微软图像编辑模型冲到全球第二

微软在 10 月 27 日发布 MAI-Image-2.7-Preview，并以 1193 Elo 登上 Artificial Analysis 图像编辑榜第二名。微软 AI CEO 穆斯塔法·苏莱曼随后直接把它称为“全球排名第二的图像编辑模型”，其得分仅次于 OpenAI 的 GPT Image 2.5 Sunburst（max），并超过同榜的 GPT Image 2.5 Flare，以及来自 Google、Meta 和 xAI 的多款模型。

但“全球第二”需要加上一个明确限定：这是 Artificial Analysis 的 AA-Image-Editing v2.1 榜单排名，不代表所有图像任务的综合世界第二。MAI-Image-2.7-Preview 目前只开放图像编辑，不能从空白画布生成图片；微软也尚未公布公开 API、价格、正式商用日期和模型权重。

换句话说，这是一款成绩很高、产品边界却仍然很窄的预览模型。

MAI-Image-2.7-Preview 是什么

MAI-Image-2.7-Preview 是微软推出的可控图像编辑模型，输入是一张已有图片和一段自然语言指令，输出是按照指令修改后的图片。它适合处理照片、设计稿、商品图、影视画面和带文字的视觉素材，而不是直接根据提示词从零生成画面。

这种产品形态与传统修图软件不同，也与纯文生图模型不同。传统软件要求用户自己选择蒙版、图层和调整参数；文生图模型更像在白纸上重新作画；图像编辑模型则需要先理解原图，再判断哪些内容该改、哪些内容必须保留。

例如，“把下午的室内光线改成凌晨冷光，但保留人物面部、衣服和墙上文字”并不是简单套一层滤镜。模型需要同时理解光源方向、阴影、材质反射、人物身份和文字结构，任何一项失控，都可能让结果看起来像重新生成了一张相似图片，而不是编辑原图。

微软此次重点强调的正是这类“容易改，但很难改对”的任务，包括：

• 整体改变场景风格，同时维持原有构图；
• 重新设置环境光、主光源和阴影关系；
• 修改招牌、包装、海报中的文字或符号；
• 修复低清晰度、压缩损伤或局部缺陷；
• 根据物体与环境关系完成需要推理的编辑；
• 在多轮修改中尽量保留未被点名的画面元素。

1193 Elo，距离榜首只有 6 分

Artificial Analysis 的 AA-Image-Editing v2.1 是一个基于人类偏好比较的图像编辑评测，Elo 分数反映模型在成对盲测中被用户偏好的相对概率。它衡量的不是单一画质参数，而是用户看到两个编辑结果后，更愿意选择哪一个。

按照 2026 年 10 月 22 日的评测快照，MAI-Image-2.7-Preview 得分为 1193 Elo，排名第二。榜首 GPT Image 2.5 Sunburst（max）为 1199 Elo，两者相差 6 分；GPT Image 2.5 Flare 为 1182 Elo，比微软新模型低 11 分。

| 模型 | AA-Image-Editing v2.1 Elo | 排名 | 当前定位 | 公开价格 | |---|---:|---:|---|---| | GPT Image 2.5 Sunburst（max） | 1199 | 1 | 高质量图像生成与编辑 | 本次资料未提供 | | MAI-Image-2.7-Preview | 1193 | 2 | 仅开放图像编辑 | 未公布 | | GPT Image 2.5 Flare | 1182 | 3 | 图像生成与编辑 | 本次资料未提供 | | MAI-Image-2.6 | 1151 | — | 上一代图像编辑模型 | 未公布 |

MAI-Image-2.7-Preview 相比上一代提升了 42 Elo，而不是社交平台流传的 45 分。这个数字可以直接由 1193 减去 1151 得到，也是目前较为一致的榜单口径。

