Note de l’auteur : en suivant les deux axes de l’édition d’images et de la génération d’images, comparer les fourchettes du classement final, les prix normalisés et les canaux d’appel de MAI-Image-2.7 et des deux paliers de GPT Image 2.6, pour aboutir à une procédure de sélection directement applicable.
Si votre travail sur l’image consiste surtout à retoucher des images existantes, avec parfois le besoin de générer à partir de zéro, vous hésitez sans doute ces derniers temps entre MAI-Image-2.7 et GPT Image 2.6. Le premier a été publié par Microsoft le 17 novembre 2026 ; le second se répartit, dans le classement, en deux paliers, Sunburst et Flare, chacun avec son propre score.
Ce n’est pas un article de classement. L’édition d’images et la génération d’images sont deux choses distinctes : un même modèle n’occupe pas la même place sur les deux classements, et lorsque les scores sont très proches, on ne peut pas trancher directement.
Voici d’abord trois étapes que le lecteur peut appliquer directement, puis nous détaillerons les données :
- Pour l’édition d’images, vérifiez d’abord si les fourchettes de scores des deux côtés se chevauchent ; si c’est le cas, ne prenez pas un écart de quelques points pour une victoire, puis comparez le prix aux mille images.
- Pour la génération d’images, regardez d’abord si le palier Sunburst de GPT Image 2.6 est nettement en tête, sans lui substituer le classement de l’édition d’images.
- Avant de passer commande, distinguez bien, sur la plateforme d’appel, à quel palier correspond chaque modèle et comment la facturation est calculée ; ne mélangez pas les prix des différents paliers.
Point clé : traitez séparément l’édition d’images et la génération d’images ; pour chaque axe, regardez d’abord la fourchette, puis le prix.

Avant de comparer MAI-Image-2.7 et GPT Image 2.6 : commençons par distinguer trois entrées
Beaucoup de discussions traitent GPT Image 2.6 comme un seul modèle, avec un seul score. En réalité, dans le classement final d’Artificial Analysis consulté le 2026-11-18, il figure sous deux entrées distinctes, Sunburst (max) et Flare (max), avec des scores et des intervalles différents pour chacune. Cette comparaison se joue donc en réalité à trois : MAI-Image-2.7, GPT Image 2.6 Sunburst et GPT Image 2.6 Flare.
Il faut aussi distinguer les sources de données. Le classement final d’Artificial Analysis s’appuie sur des votes de préférence humaine en duel pour calculer un Elo, et fournit un intervalle de confiance à 95 % ainsi qu’une plage de classement possible ; l’annonce de Microsoft relève de la communication officielle ; Arena est une autre arène indépendante, avec un référentiel différent de celui des deux premières sources.
| Source | Nature | Utilisation dans cet article |
|---|---|---|
| Classement final d’Artificial Analysis (lu le 2026-11-18) | Tiers indépendant, Elo issu des votes de préférence humaine + intervalle à 95 % | Base principale de comparaison pour l’édition et la génération d’images |
| Annonce Microsoft (2026-11-17) | Communication officielle | Description des capacités, référentiel tarifaire officiel, indiqué séparément |
| Publication Arena (2026-11-17) | Autre arène, référentiel différent | Simple élément de corroboration, non combiné aux scores du classement final |
| Aperçu du 2026-10-27 | Ancien instantané | Non utilisé pour les résultats présentés ici |
Le référentiel de prix de MAI-Image-2.7 et GPT Image 2.6
Dans le classement final d’Artificial Analysis, la colonne des prix correspond à un prix normalisé pour 1 000 images générées via l’API du fournisseur, en 1024×1024 et avec les paramètres par défaut. Il est pratique pour comparer les modèles entre eux, mais il ne correspond pas au prix à l’unité que vous payez réellement sur une plateforme donnée ; nous y reviendrons séparément quand nous aborderons les canaux d’appel.
