Solutions Choose your path
For individuals Build, learn, and create with simple usage-based access. For business Scale teams, billing, governance, and model workflows. More English 繁體中文 日本語 한국어 Français Deutsch Español Italiano Português Русский العربية ไทย Tiếng Việt Bahasa Indonesia Bahasa Melayu Türkçe Polski Nederlands Danish Norsk Қазақ اردو
無料で始める 無料で始める
500+ AI Model API, All In One API.
Just In CometAPI © 2026 CometAPI · All rights reserved
Home Blog MAI Image 2.7 プレビュー：機能、ベンチマーク、APIの提供状況 ai-model / CometAPIリサーチ
MAI Image 2.7 プレビュー：機能、ベンチマーク、APIの提供状況 Microsoft の MAI-Image-2.7-Preview、その画像編集機能、Elo 1,193 のベンチマーク、GPT Image 2.5 との比較、API の提供状況、価格をご確認ください。
Deon Goodwin AIモデルとAPIの調査チーム Microsoft の MAI-Image-2.7-Preview、その画像編集機能、Elo 1,193 のベンチマーク、GPT Image 2.5 との比較、API の提供状況、価格をご確認ください。
この要約で素早く答えを把握し、ガイドで背景、例、実装詳細を確認してください。
from openai import OpenAI
client = OpenAI(
api_key="YOUR_COMETAPI_KEY",
base_url="https://api.cometapi.com/v1",
)
response = client.chat.completions.create(
model="gpt-5-mini",
messages=[{"role": "user", "content": "Build this workflow."}],
)
print(response.choices[0].message.content)要点
MAI-Image-2.7-Preview は Microsoft のAI画像編集モデルで、2026年10月27日に発表されました。既存画像に対してライティング、ビジュアルスタイル、オブジェクト、タイポグラフィなどを制御して変更することに特化しています。
Microsoft は MAI Image 2.7 を Arena Edit で第3位、Artificial Analysis で第2位として発表しました。本記事で確認した2026年10月28日のスナップショットでは、Artificial Analysis で Elo 1,193 を獲得し、第2位にランクインしました。デザイナーにとっては、既存の良い要素を保ちながら大幅な編集ができる点に価値があります。
開発者は公開のテストプラットフォームを通じてモデルを評価できますが、2026年10月28日時点で 2.7 の公開APIや価格は発表されていません。
重要なポイント
2026年10月27日リリース: Microsoft は MAI-Image-2.7-Preview を、画像編集に特化した MAI-Image-2.6 の後継として発表。Artificial Analysis で Elo 1,193: AA-Image-Editing v2.1 で第2位、GPT Image 2.5 Sunburst に6ポイント差。
明確性、出典の帰属、最新のAPI用語について確認済みです。
幅広い編集の向上: 1種類の編集だけでなく、評価対象の10ユースケースと7つの編集アクションすべてで改善を報告。
高度な編集機能: シーンのリスタイリング、リライティング、テキスト/記号編集、推論に基づく変更、画像復元を対象。
導入前に評価を: 既存要素の保持要件に照らして MAI-Image-2.7-Preview を検証。今日すぐの本番用途には利用可能なAPIを選択。
MAI-Image-2.7-Preview とは？ MAI-Image-2.7-Preview は Microsoft AI が開発したプロプライエタリな画像編集モデルです。画像生成、画像編集、プロダクション向けクリエイティブワークフローに対応する既存のモデルを含む Microsoft の MAI Image ファミリーに属します。
画像全体を置き換えるのではなく、元のシーンの視覚的な一貫性を保ちながら狙いを定めた編集を行うよう設計されています。
たとえばデザイナーは、パッケージ、ロゴ、比率を保持したまま、製品を新しい環境に配置できます。写真家は、被写体を歪めずにライティングを変更したい場合があります。マーケティングチームは、レイアウトを維持したまま既存の広告にあるテキストを差し替える必要があるかもしれません。
