マイクロソフトが画像生成モデル「MAI-Image-2.5」発表、Arenaで3位に

AI画像生成で長年の課題だった「文字化け」や「不自然な構図」に対し、マイクロソフトが自社開発モデルで正面から回答を出しました。

マイクロソフトのMAI Superintelligenceチームは、最新の画像生成AIモデル「MAI-Image-2.5」を発表しました。公開と同時に、評価プラットフォームであるArenaの画像生成リーダーボードで世界第3位にランクインしています。

実務に耐える文字描写と空間認識

前世代のMAI-Image-2と比べ、今回のバージョンは商業用途での実用性が大きく引き上げられています。

ポスターのキャッチコピーやパッケージのラベルなど、これまでのモデルが苦手としていたテキスト描写が格段に鮮明になりました。イラストや広告向けビジュアルの生成精度も向上しています。

さらに、照明の当たり方や縮尺、被写体同士の空間的な位置関係といった視覚的推論能力も強化されました。シンプルなプロンプトを入力するだけでも、破綻の少ない整った構図を仕上げてくれます。

MAI-Image-2.5は現在Arena上で試用可能となっており、今後2週間以内にMAI PlaygroundおよびAzure Foundryでも提供が開始される予定です。

なぜ重要か

クリエイターやマーケターにとって、文字が崩れたり配置が狂ったりする画像は仕事で使えません。MAI-Image-2.5が文字再現とレイアウトの安定性を重視したのは、現場の手戻りを減らすという意味で極めて実用的なアプローチだと考えられます。

業界の視点で見ると、これまでOpenAIの技術に頼る場面が多かったマイクロソフトが、自社チームで世界トップクラスの画像モデルを実用化した意義は大きいです。他社製モデルへの依存度を下げ、自社エコシステムを強化する姿勢が明確に見て取れます。2週間後のAzure Foundry展開において、価格設定と生成スピードがどの程度競争力を持つかが今後の焦点になりそうです。