Construa com CometAPIPrecisa de uma API para vários modelos?Teste o fluxo no Playground e depois crie uma chave da API quando o modelo e o custo atenderem ao seu caso de uso.
Prévia do MAI Image 2.7: recursos, benchmarks e disponibilidade da API
Descubra o MAI-Image-2.7-Preview da Microsoft, seus recursos de edição de imagem, benchmark Elo de 1,193, comparações com o GPT Image 2.5, disponibilidade da API e preços.
Deon GoodwinEquipe de pesquisa de modelos e API de IA
MAI-Image-2.7-Preview é o modelo de edição de imagens por IA da Microsoft, apresentado em 27 de outubro de 2026. Ele foca em alterações controladas em imagens existentes, incluindo iluminação, estilo visual, objetos e tipografia.
A Microsoft anunciou o MAI Image 2.7 na 3ª posição no Arena Edit e na 2ª no Artificial Analysis. No snapshot de 28 de outubro de 2026 analisado para este artigo, ele obteve 1.193 Elo no Artificial Analysis e ficou em segundo lugar. Para designers, seu valor está em fazer edições substanciais enquanto preserva elementos que já funcionam.
Desenvolvedores podem avaliar o modelo por meio de plataformas públicas de teste, mas a Microsoft não anunciou uma API pública da versão 2.7 nem preços até 28 de outubro de 2026.
Key Takeaways
Lançado em 27 de outubro de 2026: a Microsoft apresentou o MAI-Image-2.7-Preview como sucessor focado em edição de imagens do MAI-Image-2.6.
Revisado para maior clareza, atribuição de fontes e terminologia de API atual.
1.193 Elo no Artificial Analysis: o modelo ocupa a segunda posição no AA-Image-Editing v2.1, seis pontos atrás do GPT Image 2.5 Sunburst.
Ganhos de edição mais amplos: a Microsoft relata melhorias em todos os 10 casos de uso avaliados e em sete ações de edição, em vez de ganho em apenas um tipo de edição.
Capacidades avançadas de edição: o modelo mira reestilização de cenas, reiluminação, edição de texto e símbolos, modificações baseadas em raciocínio e restauração de imagens.
Avalie antes de integrar: teste o MAI-Image-2.7-Preview em relação aos seus próprios requisitos de preservação; use uma API disponível quando sua aplicação precisar de implantação hoje.
What Is MAI-Image-2.7-Preview?
MAI-Image-2.7-Preview é um modelo proprietário de edição de imagens desenvolvido pela Microsoft AI. Ele pertence à família MAI Image da Microsoft, que inclui modelos anteriores projetados para geração de imagens, edição de imagens e fluxos de trabalho criativos voltados à produção.
Em vez de substituir a imagem inteira, o modelo foi projetado para fazer edições direcionadas enquanto preserva a coerência visual da cena original.
Por exemplo, um designer pode posicionar um produto em um novo ambiente preservando sua embalagem, logotipo e proporções. Um fotógrafo pode querer alterar a iluminação sem distorcer o sujeito. Uma equipe de marketing pode precisar substituir o texto de um anúncio existente preservando seu layout.
MAI-Image-2.7-Preview specifications
Especificação
MAI-Image-2.7-Preview
Desenvolvedor
Microsoft AI
Data de lançamento
27 de outubro de 2026
Estágio de lançamento
Preview
Capacidade principal
Edição de imagem por IA
Entrada
Imagem existente e instruções de edição em texto
Saída
Imagem editada
Geração de texto para imagem
Anunciado como em breve
API pública para desenvolvedores
Não anunciada
Arquitetura do modelo e nº de parâmetros
Não divulgado
Resolução máxima
Não divulgada para a 2.7
Nº máximo de imagens de referência
Não divulgado para a 2.7
Plataformas públicas de avaliação
Arena e Artificial Analysis
Teste interativo
MAI Playground, sujeito à disponibilidade de acesso
A Microsoft não divulgou, no anúncio de lançamento, a arquitetura do preview, a contagem de parâmetros, a resolução máxima ou o limite de imagens de referência. Especificações anteriores do MAI não devem ser tratadas como limites confirmados para a versão 2.7.
What Can MAI-Image-2.7-Preview Do?
A Microsoft afirma que o modelo atinge a fronteira da categoria em quatro áreas: aprimoramento e restauração, edições baseadas em raciocínio, edição de cena e estilo, e edição de texto ou símbolos.
Scene and style editing
MAI-Image-2.7-Preview pode modificar a aparência geral de uma imagem existente, incluindo seu ambiente, estilo artístico, iluminação e clima.
