MAI-Image-2.6-Flash Đang hoạt động

MAI-Image-2.6-Flash là mô hình tạo hình ảnh tốc độ cao do Microsoft phát triển, bổ trợ cho phiên bản flagship MAI-Image-2.6 và tập trung vào các tình huống sản xuất yêu cầu độ trễ thấp, thông lượng cao. Tốc độ tạo ảnh nhanh hơn GPT-Image-2-Medium 2.8 lần, hiệu suất GPU tăng 72%, đồng thời vẫn duy trì chất lượng hình ảnh gần với phiên bản flagship. MAI-Image-2.6-Flash hỗ trợ nhiều ảnh tham chiếu, Web Grounding và khung hình động, với độ phân giải tối đa 1.5K.

Tạo ảnh siêu nhanh: Tốc độ tạo ảnh tăng khoảng 2.8 lần so với GPT-Image-2-Medium, hiệu suất GPU tăng 72%, mang lại phản hồi có độ trễ thấp.
Chất lượng flagship: Dù tốc độ được cải thiện đáng kể, mô hình vẫn duy trì chất lượng hình ảnh và các khả năng chỉnh sửa cốt lõi gần với phiên bản flagship MAI-Image-2.6.
Chỉnh sửa nhiều ảnh tham chiếu: Hỗ trợ đồng thời nhiều ảnh tham chiếu về nhân vật, sản phẩm, phong cách và bối cảnh, kết hợp nhiều điều kiện hình ảnh để tạo hoặc chỉnh sửa.
Web Grounding: Có thể kết hợp thông tin thời gian thực trên web để cung cấp điểm neo thông tin chính xác cho nội dung hình ảnh liên quan đến sản phẩm thực tế, sự kiện thời sự và các chủ đề khác.
Khung hình động và độ phân giải cao: Tự động chọn tỷ lệ khung hình tối ưu theo bối cảnh, đồng thời hỗ trợ xuất ảnh ở độ phân giải tối đa 1.5K.
Sản xuất quy mô lớn: Được thiết kế cho hoạt động sản xuất nội dung thương mại quy mô lớn, thông lượng cao và nhạy cảm với chi phí; giá API thấp hơn 50%-69% so với phiên bản flagship.

Kiến trúc khuếch tán Flow Matching: Mô hình dựa trên kiến trúc Diffusion và được huấn luyện bằng Flow Matching Loss, học đường đi thẳng liên tục từ nhiễu đến hình ảnh. Nhờ số bước suy luận rất ít, mô hình vẫn tạo được hình ảnh rõ nét. Đây là nền tảng toán học cốt lõi giúp tốc độ tăng 2.8 lần mà vẫn duy trì chất lượng hình ảnh.
20B tham số và ngữ cảnh 32K: Mô hình có 20 tỷ tham số không bao gồm embedding và cửa sổ ngữ cảnh 32K Token, hỗ trợ hiểu các prompt dài, phức tạp cùng đầu vào nhiều ảnh. Độ phân giải đầu ra tối đa khoảng 1536×1536, cung cấp đủ dung lượng mô hình cho việc tạo ảnh chất lượng cao và chỉnh sửa nhiều ảnh tham chiếu.
Tối ưu hóa kỹ thuật suy luận: Phiên bản Flash không phải mô hình chưng cất hay nén, mà được tối ưu đồng bộ về thuật toán và kỹ thuật trên cùng nền tảng 20B tham số, rút ngắn thời gian suy luận mỗi ảnh xuống mức mili giây đến 1-2 giây, đồng thời giải phóng 72% dung lượng GPU nhàn rỗi để đạt thông lượng cấp sản xuất với khả năng xử lý đồng thời cao.
Tái tạo chỉnh sửa đa phương thức: Khả năng chỉnh sửa được xây dựng lại từ đầu. Mô hình có năng lực suy luận ngữ cảnh hình ảnh trên nhiều đối tượng, cấu trúc bối cảnh, ánh sáng, tỷ lệ và vị trí không gian. Ngay cả khi prompt không rõ ràng, mô hình vẫn duy trì kết quả chỉnh sửa nhất quán, hỗ trợ các thao tác phức tạp như thay thế đối tượng, thay đổi thuộc tính và cập nhật văn bản.

