Microsoft 推出图像模型 MAI-Image-2.6：可结合联网信息，精准控制编辑

AI 画图工具最让人头疼的毛病，一是画现实场景容易胡编乱造，二是改图时常常牵一发而动全身。微软刚刚端出的新模型，正打算把这两处短板一起补上。

9 月 4 日，Microsoft 发布了全新的图像生成与编辑模型家族 MAI-Image-2.6。这次的新模型不仅强调高画质，还直接把联网检索能力装进了画图流程里。

能查资料的图像模型

和以前闷头凭扩散权重画图的模型不同，MAI-Image-2.6 能够抓取实时网页内容与文档资料，以此来校准生成的图像画面。

这意味着它生成现实景观或带有当下背景的场景时，准确度大幅提升。比如在官方展示中，要求它画出马德里阿尔卡拉街与格兰大道交汇处的大都会大厦，模型能还原出 Beaux-Arts 风格的外立面、金箔下的板岩圆顶，以及圆顶上的胜利女神青铜雕像与四座寓言雕塑。

除了能利用网页上下文，模型对文本、参考图以及自然语言编辑指令的理解也更加精准，用户可以像指挥设计师一样，用口语调整构图、风格和局部细节。

旗舰版之外，还有半价的 Flash

微软这次一次性拿出了两个版本。旗舰款 MAI-Image-2.6 主打极高画质与精细的可控编辑；而伴随发布的 MAI-Image-2.6-Flash，价格不到旗舰模型的一半，专门针对大批量生产工作流。

业内机构已经给出了积极反馈。广告巨头 WPP 的全球首席创意官 Rob Reilly 提到，该系列在渲染文字上的准确度是一次真正的突破，同时理解自然语言修改的能力让创意迭代变得极其直观。

图片库巨头 Shutterstock 的首席产品经理 Vanessa Salvo 也表示，模型在提示词遵循度与实际创意可用性上表现出色，能够稳定地把设计意图转化为符合生产标准的成图，这对企业从技术尝鲜走向实际业务非常关键。

为什么重要

普通创作者和专业设计团队可以把它当成一个懂检索的实时制图助手。以前画一张带有最新品牌元素或现实背景的图，往往需要反复喂参考图并人工微调 Prompt；现在模型自己能理解网页上下文，大大压缩了前期的沟通成本。对于需要批量生成营销素材的企业，不到半价的 Flash 版本显著降低了落地门槛。

从行业竞争来看，我们认为图像大模型的比拼已经从单纯卷审美、卷分辨率，转向了卷知识准确度与商业工作流的嵌入深度。微软把自身的搜索与信息抓取长处嫁接到视觉生成上，走了一步非常聪明的棋。

不过隐患也同样摆在眼前。既然引入了实时网络内容，一旦抓取源本身存在版权争议、恶意篡改或虚假信息，生成的图片就会直接继承这些错误。如何保证联网参考素材的版权合规与事实严谨，看起来将是微软接下来要面对的真正考量。