API MAI-Image-2.5: O Que os Desenvolvedores Precisam Saber

Ei, pessoal. A Microsoft agora tem um modelo de imagem principal que ocupa o 2º lugar no board de edição de imagens da Arena e o 3º lugar em texto para imagem. Isso por si só não diz se o MAI-Image-2.5 pertence ao seu pipeline. Este artigo é o que eu gostaria de ler antes de decidir — o que ele realmente é, como acessá-lo, onde se encaixa e onde não se encaixa.

Ainda não o estou usando há duas semanas. A maior parte do que está aqui é a realidade da camada de acesso e o panorama público de benchmarks. Os julgamentos de fluxo de trabalho estão sinalizados como tal.

O que é o MAI-Image-2.5

O modelo de geração e edição de imagens mais recente da Microsoft

O MAI-Image-2.5 é o topo atual da linha de imagens própria da Microsoft AI, lançado em 2 de junho de 2026 junto com uma variante Flash mais rápida. Ele realiza geração de texto para imagem e edição de imagem para imagem no mesmo modelo. A documentação do Microsoft Foundry o descreve como um sistema baseado em difusão otimizado para “edições cirúrgicas com consistência” — edições de objetos direcionadas, adaptação de layout, atualizações de texto, limpeza de artefatos como remoção de desfoque de movimento — com consistência visual preservada entre iterações.

Duas coisas são importantes aqui para os desenvolvedores.

Primeiro: isso não é uma prévia de pesquisa escondida atrás de uma lista de espera. O modelo já está dentro das superfícies de produtos da Microsoft — PowerPoint para geração de imagens, OneDrive para edição precisa — o que é um sinal de que a Microsoft o está tratando como infraestrutura de produção, não como uma demonstração. Clientes empresariais nomeados na página de demonstração MAI-Image da Microsoft AI incluem WPP (o Diretor Criativo Global Rob Reilly é citado) e Shutterstock (a PM Principal Vanessa Salvo avaliou a linha de modelos).

Segundo: é o mais recente em um ritmo de lançamento acelerado. O MAI-Image-1 foi lançado em 13 de outubro de 2025. MAI-Image-2 e MAI-Image-2-Efficient vieram no Foundry na primavera de 2026. O lançamento do 2.5 aconteceu cerca de oito meses após o Image-1. Qualquer decisão que você tome hoje tem uma vida útil mais curta do que o normal.

MAI-Image-2.5 vs MAI-Image-2.5-Flash

A Microsoft lançou duas variantes. Elas compartilham a mesma família, mas resolvem problemas diferentes.

Variante	Otimizado para	Preço de tabela Foundry (entrada)	Preço de tabela Foundry (saída de imagem)
MAI-Image-2.5	Máxima fidelidade	$5 / 1M tokens de texto, $8 / 1M tokens de imagem	$47 / 1M tokens de imagem
MAI-Image-2.5-Flash	Velocidade e custo em escala	$1,75 / 1M tokens (entrada de texto e imagem)	$19,50–$33 / 1M tokens de imagem dependendo da fonte

De acordo com o anúncio de preços do Microsoft Foundry, o nível padrão é $5/M tokens de entrada de texto, $8/M de entrada de imagem e $47/M de saída de imagem. O Flash cai para $1,75/M para entrada de texto e imagem, e $33/M para saída de imagem. O preço de entrada é cerca de um terço do nível padrão; a saída de imagem — geralmente a linha de custo dominante — fica em torno de 70% do padrão. Enquadramento da Microsoft: use o Flash para pipelines de produção de alto volume, use o modelo base quando precisar do máximo que a família oferece.

Para a maior parte do trabalho de imagem em produção, o Flash é o padrão e o modelo base é o caminho de escalada quando a saída do Flash não é suficientemente boa. Verifique os preços na página ativa do Foundry antes de construir qualquer coisa em torno disso — a Microsoft tem feito ajustes.