Différences clés entre MAI-Image-2.7 et GPT Image 2.6 sur l’édition d’images
L’édition d’images est le point que Microsoft met le plus en avant dans cette annonce. Voici où se situent les trois acteurs dans le classement final d’Artificial Analysis pour l’édition d’images :
| Modèle | Rang (plage possible) | Elo | Intervalle à 95 % | Échantillons | Prix normalisé (pour mille images) |
|---|---|---|---|---|---|
| MAI-Image-2.7 | 1er (1–3) | 1215 | 1201–1229 | 5478 | $34.82 |
| GPT Image 2.6 Sunburst (max) | 2e (1–4) | 1211 | 1198–1224 | 6554 | $210.72 |
| GPT Image 2.6 Flare (max) | 3e (1–4) | 1205 | 1192–1218 | 6798 | $210.72 |
| MAI-Image-2.7-Flash | 7e (5–7) | 1179 | 1166–1192 | 5891 | $10.24 |
| Seedream 5.5 | 8e (8–11) | 1160 | 1146–1174 | 5101 | $28.00 |
| Nano Banana 2.1 | 10e (8–13) | 1152 | 1140–1164 | 7606 | $33.60 |
MAI-Image-2.7 devance de 4 points les 1211 de Sunburst, et de 10 points les 1205 de Flare. Sauf que les intervalles des trois modèles — 1201–1229, 1198–1224, 1192–1218 — se chevauchent, et que leurs plages de rang contiennent toutes la première place. Autrement dit, ces 4 points d’avance ne sont pas un écart creusé, et 10 points non plus ne permettent pas d’écrire qu’il dépasse de manière stable : statistiquement, les trois doivent être considérés comme appartenant au même peloton.
Ce qui creuse vraiment l’écart, c’est la distance entre pelotons. L’intervalle de MAI-Image-2.7 en édition d’images ne recoupe ni celui de Nano Banana 2.1, ni celui de Seedream 5.5 : à ce niveau, on peut confirmer qu’il est devant. Microsoft affirme officiellement qu’il est 1er en édition d’images, devant GPT Image 2.6 Sunburst (max), avec une note de bas de page précisant que les statistiques sont arrêtées au 2026-11-16 et qu’il mène de 4 points d’Elo — ce qui correspond aux chiffres du classement final, mais le mot « devant » doit se lire en tenant compte des intervalles.
Performance de MAI-Image-2.7 par sous-catégorie d’édition
Le fil de discussion d’Artificial Analysis autour de la sortie indique que MAI-Image-2.7 se classe 1er sur 4 des 7 opérations d’édition d’images ; sont citées nommément : texte ou symboles, scènes et styles, amélioration et restauration — le nom de la quatrième n’apparaît pas dans le corps du post. Sur les 10 cas d’usage d’édition d’images, il arrive en tête dans 4 : architecture et immobilier, consommation, Frontier, marketing et publicité. Si vos besoins d’édition se concentrent justement dans ces directions, ces résultats par sous-catégorie sont une bonne référence.

MAI-Image-2.7 vs GPT Image 2.6 : les vraies différences en génération d’images
Sur le classement texte vers image, la donne change. C’est exactement pour cette raison qu’on ne peut pas remplacer les rangs d’édition d’image par ceux de génération d’images.
| Modèle | Rang (plage possible) | Elo | Intervalle à 95 % | Échantillons | Prix normalisé (pour 1 000 images) |
|---|---|---|---|---|---|
| GPT Image 2.6 Sunburst (max) | 1er (unique) | 1261 | 1247–1275 | 5337 | $210.72 |
| GPT Image 2.5 Sunburst (max) | 2e | 1229 | 1219–1239 | — | — |
| GPT Image 2.6 Flare (max) | 3e (2–4) | 1227 | 1215–1239 | 7214 | $210.72 |
| MAI-Image-2.7 | 4e (3–5) | 1214 | 1200–1228 | 5008 | $34.82 |
| Nano Banana 2.1 | 8e (7–10) | 1176 | 1164–1188 | 6793 | $33.60 |
| MAI-Image-2.7-Flash | 11e (9–12) | 1158 | 1146–1170 | 5951 | $10.24 |
| Seedream 5.5 | 14e (13–17) | 1134 | 1122–1146 | 5260 | $20.00 |
1261 pour Sunburst contre 1214 pour MAI-Image-2.7 : les intervalles 1247–1275 et 1200–1228 ne se chevauchent pas, et la plage de rang se limite au 1er. Sur ce point, on peut donc affirmer que Sunburst se détache nettement en génération d’images. En revanche, entre les 1227 de Flare et les 1214 de MAI-Image-2.7, les intervalles 1215–1239 et 1200–1228 se chevauchent encore : un écart de 13 points ne suffit pas à conclure.
