CometAPI ile geliştirinBirden çok model için tek bir API mi gerekiyor?İş akışını Playground'da test edin, ardından model ve maliyet kullanım senaryonuza uyduğunda bir API anahtarı oluşturun.
MAI Image 2.7 Önizleme: Özellikler, Kıyaslamalar ve API Mevcudiyeti
Microsoft'un MAI-Image-2.7-Preview'unu, görüntü düzenleme özelliklerini, 1,193 Elo kıyaslama puanını, GPT Image 2.5 ile karşılaştırmaları, API kullanılabilirliğini ve fiyatlandırmayı keşfedin.
MAI-Image-2.7-Preview, Microsoft'un 27 Ekim 2026'da tanıttığı yapay zekâ görüntü düzenleme modelidir. Aydınlatma, görsel stil, nesneler ve tipografi dahil olmak üzere mevcut görsellerde kontrollü değişikliklere odaklanır.
Microsoft, MAI Image 2.7'yi Arena Edit’te 3 numarada ve Artificial Analysis’te 2 numarada duyurdu. Bu makale için incelenen 28 Ekim 2026 anlık görüntüsünde Artificial Analysis’te 1.193 Elo puanı alarak ikinci sırada yer aldı. Tasarımcılar için değeri, hâlihazırda iyi çalışan unsurları korurken kapsamlı düzenlemeler yapabilmesinde yatıyor.
Geliştiriciler modeli kamuya açık test platformlarında değerlendirebilir; ancak 28 Ekim 2026 itibarıyla Microsoft, 2.7 için herkese açık bir API veya fiyatlandırma açıklamadı.
Key Takeaways
27 Ekim 2026’da yayınlandı: Microsoft, MAI-Image-2.7-Preview’u görüntü düzenlemeye odaklanan, MAI-Image-2.6’nın halefi olarak tanıttı.
Netlik, kaynak ataması ve güncel API terminolojisi açısından gözden geçirildi.
Artificial Analysis’te 1.193 Elo: Model, AA-Image-Editing v2.1’da ikinci sırada, GPT Image 2.5 Sunburst’un altı puan gerisinde.
Daha geniş düzenleme kazanımları: Microsoft, yalnızca tek bir düzenleme türünde değil, değerlendirilen 10 kullanım senaryosunun ve yedi düzenleme eyleminin tamamında iyileşmeler bildirdi.
Gelişmiş düzenleme yetenekleri: Model; sahne yeniden stil verme, yeniden aydınlatma, metin ve sembol düzenleme, akıl yürütmeye dayalı değişiklikler ve görüntü restorasyonunu hedefliyor.
Entegrasyondan önce değerlendirin: MAI-Image-2.7-Preview’u kendi koruma gerekliliklerinize göre test edin; uygulamanızın bugün dağıtıma ihtiyacı varsa mevcut bir API kullanın.
What Is MAI-Image-2.7-Preview?
MAI-Image-2.7-Preview, Microsoft AI tarafından geliştirilen tescilli bir görüntü düzenleme modelidir. Görüntü üretimi, görüntü düzenleme ve üretim odaklı yaratıcı iş akışları için tasarlanmış önceki modelleri içeren Microsoft’un MAI Image ailesine aittir.
Model, tüm görüntüyü baştan üretmek yerine, orijinal sahnenin görsel uyumunu koruyarak hedefli düzenlemeler yapmak üzere tasarlanmıştır.
Örneğin, bir tasarımcı bir ürünü yeni bir ortama yerleştirirken ambalajı, logosu ve oranlarını korumak isteyebilir. Bir fotoğrafçı, özneyi bozmadan aydınlatmayı değiştirmek isteyebilir. Bir pazarlama ekibi, yerleşimi korurken mevcut bir reklam üzerindeki metni değiştirmeye ihtiyaç duyabilir.
MAI-Image-2.7-Preview specifications
Specification
MAI-Image-2.7-Preview
Developer
Microsoft AI
Release date
27 Ekim 2026
Release stage
Önizleme
Primary capability
Yapay zekâ ile görüntü düzenleme
Input
Mevcut görüntü ve metinle verilen düzenleme talimatları
Output
Düzenlenmiş görüntü
Text-to-image generation
Yakında gelecek olarak duyuruldu
Public developer API
Duyurulmadı
Model architecture and parameter count
Açıklanmadı
Maximum resolution
2.7 için açıklanmadı
Maximum reference-image count
2.7 için açıklanmadı
Public evaluation platforms
Arena ve Artificial Analysis
Interactive testing
MAI Playground, erişim uygunluğuna bağlı
Microsoft, önizlemenin mimarisi, parametre sayısı, maksimum çözünürlük veya referans görsel sınırını lansman duyurusunda açıklamadı. Önceki MAI özellikleri, 2.7 için doğrulanmış sınırlar olarak değerlendirilmemelidir.