MAI-Image-2.7-Preview の仕様 開発元 Microsoft AI リリース日 2026年10月27日 リリース段階 プレビュー 主な機能 AI画像編集 入力 既存画像とテキストによる編集指示 出力 編集済み画像 テキストから画像生成 近日提供予定と発表 公開開発者向けAPI 未発表 モデルアーキテクチャとパラメータ数 非公開 最大解像度 2.7では非公開 最大参照画像枚数 2.7では非公開 公開評価プラットフォーム Arena および Artificial Analysis インタラクティブテスト MAI Playground（アクセス可用性に依存）
Microsoft はプレビュー版のアーキテクチャ、パラメータ数、最大解像度、参照画像の上限をローンチ発表で開示していません。以前の MAI 仕様を 2.7 の確定値として扱うべきではありません。
MAI-Image-2.7-Preview で何ができる？ Microsoft によれば、同モデルは拡張・復元、推論に基づく編集、シーン/スタイル編集、テキスト/記号編集の4分野でカテゴリ最前線に到達しています。
シーンとスタイル編集 MAI-Image-2.7-Preview は、既存画像の全体的な外観（環境、アートスタイル、ライティング、ムード）を変更できます。
たとえばプレーンなスタジオ背景で撮影された製品写真を、製品自体を保持したまま、プレミアムな屋外キャンペーンのシーンに変換したい場合があります。
成功する結果には、背景の差し替えだけでは不十分です。光の向き、反射、影、遠近法、色が一貫している必要があります。
テキストと記号の編集 AI画像モデルは、すでに画像に埋め込まれているテキストの変更を苦手とすることがよくあります。
ラベルの置換で、書体、位置、遠近、周囲デザインが意図せず変わることがあります。置換した語が正しくても、編集領域が元画像に不自然に貼り付けられたように見えることもあります。
MAI-Image-2.7-Preview は、視覚的な統合感を保ちながらテキストや記号を変更することに注力しています。
想定用途には、製品パッケージ、広告、販促ポスター、プレゼンテーショングラフィック、UIモックアップなどが含まれます。
多言語マーケティング資産を作成する企業にとって特に有用となり得ます。ただし、言語や複雑なタイポグラフィをまたぐ信頼性については、タスク固有の検証が引き続き必要です。
推論に基づく画像編集 一部の画像編集には、オブジェクトが周囲とどのように相互作用するかの理解が必要です。
たとえば反射するオブジェクトを別の環境に移動すると、ライティング、影、周囲の表面に連動した変更が必要になることがあります。
編集モデルは指示に形式的に従いながらも、一貫性のないシーンを生成してしまう場合があります。
MAI-Image-2.7-Preview は、オブジェクト、ライティング、環境の関係を伴う編集に対処できるよう設計されています。
画像の拡張と復元 一般的なワークフローには、古い写真の復元、低品質な製品画像の強化、クリエイティブ素材の洗練、視覚的な欠陥の補正が含まれます。
AIによる復元は、もっともらしいディテールを生成することがあります。アーカイブや証拠ベースの用途では、オリジナルを保持し、生成された変更を明確に示してください。
これらは機能カテゴリであり、完璧な結果を保証するものではありません。実際の編集精度は、元画像、プロンプトの複雑性、レビュー基準に依存します。
MAI-Image-2.7-Preview はベンチマークでどう評価される？ MAI-Image-2.7-Preview は、画像編集の主要評価プラットフォームである Artificial Analysis と Arena に登場しています。
両者は選好に基づく評価手法を用いますが、データセット、スコア尺度、投票方法が異なります。
Elo スコアは、プラットフォーム間で直接比較するのではなく、各リーダーボード内で比較すべきです。
Artificial Analysis: AA-Image-Editing v2.1 Artificial Analysis は、テキスト指示に応じて入力画像をどれだけ適切に編集できるかを評価します。
AA-Image-Editing v2.1 は、画像編集タスクでのペアワイズの人間による選好投票に基づいてモデルをランク付けします。これらは Microsoft 社内のベンチマークではなく、外部プラットフォームの結果です。
2026年10月28日のスナップショットは以下のとおりです。
表は公開されたモデル設定を保持しており、GPT Image 2.5 の max 設定も含まれます。± の値は表示される95%不確実性区間です。リーダーボードには共通のハードウェアやレイテンシの試験環境がないため、これらのスコアは処理速度ではなく編集の選好を示します。
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 は、このリーダーボードで MAI-Image-2.6 に対して Elo で42上回り、Flare に対して11上回り、Sunburst に対して6下回っています。
