Microsoft 釋出 MAI-Image-2：文生圖榜單衝進前三，主打自然光影與文字渲染

很多人對微軟做影像生成的印象，可能還停留在直接呼叫 OpenAI 的 DALL-E。但微軟自己的 AI 團隊顯然不想一直當二房東。

Microsoft AI 團隊公佈了自研文生圖模型 MAI-Image-2。剛一亮相，這套模型就在權威評測平臺 Arena.ai 的文生圖排行榜上衝到了全球第三位。

現在只要進入 MAI Playground 就能直接上手試玩。與此同時，微軟也開始把它推向 Copilot 和 Bing 影像建立器，企業客戶如全球廣告巨頭 WPP 已經拿到了 API 訪問許可權，後續還會通過 Microsoft Foundry 開放給更多開發者。

專治「AI 塑膠感」和文字翻車

按照微軟團隊的說法，他們在開發 MAI-Image-2 之前找了一圈攝影師、設計師和視覺創作者聊需求，最後把力氣主要花在了三個地方。

第一是真實感。以往文生圖最容易被人一眼看穿的就是塑膠感的光影和假面一般的皮膚。新模型專門強化了自然光線、精準膚色以及充滿生活痕跡的環境細節，讓圖片看起來更像真實世界裡拍出來的，目的就是幫設計師省去後續修圖的時間。

第二是影像內文字生成。以前讓 AI 畫海報，背景裡的文字基本全是外星符號。MAI-Image-2 現在支援更穩定的文本渲染，官方表示用來做資訊圖、幻燈片或者帶文字的招牌海報，文字基本不會丟失或錯亂。

第三則是應對超現實和大場面。針對那些繁複的構圖、電影感氛圍或者奇幻場景，模型能生成極其密集的畫面細節，不再把複雜元素糊成一團。

除了模型本身，微軟在招聘資訊裡還順帶透露了一個硬體細節：他們自家的下一代 GB200 計算叢集目前已經正式投入執行，後勁顯然很足。

為什麼重要

對於日常需要配圖的內容創作者和設計師來說，MAI-Image-2 帶來的直接價值在於縮短交付路徑。過去用 AI 生成海報，圖能用但字得重新摳圖填補，現在文字渲染能力補齊後，資訊圖和簡報的製作門檻會進一步拉低。它現在就能在網頁端試玩，值不值得換成日常工具，去 Playground 試兩張帶文字的海報就能見分曉。

對行業來說，這件事最微妙的地方在於微軟與 OpenAI 的微妙平衡。微軟一邊重倉 OpenAI，另一邊其內部的 Microsoft AI 超級智慧團隊卻在自研模型上不斷超車，甚至直接殺進 Arena.ai 前三。這說明微軟正加速建立完全自主的模型技術護城河，擺脫對單一供應商的絕對依賴，這也勢必會倒逼其他頭部影像生成模型加快迭代節奏。

我們認為，微軟這一步走得相當務實。他們沒有去死磕天馬行空的引數規模概念，而是精準切中了創意行業最頭疼的痛點：皮膚質感、光線穿幫和文字排版翻車。不過隱患也同樣擺在眼前，榜單測試是一回事，一旦接入數以億計的 Copilot 和 Bing 使用者，在高併發和千奇百怪的提示詞衝擊下，模型能否持續穩定輸出、算力成本能否撐得住，才是真正的考驗。