What Can MAI-Image-2.7-Preview Do?
Microsoft, modelin dört alanda kategori sınırına ulaştığını belirtiyor: iyileştirme ve restorasyon, akıl yürütmeye dayalı düzenlemeler, sahne ve stil düzenleme ile metin veya sembol düzenleme.
Scene and style editing
MAI-Image-2.7-Preview, mevcut bir görüntünün genel görünümünü; ortam, sanatsal stil, aydınlatma ve ruh hali dâhil olmak üzere değiştirebilir.
Düz bir stüdyo arka planına karşı çekilmiş bir ürün fotoğrafını düşünün. Bir tasarımcı, ürünü koruyarak çevresel ortamı premium bir dış mekân kampanya sahnesine dönüştürmek isteyebilir.
Başarılı bir sonuç, yalnızca arka planın değiştirilmesinden daha fazlasını gerektirir. Aydınlatma yönü, yansımalar, gölgeler, perspektif ve renklerin tutarlı kalması gerekir.
Microsoft, sahne ve stil düzenlemede 24 puanlık Elo üstünlük bildirmektedir. Bu sonuç, arka plan değişiklikleri ve yeniden aydınlatmayı kendi değerlendirmeniz için yararlı başlangıç noktaları yapar.
Text and symbol editing
Yapay zekâ görüntü modelleri, bir görüntüye gömülü olan metni değiştirmekte sıklıkla zorlanır.
Bir etiketin değiştirilmesi, tipografisini, konumunu, perspektifini veya çevresindeki tasarımı yanlışlıkla değiştirebilir. Değiştirilen kelimeler doğru olsa bile, düzenlenen bölge orijinalin üzerine yapıştırılmış gibi yapay görünebilir.
MAI-Image-2.7-Preview, metin ve sembolleri görsel olarak entegre biçimde tutarken değiştirmeye odaklanır.
Olası kullanım alanları arasında ürün ambalajları, reklamlar, promosyon posterleri, sunum grafikleri ve UI maketleri bulunur.
Çok dilli pazarlama varlıkları üreten işletmeler için bu özellikle değerli olabilir. Ancak, modelin diller ve karmaşık tipografi genelindeki güvenilirliği hâlâ göreve özel test gerektirir.
Reasoning-based image editing
Bazı görüntü düzenlemeleri, nesnelerin çevreleriyle nasıl etkileştiğini anlamayı gerektirir.
Örneğin, yansıtıcı bir nesnenin farklı bir ortama taşınması, aydınlatma, gölgeler ve yakın yüzeylerde eşgüdümlü değişiklikler gerektirebilir.
Bir düzenleme modeli, talimatı teknik olarak izlese bile tutarsız bir sahne üretebilir.
MAI-Image-2.7-Preview, nesneler, aydınlatma ve ortamlar arasındaki ilişkileri içeren düzenlemeleri ele almak üzere tasarlanmıştır.
Image enhancement and restoration
Tipik iş akışları; eski fotoğrafları geri yükleme, düşük kaliteli ürün görsellerini iyileştirme, yaratıcı varlıkları rafine etme ve görsel kusurları düzeltmeyi içerir.
Yapay zekâ tabanlı restorasyon, makul görünen ayrıntılar uydurabilir. Arşiv veya delile dayalı çalışmalarda, orijinali saklayın ve üretilen değişiklikleri açıkça belirtin.
Bunlar, kusursuz sonuç garantileri değil, yetenek kategorileridir. Gerçek düzenleme doğruluğu; kaynak görüntüye, istemin karmaşıklığına ve inceleme ölçütlerine bağlıdır.
How Does MAI-Image-2.7-Preview Perform on Benchmarks?
MAI-Image-2.7-Preview, iki önemli görüntü düzenleme değerlendirme platformunda yer aldı: Artificial Analysis ve Arena.