ただし、上位モデル間では信頼区間が重なっています。6ポイントの差は、すべての編集タスクで Sunburst が一貫して MAI-Image-2.7-Preview を上回ることを意味しません。
Arena Edit: 画像編集 Arena もブラインド比較によってユーザーの選好を測定します。
2026年10月28日に表示されていた単一画像編集の全体スコアは以下のとおりです。表は、表示のある箇所では Arena の暫定ラベルを保持しています。
1 GPT-Image-2.5 Sunburst 1517 ± 5（暫定） 90,545 2 GPT-Image-2.5 Flare 1482 ± 5（暫定） 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（暫定） 32,951 6 MAI-Image-2.6 1427 ± 5 76,933 7 Gemini Nano Banana 2.1 1427 ± 6（暫定） 12,956
表示スコアでは、2.7 Preview は 2.6 を Elo で44上回り、GPT-Image-2 (Medium) を11上回っています。
Arena の結果はライブであり、時間とともに変動します。以下の数値は本記事で確認した10月28日のスナップショットに基づきます。
商業デザインでの性能 広告や製品アセットとして機能する出力が求められる場合、Arena の Product, Branding & Commercial Design カテゴリが特に参考になります。
2026年10月28日の Arena のProduct, Branding & Commercial Design カテゴリで、MAI-Image-2.7-Preview は Elo 1,499 で第3位—第8位の 2.6 に対して55ポイント上回りました。投票数は718票と不確実性区間が広いため、まずは自社のデザイン要件に照らしたテストが必要であることを示す初期シグナルです。
両方のリーダーボードで、MAI-Image-2.6 より強い編集性能と、リーディングモデルに対して競争力のある結果が示されています。ただし、本番での速度、信頼性、コストは別途APIでの検証が必要です。
MAI-Image-2.7-Preview と MAI-Image-2.6 の比較 MAI-Image-2.6 は以前、Microsoft Foundry を通じて開発者に提供され、Flash バリアントも別途提供されました。この API マイルストーンは、Artificial Analysis が記録する8月のリリース月とは別の文脈です。
MAI-Image-2.6 とその Flash バリアントは、複数画像の参照編集、Webグラウンディング、可変アスペクト比、最大1.5Kの出力解像度などの開発者向け機能を導入しました。
2.7 のプレビューでは、直近のリリース重点が編集性能にシフトしています。
編集性能 シーン、スタイル、推論、テキスト、復元の編集に対応 上記4分野すべてでの改善を Microsoft が報告、カテゴリ先導の結果 テキストから画像の機能 利用可能 近日提供予定 開発者向けAPI Microsoft Foundry を通じて提供 未発表
Microsoft は、評価対象の10ユースケースと7つの編集アクションすべてでの向上を報告しています。実務上の論点は、その向上が自チームで頻繁に行う編集をどれだけ改善するかです。
画像生成APIが文書化され、既存の本番統合があるという点で、前モデルは引き続き有用です。
MAI Image 2.7 のアクセス方法と試し方 Microsoft は、プレビューの探索手段として MAI Playground、Arena、Artificial Analysis を挙げています。まずは Playground で自分の画像を試し、評価プラットフォームで選好やスコアを比較しましょう。
プレビューがあなたのアカウントや地域で利用可能な場合、意図されたワークフローは、編集モデルを選び、既存の画像を提供し、希望する変更を記述するというものです。
最初の有用な実験は、大きな変更を1つと、複数の明確な保持要件を含む編集です。
この製品写真の背景を、モダンで高級感のあるリテール内装に置き換えてください。製品の正確な比率、ロゴ、パッケージのテキスト、カメラアングルは厳密に保持してください。新しい環境に合わせて照明と影を自然に調整してください。追加のテキストは一切入れないでください。
再現可能なテスト手順 モデルを意味のある形で評価するには、競合エディタ間で同じ元画像と指示を使ってください。
初期スクリーニングとして、製品変更、タイポグラフィ、リライティング、復元、複数オブジェクトのコンポジションをカバーする代表的な20〜50件のタスクを用意します。これは実務的な出発点であり、統計的に妥当なサンプルサイズ要件を意味するものではありません。
