マイクロソフト、画像生成「MAI-Image-2.6」発表

米Microsoftは、自社開発の画像生成AIモデル「MAI-Image-2.6」および高速処理に特化した「MAI-Image-2.6-Flash」を発表した。本モデルは精度重視と速度重視の2系統で展開され、開発者向けプラットフォーム「Microsoft Foundry」にてパブリックプレビュー提供が開始されたほか、「MAI Playground」でも試用可能となっている。

複数画像編集とWebグラウンディングに対応

MAI-Image-2.6は、従来のテキストからの画像生成にとどまらず、クリエイティブワークフローで求められる制御性の向上に注力して開発された。主な機能強化は以下の通りである。

• ​複数画像参照編集（Multi-reference editing）​: 人物、製品、スタイル、背景シーンなど異なる複数画像の特徴を抽出し、1つの自然な構図に統合・編集できる。
• Webグラウンディング​: Web上の最新情報を参照してビジュアルを生成するWebグラウンディング（外部の検索結果などを取り込んで最新情報を出力に反映する技術）に対応し、時事性の高い内容や具体的な事象の正確な画像化を支援する。
• ​動的アスペクト比と1.5K対応​: 最大1.5Kの高解像度出力をサポートし、用途に応じた最適なアスペクト比を選択できる。

公開された客観的ベンチマークにおいて、MAI-Image-2.6は2026年9月4日時点で「Arena」のテキスト画像生成部門および画像編集部門で共に世界第2位を記録した。また「Artificial Analysis」の評価でもテキスト画像生成で第2位、画像編集では第1位を獲得している。

MAI-Image-2.6とFlashの比較

本発表では、最高精度を追求する基底モデルに加えて、本番環境での低遅延・高スループット運用を想定した「MAI-Image-2.6-Flash」が同時に投入された。

項目	MAI-Image-2.6	MAI-Image-2.6-Flash
主な用途	最大精度のクリエイティブ制作	低遅延・高スループットの本番サービス
生成速度	標準	GPT-Image-2-Medium比で​2.8倍高速​
処理効率	標準	GPT-Image-2-Medium比で​72%向上​
コスト特性	高品質重視	優れたprice-per-Eloレーティング（チェス等の強さを表す指標を応用したモデル対戦勝率スコア）
提供形態	Microsoft Foundry / Playground	Microsoft Foundry / Playground

Flashモデルは、競合するGPT-Image-2-Mediumと比較して2.8倍の生成速度と72%の効率改善を達成しており、運用コストを抑えながら大規模な画像生成サービスを展開したい開発者にとって有力な選択肢となる。

分析と展望

画像生成AIの競争は、単純な画質向上から「一貫性のある編集」「最新情報への追随」「運用コストの最適化」へと焦点が移っている。今回Microsoftが最高精度モデルと高効率なFlashモデルを同時に提供したことは、クラウド上での実用的なAPI組み込みを強く意識した布石といえる。

特に自社モデルでベンチマーク上位を確保しつつ、トークンコストとスループットを両立させたことで、Azure Foundryを利用するエンタープライズ顧客の囲い込みが一段と進むとみられる。

引用元：Microsoft AI