作者注:按改圖和生圖兩條線,對照 MAI-Image-2.7 與 GPT Image 2.6 兩個檔位的終榜區間、歸一化價和調用通道,給出可直接照做的選型步驟。
如果你的圖像工作以改圖爲主,偶爾也要從零生成,最近大概會在 MAI-Image-2.7 和 GPT Image 2.6 之間猶豫。前者由微軟在 2026-11-17 發佈,後者在榜上分成 Sunburst 和 Flare 兩個檔位,各有各的分數。
這不是一篇排座次的文章。改圖和生圖是兩件事,同一個模型在兩塊榜上的位置並不一樣,分數靠得很近時也不能直接下結論。
下面先給出讀者可以直接照做的三步,再展開數據:
- 改圖先看兩邊的分數範圍有沒有疊在一起,疊在一起就別把幾分差距當勝負,然後再去比每千張的價格。
- 生圖先看 GPT Image 2.6 的 Sunburst 檔是不是明顯在前,不要拿改圖名次來頂替。
- 真正下單前,分清調用平臺上每個型號對應哪一檔、怎麼計費,不要把不同檔位的價格混在一起。
重點:改圖和生圖分開看,每條線先看區間、再看價格。

MAI-Image-2.7 和 GPT Image 2.6 對比前:先把型號拆成三個
很多討論把 GPT Image 2.6 當成一個模型、一個分數。實際上,2026-11-18 讀取的 Artificial Analysis 終榜裏,它以 Sunburst (max) 和 Flare (max) 兩個條目分別上榜,兩個檔位的分數和區間都不同。所以這場對比實際上是三方:MAI-Image-2.7、GPT Image 2.6 Sunburst、GPT Image 2.6 Flare。
數據來源也要分開。Artificial Analysis 的終榜基於人類兩兩偏好投票算出 Elo,並給出 95% 置信區間和可能的名次範圍;微軟公告屬於官方自述;Arena 是另一個獨立競技場,口徑與前兩者不同。
| 來源 | 性質 | 本文用法 |
|---|---|---|
| Artificial Analysis 終榜(2026-11-18 讀取) | 獨立第三方,人類偏好投票 Elo + 95% 區間 | 改圖、生圖的主要比較依據 |
| 微軟公告(2026-11-17) | 官方自述 | 能力說明、官方價格口徑,單獨標註 |
| Arena 帖子(2026-11-17) | 另一競技場,口徑不同 | 只作旁證,不和終榜分數混算 |
| 2026-10-27 預覽稿 | 舊快照 | 不作爲本次結果 |
MAI-Image-2.7 與 GPT Image 2.6 的價格口徑
Artificial Analysis 終榜裏的價格列,是廠商自家 API 在 1024×1024、默認設置下生成 1000 張的歸一化價。它適合橫向比較,但不等於你在某個平臺上實際支付的單價,後面講調用通道時會單獨說明。
MAI-Image-2.7 和 GPT Image 2.6 改圖核心差異
改圖是這次發佈中微軟最強調的部分。在 Artificial Analysis 終榜的改圖榜上,三方的位置如下:
| 模型 | 名次(可能範圍) | Elo | 95% 區間 | 樣本 | 歸一化價(每千張) |
|---|---|---|---|---|---|
| MAI-Image-2.7 | 第 1(1–3) | 1215 | 1201–1229 | 5478 | $34.82 |
| GPT Image 2.6 Sunburst (max) | 第 2(1–4) | 1211 | 1198–1224 | 6554 | $210.72 |
| GPT Image 2.6 Flare (max) | 第 3(1–4) | 1205 | 1192–1218 | 6798 | $210.72 |
| MAI-Image-2.7-Flash | 第 7(5–7) | 1179 | 1166–1192 | 5891 | $10.24 |
| Seedream 5.5 | 第 8(8–11) | 1160 | 1146–1174 | 5101 | $28.00 |
| Nano Banana 2.1 | 第 10(8–13) | 1152 | 1140–1164 | 7606 | $33.60 |