指示の正確性: 要求した変更が行われているか保持: 触れていない要素が一貫して維持されているか視覚的リアリズム: ライティング、遠近、構図が自然に見えるか出力の採用: 追加修正なしで使用できるか 本番志向の評価では、適切なAPIアクセスが利用可能になった後に、レイテンシとコストも記録してください。
MAI-Image-2.7-Preview のAPIは利用可能か、費用はいくらか？ 2026年10月28日時点で、Microsoft は MAI Image 2.7 の公開APIエンドポイント、価格、一般提供日を発表していません。Artificial Analysis はプレビューに対して No API available とラベル付けしています。
本番計画のためには、デプロイ用モデルID、画像上限、レート制限、課金、プレビュー特有の利用条件といった詳細が未確定です。
Microsoft はテキストから画像生成が近日提供予定だとしています。アプリケーションで現時点ですでに生成と編集の両方が必要な場合は、文書化されたAPIを選び、2.7 は別個の評価候補として扱ってください。
今日すぐに本番で画像編集が必要な開発者向けに、CometAPI は複数の確立された代替手段へのAPIアクセスを提供しています。
これにより、編集ワークフローを今すぐ検証しつつ、Microsoft がサポートされた開発者向けインターフェースを提供した際に、MAI Image 2.7 を別枠で評価できます。
有効な CometAPI キーとカレントディレクトリにある product.png を用意して、以下のリクエストを Bash で実行してください。JSONレスポンスは edit-response.json に保存されます。
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
CometAPI のレスポンス形式では、編集済み画像は data[0].b64_json に Base64 値として返されます。その Base64 値を PNG ファイルにデコードしてください。JSONレスポンス自体は画像ではありません。cURL が HTTP エラーを報告した場合は、再試行の前にレスポンスボディを確認してください。
本番評価指標 本番効率の有用な指標は、単なるリクエスト当たりのコストではなく、「採用された1枚あたりのコスト」です。
たとえば、ある編集サービスが100枚の画像を平均$0.10の総コストで生成したとします。
採用画像1枚あたりのコスト = $10 / 70 = 約 $0.143.
編集品質の改善により、同じリクエスト当たりのコストで採用率が90%に上がれば、実効コストは約 $0.111/枚まで下がります。
この仮例は採用率の効果を独立して示すものであり、$0.10 の入力仮定は特定モデルの見積価格ではありません。
この例は、見出しのAPI価格と同様に、編集精度が重要になり得る理由を示しています。
FAQ
MAI-Image-2.7-Preview の編集でロゴが歪んだ場合は？ 元画像に戻り、要求する変更範囲を狭め、ロゴとパッケージのテキストを変更しないことを明確に指示してください。該当箇所をオリジナルとフル解像度で比較します。なお、モデルがブランド重要要素を引き続き変更してしまう場合は、該当部分を別の合成工程で保護するか、その領域だけ従来のエディタを使ってください。見た目が良いだけでは、ロゴの厳密性が必要なときには不十分です。
繰り返しの MAI-Image-2.7-Preview 編集でエラーが蓄積することはある？ 個々の生成結果がもっともらしく見えても、繰り返しの生成編集はドリフトを生むことがあります。未編集の元データを保持し、各採用版のバージョンを保存してください。新たなバリエーションを作る際は、元から開始する場合と直近の出力から続ける場合を比較し、プロジェクトで重視するディテールをより保持できる方を選びます。過去の成功が長い連鎖での一貫性を保証するとは限りません。
MAI-Image-2.7-Preview の結果を公平に比較するには？ レビュー時にモデル名を隠し、出力順をランダム化してください。レビュアーが画像を見る前に却下基準に合意し、好まれた出力だけでなく失敗例も記録します。リトライを許可する場合は、すべてのモデルに同じリトライ枠を与え、コスト計算には全試行を含めます。これにより、たまたま強い1枚を選んだモデルを過大評価する可能性を減らせます。
MAI-Image-2.7-Preview の復元は歴史的事実を保持するか？ 復元された画像には、元には見えなかったもっともらしいディテールが含まれる場合があります。オリジナルを編集版と並行して保持し、化粧直しと事実の再構成を区別してください。アーカイブやドキュメンタリーのプロジェクトでは、要求した変更を記録し、生成ディテールを特定して、編集画像を元のシーンに関する新たな証拠として扱わないことが重要です。
結論 重要な視覚要素を保持しつつ大幅な編集に依存するワークフローなら、MAI-Image-2.7-Preview を評価する価値があります。代表的な元画像を用いて保持品質と出力採用率を測定してください。API統合が今日必要であれば、利用可能なモデルを選び、Microsoft が開発者向けアクセスと価格を公開した時点で 2.7 の再評価を行いましょう。
