Microsoft 釋出 MAI-Image-2.6：衝上 Arena 第二，文字渲染漲 91 分

如果你最近還在看 AI 畫圖在英文字母上打結，微軟這次可能真把這塊短板補上了。

微軟正式推出了文生圖模型 MAI-Image-2.6。剛一亮相，它就衝上了 Arena 文生圖排行榜第二位，把 Meta、Google 和 xAI 的同類模型甩在了身後。

從評分來看，MAI-Image-2.6 相比前代 2.5 整體上漲了 79 個 Elo 分數。微軟官方表示，這次在每一個細分測試類目裡都有明顯進步，其中最扎眼的當屬文字渲染，單項評分直接漲了 91 個 Elo。

文本不再亂碼，商業圖更逼真

對經常用文生圖的人來說，畫面裡帶字向來是個抽卡地獄。這次 2.6 版本重點收拾的就是文字排版問題，招牌、包裝或者海報上的字跡，翻車機率比以前低了不少。

除了把字寫對，人像和 3D 畫面的質感也做了翻新。官方提到，模型針對產品展示、品牌設計以及電影感鏡頭等商業級需求，做了專門的寫實渲染最佳化，細節看起來沒那麼塑膠了。

微軟還透露，這個版本正在跟進多圖參考輸入、更豐富的物理定位對齊，以及對推理過程、畫面格式和解析度的細粒度控制。隨後在 9 月 4 日，微軟進一步把 MAI-Image-2.6 以及輕量版 2.6-Flash 放進了 Microsoft Foundry 的公開預覽裡。

目前使用者可以直接去 Arena 盲測體驗，MAI Playground 隨後也已陸續跟進。

為什麼重要

我們認為，這次釋出最實在的價值，是把專業設計流程裡的可用度往前推了一大截。以往文生圖做商業海報，文字基本要靠後期手動貼，現在模型自己能啃下排版，設計師拿它來做電商產品圖或品牌方案的草稿，返工成本會低很多。雖然想徹底取代後期還不現實，但現在拿它當一個趁手的打樣工具，已經很值一試了。

放在整個行業裡看，這也意味著微軟在多模態生成上的自主路線走穩了。過去微軟在生成式 AI 上深度繫結 OpenAI 的 DALL-E 系列，如今自家 MAI 團隊連續迭代，在公開盲測排行榜上甚至壓過了 Google 和 Meta，直接把影像生成的競爭拉到了自研體系的臺前。

從打法上看，微軟這套爬坡策略相當聰明。它沒有去硬吹虛無縹緲的藝術感，而是把精力死磕在字形渲染、商品打光和電影級質感這幾項商業設計最在意的硬指標上。不過隱患也顯而易見：高精度的商業出圖通常伴隨著極高的算力消耗，隨後上線的 Flash 版本能不能在大幅降成本的同時保住質感，才是決定它能否在企業端大規模落地的關鍵。