MAI-Image-2.7 對 Sunburst 的 1211 領先 4 分,對 Flare 的 1205 領先 10 分。不過三者的區間 1201–1229、1198–1224、1192–1218 彼此重疊,名次範圍也都包含第 1 名。也就是說,4 分領先不是已經拉開,10 分同樣不能寫成穩定超過,統計上三者應視爲同一梯隊。
能拉開差距的是梯隊之間。MAI-Image-2.7 的改圖區間和 Nano Banana 2.1、Seedream 5.5 不重疊,這一層可以確認它更靠前。微軟官方自述稱其改圖第 1、超過 GPT Image 2.6 Sunburst (max),腳註寫明統計截至 2026-11-16、領先 4 Elo,這和終榜數字一致,但”超過”兩個字需要配合區間來理解。
MAI-Image-2.7 改圖的分項表現
Artificial Analysis 的發佈線程提到,MAI-Image-2.7 在 7 項改圖動作中有 4 項排第 1,點名的有文字或符號、場景與風格、增強與修復,第四項的名稱沒有出現在帖子正文裏。在 10 個改圖使用場景中,它在建築與房地產、消費、Frontier、營銷與廣告 4 個場景排第 1。如果你的改圖需求正好集中在這些方向,可以參考這些分項結果。

MAI-Image-2.7 和 GPT Image 2.6 生圖核心差異
換到文生圖榜,情況不同了。這也是爲什麼不能用改圖名次代替生圖名次。
| 模型 | 名次(可能範圍) | Elo | 95% 區間 | 樣本 | 歸一化價(每千張) |
|---|---|---|---|---|---|
| GPT Image 2.6 Sunburst (max) | 第 1(僅 1) | 1261 | 1247–1275 | 5337 | $210.72 |
| GPT Image 2.5 Sunburst (max) | 第 2 | 1229 | 1219–1239 | — | — |
| GPT Image 2.6 Flare (max) | 第 3(2–4) | 1227 | 1215–1239 | 7214 | $210.72 |
| MAI-Image-2.7 | 第 4(3–5) | 1214 | 1200–1228 | 5008 | $34.82 |
| Nano Banana 2.1 | 第 8(7–10) | 1176 | 1164–1188 | 6793 | $33.60 |
| MAI-Image-2.7-Flash | 第 11(9–12) | 1158 | 1146–1170 | 5951 | $10.24 |
| Seedream 5.5 | 第 14(13–17) | 1134 | 1122–1146 | 5260 | $20.00 |
Sunburst 的 1261 對 MAI-Image-2.7 的 1214,區間 1247–1275 和 1200–1228 不重疊,名次範圍也只有第 1。這一段可以明確說 Sunburst 在生圖上拉開了。Flare 的 1227 對 MAI-Image-2.7 的 1214,區間 1215–1239 和 1200–1228 仍有重疊,差 13 分也不能當作定論。
微軟 Ignite 稿件自述文生圖排第 4,並據此稱自己是第二名實驗室,這和終榜名次一致。MAI-Image-2.7 在文生圖的 Knowledge 一項排第 1,但整體名次仍然在 Sunburst 之後。

MAI-Image-2.7 和 GPT Image 2.6 價格怎麼看
價格有兩種說法,出處不同,需要分開說明。
| 口徑 | MAI-Image-2.7 | GPT Image 2.6 (max) | 倍數 | 出處 |
|---|---|---|---|---|
| 歸一化價(每千張) | $34.82 | $210.72 | 210.72 ÷ 34.82 ≈ 6.05 | Artificial Analysis 終榜 |
| 摺合每張 | $0.03482 | $0.21072 | 約 6 倍 | 同上換算 |
| 官方說法 | 約每千張 $35 | — | 成本約五分之一 | 微軟公告,官方自述 |
| 競技場說法 | 約 $0.035/張 | — | — | Arena 帖子 |
