Crea con CometAPITi serve una sola API per più modelli?Testa il flusso di lavoro in Playground, poi crea una chiave API quando modello e costo sono adatti al tuo caso d'uso.
MAI Image 2.7 Anteprima: Funzionalità, Benchmark e Disponibilità delle API
Scopri MAI-Image-2.7-Preview di Microsoft, le sue funzionalità di modifica delle immagini, il benchmark Elo di 1,193, i confronti con GPT Image 2.5, la disponibilità dell'API e i prezzi.
MAI-Image-2.7-Preview è il modello di editing di immagini AI di Microsoft, introdotto il 27 ottobre 2026. Si concentra su modifiche controllate a immagini esistenti, tra cui illuminazione, stile visivo, oggetti e tipografia.
Microsoft ha annunciato MAI Image 2.7 al n. 3 su Arena Edit e al n. 2 su Artificial Analysis. Nello snapshot del 28 ottobre 2026 esaminato per questo articolo, ha ottenuto 1.193 Elo su Artificial Analysis, classificandosi secondo. Per i designer, il suo valore risiede nel realizzare modifiche sostanziali preservando gli elementi che già funzionano.
Gli sviluppatori possono valutare il modello tramite piattaforme pubbliche di test, ma al 28 ottobre 2026 Microsoft non ha annunciato una API pubblica per la versione 2.7 né i prezzi.
Key Takeaways
Rilasciato il 27 ottobre 2026: Microsoft ha introdotto MAI-Image-2.7-Preview come successore focalizzato sull’editing di MAI-Image-2.6.
Revisionato per chiarezza, attribuzione delle fonti e terminologia API aggiornata.
1.193 Elo su Artificial Analysis: il modello è secondo su AA-Image-Editing v2.1, sei punti dietro GPT Image 2.5 Sunburst.
Maggiori progressi nell’editing: Microsoft riporta miglioramenti in tutti i 10 casi d’uso valutati e in sette azioni di editing, invece di un aumento concentrato su un solo tipo di modifica.
Capacità di editing avanzate: il modello punta a restyling della scena, ri-illuminazione, editing di testo e simboli, modifiche basate sul ragionamento e restauro di immagini.
Valutare prima di integrare: testate MAI-Image-2.7-Preview rispetto ai vostri requisiti di preservazione; usate una API disponibile quando la vostra applicazione necessita di un deployment oggi.
What Is MAI-Image-2.7-Preview?
MAI-Image-2.7-Preview è un modello proprietario di editing di immagini sviluppato da Microsoft AI. Appartiene alla famiglia MAI Image di Microsoft, che include modelli precedenti progettati per generazione di immagini, editing e workflow creativi orientati alla produzione.
Invece di sostituire l’intera immagine, il modello è progettato per effettuare modifiche mirate preservando la coerenza visiva della scena originale.
Ad esempio, un designer potrebbe collocare un prodotto in un nuovo ambiente preservando confezione, logo e proporzioni. Un fotografo potrebbe voler modificare l’illuminazione senza deformare il soggetto. Un team marketing potrebbe dover sostituire il testo in una pubblicità esistente preservandone il layout.
MAI-Image-2.7-Preview specifications
Specifica
MAI-Image-2.7-Preview
Sviluppatore
Microsoft AI
Data di rilascio
27 ottobre 2026
Fase di rilascio
Anteprima
Capacità principale
Editing di immagini AI
Input
Immagine esistente e istruzioni di modifica
Output
Immagine modificata
Generazione da testo a immagine
Annunciata come in arrivo
API pubblica per sviluppatori
Non annunciata
Architettura del modello e n. parametri
Non divulgata
Risoluzione massima
Non divulgata per 2.7
N. massimo di immagini di riferimento
Non divulgato per 2.7
Piattaforme di valutazione pubbliche
Arena e Artificial Analysis
Test interattivi
MAI Playground, soggetto alla disponibilità
Microsoft non ha divulgato l’architettura della preview, il numero di parametri, la risoluzione massima o il limite di immagini di riferimento nell’annuncio di lancio. Le specifiche MAI precedenti non devono essere considerate limiti confermati per la versione 2.7.
What Can MAI-Image-2.7-Preview Do?
Microsoft afferma che il modello raggiunge la frontiera di categoria in quattro aree: miglioramento e restauro, modifiche basate sul ragionamento, editing di scena e stile ed editing di testo o simboli.
Scene and style editing
MAI-Image-2.7-Preview può modificare l’aspetto complessivo di un’immagine esistente, inclusi ambiente, stile artistico, illuminazione e mood.
Si consideri una fotografia di prodotto scattata su uno sfondo neutro da studio. Un designer potrebbe trasformare l’ambiente circostante in una scena da campagna outdoor premium preservando il prodotto stesso.
