|

MAI-Image-2.7 和 GPT Image 2.6:先看改圖,再看生圖

MAI-Image-2.7 和 GPT Image 2.6:先看改圖,再看生圖

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:

  1. 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。
  2. 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。
  3. 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-vs-gpt-image-2-6-editing-first-zh-hant-image-0


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-vs-gpt-image-2-6-editing-first-zh-hant-image-1


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-vs-gpt-image-2-6-editing-first-zh-hant-image-2


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:

  1. 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。
  2. 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)。
  3. 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。
  4. 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。
  5. 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:

  1. 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。
  2. 生圖:Sunburst 領先明確,Flare 與 MAI-Image-2.7 仍在重疊區間。
  3. 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

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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

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

Similar Posts