Le document Microsoft Ignite indique que son modèle texte vers image se classe 4e, et se présente sur cette base comme le laboratoire numéro deux — ce qui correspond au classement final. MAI-Image-2.7 arrive 1er sur le critère Knowledge en texte vers image, mais son rang global reste derrière Sunburst.

Comment lire les prix de MAI-Image-2.7 et GPT Image 2.6
Il existe deux façons de présenter le prix, qui viennent de sources différentes : il faut les traiter séparément.
| Référentiel | MAI-Image-2.7 | GPT Image 2.6 (max) | Multiple | Source |
|---|---|---|---|---|
| Prix normalisé (pour 1 000 images) | $34.82 | $210.72 | 210.72 ÷ 34.82 ≈ 6.05 | Classement final d’Artificial Analysis |
| Soit par image | $0.03482 | $0.21072 | environ 6 fois | Conversion idem |
| Version officielle | environ $35 pour 1 000 images | — | coût environ un cinquième | Annonce Microsoft, déclaration officielle |
| Version citée sur Arena | environ $0.035/image | — | — | Post sur Arena |
Microsoft indique dans son annonce que le coût de MAI-Image-2.7 représente environ un cinquième de celui de GPT Image 2.6 Sunburst (max) : c’est une déclaration de l’éditeur lui-même. Si l’on calcule à partir des deux prix normalisés du classement final d’Artificial Analysis, 210.72 divisé par 34.82 donne environ 6.05, soit à peu près un sixième. Conservez la source pour chacune des deux formulations, et ne les fusionnez pas en un seul chiffre.
La version Flash est moins chère : le prix normalisé du classement final est de $10.24 pour 1 000 images, et Microsoft annonce environ $10 pour 1 000 images. Les ~$0.035/image d’Arena, les ~$35 pour 1 000 images de Microsoft et les $34.82 du classement final sont du même ordre de grandeur, mais il ne s’agit pas du même barème tarifaire.
Revenons à l’édition d’images : puisque les intervalles des trois sources se recoupent et que la qualité est difficile à départager, l’écart de prix normalisé d’environ 6 fois devient le facteur qui pèse le plus dans la décision réelle. Pour la génération d’images, c’est l’inverse : l’avance de Sunburst est nette, et il faut déterminer si cette qualité justifie un coût plus élevé.
En consultant le tableau récapitulatif des modèles d’APIYI apiyi.com (données du 2026-11-17 15:54, UTC+8) et l’interface de tarification lue le 2026-11-18, on constate que les seuls modèles d’image Microsoft qui y figurent actuellement sont MAI-Image-2.6 (0.12 $ par appel) et MAI-Image-2.6-Flash (0.06 $ par appel). Il s’agit des tarifs de la génération 2.6, à ne pas prendre pour le prix de vente de la 2.7. MAI-Image-2.7 et MAI-Image-2.7-Flash ne sont pas encore disponibles ; nous les mettrons en ligne dès que possible. Les modèles et les prix font foi selon la liste des modèles de la plateforme.
Les trois canaux pour appeler GPT Image 2.6 sur APIYI
GPT Image 2.6 dispose de trois ID de modèle sur APIYI, qui correspondent à trois canaux différents ; les tarifs ne sont pas interchangeables :
| ID du modèle | Facturation (tableau global) | API de tarification | Point de terminaison | Groupe |
|---|---|---|---|---|
gpt-image-2.6-sunburst |
$0.2 par appel | model_price 0.2, avec en plus une formule de facturation par million de tokens | images | Default, image2Enterprise, image2_OSS, SVIP |
gpt-image-2.6-flare |
$0.2 par appel | idem | images | idem |
gpt-image-2.6-all |
$0.025 par appel | — | chat, images | Default, image2_OSS, SVIP |
Pour les modèles Sunburst et Flare, le tableau global indique $0.2 par appel ; au même moment, l’API de tarification affiche non seulement model_price 0.2, mais aussi l’expression de facturation p * 5 + cr * 1.25 + img * 8 + img_cr * 2 + c * 30. Cela correspond à $5 pour l’entrée texte, $1.25 pour la lecture du cache texte, $8 pour l’entrée image, $2 pour la lecture du cache image et $30 pour la sortie, par million de tokens. Les deux formulations, celle du tableau global et celle de l’API, ne concordent pas ; les deux sont indiquées ici, et avant tout appel, c’est la facture de la console qui fait foi.
gpt-image-2.6-all est un autre canal, à $0.025 par appel. Ce prix ne vaut que pour all et ne doit pas être appliqué à Sunburst ni à Flare. De même, le $210.72/1 000 images du classement Artificial Analysis correspond au résultat du palier max avec les réglages par défaut en 1024, soit environ $0.211/image, et non au prix de all.