42 Elo 对图像模型并不是一个可以忽略的小修补。Elo 是相对分数，越接近榜单顶部，继续提升通常越困难；微软能在一代预览更新中把模型从 1151 推到 1193，说明这次改动更像系统性迭代，而不是只针对少数提示词做优化。

不过，榜首与第二名之间的 6 Elo 也不应被过度解读。图像偏好评测会受到样本规模、任务分布、随机生成结果和投票人群影响，Artificial Analysis 榜单还会持续更新，因此 1199 对 1193 更接近“同一领先梯队”，而不是肉眼可见的代际差距。

真正值得看的是四项分类第一

MAI-Image-2.7-Preview 在七类编辑动作中的四类排名第一，分别是增强与修复、基于推理的编辑、场景与风格、文本与符号。微软表示，新模型在评测覆盖的全部 10 个用例和全部 7 类编辑动作上都超过 MAI-Image-2.6。

| 编辑类别 | MAI-Image-2.7-Preview 表现 | 典型任务 | 商业价值判断 | |---|---|---|---| | 增强与修复 | 分类领先 | 修复模糊、压缩损伤和局部瑕疵 | 适合旧素材翻新和内容再利用 | | 基于推理的编辑 | 分类领先 | 根据上下文补充、替换或调整物体 | 减少人工描述和反复返工 | | 场景与风格 | 分类领先，领先次优模型 24 Elo | 重打光、换季节、改变影视风格 | 适合营销图与影视预演 | | 文本与符号 | 分类领先 | 修改招牌、包装文字和图标 | 对广告、电商和本地化尤其重要 | | 构图 | 未领先 | 移动物体、重排画面关系 | OpenAI 模型更占优势 | | 单个对象编辑 | 未领先 | 精确替换或修改指定物体 | 局部服从性仍需观察 | | 身份保持 | 未领先 | 修改环境但保留同一人物 | 人像生产场景仍有风险 |

场景与风格是此次优势最明显的类别，微软称其比次优模型领先 24 Elo。这个能力的关键并不是把照片套成油画，而是在改变整体视觉语言时，仍然维持画面中物体、透视、材质和语义之间的一致性。

文本与符号编辑则可能是最有商业价值的一项进步。海报、包装、电商主图和门店物料都包含文字，而图像模型过去经常把“修改一句文案”变成重新绘制整块区域，最终出现字体变形、字符错误、边缘破碎或品牌标识漂移。

如果 MAI-Image-2.7-Preview 能在真实工作流里稳定修改短文本和符号，它就不只是一个展示效果的生成工具，而可能进入广告本地化、商品图批量迭代、影视道具替换和社交媒体素材生产。这些任务的共同点是原始素材已经存在，团队真正需要的是低成本、多轮、可回退的修改。

微软强在整体判断，OpenAI 强在局部服从

分类结果显示，微软与 OpenAI 的图像模型正在形成不同的能力侧重。MAI-Image-2.7-Preview 更擅长需要理解整个画面的任务，OpenAI 模型则在构图、单对象修改和身份保持上继续领先。

这个差异可以用摄影棚来类比。微软新模型更像一名擅长整体视觉的摄影指导，知道如何调整灯光、色调和环境，让画面风格统一；OpenAI 的领先模型更像一名执行精确的后期人员，能够更稳地移动指定物体、保留同一张脸，并严格遵循局部布局要求。

两种能力都重要，但适用场景不同。品牌视觉、气氛图、影视概念设计更看重整体判断；证件照、人像广告、商品细节替换和固定版式物料，则更依赖身份保持与局部服从。

因此，MAI-Image-2.7-Preview 还不能仅凭总榜第二就被认定为更好的生产工具。如果任务要求“只改包装上的一句话，其他像素尽量不要动”，模型的局部稳定性、文字排版和身份一致性往往比整体审美分数更重要。

Arena 第三说明它不是只会刷一个榜

MAI-Image-2.7-Preview 在 Arena 图像编辑榜获得约 1470 分并位列第三，为 Artificial Analysis 的结果提供了另一组用户偏好信号。两个榜单的评测设计和用户群体不同，排名无法直接互换，但同时进入前三，至少说明其竞争力并非只出现在一套测试题中。

| 评测平台 | MAI-Image-2.7-Preview 成绩 | 排名 | 评测侧重点 | |---|---:|---:|---| | Artificial Analysis AA-Image-Editing v2.1 | 1193 Elo | 2 | 结构化图像编辑任务与人类偏好 | | Arena 图像编辑榜 | 约 1470 分 | 3 | 开放式匿名对比和用户投票 |

