微软承认图像质量屈居第二，转而从价格出击：“全球最佳每 Elo 价格”

微软人工智能面向开发者开放了新的图像模型 MAI-Image-2.6 及其快速版本 MAI-Image-2.6-Flash。这份 9 月 4 日的公告把意图写在了标题里：“推进质量与成本的前沿”。

首席执行官穆斯塔法·苏莱曼在个人账号上写道：“我们的新图像模型生成图像的速度比 GPT-Image-2 快 2 倍，而后者是目前全球最好的模型。它在 GPU 使用上还高效 72%，因此我们能以令人难以置信的价格提供它。这让它拥有全球最佳的性价比分数。”

先认输，再进攻

句子开头的判断比结尾的主张更值得注意。微软人工智能的首席执行官称竞争对手的模型是“目前全球最好的模型”。公司自己的博客用数字说了同一件事：截至 9 月 4 日，MAI-Image-2.6 在 Arena 的文生图与图像编辑两个榜单上均位列第二。在 Artificial Analysis 上，文生图第二，图像编辑第一。

也就是说，这里没有“我们更好”的主张。传递的信息是：他们的也许更好，但不值这个价。

细则：对标哪一档？

速度主张在推文与博客中的写法不同，而这个差别很关键。苏莱曼说“比 GPT-Image-2 快 2 倍”。博客则写道，MAI-Image-2.6-Flash 生成图像“比 GPT-Image-2-Medium 快 2.8 倍”，同时效率提升 72%。

差别在档位。博客对标的是中档，而苏莱曼贴出的质量与价格图中，对手标注为 GPT Image 2（high），即最高档。在同一份公告里，速度是对着中档量的，价格是拿最高档立的。

还有一处区分值得保留：Arena 与 Artificial Analysis 的排名属于第三方测量，而速度与 GPU 效率的数字出自微软自己的测量。

OpenAI 怎么说

OpenAI 尚未就此作出官方回应，其新闻页面上最新的条目日期为 9 月 3 日。但它自己的价格页可以算作一个回答。OpenAI 把 GPT-Image-2 描述为“最先进的图像生成模型”，并只给出一个价格：图像输出每 100 万 token 30 美元，输入 8 美元，缓存输入 2 美元。页面上没有谈速度，也没有谈便宜；它所捍卫的是质量。

同一页上还有一项让微软的价格主张变得复杂：批处理享五折。对于在生产环境中跑批量任务的团队，OpenAI 的实际价格减半。公告并未说明“全球最佳每 Elo 价格”这一主张是按哪个价格算出来的。

不是孤例，而是套路

微软人工智能近期公告的标题都指向同一个方向：MAI-Transcribe-2 是“全球最快、最准确、最便宜的语音识别模型”；MAI-Code-1.1-Flash 是“更好、更快，成本只有四分之一”。这家公司并不试图在能力上超过对手，而是在价格上掏空它的地基。

说这话的人是谁同样属于这幅图景。穆斯塔法·苏莱曼是 DeepMind 的联合创始人之一；离开谷歌后创办了 Inflection AI，2024 年出任微软人工智能负责人。而微软是 OpenAI 最大的投资方和多年的合作伙伴。

对企业采购意味着什么

对于把图像生成放进生产线的公司来说，问题不是“哪个最好”，而是“每一美元能买到多少质量”。微软让这个问题变得可以被提出，这正是它超出一次产品发布的地方。比较时要看两件事：测的是哪一个质量档位，以及批处理折扣有没有算进去。

两个模型均已上线 MAI Playground，并通过 Microsoft Foundry 提供公开预览。新版本增加了多图参考编辑、网页接地、动态宽高比，输出分辨率最高可达 1.5K。