这事有意思的地方不在模型本身，在于姿态。9 月 4 日，微软掏出了自家 AI 部门训练的图像生成模型 MAI-Image-2.6，外加一个专为速度打造的精简版 MAI-Image-2.6-Flash——而它对标的 GPT Image 2，恰恰来自 OpenAI，那个微软砸了上百亿美元、深度绑定的合作伙伴。左手把 OpenAI 的模型装进自家产品，右手悄悄练出了一个能打的，微软这步棋值得看懂。微软 AI 负责人苏莱曼的口径很直白：Flash 版生成一张图的速度，是目前公认最强的 GPT Image 2 的两倍，GPU 效率还提升了 72%。微软内部的对比测试里，同样生成一张 1024×1024 的图，Flash 中位耗时 12.2 秒，GPT-Image-2-Medium 要 33.6 秒——按这个口径算其实是接近三倍的差距，官方宣传反而是收着说的。价格按每百万 Token 计：
MAI-Image-2.6-Flash——文字输入 1.75 美元，图片输入 2.5 美元，图片输出 19 美元（约合 128 元）；
旗舰版 MAI-Image-2.6——5 美元 / 8 美元 / 38 美元（约合 256 元）；
而 GPT Image 2 的高端档，单张成本是 Flash 的十倍上下。质量上微软也没含糊：第三方竞技场排行榜上，旗舰版 2.6 的图像编辑 Elo 达到 1324 分，只比 GPT Image 2 低 6 分——在动辄几十分差距的榜单上，这基本就是并列。文生图、图像编辑两个榜单，它都坐在第二的位置。两个版本共享同一套核心能力：文生图之外，还支持编辑现有图片——移除替换物体、局部重绘、改属性、改画面里的文字都行。比较实用的是多图参考合成：把产品图、人物照、材质样张、场景图各给一张，模型能揉成一张协调的新图，做电商素材和广告图的人应该秒懂这功能的分量。还能把网页、文档当上下文喂进去直接生成配图。微软自己也把使用建议分得很清楚：要最终交付的商业素材、复杂编辑、高质量文字渲染，用旗舰版 2.6；追求速度、大批量跑图、控制成本，用 Flash。翻译一下：精修用旗舰，量产用 Flash——像极了相机厂商「旗舰机 + 量产机」的打法。MAI 是微软自研模型的家族名，之前已经有语音模型 MAI-Voice 出场。图像这条线走得很快：6 周前的上一代 2.5-Pro 还短暂登顶过第三方图像编辑榜，这次直接迭代到 2.6。节奏说明一件事：微软的自研模型不是备胎姿态，是真在追第一梯队。而「Flash」这种命名本身就是行业的通用信号——每个头部玩家都在把模型拆成旗舰版和速度版，因为真实世界的大头需求从来不是偶尔精修一张图，而是每天量产一万张。谁占住「又快又便宜」这个生态位，谁就拿到了工业级订单。该说明的都说明：速度数据来自微软自家测试，榜单位置也会随新模型加入随时变动——上一代 2.5-Pro 登顶的风光劲儿，六周就被自家后辈盖过去了，这就是现在的迭代速度。另外模型目前还在微软 Foundry 平台的公开预览阶段，普通用户可以去 MAI Playground 试玩，正式全面开放还要等。对普通人来说，直接的感知是：AI 生图正在从「抽卡碰运气」变成「即点即得」，以后做表情包、改证件照背景、给公众号配图，等待时间会越来越短，价格越来越接近白送。对行业来说，前六大厂里又多了一个把「质量 + 速度」双手都插进牌桌的玩家——图像生成这门生意的价格战，才刚开打。
