menjaganya tetap terintegrasi secara visual.
Aplikasi yang mungkin termasuk kemasan produk, iklan, poster promosi, grafis presentasi, dan mockup UI.
Bagi bisnis yang membuat aset pemasaran multibahasa, ini bisa sangat berharga. Namun, keandalan model di berbagai bahasa dan tipografi kompleks tetap memerlukan pengujian khusus tugas.
Reasoning-based image editing
Beberapa edit gambar memerlukan pemahaman tentang bagaimana objek berinteraksi dengan lingkungannya.
Sebagai contoh, memindahkan objek reflektif ke lingkungan berbeda dapat memerlukan perubahan terkoordinasi pada pencahayaan, bayangan, dan permukaan terdekat.
Model pengeditan mungkin secara teknis mengikuti instruksi namun menghasilkan adegan yang tidak konsisten.
MAI-Image-2.7-Preview dirancang untuk menangani edit yang melibatkan hubungan antara objek, pencahayaan, dan lingkungan.
Image enhancement and restoration
Alur kerja umum mencakup memulihkan foto lama, meningkatkan gambar produk berkualitas rendah, memperhalus aset kreatif, dan mengoreksi ketidaksempurnaan visual.
Restorasi AI dapat menciptakan detail yang masuk akal. Untuk kerja kearsipan atau berbasis bukti, simpan versi asli dan identifikasi dengan jelas perubahan yang dihasilkan.
Ini adalah kategori kapabilitas, bukan jaminan hasil sempurna. Akurasi pengeditan aktual bergantung pada gambar sumber, kompleksitas instruksi, dan kriteria peninjauan.
How Does MAI-Image-2.7-Preview Perform on Benchmarks?
MAI-Image-2.7-Preview telah muncul pada dua platform evaluasi pengeditan gambar utama: Artificial Analysis dan Arena.
Keduanya menggunakan pendekatan evaluasi berbasis preferensi, namun memiliki dataset, skala penilaian, dan metodologi voting yang berbeda.
Skor Elo mereka sebaiknya dibandingkan di dalam setiap leaderboard, bukan secara langsung lintas platform.
Artificial Analysis: AA-Image-Editing v2.1
Artificial Analysis mengevaluasi seberapa baik model gambar memodifikasi gambar input sebagai respons terhadap instruksi teks.
AA-Image-Editing v2.1 memeringkat model menggunakan pemungutan suara preferensi manusia berpasangan pada tugas pengeditan gambar. Ini adalah hasil platform eksternal, bukan tolok ukur internal Microsoft.
Cuplikan 28 Oktober 2026 menunjukkan:
Tabel ini mempertahankan setelan model yang dipublikasikan, termasuk setelan max untuk GPT Image 2.5. Nilai ± adalah interval ketidakpastian 95% yang ditampilkan. Leaderboard tidak menyediakan lingkungan pengujian perangkat keras atau latensi bersama, sehingga skor ini menggambarkan preferensi pengeditan alih-alih kecepatan pemrosesan.
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 meraih 42 Elo di atas MAI-Image-2.6, 11 di atas Flare, dan enam di bawah Sunburst pada leaderboard ini.
Namun, interval kepercayaan saling tumpang tindih di antara model teratas. Selisih enam poin tidak membuktikan bahwa Sunburst akan secara konsisten melampaui MAI-Image-2.7-Preview pada setiap tugas pengeditan.
Arena Edit: Image editing
Arena juga mengukur preferensi pengguna melalui perbandingan buta.
Skor pengeditan satu gambar secara keseluruhan yang terlihat pada 28 Oktober 2026 ditampilkan di bawah. Tabel ini mempertahankan label preliminary Arena di mana ditampilkan.
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
Skor yang ditampilkan menempatkan 2.7 Preview 44 Elo di atas 2.6 dan 11 Elo di atas GPT-Image-2 (Medium).
Untuk patokan API tambahan, pengembang dapat mengakses GPT Image 2 dan Grok Imagine Image 2.0 API. Medium pada entri GPT Image 2 di Arena mengidentifikasi setelan evaluasi, bukan nama model API terpisah.
Hasil Arena bersifat live dan dapat berubah dari waktu ke waktu; angka-angka di atas mencerminkan cuplikan 28 Oktober yang ditinjau untuk artikel ini.
Commercial design performance
Kategori Product, Branding & Commercial Design milik Arena sangat relevan ketika output harus berfungsi sebagai iklan atau aset produk.
Dalam kategori Product, Branding & Commercial Design Arena pada 28 Oktober 2026, MAI-Image-2.7-Preview menempati peringkat ketiga dengan 1,499 Elo—55 poin di depan 2.6, yang berada di peringkat kedelapan. Dengan hanya 718 suara dan interval ketidakpastian yang lebih lebar, hasil ini merupakan sinyal awal untuk diuji terhadap persyaratan desain Anda sendiri.
