Microsoft 发布 MAI-Image-2.6：冲上 Arena 第二，文字渲染涨 91 分

如果你最近还在看 AI 画图在英文字母上打结，微软这次可能真把这块短板补上了。

微软正式推出了文生图模型 MAI-Image-2.6。刚一亮相，它就冲上了 Arena 文生图排行榜第二位，把 Meta、Google 和 xAI 的同类模型甩在了身后。

从评分来看，MAI-Image-2.6 相比前代 2.5 整体上涨了 79 个 Elo 分数。微软官方表示，这次在每一个细分测试类目里都有明显进步，其中最扎眼的当属文字渲染，单项评分直接涨了 91 个 Elo。

文本不再乱码，商业图更逼真

对经常用文生图的人来说，画面里带字向来是个抽卡地狱。这次 2.6 版本重点收拾的就是文字排版问题，招牌、包装或者海报上的字迹，翻车概率比以前低了不少。

除了把字写对，人像和 3D 画面的质感也做了翻新。官方提到，模型针对产品展示、品牌设计以及电影感镜头等商业级需求，做了专门的写实渲染优化，细节看起来没那么塑料了。

微软还透露，这个版本正在跟进多图参考输入、更丰富的物理定位对齐，以及对推理过程、画面格式和分辨率的细粒度控制。随后在 9 月 4 日，微软进一步把 MAI-Image-2.6 以及轻量版 2.6-Flash 放进了 Microsoft Foundry 的公开预览里。

目前用户可以直接去 Arena 盲测体验，MAI Playground 随后也已陆续跟进。

为什么重要

我们认为，这次发布最实在的价值，是把专业设计流程里的可用度往前推了一大截。以往文生图做商业海报，文字基本要靠后期手动贴，现在模型自己能啃下排版，设计师拿它来做电商产品图或品牌方案的草稿，返工成本会低很多。虽然想彻底取代后期还不现实，但现在拿它当一个趁手的打样工具，已经很值一试了。

放在整个行业里看，这也意味着微软在多模态生成上的自主路线走稳了。过去微软在生成式 AI 上深度绑定 OpenAI 的 DALL-E 系列，如今自家 MAI 团队连续迭代，在公开盲测排行榜上甚至压过了 Google 和 Meta，直接把图像生成的竞争拉到了自研体系的台前。

从打法上看，微软这套爬坡策略相当聪明。它没有去硬吹虚无缥缈的艺术感，而是把精力死磕在字形渲染、商品打光和电影级质感这几项商业设计最在意的硬指标上。不过隐患也显而易见：高精度的商业出图通常伴随着极高的算力消耗，随后上线的 Flash 版本能不能在大幅降成本的同时保住质感，才是决定它能否在企业端大规模落地的关键。