微軟在公告裏說,MAI-Image-2.7 的成本大約是 GPT Image 2.6 Sunburst (max) 的五分之一,這是官方自述。用 Artificial Analysis 終榜的兩檔歸一化價計算,210.72 除以 34.82 約等於 6.05 倍,也就是大約六分之一。兩種說法都保留出處,不要合併成一個數字。
Flash 檔價格更低:終榜歸一化價爲每千張 $10.24,微軟稱約每千張 $10。Arena 的約 $0.035/張、微軟的約每千張 $35、終榜的 $34.82,三者在同一量級,但不是同一份價目表。
回到改圖:既然三方區間重疊,質量上難分勝負,那麼約 6 倍的歸一化價差就成了實際決策中更有分量的因素。生圖則相反,Sunburst 的領先是明確的,需要判斷這部分質量值不值得付更高成本。
查詢 API易 apiyi.com 的型號總表(數據時間 2026-11-17 15:54,UTC+8)和 2026-11-18 讀取的定價接口,兩處的微軟圖像型號目前只有 MAI-Image-2.6(按次 $0.12)和 MAI-Image-2.6-Flash(按次 $0.06),這是 2.6 代的價格,不能當成 2.7 的售價。MAI-Image-2.7 和 MAI-Image-2.7-Flash 暫未上架,我們會盡快上架這個模型;型號與價格以平臺型號列表爲準。
在 API易 調用 GPT Image 2.6 的三條通道
GPT Image 2.6 在 API易 上有三個型號 ID,對應三條不同的通道,價格不能混用:
| 型號 ID | 總表計費 | 定價接口 | 端點 | 分組 |
|---|---|---|---|---|
gpt-image-2.6-sunburst |
按次 $0.2 | model_price 0.2,同時帶每百萬 token 計費公式 | images | Default、image2Enterprise、image2_OSS、SVIP |
gpt-image-2.6-flare |
按次 $0.2 | 同上 | images | 同上 |
gpt-image-2.6-all |
按次 $0.025 | — | chat、images | Default、image2_OSS、SVIP |
Sunburst 和 Flare 兩個型號,在總表中寫作按次 $0.2;同一時刻的定價接口除了 model_price 0.2,還帶有計費表達式 p * 5 + cr * 1.25 + img * 8 + img_cr * 2 + c * 30。對應文本輸入 $5、文本緩存讀 $1.25、圖片輸入 $8、圖片緩存讀 $2、輸出 $30,單位都是每百萬 token。總表與接口的寫法不一致,兩種都在這裏列出,調用前以控制檯賬單爲準。
gpt-image-2.6-all 是另一條通道,按次 $0.025,這個價格只屬於 all,不能套到 Sunburst 或 Flare 上。同樣,Artificial Analysis 榜上的 $210.72/千張對應的是 max 檔在 1024 默認設置下的結果,約 $0.211/張,也不是 all 的價格。
調用方式上,API易 採用 OpenAI 兼容接口,把 SDK 的 base_url 設爲 https://api.apiyi.com/v1,然後把 model 參數換成上面三個型號 ID 之一,走 images 端點即可。改圖任務建議先用 Sunburst 和 Flare 各跑一小批自己的真實素材,再對照賬單判斷哪一檔划算。
🚀 快速開始:在 API易 apiyi.com 用一個 API Key 就能切換
gpt-image-2.6-sunburst、gpt-image-2.6-flare和gpt-image-2.6-all,新用戶有免費測試額度,適合先用小批量素材對比三條通道的效果和賬單。
MAI-Image-2.7 和 GPT Image 2.6 場景推薦
適合選 MAI-Image-2.7 的場景
- 以改圖爲主、批量大:區間與 GPT Image 2.6 兩檔重疊,歸一化價約爲六分之一,成本差距會隨着用量放大。
- 分項對口:文字或符號、場景與風格、增強與修復,以及建築與房地產、營銷與廣告等使用場景,在終榜中排第 1。
