Microsoft 推出影像模型 MAI-Image-2.6：可結合聯網資訊，精準控制編輯

AI 畫圖工具最讓人頭疼的毛病，一是畫現實場景容易胡編亂造，二是改圖時常常牽一髮而動全身。微軟剛剛端出的新模型，正打算把這兩處短板一起補上。

9 月 4 日，Microsoft 釋出了全新的影像生成與編輯模型家族 MAI-Image-2.6。這次的新模型不僅強調高畫質，還直接把聯網檢索能力裝進了畫圖流程裡。

能查資料的影像模型

和以前悶頭憑擴散權重畫圖的模型不同，MAI-Image-2.6 能夠抓取即時網頁內容與文件資料，以此來校準生成的影像畫面。

這意味著它生成現實景觀或帶有當下背景的場景時，準確度大幅提升。比如在官方展示中，要求它畫出馬德里阿爾卡拉街與格蘭大道交匯處的大都會大廈，模型能還原出 Beaux-Arts 風格的外立面、金箔下的板岩圓頂，以及圓頂上的勝利女神青銅雕像與四座寓言雕塑。

除了能利用網頁上下文，模型對文本、參考圖以及自然語言編輯指令的理解也更加精準，使用者可以像指揮設計師一樣，用口語調整構圖、風格和區域性細節。

旗艦版之外，還有半價的 Flash

微軟這次一次性拿出了兩個版本。旗艦款 MAI-Image-2.6 主打極高畫質與精細的可控編輯；而伴隨釋出的 MAI-Image-2.6-Flash，價格不到旗艦模型的一半，專門針對大批次生產工作流。

業內機構已經給出了積極反饋。廣告巨頭 WPP 的全球首席創意官 Rob Reilly 提到，該系列在渲染文字上的準確度是一次真正的突破，同時理解自然語言修改的能力讓創意迭代變得極其直觀。

圖片庫巨頭 Shutterstock 的首席產品經理 Vanessa Salvo 也表示，模型在提示詞遵循度與實際創意可用性上表現出色，能夠穩定地把設計意圖轉化為符合生產標準的成圖，這對企業從技術嚐鮮走向實際業務非常關鍵。

為什麼重要

普通創作者和專業設計團隊可以把它當成一個懂檢索的即時製圖助手。以前畫一張帶有最新品牌元素或現實背景的圖，往往需要反覆喂參考圖並人工微調 Prompt；現在模型自己能理解網頁上下文，大大壓縮了前期的溝通成本。對於需要批次生成營銷素材的企業，不到半價的 Flash 版本顯著降低了落地門檻。

從行業競爭來看，我們認為影像大模型的比拼已經從單純卷審美、卷解析度，轉向了卷知識準確度與商業工作流的嵌入深度。微軟把自身的搜尋與資訊抓取長處嫁接到視覺生成上，走了一步非常聰明的棋。

不過隱患也同樣擺在眼前。既然引入了即時網路內容，一旦抓取源本身存在版權爭議、惡意篡改或虛假資訊，生成的圖片就會直接繼承這些錯誤。如何保證聯網參考素材的版權合規與事實嚴謹，看起來將是微軟接下來要面對的真正考量。