ماه گذشته، مایکروسافت مدل MAI-Image-2.6 را به عنوان جدیدترین مدل اختصاصی تولید تصویر خود معرفی کرد. این مدل در هنگام عرضه توانست جایگاه دوم جدول ردهبندی تبدیل متن به تصویر در بنچمارک Arena را دریافت کند. اکنون مایکروسافت این مدل را از طریق پلتفرم Microsoft Foundry در اختیار توسعهدهندگان قرار داده و همچنین یک نسخه جدید به نام MAI-Image-2.6-Flash را نیز برای استفاده در سناریوهایی معرفی کرده است که سرعت تولید و هزینه تمامشده در آنها اولویت بالاتری دارند.
طبق اعلام مایکروسافت، مدل MAI-Image-2.6-Flash میتواند تصاویر را ۲.۸ برابر سریعتر از GPT-Image-2-Medium ایجاد کند و درعینحال ۷۲ درصد کارایی بالاتری داشته باشد. این شرکت تأکید کرده که مدل فلش انتخابی ایدهآل برای برنامههای تعاملی، چرخههای خلاقانه سریع، شخصیسازی، فرایندهای اتوماسیون و سایر بارهای کاری با نیاز به حجم بسیار بالای تصویر محسوب میشود.
قابلیتهای مدل MAI-Image-2.6-Flash و خانواده 2.6
با وجود تمرکز ویژه بر کاهش هزینه و افزایش سرعت پردازش، نسخه Flash تمام تواناییهای بنیادین ویرایش و تولید تصویر مدل اصلی MAI-Image-2.6 را حفظ کرده است. این نسخه از هر دو بخش تولید تصویر بر پایه متن و ویرایش بر پایه تصویر پشتیبانی میکند؛ قابلیتی که شامل ویرایشهای نقطهای دقیق برای اصلاح اشیا، چیدمان یا نوشتهها بدون تغییر چشمگیر در سایر نقاط تصویر میشود.
خانواده مدلهای MAI-Image-2.6 با امکانات جدید متعددی برای برنامهنویسان همراه است. توسعهدهندگان میتوانند از حداکثر ۵ تصویر مرجع برای حفظ یکپارچگی و شباهت ظاهری در افراد، کالاها، شخصیتها و سایر داراییهای بصری استفاده کنند. قابلیت اتصال به وب نیز این امکان را فراهم کرده تا مدل با بهرهگیری از موتور جستجوی بینگ، برای تولید تصاویر با موضوعات واقعی اطلاعات جدید دریافت کند.
مایکروسافت علاوهبراین، پشتیبانی از نسبتهای ابعاد پویای تصویر و خروجیهایی با رزولوشن بالاتر را نیز به این خانواده اضافه کرده است.
هزینه استفاده از مدل MAI-Image-2.6-Flash از ۱.۷۵ دلار به ازای هر میلیون توکن متنی ورودی، ۲.۵۰ دلار برای هر میلیون توکن تصویری ورودی و ۱۹ دلار برای هر میلیون توکن تصویری خروجی شروع میشود. در مقابل، استفاده از مدل MAI-Image-2.6 نیازمند پرداخت ۵ دلار، ۸ دلار و ۳۸ دلار به ازای هر میلیون توکن در این دستهبندیها است.
مایکروسافت استفاده از مدل MAI-Image-2.6 را برای خروجیهای نهایی، ویرایشهای پیچیده، طراحیهای تجاری و سناریوهایی که حداکثر کیفیت تصویر و نگارش واضح متن اهمیت دارند، پیشنهاد میدهد؛ درحالیکه نسخه Flash برای سناریوهایی که تأخیر زمانی پایین، توان پردازشی و صرفه اقتصادی در اولویت هستند، پیشنهاد شده است. هر دو مدل MAI-Image-2.6 و MAI-Image-2.6-Flash هماکنون به شکل پیشنمایش عمومی در دسترس کاربران قرار دارند.