MAI Playground: Nền tảng trải nghiệm trực tuyến chính thức của Microsoft tại https://playground.microsoft.ai/chat, cho phép trực tiếp thử nghiệm các tính năng chuyển văn bản thành ảnh, chuyển ảnh thành ảnh và chỉnh sửa nhiều ảnh tham chiếu, phù hợp để nhanh chóng trải nghiệm hiệu quả của mô hình.
Microsoft Foundry: Kênh truy cập xem trước công khai dành cho nhà phát triển. Sau khi đăng ký và nhận khóa API, bạn có thể tích hợp mô hình vào ứng dụng hoặc quy trình làm việc của mình, đồng thời hỗ trợ gọi ở quy mô lớn.

Tạo ảnh siêu nhanh: Tốc độ tạo ảnh nhanh hơn GPT-Image-2-Medium khoảng 2.8 lần, hiệu suất GPU tăng 72%, mang lại phản hồi có độ trễ thấp.
Chất lượng flagship: Dù tốc độ được cải thiện đáng kể, mô hình vẫn duy trì chất lượng hình ảnh và các khả năng chỉnh sửa cốt lõi gần với MAI-Image-2.6.
Hiệu quả chi phí vượt trội: Giá API thấp hơn 50%-69% so với phiên bản flagship; theo Microsoft, mô hình có hiệu suất price-per-Elo tốt nhất thế giới.
Kết hợp nhiều ảnh tham chiếu: Hỗ trợ đồng thời nhiều ảnh tham chiếu về nhân vật, sản phẩm, phong cách và bối cảnh, kết hợp các điều kiện hình ảnh đa chiều để tạo ảnh.
Web Grounding: Kết hợp dữ liệu thời gian thực trên web để cung cấp điểm neo thông tin chính xác cho nội dung hình ảnh về sản phẩm thực tế, sự kiện thời sự và các chủ đề khác.
Khung hình động và độ phân giải cao: Tự động chọn tỷ lệ khung hình tối ưu theo bối cảnh, hỗ trợ xuất ảnh ở độ phân giải tối đa 1.5K.

Trang web dự án: https://microsoft.ai/news/pushing-the-quality-cost-frontier-with-mai-image-2-6/

Tạo nội dung thương mại điện tử hàng loạt: Nhanh chóng tạo số lượng lớn ảnh chính của sản phẩm, ảnh minh họa trang chi tiết và poster tiếp thị, giảm chi phí API cho mỗi ảnh.
Tương tác thời gian thực và quảng cáo động: Đạt phản hồi hình ảnh ở cấp mili giây trong chatbot, trợ lý AI hoặc hệ thống quảng cáo động, nâng cao trải nghiệm người dùng.
Nhà máy nội dung mạng xã hội: Cung cấp năng lực sản xuất hàng loạt nội dung hình ảnh và văn bản với thông lượng cao cho nhà sáng tạo nội dung và các tổ chức MCN, hỗ trợ quy trình tạo hàng trăm ảnh mỗi ngày.
Quy trình hình ảnh cho AI Agent: Hoạt động như một nút tạo hình ảnh trong quy trình tự động hóa; đặc tính độ trễ thấp giúp hiệu suất tổng thể của Agent pipeline không bị cản trở.
Nguyên mẫu nhanh và lặp lại bản phác thảo: Nhà thiết kế nhanh chóng tạo nhiều phiên bản hình ảnh ý tưởng trong giai đoạn đầu của sản phẩm, sử dụng tính năng nhiều ảnh tham chiếu để cố định phong cách trước khi tinh chỉnh.