Kedua leaderboard menunjukkan kinerja pengeditan yang lebih kuat daripada MAI-Image-2.6 dan hasil yang kompetitif terhadap model terdepan. Kecepatan produksi, keandalan, dan biaya tetap memerlukan pengujian API terpisah.
MAI-Image-2.7-Preview vs MAI-Image-2.6
MAI-Image-2.6 sebelumnya tersedia untuk pengembang melalui Microsoft Foundry, dengan varian Flash yang ditawarkan secara terpisah. Tonggak API tersebut berbeda dari bulan rilis Agustus yang dicatat oleh Artificial Analysis.
MAI-Image-2.6 dan varian Flash-nya memperkenalkan kapabilitas berorientasi pengembang seperti pengeditan referensi multi-gambar, web grounding, rasio aspek dinamis, dan resolusi output hingga 1.5K.
Pratinjau 2.7 menggeser penekanan rilis segera ke arah kinerja pengeditan.
Dimensi
MAI-Image-2.6
MAI-Image-2.7-Preview
Kinerja pengeditan
Mendukung pengeditan adegan, gaya, penalaran, teks, dan restorasi
Microsoft melaporkan peningkatan di keempat area pengeditan, dengan hasil terdepan kategori
Kemampuan text-to-image
Tersedia
Segera hadir
API pengembang
Tersedia melalui Microsoft Foundry
Belum diumumkan
Microsoft melaporkan peningkatan di semua 10 use case yang dievaluasi dan tujuh tindakan pengeditan. Pertanyaan praktisnya adalah apakah peningkatan tersebut memperbaiki jenis edit yang paling sering dilakukan tim Anda.
Model sebelumnya tetap relevan bagi pengembang yang memerlukan API pembuatan gambar terdokumentasi dan integrasi produksi yang mapan.
How to Access and Try MAI Image 2.7
Microsoft mengidentifikasi MAI Playground, Arena, dan Artificial Analysis sebagai jalur untuk mengeksplorasi pratinjau. Mulailah dengan Playground untuk gambar Anda sendiri, dan gunakan platform evaluasi untuk membandingkan preferensi dan skor.
MAI Playground adalah lingkungan eksperimen langsung Microsoft untuk model MAI.
Saat pratinjau tersedia untuk akun dan wilayah Anda, alur kerja yang dimaksud adalah memilih model pengeditan, menyediakan gambar yang sudah ada, dan menguraikan perubahan yang diinginkan.
Eksperimen pertama yang berguna adalah edit dengan satu perubahan besar dan beberapa persyaratan pelestarian yang eksplisit.
Contoh prompt:
Ganti latar belakang foto produk ini dengan interior ritel mewah modern. Pertahankan proporsi produk, logo, teks kemasan, dan sudut kamera secara persis. Sesuaikan pencahayaan dan bayangan agar sesuai dengan lingkungan baru. Jangan menambahkan teks tambahan.
A repeatable testing method
Untuk mengevaluasi model secara bermakna, gunakan gambar sumber dan instruksi yang sama di seluruh editor pesaing.
Untuk penyaringan awal, susun 20 hingga 50 tugas representatif yang mencakup perubahan produk, tipografi, pencahayaan ulang, restorasi, dan komposisi multi-objek. Ini adalah set awal yang praktis, bukan persyaratan ukuran sampel yang tervalidasi statistik.
Tinjau output terhadap empat dimensi:
Akurasi instruksi: Apakah model melakukan perubahan yang diminta?
Pelestarian: Apakah elemen yang tidak disentuh tetap konsisten?
Realisme visual: Apakah pencahayaan, perspektif, dan komposisi terlihat alami?
Penerimaan output: Dapatkah Anda menggunakan hasilnya tanpa koreksi lebih lanjut?
Untuk penilaian berorientasi produksi, latensi dan biaya juga harus dicatat setelah akses API yang sesuai tersedia.
Is MAI-Image-2.7-Preview API Available, and What Does It Cost?
Per 28 Oktober 2026, Microsoft belum mengumumkan endpoint API publik, harga, atau tanggal ketersediaan umum untuk MAI Image 2.7. Artificial Analysis memberi label pratinjau sebagai No API available.
Untuk perencanaan produksi, detail yang belum terselesaikan mencakup ID model untuk penerapan, batas gambar, batas laju permintaan, penagihan, dan ketentuan penggunaan khusus pratinjau.
Microsoft menyatakan pembuatan teks ke gambar akan segera hadir. Jika aplikasi Anda membutuhkan pembuatan dan pengeditan sekaligus sekarang, pilih API yang terdokumentasi dan perlakukan 2.7 sebagai kandidat evaluasi terpisah.
Image Editing with CometAPI
Bagi pengembang yang membutuhkan pengeditan gambar di produksi saat ini, CometAPI menawarkan akses API ke beberapa alternatif yang sudah mapan.
