Le 27 octobre, Microsoft a publié MAI-Image-2.7-Preview, et le PDG de l'IA, Suleyman, a affirmé que MAI-Image était monté à la deuxième place mondiale du classement d'édition d'images d'Artificial Analysis, juste derrière GPT Image 2.5 Sunburst (max) d'OpenAI, laissant loin derrière Google, Meta, xAI et une autre offre d'OpenAI, GPT-Image-2.5-Flare.
Ce n'est pas un modèle de génération d'images à partir de texte, mais un outil d'édition contrôlée — on lui fournit une image originale accompagnée d'instructions textuelles, et il renvoie l'image modifiée. Il excelle dans les tâches « difficiles à corriger correctement » : changement global de style, rééclairage, modification des textes et symboles dans l'image, restauration et amélioration de documents, ainsi que les modifications complexes nécessitant de comprendre les relations entre objets, lumière et environnement.
Quatre capacités atteignent l'état de l'art
Par rapport à la version 2.6, la version 2.7 s'améliore sur les 10 cas d'usage et les 7 types d'actions d'édition d'Artificial Analysis, et atteint l'état de l'art de la catégorie dans quatre domaines : restauration et amélioration, édition par raisonnement, style de scène, et textes et symboles. C'est dans les scènes et les styles que l'avance est la plus grande, avec 24 points Elo de plus que le meilleur modèle concurrent ; au classement AA-Image-Editing v2.1, il se classe deuxième avec 1193 Elo.
Les utilisateurs peuvent l'essayer sur Arena, Artificial Analysis et MAI Playground ; seules l'édition d'images est actuellement disponible, la génération d'images à partir de texte étant seulement annoncée comme « bientôt disponible », sans date précise.
En tant que version Preview, elle n'a pas encore d'API publique, de tarification ni de date de commercialisation annoncées, les poids du modèle ne sont pas ouverts et l'auto-hébergement est impossible ; la disponibilité régionale du Playground peut par ailleurs être limitée. Pour ébranler la première place d'OpenAI au classement, il faudra encore attendre que la génération d'images à partir de texte soit complétée.