Considere uma fotografia de produto tirada contra um fundo de estúdio simples. Um designer pode querer transformar o ambiente ao redor em uma cena de campanha premium ao ar livre, preservando o próprio produto.
Um resultado bem-sucedido exige mais do que mudar o fundo. A direção da iluminação, reflexos, sombras, perspectiva e cores devem permanecer consistentes.
A Microsoft relata uma vantagem de 24 pontos em Elo na edição de cena e estilo sobre o próximo melhor modelo nessa categoria. Esse resultado torna alterações de fundo e reiluminação pontos de partida úteis para a sua própria avaliação.
Text and symbol editing
Modelos de imagem por IA frequentemente enfrentam dificuldades para modificar texto já incorporado em uma imagem.
Substituir um rótulo pode alterar acidentalmente sua tipografia, posicionamento, perspectiva ou o design ao redor. Mesmo quando as palavras de substituição estão corretas, a região editada pode parecer artificialmente colada ao original.
MAI-Image-2.7-Preview foca em alterar textos e símbolos mantendo-os visualmente integrados.
Aplicações prováveis incluem embalagens de produtos, anúncios, cartazes promocionais, gráficos para apresentações e mockups de UI.
Para empresas que criam ativos de marketing multilíngues, isso pode ser particularmente valioso. No entanto, a confiabilidade do modelo em diferentes idiomas e tipografias complexas ainda requer testes específicos por tarefa.
Reasoning-based image editing
Algumas edições de imagem exigem entendimento de como objetos interagem com seus arredores.
Por exemplo, mover um objeto reflexivo para um ambiente diferente pode exigir alterações coordenadas na iluminação, sombras e superfícies próximas.
Um modelo de edição pode, tecnicamente, seguir a instrução e ainda produzir uma cena inconsistente.
MAI-Image-2.7-Preview foi projetado para lidar com edições que envolvem relações entre objetos, iluminação e ambientes.
Image enhancement and restoration
Fluxos de trabalho típicos incluem restaurar fotografias antigas, aprimorar imagens de produtos de baixa qualidade, refinar ativos criativos e corrigir imperfeições visuais.
A restauração por IA pode inventar detalhes plausíveis. Para trabalho arquivístico ou baseado em evidências, mantenha o original e identifique claramente as alterações geradas.
Estas são categorias de capacidade, e não garantias de resultados perfeitos. A precisão real da edição depende da imagem de origem, da complexidade do prompt e dos critérios de revisão.
How Does MAI-Image-2.7-Preview Perform on Benchmarks?
MAI-Image-2.7-Preview apareceu em duas grandes plataformas de avaliação de edição de imagens: Artificial Analysis e Arena.
Ambas utilizam abordagens de avaliação baseadas em preferência, mas têm conjuntos de dados, escalas de pontuação e metodologias de votação diferentes.
Suas pontuações de Elo devem ser comparadas dentro de cada leaderboard, e não diretamente entre plataformas.
Artificial Analysis: AA-Image-Editing v2.1
O Artificial Analysis avalia quão bem modelos de imagem modificam uma imagem de entrada em resposta a instruções em texto.
AA-Image-Editing v2.1 classifica modelos usando votos de preferência humana em pares de tarefas de edição de imagem. Esses são resultados de plataformas externas, e não um benchmark interno da Microsoft.
O snapshot de 28 de outubro de 2026 mostra:
A tabela preserva as configurações de modelo publicadas, incluindo a configuração max para GPT Image 2.5. Os valores ± são os intervalos de incerteza de 95% exibidos. O leaderboard não fornece um ambiente compartilhado de hardware ou latência, portanto essas pontuações descrevem preferência de edição, e não velocidade de processamento.
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 marca 42 Elo acima do MAI-Image-2.6, 11 acima do Flare e seis abaixo do Sunburst nesse leaderboard.
No entanto, os intervalos de confiança se sobrepõem entre os modelos líderes. Uma diferença de seis pontos não estabelece que o Sunburst superará consistentemente o MAI-Image-2.7-Preview em toda tarefa de edição.
Arena Edit: Image editing
O Arena também mede preferências de usuários por meio de comparações às cegas.
As pontuações gerais de edição de imagem única visíveis em 28 de outubro de 2026 são mostradas abaixo. A tabela mantém os rótulos preliminares do Arena onde exibidos.
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
As pontuações exibidas colocam a 2.7 Preview 44 Elo acima da 2.6 e 11 Elo acima do GPT-Image-2 (Medium).