- 需要透明背景:微軟官方自述稱 2.7 和 Flash 都支持透明背景,可用於產品圖、標誌、圖標,這一點屬於廠商說明,不是榜單測出來的結果。
適合選 GPT Image 2.6 Sunburst 的場景
- 以從零生圖爲主,看重畫面質量:文生圖 1261 分,區間和 MAI-Image-2.7 不重疊,名次範圍只有第 1。
- 改圖和生圖都要用同一個型號:改圖與第一梯隊重疊,生圖領先,可以減少切換型號帶來的管理成本。
適合看 Flare 或 all 的場景
Flare 在兩塊榜上都與 MAI-Image-2.7 區間重疊,價格檔位與 Sunburst 相同,適合在實際素材上和 Sunburst 對比後再決定。gpt-image-2.6-all 是按次 $0.025 的獨立通道,與榜上的 max 檔不是同一個計費口徑,適合先跑通流程、控制試錯成本。
現在就要上線的替代型號
2.7 上架前,如果項目不能等,可以看 API易 上已經在架的兩個型號。gemini-nano-banana-2.1 按次 $0.045,1K、2K、4K 同價,最多支持 10 張物體參考圖 + 4 張角色參考圖 + 3 張風格參考圖,走 Gemini 原生 /v1beta/models/gemini-nano-banana-2.1:generateContent 路徑;文檔實測 4K 用按次更省,1K、2K 用按量更低。Seedream 5.5(seedream-5-5-261028 或 doubao-seedream-5-5-261028)只有 /v1/images/generations,參考圖放在 image 字段,原生支持透明圖和最多 100 張的圖層拆分。這兩項能力是偏好分沒測的,需要以文檔爲準。
MAI-Image-2.7 和 GPT Image 2.6 決策建議
把前面的內容合成一條可以執行的路徑:
- 定主任務:統計你過去一個月的調用量,改圖和生圖大致各佔多少。
- 改圖看區間:三方區間重疊,質量不作爲決定因素,轉而比較歸一化價,約 6 倍(終榜計算)或約五分之一(微軟自述)。
- 生圖看 Sunburst:領先明確,再評估這部分質量提升是否值得多付的成本;Flare 與 MAI-Image-2.7 仍需實際對比。
- 覈對通道:Sunburst、Flare、all 三個型號 ID 分開計費,調用前看控制檯賬單。
- 等 2.7 上架:上架前用 GPT Image 2.6 或在架替代型號跑通流程,上架後再做 A/B 對比。
💡 選擇建議:選哪個型號取決於你的改圖、生圖比例和預算。建議在 API易 apiyi.com 上用同一批真實素材分別調用 Sunburst、Flare 和 all,按賬單和成片質量做決定;MAI-Image-2.7 上架後可以直接加入同一套對比流程。
常見問題 FAQ
Q1:MAI-Image-2.7 是什麼?
微軟 AI 在 2026-11-17 發佈的圖像模型,同時發佈的還有 MAI-Image-2.7-Flash。兩者都支持文生圖和改圖,目前在 Microsoft Foundry 公開預覽。Foundry 目錄頁顯示輸入爲文本和圖像,輸出爲圖像。
Q2:改圖上 MAI-Image-2.7 領先 GPT Image 2.6 幾分,算贏了嗎?
不算拉開。根據 2026-11-18 讀取的 Artificial Analysis 終榜,MAI-Image-2.7 爲 1215,Sunburst 爲 1211,Flare 爲 1205,三者 95% 區間重疊,名次範圍都包含第 1 名,只能說處於同一梯隊。
Q3:生圖能用改圖名次來推斷嗎?
不能。在文生圖榜上,Sunburst 1261 對 MAI-Image-2.7 1214,區間不重疊;Flare 1227 與 MAI-Image-2.7 的區間仍然重疊。兩塊榜的格局不同,需要分別看。
Q4:價格到底差五分之一還是六分之一?
兩個數字出處不同。微軟官方自述成本約爲 Sunburst (max) 的五分之一;按 Artificial Analysis 終榜歸一化價計算,210.72 ÷ 34.82 ≈ 6.05,約爲六分之一。兩者都是 1024 默認設置下的口徑,不等於任何平臺的實際單價。
Q5:現在能通過 API 調用 MAI-Image-2.7 嗎?
