MAI-Image-2.7-Preview는 2026년 10월 27일에 공개된 Microsoft의 AI 이미지 편집 모델입니다. 기존 이미지의 조명, 비주얼 스타일, 객체, 타이포그래피 등 요소를 통제해 변경하는 데 초점을 맞춥니다.
Microsoft는 MAI Image 2.7을 Arena Edit 3위, Artificial Analysis 2위로 발표했습니다. 본 문서 작성 시 검토한 2026년 10월 28일 스냅샷에서 Artificial Analysis Elo 1,193점을 기록하며 2위에 올랐습니다. 디자이너에게는 이미 잘 작동하는 요소를 보존하면서도 대규모 수정을 수행할 수 있다는 점이 가치입니다.
개발자는 공개 테스트 플랫폼을 통해 모델을 평가할 수 있지만, 2026년 10월 28일 기준으로 Microsoft는 2.7의 공개 API나 가격을 발표하지 않았습니다.
Key Takeaways
출시: 2026년 10월 27일: Microsoft가 이미지 편집 특화 후속작 MAI-Image-2.7-Preview를 공개했습니다(이전작: MAI-Image-2.6).
Artificial Analysis Elo 1,193: AA-Image-Editing v2.1에서 2위를 기록했으며, GPT Image 2.5 Sunburst보다 6점 낮습니다.
Arena 결과는 실시간으로 변동되며, 아래 수치는 본 문서 검토 시점인 10월 28일 스냅샷을 반영합니다.
Commercial design performance
출력이 광고나 제품 에셋으로 실제 사용되어야 하는 경우, Arena의 Product, Branding & Commercial Design 카테고리가 특히 유의미합니다.
2026년 10월 28일 기준 Arena의 Product, Branding & Commercial Design 카테고리에서 MAI-Image-2.7-Preview는 Elo 1,499로 3위를 기록했으며, 8위인 2.6보다 55점 앞섰습니다. 투표 수가 718로 적고 불확실성 구간이 넓어, 자체 요구사항에 따른 추가 테스트를 위한 초기 신호로 해석하는 것이 좋습니다.
두 리더보드 모두 MAI-Image-2.6보다 강한 편집 성능과 선도 모델과의 경쟁력을 보여줍니다. 다만, 프로덕션 속도, 신뢰성, 비용은 별도의 API 테스트가 필요합니다.
MAI-Image-2.7-Preview vs MAI-Image-2.6
MAI-Image-2.6은 이전에 Microsoft Foundry를 통해 개발자에게 제공되었고, Flash 변형이 별도로 제공되었습니다. 이 API 이정표는 Artificial Analysis가 기록한 8월 출시 월과는 별개의 사안입니다.
MAI-Image-2.6과 그 Flash 변형은 다중 참조 이미지 편집, 웹 그라운딩, 동적 종횡비, 최대 1.5K 출력 해상도 등 개발자 지향 기능을 도입했습니다.
2.7 프리뷰는 당장의 출시 초점을 편집 성능으로 이동합니다.
Dimension
MAI-Image-2.6
MAI-Image-2.7-Preview
Editing performance
장면·스타일·추론·텍스트·복원 편집 지원
네 영역 전반의 개선 보고, 카테고리 리딩 성과
Text-to-image capability
제공됨
곧 제공 예정
Developer API
Microsoft Foundry를 통해 제공
미공개
Microsoft는 평가된 10가지 용례와 7가지 편집 동작 전반에서의 향상을 보고합니다. 실무적으로 중요한 질문은 이러한 향상이 팀이 가장 자주 수행하는 편집에 도움이 되는가입니다.
문서화된 이미지 생성 API와 확립된 프로덕션 통합이 필요한 개발자에게는 이전 모델이 여전히 유효합니다.
How to Access and Try MAI Image 2.7
Microsoft는 프리뷰 탐색 경로로 MAI Playground, Arena, Artificial Analysis를 제시합니다. 자체 이미지는 Playground에서 시작하고, 비교 선호도와 점수는 평가 플랫폼에서 확인하세요.
이를 통해 지금 편집 워크플로우를 검증하고, Microsoft가 지원되는 개발자 인터페이스를 제공하면 MAI Image 2.7을 별도로 평가할 수 있습니다.