榜单仍然无法替代真实工作流测试。复杂图层、透明区域、固定字体、长文本排版、连续多轮修改和精确品牌色，通常不会被一个综合 Elo 分数完整覆盖，而这些恰恰是设计团队决定是否采用模型时最关心的问题。

尤其需要观察的是误改率。一个模型即使第一次结果很好，只要每次修改文字都会顺带改变人物脸型、商品纹理或背景元素，它在生产环境中的可用性就会快速下降，因为人工检查与返工成本会抵消生成速度优势。

最大短板：能体验，但暂时难以接入生产系统

MAI-Image-2.7-Preview 目前仍是 Preview 版本，用户可通过 MAI Playground、Artificial Analysis 和 Arena 体验，但微软没有公布公开 API、调用价格、速率限制和正式商用时间。模型权重也没有开放，因此开发者无法自行部署或针对垂直场景进行本地推理。

这意味着它当前更像一次能力预告，而不是可以立即采购并接入业务的完整产品。对于开发者和企业客户，榜单成绩只能回答“模型大概有多强”，却无法回答“每张图多少钱”“一次编辑要等多久”“能否批量处理”“数据如何保存”以及“服务等级是否稳定”等实际问题。

微软还表示文生图功能“即将推出”，但没有给出具体日期。现阶段用户必须先提供一张源图，才能使用 MAI-Image-2.7-Preview；如果需求是从一句提示词开始制作海报、角色或商品概念图，仍然需要使用其他模型。

由于尚无公开 API，本文不提供调用示例。任何第三方声称已经提供稳定正式接口的说法，都应与微软后续公开文档核对，尤其要确认模型名称、版本生命周期、数据政策和商用授权范围。

微软正在把图像编辑变成 MAI 系列的突破口

MAI 是 Microsoft AI 自研模型品牌，而不是 Azure 平台上对外提供的其他厂商模型集合。微软持续推进 MAI-Image 系列，说明它并不满足于只做模型分发和应用层整合，而是在图像生成与编辑这一高频入口上建立自己的底层能力。

从 MAI-Image-2.5 到 2.7，微软的迭代方向也很清楚：先提高文字渲染、风格控制和编辑能力，再逐步补齐完整生成链路。MAI-Image-2.5 此前已经在文字渲染和卡通、动漫、幻想类别取得明显提升，而 2.7 进一步把优势推向场景理解、修复和符号修改。

这条路线比单纯追求文生图审美更务实。企业每天产生的大量视觉需求不是“再生成一张新图”，而是把现有图片改成横版、换成夜景、替换一句文案、修掉瑕疵，再输出多个市场版本；编辑模型一旦足够稳定，就能直接压缩设计团队最耗时间的修订环节。

结论：成绩够亮眼，产品还没交卷

MAI-Image-2.7-Preview 是微软目前最有竞争力的图像编辑模型之一，其 1193 Elo、Artificial Analysis 第二名和四项分类领先，证明微软已经进入闭源图像模型的第一梯队。尤其是场景与风格、增强修复、推理编辑和文本符号处理，已经展现出明确的差异化优势。

但它距离成熟生产工具还有三道门槛。第一是补齐文生图，让用户能在生成和编辑之间连续工作；第二是公开 API、价格和延迟，让开发者能够计算成本并接入业务；第三是证明它在多轮编辑、身份保持、精确排版和局部修改上足够稳定。

现阶段最合理的评价是：MAI-Image-2.7-Preview 已经赢得榜单存在感，却还没有赢得生产环境的最终席位。微软下一步何时开放文生图与正式接口，比“全球第二”这个标题本身更值得关注。

参考来源

• IT之家：微软 MAI-Image-2.7-Preview 登场，图像编辑排名全球第二 — 汇总微软公告、Artificial Analysis 排名、模型能力范围及当前开放状态。