Her ikisi de tercihe dayalı değerlendirme yaklaşımları kullanır, ancak veri kümeleri, puanlama ölçekleri ve oylama yöntemleri farklıdır.
Elo puanları, platformlar arasında doğrudan değil, her bir liderlik tablosu içinde karşılaştırılmalıdır.
Artificial Analysis: AA-Image-Editing v2.1
Artificial Analysis, görüntü modellerinin metin talimatlarına yanıt olarak bir giriş görselini ne kadar iyi değiştirdiğini değerlendirir.
AA-Image-Editing v2.1, görüntü düzenleme görevlerinde ikili insan tercih oylarıyla modelleri sıralar. Bunlar, Microsoft’un kurum içi kıyasları değil, haricî platform sonuçlarıdır.
28 Ekim 2026 anlık görüntüsü şunları gösteriyor:
Tablo, GPT Image 2.5 için maksimum ayar dahil yayımlanan model ayarlarını korur. ± değerleri, gösterilen %95 belirsizlik aralıklarıdır. Liderlik tablosu, ortak bir donanım veya gecikme test ortamı sunmadığı için bu puanlar, işlem hızından ziyade düzenleme tercihlerini tanımlar.
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, bu liderlik tablosunda MAI-Image-2.6’nın 42 Elo, Flare’in 11 Elo üzerine ve Sunburst’un 6 Elo gerisine yerleşir.
Ancak, önde gelen modellerin güven aralıkları örtüşüyor. Altı puanlık fark, Sunburst’un her düzenleme görevinde MAI-Image-2.7-Preview’u tutarlı biçimde geride bırakacağını kanıtlamaz.
Arena Edit: Image editing
Arena, kullanıcı tercihlerini kör karşılaştırmalarla da ölçer.
28 Ekim 2026’da görünen genel tek görüntü düzenleme puanları aşağıdadır. Tablo, Arena’nın görüntülediği ön değerlendirme etiketlerini korur.
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
Gösterilen puanlar, 2.7 Preview’u 2.6’nın 44 Elo üzerine ve GPT-Image-2 (Medium)’un 11 Elo üzerine yerleştirir.
Ek API karşılaştırma temelleri için geliştiriciler GPT Image 2 ve Grok Imagine Image 2.0 API erişimine başvurabilir. Arena’daki GPT Image 2 girişi içinde Medium, ayrı bir API model adı değil, bir değerlendirme ayarını belirtir.
Arena sonuçları canlıdır ve zaman içinde değişebilir; aşağıdaki rakamlar bu makale için incelenen 28 Ekim anlık görüntüsünü yansıtır.
Commercial design performance
Arena’nın Product, Branding & Commercial Design kategorisi, çıktının bir reklam veya ürün varlığı olarak işe yaraması gerektiğinde özellikle önemlidir.
Arena’nın Product, Branding & Commercial Design kategorisinde 28 Ekim 2026 itibarıyla MAI-Image-2.7-Preview, 1.499 Elo ile üçüncü sırada yer aldı—sekizinci sırada yer alan 2.6’nın 55 puan önünde. Yalnızca 718 oy ve daha geniş bir belirsizlik aralığıyla, sonuç, kendi tasarım gerekliliklerinize karşı test etmeniz için erken bir işarettir.
Her iki liderlik tablosu da, MAI-Image-2.6’ya göre daha güçlü düzenleme performansı ve önde gelen modellere karşı rekabetçi sonuçlar gösteriyor. Üretim hızı, güvenilirlik ve maliyet ise ayrı API testleri gerektirir.
MAI-Image-2.7-Preview vs MAI-Image-2.6
MAI-Image-2.6, geliştiricilere Microsoft Foundry aracılığıyla sunulmuştu ve ayrı bir Flash varyantı ile birlikte geliyordu. Bu API dönüm noktası, Artificial Analysis’in kaydettiği Ağustos yayımlama ayından ayrıdır.
MAI-Image-2.6 ve Flash varyantı; çoklu referans görselle düzenleme, web grounding, dinamik en-boy oranları ve 1.5K’ye kadar çıktı çözünürlükleri gibi geliştirici odaklı yetenekler sundu.
2.7 önizlemesi, anlık yayın odağını düzenleme performansına kaydırıyor.