Para bases de comparação API adicionais, desenvolvedores podem acessar GPT Image 2 e Grok Imagine Image 2.0 API. Medium na entrada do GPT Image 2 no Arena identifica uma configuração de avaliação, não um nome de modelo API separado.
Os resultados do Arena são dinâmicos e podem mudar ao longo do tempo; os números abaixo refletem o snapshot de 28 de outubro analisado para este artigo.
Commercial design performance
A categoria Product, Branding & Commercial Design do Arena é especialmente relevante quando a saída precisa funcionar como um ativo de anúncio ou produto.
Na categoria Product, Branding & Commercial Design do Arena em 28 de outubro de 2026, o MAI-Image-2.7-Preview ficou em terceiro com 1.499 Elo — 55 pontos à frente da 2.6, que ficou em oitavo. Com apenas 718 votos e um intervalo de incerteza mais amplo, o resultado é um sinal inicial para testar em relação aos seus próprios requisitos de design.
Ambos os leaderboards mostram desempenho de edição mais forte do que o MAI-Image-2.6 e resultados competitivos frente aos modelos líderes. Velocidade de produção, confiabilidade e custo ainda exigem testes de API separados.
MAI-Image-2.7-Preview vs MAI-Image-2.6
MAI-Image-2.6 foi disponibilizado anteriormente a desenvolvedores por meio do Microsoft Foundry, com uma variante Flash oferecida separadamente. Esse marco de API é distinto do mês de lançamento em agosto registrado pelo Artificial Analysis.
MAI-Image-2.6 e sua variante Flash introduziram recursos voltados a desenvolvedores, como edição com múltiplas imagens de referência, web grounding, proporções dinâmicas e resoluções de saída de até 1.5K.
O preview 2.7 desloca a ênfase do lançamento imediato para o desempenho em edição.
Dimensão
MAI-Image-2.6
MAI-Image-2.7-Preview
Desempenho de edição
Suporta edições de cena, estilo, raciocínio, texto e restauração
A Microsoft relata melhorias nas quatro áreas de edição, com resultados líderes de categoria
Capacidade de texto para imagem
Disponível
Em breve
API para desenvolvedores
Disponível via Microsoft Foundry
Não anunciada
A Microsoft relata ganhos em todos os 10 casos de uso avaliados e em sete ações de edição. A questão prática é se esses ganhos melhoram as edições que sua equipe realiza com mais frequência.
O modelo anterior permanece relevante para desenvolvedores que precisam de uma API documentada de geração de imagens e integrações de produção estabelecidas.
How to Access and Try MAI Image 2.7
A Microsoft identifica o MAI Playground, o Arena e o Artificial Analysis como rotas para explorar o preview. Comece com o Playground para a sua própria imagem e use as plataformas de avaliação para comparar preferências e pontuações.
O MAI Playground é o ambiente de experimentação direta da Microsoft para os modelos MAI.
Quando o preview estiver disponível para sua conta e região, o fluxo de trabalho pretendido é selecionar o modelo de edição, fornecer uma imagem existente e descrever as alterações desejadas.
Um primeiro experimento útil é uma edição com uma mudança principal e vários requisitos explícitos de preservação.
Prompt de exemplo:
Substitua o fundo desta fotografia de produto por um interior de varejo moderno e luxuoso. Preserve exatamente as proporções do produto, o logotipo, o texto da embalagem e o ângulo de câmera. Ajuste a iluminação e as sombras para combinar com o novo ambiente. Não introduza texto adicional.
A repeatable testing method
Para avaliar o modelo de forma significativa, use as mesmas imagens de origem e instruções entre editores concorrentes.
Para uma triagem inicial, reúna de 20 a 50 tarefas representativas cobrindo alterações de produto, tipografia, reiluminação, restauração e composições com múltiplos objetos. Este é um conjunto inicial prático, não um requisito de tamanho de amostra estatisticamente validado.
Revise as saídas em quatro dimensões:
Precisão da instrução: o modelo fez as alterações solicitadas?
Preservação: os elementos não tocados permaneceram consistentes?
Realismo visual: iluminação, perspectiva e composição parecem naturais?
Aceitação da saída: você pode usar o resultado sem correções adicionais?
Para uma avaliação orientada à produção, latência e custo também devem ser registrados assim que houver acesso a uma API adequada.
Is MAI-Image-2.7-Preview API Available, and What Does It Cost?
Em 28 de outubro de 2026, a Microsoft não havia anunciado um endpoint de API pública, preços ou data de disponibilidade geral para o MAI Image 2.7. O Artificial Analysis rotula o preview como No API available.
