マイクロソフトがMAI-Image-2を発表：画像生成ランキングで世界3位に浮上

画像生成AIといえば他社の基盤モデルを利用するイメージが強かったMicrosoftですが、自社開発の歩みを急速に早めています。

Microsoft AIチームは最新の画像生成モデル「MAI-Image-2」を発表しました。公開と同時に、主要な評価プラットフォームであるArena.ai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。

現在、MAI Playgroundにて一般ユーザー向けのプレビューが公開されており、フィードバックを受け付けています。さらにCopilotやBing Image Creatorへの順次展開が始まっているほか、大手広告代理店のWPPなど一部のエンタープライズ顧客向けにはAPI提供も開始されました。近日中にはMicrosoft Foundryを通じて幅広い開発者にも開放される予定です。

写真のようなリアリズムと文字描画の精度向上

Microsoftによると、開発にあたって写真家やデザイナー、ビジュアルクリエイターへのヒアリングを実施し、実務でボトルネックになりやすい要素の解消に注力したといいます。

最大の特徴はフォトリアリズムの向上です。AI特有の不自然な光沢やプラスチックのような質感を抑え、自然な照明、正確な肌のトーン、生活感のある空間の描写を追求しました。これにより、生成後のレタッチ作業を大幅に減らせるとしています。

また、画像内の文字描画精度も大幅に強化されました。ポスターや看板、インフォグラフィック、プレゼンテーション用スライドなど、指定したテキストを破綻なく画像内に埋め込むことが可能です。

さらに、映画のような重厚な構図やシュールなアートコンセプトなど、ディテールが密集する複雑なシーンの生成にも対応しています。なお、チームはこの発表に合わせて、次世代GB200クラスタがすでに稼働中であることも明かしています。

なぜ重要か

クリエイターやマーケターにとって、画像内に正確な文字が配置でき、自然な光と肌を表現できるモデルは、業務効率化の大きな味方になります。デザインの修正やレタッチにかける工数を減らせる可能性があるため、まずはPlaygroundで試してみる価値は十分にあります。

業界全体から見れば、MicrosoftがOpenAIへの依存から着実に距離を置き、自社完結のフロンティアモデルを構築し始めていることを物語る動きです。Arena.aiで3位という実績は、外部サプライヤー頼みではなく自社ラボが世界トップクラスの技術力を持つという強力な証明になります。

肌の質感やタイポグラフィといった実用的なペインポイントに絞った改善は非常に手堅く賢明だと評価できます。一方で、リーダーボードでのハイスコアと、CopilotやBingの大規模なトラフィックに耐えながら安定した品質を維持することは別問題です。莫大なインフラ負荷の中でこのクオリティを維持できるかが今後の課題になりそうです。