مایکروسافت نسخه جدیدی از مدل تولید تصویر خود با نام MAI-Image-2.6-Flash را معرفی کرده است؛ مدلی که با هدف کاهش زمان پردازش و هزینه تولید تصویر طراحی شده و قرار است برای کاربردهایی با حجم بالای تولید محتوا مورد استفاده قرار گیرد.
این مدل نسخه سبک‌تر خانواده MAI-Image-۲.۶ محسوب می‌شود. مایکروسافت می‌گوید MAI-Image-۲.۶-Flash می‌تواند تصاویر را تا ۲.۸ برابر سریع‌تر از GPT-Image-۲-Medium تولید کند و در عین حال، از نظر بهره‌وری نیز ۷۲ درصد عملکرد بهتری داشته باشد. این ویژگی‌ها آن را برای ابزارهای تعاملی، شخصی‌سازی محتوا، اتوماسیون و فرایندهای خلاقانه‌ای که به تولید سریع تعداد زیادی تصویر نیاز دارند، مناسب می‌کند.
مایکروسافت هم‌زمان مدل اصلی MAI-Image-2.6 را نیز از طریق پلتفرم Microsoft Foundry در اختیار توسعه‌دهندگان قرار داده است. این مدل پیش از این در زمان معرفی توانسته بود رتبه دوم جدول تبدیل متن به تصویر بنچمارک Arena را به دست آورد.
قابلیت‌های تولید و ویرایش تصویر
تمرکز نسخه Flash بر سرعت و هزینه کمتر، به معنای حذف قابلیت‌های اصلی مدل نیست. MAI-Image-۲.۶-Flash همچنان از تولید تصویر از متن و ویرایش تصویر پشتیبانی می‌کند و امکان انجام ویرایش‌های موضعی را نیز دارد؛ برای مثال می‌توان اشیا، چیدمان یا نوشته‌های موجود در تصویر را تغییر داد، بدون اینکه سایر بخش‌های تصویر دستخوش تغییرات گسترده شوند.
در خانواده MAI-Image-۲.۶ امکان استفاده از حداکثر ۵ تصویر مرجع نیز وجود دارد. توسعه‌دهندگان می‌توانند از این تصاویر برای حفظ ظاهر و هویت بصری یک فرد، محصول، شخصیت یا دیگر عناصر تصویری در خروجی‌های مختلف استفاده کنند.
یکی دیگر از قابلیت‌های این مدل، اتصال به وب است. مدل می‌تواند با استفاده از موتور جست‌وجوی بینگ به اطلاعات به‌روز درباره موضوعات واقعی دسترسی پیدا کند و از این اطلاعات هنگام تولید تصویر بهره ببرد.
پشتیبانی از نسبت‌های ابعاد پویا و خروجی با رزولوشن بالاتر نیز از دیگر قابلیت‌های اضافه‌شده به خانواده MAI-Image-۲.۶ است.
نسخه Flash ارزان‌تر است
یکی از تفاوت‌های مهم MAI-Image-۲.۶-Flash با مدل اصلی، هزینه استفاده از آن است. قیمت نسخه Flash از ۱.۷۵ دلار برای هر میلیون توکن متنی ورودی، ۲.۵۰ دلار برای هر میلیون توکن تصویری ورودی و ۱۹ دلار برای هر میلیون توکن تصویری خروجی آغاز می‌شود.
این ارقام برای مدل اصلی MAI-Image-۲.۶ به‌ترتیب ۵، ۸ و ۳۸ دلار به ازای هر میلیون توکن هستند. بنابراین نسخه Flash برای پروژه‌هایی که تعداد زیادی تصویر تولید می‌کنند، گزینه اقتصادی‌تری خواهد بود.
مایکروسافت استفاده از MAI-Image-۲.۶ را برای پروژه‌هایی که کیفیت نهایی تصویر، ویرایش‌های پیچیده، کاربردهای تجاری و نمایش دقیق متن اهمیت بیشتری دارد پیشنهاد می‌کند. در مقابل، MAI-Image-۲.۶-Flash برای سناریوهایی طراحی شده که سرعت، تأخیر کمتر و هزینه پایین‌تر اولویت دارند.
هر دو مدل MAI-Image-۲.۶ و MAI-Image-۲.۶-Flash در حال حاضر به‌صورت پیش‌نمایش عمومی در اختیار کاربران قرار گرفته‌اند.