Caminhos de acesso confirmados para desenvolvedores

Azure AI Foundry e MAI Playground

A API do MAI-Image-2.5 é fornecida pelo Microsoft Foundry — o mesmo catálogo onde você implanta MAI-Image-2, GPT-Image-1.5 e o restante dos modelos de imagem de parceiros e próprios. Você provisiona uma implantação no Catálogo de Modelos do Foundry, obtém um endpoint Azure, autentica com um token Entra ID ou chave de API, e chama a superfície de API de edições de imagem MAI padrão. O preço de reserva PTU está disponível para equipes com cargas de trabalho previsíveis.

Se você estiver testando antes de integrar, o MAI Playground oferece a superfície sem código. Construa o prompt lá e depois mova para a API.

OpenRouter e acesso pela camada de agregação

Você não precisa passar pelo Azure diretamente. O MAI-Image-2.5 no OpenRouter expõe o mesmo modelo com a camada de faturamento e roteamento unificada do OpenRouter na frente. A Microsoft confirmou o lançamento no OpenRouter no mesmo anúncio, com o OpenRouter observando que “9 milhões de desenvolvedores” podem agora acessar o MAI-Image-2.5 pela mesma API que já usam para outros modelos. O Foundry ainda é a fonte — o OpenRouter encaminha cada solicitação para a Microsoft, sem decisões de roteamento a tomar para esse modelo específico.

Vale destacar porque a agregação importa mais do que costumava. Se você já está executando GPT-Image-2, Nano Banana 2 ou Grok Imagine por uma camada de integração, adicionar o modelo da Microsoft não significa escrever um novo cliente. Significa mudar uma string de modelo.

Lançamento de produtos no PowerPoint e OneDrive

A Microsoft já inseriu esse modelo no PowerPoint (geração) e no OneDrive (edição precisa). A maioria dos usuários finais o encontrará sem saber o nome. Para desenvolvedores, isso importa de duas formas: é uma dica sobre o nível de confiabilidade que a Microsoft está comprometendo internamente, e é um sinal competitivo — a Microsoft está usando seu próprio modelo de imagem em seus próprios produtos em vez de rotear tudo para o OpenAI. Essa direção provavelmente é permanente.

Rankings da Arena: edição vs texto para imagem

2º lugar no Arena Image Edit

Este é o resultado principal. No board de edição de imagens, o MAI-Image-2.5 fica em 2º lugar, à frente do Nano Banana 2.1. De acordo com a nota de transparência da Microsoft, a janela de avaliação foi julgamento humano cego de preferência no placar do LMArena entre 31 de maio e 1º de junho de 2026, e a Microsoft reporta vitórias na maioria das 12 categorias de edição — incluindo limpeza, fundos, sombras e texto — entre categorias com ≥100 correspondências avaliadas. Esse é o detalhe metodológico que os rankings da Arena geralmente não apresentam, e vale a pena saber o conjunto de dados se você estiver apostando no ranking.

3º lugar em texto para imagem

Em texto para imagem, fica em 3º lugar com uma melhoria de +74,5 ELO em relação ao MAI-Image-2 em média por categoria, e um ganho notável de +104 ELO especificamente em renderização de texto, de acordo com a página Microsoft Foundry Labs. Os dois primeiros nesse board são GPT-Image-2 e Nano Banana 2 — a lacuna principal para o GPT-Image-2 foi descrita em cobertura como a maior que a Arena já registrou, embora os deltas exatos de ELO mudem diariamente e devam ser verificados novamente no placar ao vivo antes de serem citados.

O erro que eu evitaria: colapsar tudo isso em “MAI-Image-2.5 é o modelo de imagem nº 2.” Não é. Nº 2 em edições, nº 3 em texto para imagem. Boards diferentes, sinais diferentes.

Por que a Arena não substitui avaliações específicas de fluxo de trabalho

A Arena é votação cega em pares. É o sinal mais honesto que temos para preferência geral do usuário, e rastrear quais modelos entraram em quais boards e quando é útil para contexto. Mas não diz se o modelo mantém identidade nas suas fotos de produto específicas, nas suas fontes de marca específicas, no seu catálogo específico de edições. O post de lançamento da Microsoft é explícito sobre esse risco: “Como todos os modelos de imagem, o MAI-Image-2.5 pode refletir vieses em seus dados de treinamento e pode produzir detalhes visuais plausíveis, mas imprecisos ou enganosos.”