Example: Editing an existing image with CometAPI
유효한 CometAPI 키와 현재 디렉터리에 있는 product.png로 Bash에서 아래 요청을 실행하세요. JSON 응답은 edit-response.json으로 저장됩니다.
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 응답 형식에 따르면, 편집된 이미지는 data[0].b64_json의 Base64 값으로 반환됩니다. 해당 Base64 값을 디코드해 PNG 파일로 저장하세요. JSON 응답 자체는 이미지가 아닙니다. cURL이 HTTP 오류를 보고하면, 재시도 전에 응답 본문을 확인하세요.
Production evaluation metrics
프로덕션 효율성을 측정하는 유용한 지표는 요청당 비용이 아니라, 승인된 이미지 1장당 비용입니다.
예를 들어, 어떤 편집 서비스가 이미지 100장을 평균 장당 $0.10 총비용으로 생성한다고 가정합시다.
그중 70장만 품질 검수를 통과한다면:
Cost per accepted image = $10 / 70 = approximately $0.143.
동일한 요청당 비용에서 편집 품질 향상으로 승인율이 90%로 올라가면, 승인 1장당 실질 비용은 약 $0.111로 감소합니다.
이 가상의 예시는 승인율의 영향을 분리해 설명한 것이며, $0.10 입력값은 어떤 모델의 견적도 아닙니다.
이 예시는 편집 정확도가 headline API 가격만큼이나 중요할 수 있음을 보여줍니다.
FAQ
MAI-Image-2.7-Preview 편집 결과에서 로고가 왜곡되면 어떻게 해야 하나요?
원본 이미지로 돌아가 요청 변경 범위를 좁히고, 로고와 패키징 텍스트는 변경되지 않아야 한다는 점을 명시적으로 서술하세요. 관련 크롭을 원본과 동일 해상도로 비교하세요. 그래도 브랜드 핵심 요소가 변형된다면, 해당 영역은 별도의 합성 단계로 보존하거나 전통적 편집기를 사용하세요. 시각적으로 매력적인 결과라도 로고가 정확해야 하는 경우에는 충분하지 않습니다.
MAI-Image-2.7-Preview에서 반복 편집이 오류를 누적시킬 수 있나요?
개별 결과가 그럴듯해 보이더라도, 반복적 생성 편집은 드리프트를 유발할 수 있습니다. 건드리지 않은 원본을 보관하고, 각 승인된 편집 후 버전을 저장하세요. 새로운 변형이 필요하면, 직전 출력본에서 이어 하는 것과 원본에서 다시 시작하는 것을 비교해 프로젝트 요구를 더 잘 보존하는 경로를 선택하세요. 과거의 성공적 편집이 긴 연쇄에서의 일관성을 보장한다고 가정하지 마세요.
MAI-Image-2.7-Preview 결과를 공정하게 비교하려면?
검토 중 모델명을 숨기고 출력 순서를 무작위화하세요. 리뷰어가 이미지를 보기 전에 기각 기준에 합의하고, 선호 출력뿐 아니라 실패 사례도 기록하세요. 재시도를 허용한다면, 모든 모델에 동일한 재시도 예산을 부여하고 모든 시도를 비용 계산에 포함하세요. 이렇게 하면 우연히 뛰어난 한 결과 때문에 특정 모델에 유리해지는 편향을 줄일 수 있습니다.
MAI-Image-2.7-Preview 복원이 역사적 진실을 보존하나요?
복원된 이미지는 원본에 보이지 않았던 그럴듯한 디테일을 포함할 수 있습니다. 편집본과 함께 원본을 보관하고, 미용적 개선과 사실 재구성을 구분하세요. 아카이브나 다큐멘터리 프로젝트에서는 요청한 변경 사항을 기록하고, 생성된 디테일을 식별해 원본 장면에 대한 새로운 증거로 취급하지 마세요.
Conclusion
중요 시각 요소의 보존을 전제로 큰 폭의 편집이 필요한 워크플로우라면 MAI-Image-2.7-Preview를 평가해 보세요. 대표적인 소스 이미지를 사용해 보존 품질과 출력 수용성을 측정하세요. 오늘 당장 API 통합이 필요하다면 이용 가능한 모델을 선택하고, Microsoft가 개발자 접근 방식과 가격을 공개하면 2.7을 다시 검토하세요.