Dimension
MAI-Image-2.6
MAI-Image-2.7-Preview
Editing performance
Sahne, stil, akıl yürütme, metin ve restorasyon düzenlemelerini destekler
Microsoft, dört düzenleme alanının tümünde iyileşmeler ve kategori lideri sonuçlar bildirmektedir
Text-to-image capability
Mevcut
Yakında gelecek
Developer API
Microsoft Foundry üzerinden mevcut
Duyurulmadı
Microsoft, değerlendirilen 10 kullanım senaryosu ve yedi düzenleme eyleminin tümünde kazanımlar bildiriyor. Pratik soru, bu kazanımların ekibinizin en sık yaptığı düzenlemeleri iyileştirip iyileştirmediğidir.
Önceki model, belgelenmiş bir görüntü üretim API’sine ve yerleşik üretim entegrasyonlarına ihtiyaç duyan geliştiriciler için önemini korur.
How to Access and Try MAI Image 2.7
Microsoft, önizlemeyi keşfetmek için MAI Playground, Arena ve Artificial Analysis’i işaret ediyor. Kendi görseliniz için Playground ile başlayın ve tercihleri ile puanları karşılaştırmak için değerlendirme platformlarını kullanın.
MAI Playground, MAI modelleri için Microsoft’un doğrudan deney ortamıdır.
Önizleme hesabınıza ve bölgenize açık olduğunda, hedeflenen iş akışı düzenleme modelini seçmek, mevcut bir görüntü sağlamak ve istenen değişiklikleri tarif etmektir.
Yararlı bir ilk deney, bir büyük değişiklik ve birkaç açık koruma gereksinimi içeren bir düzenlemedir.
Örnek istem:
Bu ürün fotoğrafının arka planını modern bir lüks perakende iç mekânıyla değiştirin. Ürünün tam oranlarını, logosunu, ambalaj metnini ve kamera açısını koruyun. Aydınlatma ve gölgeleri yeni ortama doğal şekilde uyarlayın. Ek metin eklemeyin.
A repeatable testing method
Modeli anlamlı biçimde değerlendirmek için rakip düzenleyiciler arasında aynı kaynak görselleri ve talimatları kullanın.
İlk tarama için, ürün değişiklikleri, tipografi, yeniden aydınlatma, restorasyon ve çok nesneli kompozisyonları kapsayan 20 ila 50 temsilî görev derleyin. Bu, istatistiksel olarak doğrulanmış bir örneklem büyüklüğü gerekliliği değil, pratik bir başlangıç setidir.
Çıktıları şu dört boyuta göre gözden geçirin:
Talimat doğruluğu: Model istenen değişiklikleri yaptı mı?
Koruma: Dokunulmayan unsurlar tutarlı kaldı mı?
Görsel gerçekçilik: Aydınlatma, perspektif ve kompozisyon doğal görünüyor mu?
Çıktı kabulü: Sonucu ek düzeltme olmaksızın kullanabiliyor musunuz?
Üretim odaklı bir değerlendirme için, uygun API erişimi sağlandığında gecikme ve maliyet de kaydedilmelidir.
Is MAI-Image-2.7-Preview API Available, and What Does It Cost?
28 Ekim 2026 itibarıyla Microsoft, MAI Image 2.7 için herkese açık bir API uç noktası, fiyatlandırma veya genel kullanılabilirlik tarihi açıklamadı. Artificial Analysis, önizlemeyi No API available olarak etiketliyor.
Üretim planlaması için, dağıtım model kimliği, görüntü sınırları, hız sınırları, faturalandırma ve önizlemeye özgü kullanım koşulları gibi detaylar netleşmemiştir.
Microsoft, metinden görsel üretiminin yakında geleceğini söylüyor. Uygulamanızın şu anda hem üretim hem düzenlemeye ihtiyacı varsa, belgelenmiş bir API seçin ve 2.7’yi ayrı bir değerlendirme adayı olarak ele alın.
Image Editing with CometAPI
Bugün üretimde görüntü düzenlemeye ihtiyaç duyan geliştiriciler için CometAPI, çeşitli yerleşik alternatiflere API erişimi sunar.
Bu, düzenleme iş akışını şimdi doğrulamanıza ve Microsoft destekli bir geliştirici arayüzü sağladığında MAI Image 2.7’yi ayrı olarak değerlendirmenize olanak tanır.
Example: Editing an existing image with CometAPI
Bu isteği geçerli bir CometAPI anahtarı ve mevcut dizinde product.png ile Bash’te çalıştırın. JSON yanıtını edit-response.json dosyasına kaydeder.