Para planejamento de produção, os detalhes em aberto incluem o ID do modelo de implantação, limites de imagem, limites de taxa, faturamento e termos de uso específicos do preview.
A Microsoft afirma que a geração de texto para imagem chegará em breve. Se sua aplicação precisa de geração e edição agora, escolha uma API documentada e trate a 2.7 como um candidato de avaliação separado.
Image Editing with CometAPI
Para desenvolvedores que precisam de edição de imagens em produção hoje, a CometAPI oferece acesso por API a várias alternativas consolidadas.
Isso permite validar o fluxo de trabalho de edição agora e avaliar o MAI Image 2.7 separadamente quando a Microsoft fornecer uma interface para desenvolvedores suportada.
Example: Editing an existing image with CometAPI
Execute esta requisição em Bash com uma chave válida do CometAPI e um arquivo product.png no diretório atual. Ela salva a resposta JSON em 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
De acordo com o formato de resposta da CometAPI, a imagem editada é retornada como um valor Base64 em data[0].b64_json. Decodifique esse valor Base64 em um arquivo PNG; a resposta JSON em si não é uma imagem. Se o cURL relatar um erro HTTP, inspecione o corpo da resposta antes de tentar novamente.
Production evaluation metrics
Uma medida útil de eficiência em produção é o custo por imagem aceita, não apenas o custo por requisição.
Por exemplo, suponha que um serviço de edição produza 100 imagens a um custo total médio de $0,10 cada.
Se apenas 70 passam na revisão de qualidade, então:
Custo por imagem aceita = $10 / 70 = aproximadamente $0,143.
Se a melhoria na qualidade de edição elevar a taxa de aceitação para 90% com o mesmo custo por requisição, o custo efetivo cai para aproximadamente $0,111 por imagem aceita.
Este exemplo hipotético isola o efeito da taxa de aceitação; a suposição de entrada de $0,10 não é uma cotação para nenhum modelo.
O exemplo mostra por que a precisão da edição pode importar tanto quanto o preço nominal da API.
FAQ
Como devo lidar com um logotipo distorcido em uma edição do MAI-Image-2.7-Preview?
Volte à imagem original, reduza o escopo da alteração solicitada e declare explicitamente que o logotipo e o texto da embalagem devem permanecer inalterados. Compare o recorte relevante com o original em resolução total. Se o modelo ainda alterar detalhes críticos de marca, preserve esses elementos por meio de uma etapa de composição separada ou use um editor convencional para essa região. Um resultado visualmente atraente não é suficiente quando o logotipo precisa ser exato.
Edições repetidas no MAI-Image-2.7-Preview podem acumular erros?
Edições generativas repetidas podem introduzir deriva, mesmo quando cada resultado individual parece plausível. Mantenha a fonte intacta e salve versões após cada edição aceita. Para uma nova variação, compare começar a partir do original com continuar a partir da última saída; escolha o caminho que preserva os detalhes requeridos pelo seu projeto. Não presuma que uma edição bem-sucedida anterior garante consistência ao longo de uma sequência mais longa.
Como posso comparar os resultados do MAI-Image-2.7-Preview de forma justa?
Oculte os nomes dos modelos durante a revisão e randomize a ordem das saídas. Concorde com critérios de rejeição antes de os avaliadores verem as imagens e registre falhas assim como saídas preferidas. Se você permitir novas tentativas, dê a todos os modelos o mesmo orçamento de retries e inclua todas as tentativas no cálculo de custo. Isso reduz a chance de favorecer um modelo porque um resultado excepcionalmente forte foi selecionado.
A restauração do MAI-Image-2.7-Preview preserva a verdade histórica?
Uma imagem restaurada pode conter detalhes plausíveis que não eram visíveis na fonte. Mantenha o original ao lado da versão editada e distinga melhoria cosmética de reconstrução factual. Para um projeto de arquivo ou documentário, registre as alterações solicitadas e identifique detalhes gerados, em vez de tratar a imagem restaurada como nova evidência sobre a cena original.
Conclusion
Avalie o MAI-Image-2.7-Preview se seu fluxo de trabalho depende de fazer edições substanciais enquanto preserva detalhes visuais essenciais. Use imagens de origem representativas para medir a qualidade de preservação e a aceitação das saídas. Se você precisa de integração via API hoje, escolha um modelo disponível e revisite a versão 2.7 quando a Microsoft publicar seu acesso para desenvolvedores e preços.
