MAI-Image-2

是什么

MAI-Image-2 是微软 AI（Microsoft AI）推出的第二代文生图模型。2026 年 4 月 2 日，它在 Microsoft Foundry 和 MAI Playground 向开发者开放^[1]。开发者写下一段文字提示，模型返回一张生成的图像。发布时的价格为每百万文本输入 token 5 美元起、每百万图像输出 token 33 美元^[1][2]，也就是说，费用随提示词和生成图像两方面的用量一起变化。

由来

这个模型是 MAI-Image-1 的后继版本^[3]。微软表示，它首次亮相时位列 Arena.ai 文生图排行榜的前三模型家族^[1]。面向开发者的发布是在模型已经投入生产之后才发生的：微软称，2026 年 4 月 2 日一同发布的三个模型在被提供给开发者之前，就已经在为 Copilot、Bing 和 PowerPoint 提供能力^[1]。具体到 MAI-Image-2，它分阶段上线到 Bing 和 PowerPoint，并部署在 Copilot 中^[1]。

擅长什么

微软把自然的光照、准确的肤色与质感，以及图像内清晰可读的文字列为这个模型的长处^[1]。前两点是图像生成模型长期追求的目标，人们常常用「看起来像相机能拍出来的东西」来衡量一张脸或一种表面的生成质量。图内文字则是更难的一关：模型必须把字母摆在正确的位置，并且让它们保持可读，而不是糊成装饰性的形状，这对招牌、包装、海报一类的画面尤其重要。

速度是另一个卖点。根据生产环境的流量统计，微软称该模型在 Foundry 和 Copilot 上以相近的质量实现了至少两倍于此前的生成速度^[1]。生成更快会改变工具在实际使用中的样子：同样一段时间里，反复调整提示词的人能试出更多版本。

发布流程与价格

微软为该模型发布了模型卡（model card），并在发布前对它做了红队测试（red-teaming）^[1]。红队测试是指在系统交付用户之前，有意识地查找它可能产生的有害或意外输出；模型卡则记录这个模型是什么、在测试中表现如何。发布价格方面，每百万文本输入 token 5 美元起、每百万图像输出 token 33 美元^[1][2]，采取的是按用量计费而非固定订阅的方式，开发者可以据此按预期的提示词量和出图量估算成本。

合作方

广告集团 WPP 被列为早期企业合作伙伴^[1]。WPP 全球首席创意官 Rob Reilly 表示，这个模型能回应创意指导中的细微差别，也尊重制作可直接投放的广告图像所需要的工艺^[1]。这句话谈的是输出对商业工作是否好用——在这类场景里，一张图往往要经得起客户审阅，而不只是单独看时显得好看。

在发展中的位置

MAI-Image-2 与另外两个模型在同一天发布，三者都是先进入微软自己的消费级与生产力产品，之后才开放给开发者调用^[1]。2026 年 6 月 2 日，它后面又跟上了 MAI-Image-2.5 和 MAI-Image-2.5-Flash，微软称这两者的 Arena 得分超过了 Nano Banana Pro^[3]。放在一起看，这几次发布呈现出很快的节奏：4 月是第二代模型，两个月后是一次改进版和一个更轻量的版本，而它们都以同一个公开排行榜作为参照。