Microsoft、画像生成モデル「MAI-Image-2.6」発表　Arenaで2位に浮上

マイクロソフトが画像生成モデルの最新版「MAI-Image-2.6」を発表しました。Arenaのテキスト画像生成リーダーボードで2位に初登場し、Meta、Google、xAIの競合モデルを上回る立ち上がりを見せています。

性能面では、前世代のMAI-Image-2.5と比べて全体で79 Eloポイント向上しました。Arenaの全カテゴリーでスコアを伸ばしていますが、中でも文字描画の精度は単独で91 Eloポイントも上昇しています。

文字崩れを抑え、商用レベルの質感を強化

AI画像生成において、英単語のスペル崩れやフォントの歪みは長年の課題でした。今回のアップデートではそのテキスト描画を大幅に底上げしており、ロゴやパッケージの表現が格段に安定しています。

さらにポートレートや3Dグラフィックスの描写力も引き上げられました。プロダクト広告やブランドアセット、映画のようなシネマティックなカットなど、商用利用を見据えたリアルな質感の出力に注力しています。

機能面では、複数画像の参照入力や精密なグラウンディング、推論や解像度、フォーマットの細かな制御機能も予告されています。9月4日には、軽量版のMAI-Image-2.6-FlashとともにMicrosoft Foundryでパブリックプレビューが開始されました。

なぜ重要か

私たちは、マイクロソフトが他社頼みではない独自の基盤モデル開発力をはっきりと証明した点に大きな意味があると考えています。これまで画像生成分野ではOpenAIの技術を取り入れる印象が強かった同社ですが、公開ブラインドテストでGoogleやMetaを退けて2位に食い込んだ実績は、自社開発チームの実力を市場に見せつける結果となりました。

クリエイター目線で見ても、文字描画の改善と商用向けの質感強化は実用性に直結します。デザインのラフ案や商品ビジュアルのプロトタイプを作る際、文字の破綻を修正する手間が省けるため、実務で今すぐ試す価値は十分にあるといえます。

芸術的な曖昧さよりも「文字の正確さ」「商品の見栄え」といった実務課題にリソースを集中させたアプローチは極めて現実的です。今後は後から追加されたFlash版が、コストと処理速度を抑えつつどこまでこのクオリティを維持できるかが、エンタープライズ導入の成否を分けることになりそうです。