GPT Image 2.5 API in CometAPI mendukung pembuatan dan pengeditan gambar melalui endpoint yang kompatibel dengan OpenAI.
Hal ini memungkinkan Anda memvalidasi alur kerja pengeditan sekarang dan mengevaluasi MAI Image 2.7 secara terpisah ketika Microsoft menyediakan antarmuka pengembang yang didukung.
Contoh di bawah memanggil GPT Image 2.5 Sunburst. Ini memberi Anda pola integrasi yang siap pakai untuk alternatif yang tersedia; ini tidak memanggil MAI-Image-2.7-Preview.
Example: Editing an existing image with CometAPI
Jalankan permintaan ini di Bash dengan kunci CometAPI yang valid dan file product.png di direktori saat ini. Ini menyimpan respons JSON ke 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
Menurut format respons CometAPI, gambar hasil edit dikembalikan sebagai nilai Base64 di data[0].b64_json. Dekode nilai Base64 tersebut menjadi file PNG; respons JSON itu sendiri bukan gambar. Jika cURL melaporkan kesalahan HTTP, periksa isi respons sebelum mencoba lagi.
Production evaluation metrics
Ukuran efisiensi produksi yang berguna adalah biaya per gambar yang diterima, bukan sekadar biaya per permintaan.
Sebagai contoh, misalkan suatu layanan pengeditan menghasilkan 100 gambar dengan biaya total rata-rata $0.10 per gambar.
Jika hanya 70 yang lolos peninjauan kualitas, maka:
Biaya per gambar yang diterima = $10 / 70 = sekitar $0.143.
Jika kualitas pengeditan yang lebih baik meningkatkan tingkat penerimaan menjadi 90% dengan biaya per permintaan yang sama, biaya efektif turun menjadi sekitar $0.111 per gambar yang diterima.
Contoh hipotetis ini mengisolasi efek tingkat penerimaan; asumsi input $0.10 bukanlah kutipan untuk model mana pun.
Contoh ini menunjukkan mengapa akurasi pengeditan bisa sama pentingnya dengan harga API utama.
FAQ
Bagaimana saya harus menangani logo yang terdistorsi dalam edit MAI-Image-2.7-Preview?
Kembali ke gambar asli, persempit perubahan yang diminta, dan nyatakan secara eksplisit bahwa logo dan teks kemasan harus tetap tidak berubah. Bandingkan potongan (crop) terkait dengan gambar asli pada resolusi penuh. Jika model tetap mengubah detail kritis merek, pertahankan elemen tersebut melalui langkah kompositing terpisah atau gunakan editor konvensional untuk area itu. Hasil yang terlihat menarik secara visual tidak cukup ketika logo harus persis sama.
Apakah edit berulang dengan MAI-Image-2.7-Preview dapat menumpuk kesalahan?
Edit generatif berulang dapat memperkenalkan drift, bahkan ketika setiap hasil individual terlihat masuk akal. Simpan sumber yang tidak tersentuh dan simpan versi setelah setiap edit yang diterima. Untuk variasi baru, bandingkan memulai dari yang asli dengan melanjutkan dari output terakhir; pilih jalur yang paling mempertahankan detail yang diperlukan proyek Anda. Jangan berasumsi bahwa edit yang berhasil sebelumnya menjamin konsistensi sepanjang rangkaian yang lebih panjang.
Bagaimana saya dapat membandingkan hasil MAI-Image-2.7-Preview secara adil?
Sembunyikan nama model selama peninjauan dan acak urutan output. Sepakati kriteria penolakan sebelum peninjau melihat gambar, dan catat kegagalan serta output yang disukai. Jika Anda mengizinkan percobaan ulang, berikan setiap model jatah percobaan ulang yang sama dan sertakan semua upaya dalam perhitungan biaya. Ini mengurangi kemungkinan memihak suatu model karena satu hasil yang luar biasa dipilih.
Gambar yang direstorasi dapat berisi detail yang masuk akal namun tidak terlihat pada sumber. Simpan yang asli bersama versi yang diedit dan bedakan perbaikan kosmetik dari rekonstruksi faktual. Untuk proyek arsip atau dokumenter, catat perubahan yang diminta dan identifikasi detail yang dihasilkan alih-alih memperlakukan gambar yang direstorasi sebagai bukti baru tentang adegan asli.
Conclusion
Evaluasilah MAI-Image-2.7-Preview jika alur kerja Anda bergantung pada pembuatan edit substansial sambil mempertahankan detail visual kunci. Gunakan gambar sumber yang representatif untuk mengukur kualitas pelestarian dan penerimaan output. Jika Anda membutuhkan integrasi API hari ini, pilih model yang tersedia dan tinjau kembali 2.7 ketika Microsoft menerbitkan akses pengembang dan harga.