微軟公告稱可以通過 Microsoft Foundry 以及 fal、Genspark、OpenRouter、Vercel 調用。API易 目前在架的是 `MAI-Image-2.6` 和 `MAI-Image-2.6-Flash`,2.7 兩款暫未上架,可以先在 API易 apiyi.com 上用 GPT Image 2.6 的三個型號跑通流程。
Q6:gpt-image-2.6-all 的 $0.025 是 Sunburst 的價格嗎?
不是。$0.025 只屬於 `gpt-image-2.6-all` 這條通道。`gpt-image-2.6-sunburst` 和 `gpt-image-2.6-flare` 總表按次 $0.2,定價接口同時有每百萬 token 公式,以賬單爲準。
Q7:兩者有哪些榜單沒測到的限制?
偏好投票分沒有測透明底和圖層拆分等能力。MAI-Image-2.7 的透明背景和連續編輯一致性來自微軟自述;2.7 仍處於公開預覽階段。GPT Image 2.6 在 API易 上的兩種計費寫法尚未統一,需要關注賬單。
MAI-Image-2.7 和 GPT Image 2.6 核心要點 Key Takeaways
- 三方對比:GPT Image 2.6 在榜上分爲 Sunburst 和 Flare,不能只取一個分數。
- 改圖同梯隊:1215、1211、1205 區間重疊,4 分領先不代表已經拉開。
- 生圖有分層:Sunburst 1261 與 MAI-Image-2.7 1214 區間不重疊,Flare 仍與其重疊。
- 價格兩種說法:微軟自述約五分之一,終榜計算約 6.05 倍,需要分別標註出處。
- 通道分開算:Sunburst、Flare 總表按次 $0.2 並帶 token 公式,all 爲按次 $0.025。
- 上手方式:2.7 上架前,可在 API易 apiyi.com 用同一個 Key 對比 GPT Image 2.6 三個通道。
總結
MAI-Image-2.7 和 GPT Image 2.6 的對比,關鍵在於把改圖和生圖分開:
- 改圖:三方區間重疊,質量不足以區分,主要比較約 6 倍(終榜)或約五分之一(微軟自述)的價差。
- 生圖:Sunburst 領先明確,Flare 與 MAI-Image-2.7 仍在重疊區間。
- 調用:三個型號 ID 各自計費,以控制檯賬單爲準;2.7 暫未上架。
建議按自己的改圖、生圖比例,用真實素材做一輪小批量對比。可以通過 API易 apiyi.com 用 OpenAI 兼容接口完成測試,等 MAI-Image-2.7 上架後再加入對比。
📚 參考資料
-
Artificial Analysis 改圖終榜:2026-11-18 讀取
- 鏈接:
artificialanalysis.ai/image/leaderboard/editing - 說明:改圖 Elo、95% 區間、名次範圍與歸一化價
- 鏈接:
-
Artificial Analysis 文生圖終榜:2026-11-18 讀取
- 鏈接:
artificialanalysis.ai/image/leaderboard/text-to-image - 說明:文生圖 Elo、區間與歸一化價
- 鏈接:
-
Artificial Analysis 發佈線程:2026-11-17
- 鏈接:
x.com/ArtificialAnlys/status/2122754535206846610 - 說明:改圖分項與使用場景名次
- 鏈接:
-
微軟 MAI-Image-2.7 公告:官方自述
- 鏈接:
microsoft.ai/news/introducing-mai-image-2-7 - 說明:能力說明、官方價格口徑與腳註統計時間
- 鏈接:
-
Arena 發佈帖:2026-11-17
- 鏈接:
x.com/arena/status/2122764936388784405 - 說明:另一競技場口徑,僅作旁證
- 鏈接:
作者:APIYI 技術團隊
技術交流:歡迎在 API易 網站首頁聯繫我們,型號總表與接入說明可訪問 docs.apiyi.com 文檔中心