Un risultato di successo richiede più del semplice cambio dello sfondo. Direzione della luce, riflessi, ombre, prospettiva e colori devono restare coerenti.
Microsoft riporta un vantaggio di 24 punti Elo nell’editing di scena e stile rispetto al modello successivo in quella categoria. Questo rende i cambi di sfondo e la ri-illuminazione punti di partenza utili per la vostra valutazione.
Text and symbol editing
I modelli di immagini AI spesso faticano a modificare testo già incorporato in un’immagine.
Sostituire un’etichetta può cambiare accidentalmente tipografia, posizionamento, prospettiva o design circostante. Anche quando le parole sostitutive sono corrette, l’area modificata può sembrare incollata artificialmente sull’originale.
MAI-Image-2.7-Preview si concentra sulla modifica di testo e simboli mantenendoli integrati visivamente.
Applicazioni probabili includono packaging di prodotto, pubblicità, poster promozionali, grafica per presentazioni e mockup di UI.
Per le aziende che creano asset di marketing multilingue, questo potrebbe essere particolarmente utile. Tuttavia, l’affidabilità del modello tra lingue e tipografie complesse richiede ancora test specifici per il task.
Reasoning-based image editing
Alcune modifiche d’immagine richiedono la comprensione di come gli oggetti interagiscono con l’ambiente circostante.
Ad esempio, spostare un oggetto riflettente in un ambiente diverso può richiedere cambi coordinati a illuminazione, ombre e superfici vicine.
Un modello di editing può tecnicamente seguire l’istruzione producendo però una scena incoerente.
MAI-Image-2.7-Preview è progettato per gestire modifiche che coinvolgono relazioni tra oggetti, illuminazione e ambienti.
Image enhancement and restoration
Workflow tipici includono restauro di vecchie fotografie, miglioramento di immagini di prodotto a bassa qualità, raffinamento di asset creativi e correzione di imperfezioni visive.
Il restauro con AI può inventare dettagli plausibili. Per lavori d’archivio o basati su prove, conservate l’originale e identificate chiaramente le modifiche generate.
Queste sono categorie di capacità, non garanzie di risultati perfetti. L’accuratezza reale dell’editing dipende dall’immagine di partenza, dalla complessità del prompt e dai criteri di revisione.
How Does MAI-Image-2.7-Preview Perform on Benchmarks?
MAI-Image-2.7-Preview è apparso su due principali piattaforme di valutazione per l’editing di immagini: Artificial Analysis e Arena.
Entrambe usano approcci di valutazione basati sulle preferenze, ma hanno dataset, scale di punteggio e metodologie di voto differenti.
I punteggi Elo vanno confrontati all’interno di ciascuna leaderboard, non direttamente tra piattaforme.
Artificial Analysis: AA-Image-Editing v2.1
Artificial Analysis valuta quanto bene i modelli di immagini modificano un’immagine di input in risposta a istruzioni testuali.
AA-Image-Editing v2.1 classifica i modelli usando voti di preferenza umana a coppie su task di editing. Si tratta di risultati di piattaforme esterne, non di benchmark interni Microsoft.
Lo snapshot del 28 ottobre 2026 mostra:
La tabella preserva le impostazioni dei modelli pubblicate, inclusa l’impostazione max per GPT Image 2.5. I valori ± sono gli intervalli di incertezza al 95% visualizzati. La leaderboard non fornisce un ambiente condiviso di hardware o test di latenza, quindi questi punteggi descrivono la preferenza di editing, non la velocità di elaborazione.
Posizione
Modello
Elo di editing AA
Campioni di valutazione
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 ottiene 42 Elo in più di MAI-Image-2.6, 11 in più di Flare e sei in meno di Sunburst su questa leaderboard.
Tuttavia, gli intervalli di confidenza si sovrappongono tra i modelli di testa. Una differenza di sei punti non dimostra che Sunburst supererà costantemente MAI-Image-2.7-Preview in ogni task di editing.
Arena Edit: Image editing
Arena misura anch’essa le preferenze degli utenti attraverso confronti in cieco.
I punteggi complessivi di single-image editing visibili al 28 ottobre 2026 sono mostrati sotto. La tabella mantiene le etichette preliminari di Arena dove presenti.
Posizione
Modello
Elo di editing Arena
Voti
1
GPT-Image-2.5 Sunburst
1517 ± 5 (preliminare)
90,545
2
GPT-Image-2.5 Flare
1482 ± 5 (preliminare)
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 (preliminare)
32,951
6
MAI-Image-2.6
1427 ± 5
76,933
7
Gemini Nano Banana 2.1
1427 ± 6 (preliminare)
12,956
I punteggi mostrati collocano la 2.7 Preview 44 Elo sopra la 2.6 e 11 Elo sopra GPT-Image-2 (Medium).