Pour l’appel, APIYI utilise une API compatible OpenAI : on règle le base_url du SDK sur https://api.apiyi.com/v1, puis on remplace le paramètre model par l’un des trois ID de modèle ci-dessus et on passe par le point de terminaison images. Pour les tâches de modification d’image, le mieux est de lancer d’abord un petit lot de vos propres contenus réels avec Sunburst et Flare, puis de comparer avec la facture pour voir quel palier est le plus avantageux.
🚀 Démarrage rapide : sur APIYI apiyi.com, une seule clé API permet de basculer entre
gpt-image-2.6-sunburst,gpt-image-2.6-flareetgpt-image-2.6-all. Les nouveaux utilisateurs disposent de crédits d’essai gratuits, de quoi comparer les résultats et la facture des trois canaux sur de petits lots de contenus.
Recommandations de scénarios pour MAI-Image-2.7 et GPT Image 2.6
Cas où choisir MAI-Image-2.7
- Retouche d’images avant tout, gros volumes : sa fourchette chevauche les deux tranches de GPT Image 2.6, mais son prix normalisé représente environ un sixième de celui-ci ; l’écart de coût s’amplifie avec le volume d’utilisation.
- Adéquation catégorie par catégorie : texte ou symboles, scènes et styles, amélioration et restauration, ainsi que des usages comme l’architecture et l’immobilier ou le marketing et la publicité — autant de catégories où il arrive en tête du classement final.
- Besoin d’un fond transparent : Microsoft indique elle-même que 2.7 et Flash prennent tous deux en charge les fonds transparents, ce qui permet de créer des visuels produit, des logos et des icônes. Il s’agit toutefois d’une information du fabricant, pas d’un résultat mesuré par le classement.
Cas où choisir GPT Image 2.6 Sunburst
- Génération depuis zéro avant tout, priorité à la qualité visuelle : 1261 points en texte vers image, une fourchette qui ne chevauche pas celle de MAI-Image-2.7, et une plage de classement limitée à la première place.
- Un seul modèle pour la retouche et la génération : la retouche chevauche le premier groupe, la génération est en tête, ce qui réduit les coûts de gestion liés au changement de modèle.
Cas où examiner Flare ou all
Flare chevauche la fourchette de MAI-Image-2.7 sur les deux classements et se situe dans la même tranche de prix que Sunburst. Le mieux est donc de le comparer à Sunburst sur vos propres supports avant de décider. gpt-image-2.6-all est un canal indépendant facturé $0.025 par appel ; sa base de facturation n’est pas la même que celle de la tranche max du classement. Il convient pour valider d’abord le flux et maîtriser les coûts d’essai-erreur.
Modèles alternatifs à mettre en production dès maintenant
Avant la mise en ligne de 2.7, si le projet ne peut pas attendre, regardez les deux modèles déjà disponibles sur APIYI. gemini-nano-banana-2.1 est facturé $0.045 par appel, au même prix en 1K, 2K et 4K, et accepte jusqu’à 10 images de référence d’objets + 4 images de référence de personnages + 3 images de référence de style. Il passe par le chemin natif Gemini /v1beta/models/gemini-nano-banana-2.1:generateContent ; d’après les mesures de la documentation, le paiement à l’appel revient moins cher en 4K, tandis que le paiement à l’usage est plus bas en 1K et 2K. Seedream 5.5 (seedream-5-5-261028 ou doubao-seedream-5-5-261028) n’expose que /v1/images/generations, place les images de référence dans le champ image et prend nativement en charge les images transparentes ainsi que la séparation en calques jusqu’à 100. Ces deux capacités n’ont pas été mesurées par le score de préférence ; il faut donc se fier à la documentation.