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 yanıt formatına göre, düzenlenmiş görüntü data[0].b64_json içinde Base64 değeri olarak döner. Bu Base64 değerini bir PNG dosyasına dönüştürün; JSON yanıtın kendisi bir görüntü değildir. cURL bir HTTP hatası bildirirse, yeniden denemeden önce yanıt gövdesini inceleyin.
Production evaluation metrics
Üretim verimliliği için yararlı bir ölçü, yalnızca istek başına maliyet değil, kabul edilen görüntü başına maliyettir.
Örneğin, bir düzenleme hizmeti ortalama toplam adet başına $0.10 maliyetle 100 görüntü üretiyorsa:
Kabul edilen görüntü başına maliyet = $10 / 70 = yaklaşık $0.143.
İyileştirilmiş düzenleme kalitesi, kabul oranını aynı istek başı maliyetle %90’a çıkarırsa, etkin maliyet kabul edilen görüntü başına yaklaşık $0.111’e düşer.
Bu varsayımsal örnek, kabul oranının etkisini izole eder; $0.10 girdi varsayımı herhangi bir model için fiyat teklifi değildir.
Örnek, düzenleme doğruluğunun manşet API fiyatı kadar önemli olabileceğini gösterir.
FAQ
MAI-Image-2.7-Preview düzenlemesinde bozulmuş bir logoyla nasıl başa çıkmalıyım?
Orijinal görüntüye dönün, istenen değişikliği daraltın ve logonun ve ambalaj metninin değişmeden kalması gerektiğini açıkça belirtin. İlgili kırpımı tam çözünürlükte orijinaliyle karşılaştırın. Model yine de marka açısından kritik detayları değiştiriyorsa, bu unsurları ayrı bir birleştirme adımıyla koruyun veya o bölge için geleneksel bir düzenleyici kullanın. Logo bire bir doğruluk gerektirdiğinde görsel olarak çekici bir sonuç yeterli değildir.
Tekrarlanan üretken düzenlemeler, her bir sonuç makul görünse bile sürüklenme (drift) oluşturabilir. Dokunulmamış kaynağı saklayın ve kabul edilen her düzenlemeden sonra sürümleri kaydedin. Yeni bir varyasyon için, orijinalden başlamakla son çıktıyı sürdürmek arasında karşılaştırma yapın; projenizin gerektirdiği ayrıntıları en iyi koruyan yolu seçin. Önceki başarılı bir düzenlemenin, daha uzun bir dizide tutarlılığı garanti ettiğini varsaymayın.
MAI-Image-2.7-Preview sonuçlarını adil biçimde nasıl karşılaştırabilirim?
İnceleme sırasında model adlarını gizleyin ve çıktı sırasını rastgeleleştirin. İnceleyiciler görüntüleri görmeden önce reddetme kriterleri üzerinde anlaşın ve tercih edilen çıktılar kadar başarısızlıkları da kaydedin. Yeniden denemelere izin veriyorsanız, her modele aynı tekrar bütçesini verin ve tüm denemeleri maliyet hesabına dahil edin. Bu, tek sıradışı güçlü bir sonucun seçilmesi nedeniyle bir modeli kayırma olasılığını azaltır.
MAI-Image-2.7-Preview restorasyonu tarihsel gerçekliği korur mu?
Geri yüklenen bir görüntü, kaynakta görünmeyen ama makul görünen ayrıntılar içerebilir. Düzenlenmiş sürümün yanında orijinali koruyun ve kozmetik iyileştirmeyi olgusal rekonstrüksiyondan ayırın. Arşiv veya belgesel bir projede, talep edilen değişiklikleri kaydedin ve geri yüklenen görüntüyü orijinal sahne hakkında yeni bir kanıt olarak görmek yerine üretilen ayrıntıları belirtin.
Conclusion
İş akışınız önemli görsel ayrıntıları korurken kapsamlı düzenlemelere dayanıyorsa, MAI-Image-2.7-Preview’u değerlendirin. Koruma kalitesini ve çıktı kabul oranını ölçmek için temsilî kaynak görseller kullanın. Bugün bir API entegrasyonuna ihtiyacınız varsa, kullanılabilir bir modeli seçin ve Microsoft geliştirici erişimi ile fiyatlandırmayı yayınladığında 2.7’ye yeniden dönün.
