Microsoft 发布 MAI-Image-2：文生图榜单冲进前三，主打自然光影与文字渲染

很多人对微软做图像生成的印象，可能还停留在直接调用 OpenAI 的 DALL-E。但微软自己的 AI 团队显然不想一直当二房东。

Microsoft AI 团队公布了自研文生图模型 MAI-Image-2。刚一亮相，这套模型就在权威评测平台 Arena.ai 的文生图排行榜上冲到了全球第三位。

现在只要进入 MAI Playground 就能直接上手试玩。与此同时，微软也开始把它推向 Copilot 和 Bing 图像创建器，企业客户如全球广告巨头 WPP 已经拿到了 API 访问权限，后续还会通过 Microsoft Foundry 开放给更多开发者。

专治「AI 塑料感」和文字翻车

按照微软团队的说法，他们在开发 MAI-Image-2 之前找了一圈摄影师、设计师和视觉创作者聊需求，最后把力气主要花在了三个地方。

第一是真实感。以往文生图最容易被人一眼看穿的就是塑料感的光影和假面一般的皮肤。新模型专门强化了自然光线、精准肤色以及充满生活痕迹的环境细节，让图片看起来更像真实世界里拍出来的，目的就是帮设计师省去后续修图的时间。

第二是图像内文字生成。以前让 AI 画海报，背景里的文字基本全是外星符号。MAI-Image-2 现在支持更稳定的文本渲染，官方表示用来做信息图、幻灯片或者带文字的招牌海报，文字基本不会丢失或错乱。

第三则是应对超现实和大场面。针对那些繁复的构图、电影感氛围或者奇幻场景，模型能生成极其密集的画面细节，不再把复杂元素糊成一团。

除了模型本身，微软在招聘信息里还顺带透露了一个硬件细节：他们自家的下一代 GB200 计算集群目前已经正式投入运行，后劲显然很足。

为什么重要

对于日常需要配图的内容创作者和设计师来说，MAI-Image-2 带来的直接价值在于缩短交付路径。过去用 AI 生成海报，图能用但字得重新抠图填补，现在文字渲染能力补齐后，信息图和演示文稿的制作门槛会进一步拉低。它现在就能在网页端试玩，值不值得换成日常工具，去 Playground 试两张带文字的海报就能见分晓。

对行业来说，这件事最微妙的地方在于微软与 OpenAI 的微妙平衡。微软一边重仓 OpenAI，另一边其内部的 Microsoft AI 超级智能团队却在自研模型上不断超车，甚至直接杀进 Arena.ai 前三。这说明微软正加速建立完全自主的模型技术护城河，摆脱对单一供应商的绝对依赖，这也势必会倒逼其他头部图像生成模型加快迭代节奏。

我们认为，微软这一步走得相当务实。他们没有去死磕天马行空的参数规模概念，而是精准切中了创意行业最头疼的痛点：皮肤质感、光线穿帮和文字排版翻车。不过隐患也同样摆在眼前，榜单测试是一回事，一旦接入数以亿计的 Copilot 和 Bing 用户，在高并发和千奇百怪的提示词冲击下，模型能否持续稳定输出、算力成本能否撑得住，才是真正的考验。