Recommandations de décision pour MAI-Image-2.7 et GPT Image 2.6
Voici comment combiner tout ce qui précède en un plan d’action concret :
- Définir la tâche principale : comptabilisez vos appels du mois dernier et regardez la part respective de la retouche d’image et de la génération d’images.
- Pour la retouche, regardez les fourchettes : les fourchettes des trois acteurs se chevauchent, la qualité n’est donc pas un critère décisif — comparez plutôt les prix normalisés : environ 6 fois (selon le calcul du classement final) ou environ un cinquième (selon les déclarations de Microsoft).
- Pour la génération, regardez Sunburst : son avance est nette ; évaluez ensuite si ce gain de qualité justifie le surcoût. Flare et MAI-Image-2.7 demandent encore une comparaison sur le terrain.
- Vérifier le canal : les trois identifiants de modèle Sunburst, Flare et all sont facturés séparément — consultez la facturation dans la console avant l’appel.
- Attendre la disponibilité de 2.7 : avant sa mise en ligne, validez le processus avec GPT Image 2.6 ou un modèle de remplacement déjà disponible, puis faites un test A/B une fois 2.7 publié.
💡 Conseil de choix : le modèle à retenir dépend de votre ratio retouche/génération et de votre budget. Le mieux : sur APIYI apiyi.com, appelez Sunburst, Flare et all sur le même lot de contenus réels, puis décidez en fonction de la facture et de la qualité des rendus. Une fois MAI-Image-2.7 disponible, vous pourrez l’intégrer directement à cette même procédure de comparaison.
FAQ – Questions fréquentes
Q1 : Qu’est-ce que MAI-Image-2.7 ?
Un modèle d’image publié par Microsoft AI le 2026-11-17, en même temps que MAI-Image-2.7-Flash. Les deux prennent en charge le texte vers image et la modification d’image, et sont actuellement en préversion publique sur Microsoft Foundry. La page catalogue de Foundry indique une entrée texte et image, pour une sortie image.
Q2 : Sur la modification d’image, MAI-Image-2.7 devance GPT Image 2.6 de quelques points — peut-on parler de victoire ?
Pas d’écart net. D’après le classement final d’Artificial Analysis consulté le 2026-11-18, MAI-Image-2.7 est à 1215, Sunburst à 1211 et Flare à 1205 ; les intervalles à 95 % se chevauchent et leurs plages de rang incluent toutes la 1re place. On peut donc seulement dire qu’ils sont dans le même peloton.
Q3 : Peut-on déduire le classement en génération d’images à partir de celui de la modification d’image ?
Non. Sur le classement texte vers image, Sunburst est à 1261 contre 1214 pour MAI-Image-2.7, et les intervalles ne se chevauchent pas ; en revanche, ceux de Flare (1227) et de MAI-Image-2.7 se chevauchent encore. La configuration des deux classements est différente, il faut les examiner séparément.
Q4 : L’écart de prix est-il d’un cinquième ou d’un sixième ?
Les deux chiffres viennent de sources différentes. Microsoft indique elle-même un coût d’environ un cinquième de Sunburst (max) ; en Calculant avec le prix normalisé du classement final d’Artificial Analysis, 210.72 ÷ 34.82 ≈ 6.05, soit environ un sixième. Les deux se basent sur les réglages par défaut en 1024 et ne correspondent pas au prix unitaire réel d’une plateforme donnée.
Q5 : Peut-on déjà appeler MAI-Image-2.7 via API ?
L’annonce de Microsoft précise qu’il est accessible via Microsoft Foundry, ainsi que fal, Genspark, OpenRouter et Vercel. Du côté d’APIYI, ce sont actuellement `MAI-Image-2.6` et `MAI-Image-2.6-Flash` qui sont disponibles ; les deux versions 2.7 ne sont pas encore en catalogue. Vous pouvez commencer par dérouler le processus avec les trois modèles GPT Image 2.6 sur APIYI apiyi.com.
Q6 : Le $0.025 de gpt-image-2.6-all, c’est bien le prix de Sunburst ?
Non. Le $0.025 correspond uniquement au canal `gpt-image-2.6-all`. `gpt-image-2.6-sunburst` et `gpt-image-2.6-flare` sont facturés 0.2 $ par appel dans le tableau général, et l’interface de tarification affiche aussi une formule au million de tokens ; c’est la facture qui fait foi.
