MAI-Image-1

是什么

MAI-Image-1 是微软第一个完全由内部团队开发的图像生成模型（image generation model），由微软 AI（Microsoft AI）于 2025 年 10 月 13 日发布^[1][2]。这类模型接收文字提示，输出与之对应的画面：训练时它看过大量「图片—描述」的配对，生成时则从一个噪声画面出发，一步步把它塑造成符合提示的图像。「完全自研」的意思是，模型的开发由微软自己的团队完成，而不是接入外部提供的模型。在 LMArena 这个由用户投票比较各家模型的公开排行榜上，它首次上榜就进入了文生图（text-to-image）模型的前十名^[1]。

微软强调的特点

微软表示，这个模型擅长照片级真实感（photorealistic）的画面，尤其是反弹光（bounce light）和反射这类光照效果，以及风景题材^[1]。反弹光指的是光线先打到别的表面、再照到主体上的那部分光；它和反射一起，构成观众判断一个画面「像不像真的」的重要线索，而人们往往并不会刻意去想这一点。

微软还把速度与质量的平衡作为它的长处：相比许多更大、更慢的模型，用户可以更快地反复修改^[1]。公司称开发过程中听取了创意行业专业人员的反馈，并着力避免输出显得重复、或是落入千篇一律的风格化套路^[1]。

上线范围与使用方式

2025 年 11 月 4 日起，该模型进入 Bing Image Creator，与 DALL·E 3、GPT-4o 并列可选，同时也进入 Copilot 的 Audio Expressions Story Mode^[1]。同日起，凡是能使用 Bing Image Creator 和 Copilot Labs 的国家和地区都可以用到它^[1]。

微软把它的使用方式讲得很具体：先用它把想法更快地变成屏幕上的图，快速迭代几轮，再把成果带到其他工具里继续打磨^[1]。换句话说，它被放在创作流程的前段，负责把构思迅速可视化，而不是要求一次就产出成品。

在模型序列中的位置

微软把这个模型定位为 2025 年 8 月两款自研模型之后的下一步，并称它为自家产品内更多创意体验铺了路^[1]。它停留在最前沿位置上的时间并不长：2026 年 4 月由 MAI-Image-2 接替，2026 年 6 月又出现了 MAI-Image-2.5^[2]。