Per ulteriori baseline API, gli sviluppatori possono accedere a GPT Image 2 e Grok Imagine Image 2.0 API. Medium nella voce GPT Image 2 di Arena identifica un’impostazione di valutazione, non un nome di modello API separato.
I risultati Arena sono live e possono cambiare nel tempo; le cifre riportate riflettono lo snapshot del 28 ottobre esaminato per questo articolo.
Commercial design performance
La categoria Product, Branding & Commercial Design di Arena è particolarmente rilevante quando l’output deve funzionare come asset pubblicitario o di prodotto.
Nella categoria Product, Branding & Commercial Design di Arena al 28 ottobre 2026, MAI-Image-2.7-Preview era terza con 1.499 Elo—55 punti avanti rispetto alla 2.6, ottava. Con soli 718 voti e un intervallo di incertezza più ampio, il risultato è un segnale iniziale per test contro i vostri requisiti di design.
Entrambe le leaderboard mostrano prestazioni di editing migliori rispetto a MAI-Image-2.6 e risultati competitivi contro i modelli leader. Velocità di produzione, affidabilità e costi richiedono comunque test API separati.
MAI-Image-2.7-Preview vs MAI-Image-2.6
MAI-Image-2.6 era stata resa disponibile in precedenza agli sviluppatori tramite Microsoft Foundry, con una variante Flash offerta separatamente. Quella milestone API è distinta dal mese di rilascio di agosto registrato da Artificial Analysis.
MAI-Image-2.6 e la sua variante Flash hanno introdotto capacità rivolte agli sviluppatori come editing con riferimenti multipli, web grounding, aspect ratio dinamici e risoluzioni in output fino a 1,5K.
La preview 2.7 sposta l’enfasi del rilascio immediato verso le prestazioni di editing.
Dimensione
MAI-Image-2.6
MAI-Image-2.7-Preview
Prestazioni di editing
Supporta modifiche a scena, stile, ragionamento, testo e restauro
Microsoft segnala miglioramenti in tutte e quattro le aree di editing, con risultati leader di categoria
Capacità testo-immagine
Disponibile
In arrivo
API per sviluppatori
Disponibile tramite Microsoft Foundry
Non annunciata
Microsoft riporta guadagni in tutti i 10 casi d’uso valutati e in sette azioni di editing. La domanda pratica è se tali guadagni migliorano le modifiche che il vostro team esegue più spesso.
Il modello precedente resta rilevante per gli sviluppatori che necessitano di una API di generazione di immagini documentata e integrazioni di produzione consolidate.
How to Access and Try MAI Image 2.7
Microsoft identifica MAI Playground, Arena e Artificial Analysis come percorsi per esplorare la preview. Iniziate con il Playground per la vostra immagine e usate le piattaforme di valutazione per confrontare preferenze e punteggi.
Il MAI Playground è l’ambiente di sperimentazione diretto di Microsoft per i modelli MAI.
Quando la preview è disponibile per il vostro account e la vostra regione, il flusso previsto è selezionare il modello di editing, fornire un’immagine esistente e descrivere le modifiche desiderate.
Un primo esperimento utile è un’operazione con un cambiamento principale e diversi requisiti espliciti di preservazione.
Prompt di esempio:
Sostituisci lo sfondo di questa fotografia di prodotto con un moderno interno retail di lusso. Preserva le esatte proporzioni del prodotto, il logo, il testo sulla confezione e l’angolo di ripresa. Regola illuminazione e ombre per adattarle al nuovo ambiente. Non introdurre testo aggiuntivo.
A repeatable testing method
Per valutare il modello in modo significativo, usate le stesse immagini sorgente e le stesse istruzioni tra editor concorrenti.
Per uno screening iniziale, assemblate 20–50 task rappresentativi che coprano modifiche al prodotto, tipografia, ri-illuminazione, restauro e composizioni multi-oggetto. Questo è un set di partenza pratico, non un requisito di dimensione del campione statisticamente validato.
Rivedete gli output su quattro dimensioni:
Accuratezza delle istruzioni: il modello ha effettuato le modifiche richieste?
Preservazione: gli elementi non toccati sono rimasti coerenti?
Realismo visivo: illuminazione, prospettiva e composizione appaiono naturali?
Accettazione dell’output: potete usare il risultato senza ulteriori correzioni?
Per una valutazione orientata alla produzione, registrate anche latenza e costi una volta disponibile un accesso API adeguato.
Is MAI-Image-2.7-Preview API Available, and What Does It Cost?
Al 28 ottobre 2026, Microsoft non ha annunciato un endpoint API pubblico, prezzi o una data di disponibilità generale per MAI Image 2.7. Artificial Analysis etichetta la preview come No API available.