Q7 : Quelles limites les classements n’ont-ils pas mesurées pour les deux modèles ?
Les scores de vote par préférence ne testent pas des capacités comme le fond transparent ou la séparation des calques. Le fond transparent et la cohérence des éditions successives de MAI-Image-2.7 proviennent des déclarations de Microsoft ; la version 2.7 est encore en préversion publique. Sur APIYI, les deux modes de facturation de GPT Image 2.6 ne sont pas encore unifiés, il faut donc surveiller la facture.
MAI-Image-2.7 et GPT Image 2.6 : les points clés (Key Takeaways)
- Comparaison à trois : GPT Image 2.6 apparaît au classement sous deux variantes, Sunburst et Flare — impossible de se contenter d’un seul score.
- Retouche d’image : même peloton : les intervalles 1215, 1211 et 1205 se chevauchent ; 4 points d’avance ne signifient pas qu’un écart s’est creusé.
- Génération d’images : il y a bien des paliers : l’intervalle de Sunburst (1261) ne recoupe pas celui de MAI-Image-2.7 (1214), mais Flare reste dans le même intervalle.
- Deux versions du prix : Microsoft annonce environ un cinquième, le calcul du classement final donne environ 6,05 fois — il faut préciser la source de chaque chiffre.
- Canaux facturés séparément : dans le tableau récapitulatif, Sunburst et Flare sont à 0,2 $ par appel avec une formule basée sur les tokens, tandis que « all » est à 0,025 $ par appel.
- Comment tester : avant la mise en ligne de la 2.7, on peut comparer les trois canaux de GPT Image 2.6 avec la même clé API sur APIYI apiyi.com.
En résumé
Pour comparer MAI-Image-2.7 et GPT Image 2.6, l’essentiel est de bien séparer la retouche d’image de la génération d’images :
- Retouche d’image : les intervalles des trois modèles se chevauchent, la qualité ne permet pas de les départager ; la comparaison porte donc surtout sur l’écart de prix, environ 6 fois (classement final) ou environ un cinquième (chiffre annoncé par Microsoft).
- Génération d’images : l’avance de Sunburst est nette, tandis que Flare et MAI-Image-2.7 restent dans un intervalle qui se chevauche.
- Invocation : les trois identifiants de modèle sont facturés séparément ; c’est le registre de facturation qui fait foi. La 2.7 n’est pas encore disponible.
Le conseil : selon votre proportion réelle de retouche et de génération d’images, faites une petite série de tests comparatifs avec vos propres visuels. Vous pouvez mener ces tests via APIYI apiyi.com avec une interface compatible OpenAI, puis ajouter MAI-Image-2.7 à la comparaison dès sa mise en ligne.
📚 Références
-
Classement final d’édition d’images d’Artificial Analysis : consulté le 2026-11-18
- Lien :
artificialanalysis.ai/image/leaderboard/editing - Contenu : Elo d’édition d’images, intervalle de confiance à 95 %, plage de classement et prix normalisé
- Lien :
-
Classement final texte vers image d’Artificial Analysis : consulté le 2026-11-18
- Lien :
artificialanalysis.ai/image/leaderboard/text-to-image - Contenu : Elo texte vers image, intervalles et prix normalisé
- Lien :
-
Thread de publication d’Artificial Analysis : 2026-11-17
- Lien :
x.com/ArtificialAnlys/status/2122754535206846610 - Contenu : sous-scores d’édition d’images et classements par cas d’usage
- Lien :
-
Annonce Microsoft MAI-Image-2.7 : déclaration officielle
- Lien :
microsoft.ai/news/introducing-mai-image-2-7 - Contenu : description des capacités, tarification officielle et date des statistiques indiquée en note de bas de page
- Lien :
-
Post de publication d’Arena : 2026-11-17
- Lien :
x.com/arena/status/2122764936388784405 - Contenu : une autre méthodologie d’arène, citée uniquement à titre de corroboration
- Lien :
Auteur : l’équipe technique APIYI
Échanges techniques : n’hésitez pas à nous contacter via la page d’accueil du site APIYI. Le tableau récapitulatif des modèles et les instructions d’intégration sont disponibles dans le centre de documentation docs.apiyi.com