Per la pianificazione della produzione, i dettagli irrisolti includono ID del modello di deployment, limiti d’immagine, rate limit, fatturazione e termini d’uso specifici della preview.
Microsoft afferma che la generazione da testo a immagine è in arrivo. Se la vostra applicazione necessita ora sia di generazione sia di editing, scegliete una API documentata e trattate la 2.7 come un candidato di valutazione separato.
Image Editing with CometAPI
Per gli sviluppatori che necessitano oggi di editing di immagini in produzione, CometAPI offre accesso API a diverse alternative consolidate.
La API GPT Image 2.5 in CometAPI supporta generazione ed editing di immagini tramite endpoint compatibili con OpenAI.
Questo vi consente di validare ora il workflow di editing e di valutare MAI Image 2.7 separatamente quando Microsoft fornirà un’interfaccia per sviluppatori supportata.
Example: Editing an existing image with CometAPI
Eseguite questa richiesta in Bash con una chiave CometAPI valida e con file product.png nella directory corrente. Salva la risposta JSON in 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
Secondo il formato di risposta di CometAPI, l’immagine modificata è restituita come valore Base64 in data[0].b64_json. Decodificate quel valore Base64 in un file PNG; la risposta JSON in sé non è un’immagine. Se cURL riporta un errore HTTP, ispezionate il corpo della risposta prima di riprovare.
Production evaluation metrics
Una misura utile dell’efficienza in produzione è il costo per immagine accettata, non solo il costo per richiesta.
Ad esempio, supponiamo che un servizio di editing produca 100 immagini a un costo totale medio di $0.10 ciascuna.
Se solo 70 superano il controllo qualità, allora:
Costo per immagine accettata = $10 / 70 = circa $0.143.
Se una migliore qualità di editing alza il tasso di accettazione al 90% allo stesso costo per richiesta, il costo effettivo scende a circa $0.111 per immagine accettata.
Questo esempio ipotetico isola l’effetto del tasso di accettazione; l’assunzione di input di $0.10 non è un preventivo per alcun modello.
L’esempio mostra perché l’accuratezza dell’editing può contare quanto il prezzo headline della API.
FAQ
Come dovrei gestire un logo distorto in un edit MAI-Image-2.7-Preview?
Tornate all’immagine originale, restringete la modifica richiesta e dichiarate esplicitamente che logo e testo sulla confezione devono rimanere invariati. Confrontate il ritaglio rilevante con l’originale a piena risoluzione. Se il modello continua a cambiare dettagli critici per il brand, preservate quegli elementi tramite un passaggio separato di compositing o usate un editor convenzionale per quella regione. Un risultato visivamente attraente non è sufficiente quando il logo deve essere esatto.
Le modifiche ripetute con MAI-Image-2.7-Preview possono accumulare errori?
Le modifiche generative ripetute possono introdurre drift, anche quando ciascun risultato individuale sembra plausibile. Conservate la sorgente non toccata e salvate le versioni dopo ogni edit accettato. Per una nuova variazione, confrontate l’avvio dall’originale con la continuazione dall’ultimo output; scegliete il percorso che preserva i dettagli richiesti dal vostro progetto. Non presumete che un edit riuscito in precedenza garantisca coerenza lungo una sequenza più lunga.
Come posso confrontare in modo equo i risultati di MAI-Image-2.7-Preview?
Nascondete i nomi dei modelli durante la revisione e randomizzate l’ordine degli output. Concordate i criteri di rifiuto prima che i revisori vedano le immagini, e registrate i fallimenti oltre agli output preferiti. Se consentite retry, date a ogni modello lo stesso budget di retry e includete tutti i tentativi nel calcolo dei costi. Questo riduce la possibilità di favorire un modello perché è stato selezionato un risultato insolitamente forte.
Il restauro con MAI-Image-2.7-Preview preserva la verità storica?
Un’immagine restaurata può contenere dettagli plausibili non visibili nella sorgente. Conservate l’originale insieme alla versione modificata e distinguete il miglioramento cosmetico dalla ricostruzione fattuale. Per un progetto d’archivio o documentaristico, registrate le modifiche richieste e identificate i dettagli generati invece di trattare l’immagine restaurata come nuova evidenza sulla scena originale.
Conclusion
Valutate MAI-Image-2.7-Preview se il vostro workflow dipende da modifiche sostanziali mantenendo dettagli visivi chiave. Usate immagini sorgente rappresentative per misurare qualità di preservazione e tasso di accettazione dell’output. Se vi serve un’integrazione API oggi, scegliete un modello disponibile e tornate sulla 2.7 quando Microsoft pubblicherà accesso per sviluppatori e prezzi.