O que a Arena diz: está no nível superior. O que não diz: se é o modelo de nível superior certo para sua carga de trabalho.

Casos de uso de edição de imagem em produção

Limpeza de imagem de produto e substituição de fundo

A API de imagem para imagem suporta remoção de objetos, substituição, alterações de atributos, inpainting e limpeza de artefatos (desfoque de movimento é mencionado explicitamente), preservando a composição. Para e-commerce — tirar um relógio de um fundo, colocá-lo em outro, remover reflexos, trocar a cor da pulseira — essa é a superfície que importa. A Microsoft é explícita de que o modelo foi ajustado para “a forma como o trabalho criativo realmente é feito”, o que interpreto como: edições, não apenas gerações. O depoimento da WPP na página oficial do MAI-Image reforça isso — imagens prontas para campanha é o enquadramento.

Edições locais, substituição de texto e raciocínio visual

A edição de imagens com IA falha mais rapidamente em texto do que em qualquer outra coisa. Pôsteres, embalagens, sinalização, capturas de tela de UI — todos dependem de se o modelo consegue renderizar e re-renderizar texto sem ficar corrompido. O posicionamento da Microsoft destaca especificamente a renderização de texto, e o ganho de +104 ELO em renderização de texto é a afirmação quantitativa mais forte no material de lançamento.

Ainda não testei isso intensivamente em sinalização multilíngue em escala de produção. Isso está na lista. Afirmações sobre renderização de texto sempre precisam de verificação por idioma — conjuntos de caracteres latinos e CJK se comportam de forma muito diferente.

Fluxos de trabalho de retrato e consistência de identidade

A superfície de retrato é onde a deriva de identidade é mais prejudicial. A Microsoft documenta que o modelo preserva “rostos reconhecíveis, além de cabelo, roupas, identidade de corpo inteiro em estilizações, poses e mudanças de layout” — a preocupação com o fluxo de trabalho é: gerar um retrato, editar a pose, manter a mesma pessoa. Se você tem roteado isso por modelos que desviam na segunda edição, vale uma comparação real. A capacidade de “consistência de identidade e personagem” é posicionada para personagens de marca, porta-vozes e campanhas sociais.

Acesso direto ao Foundry vs camada de agregação

Quando o acesso direto à Microsoft faz sentido

Você já está no Azure. Sua equipe tem Entra ID, seu faturamento flui pela Microsoft, sua postura de conformidade é construída em torno disso. Você quer preço de reserva PTU. Você está executando um modelo, ou está executando uma pilha com foco na Microsoft. Ir direto pelo Foundry é o caminho de menor fricção. A estrutura completa de preços para ambas as variantes e as superfícies de implantação está no anúncio do Foundry da Microsoft.

Quando o roteamento de modelos entre GPT-Image, Nano Banana, Grok Imagine e MAI importa

Esta é a parte em que continuo voltando. O campo de geração de imagens tem quatro concorrentes sérios no topo agora — GPT-Image-2, Nano Banana 2 / 2.1, Grok Imagine e MAI-Image-2.5 — cada um com pontos fortes diferentes, curvas de preços diferentes e comportamento de edição diferente no mesmo prompt. Se seu produto precisa do modelo mais adequado por tarefa, construir quatro integrações separadas é engenharia desperdiçada.

É aqui que o padrão “uma API, múltiplos modelos” ganha seu valor. Execute MAI para edições cirúrgicas, GPT-Image-2 para renderização densa de texto, Nano Banana 2 para saída de alta resolução, roteie adequadamente. Plataformas de agregação resolvem o mesmo problema de ângulos diferentes. Escolha aquela cuja latência e cobertura correspondam ao seu fluxo de trabalho.

Isso é tudo que posso confirmar no lado da camada de acesso. Os julgamentos específicos do fluxo de trabalho — qual modelo realmente vence nas suas imagens — são a parte que você tem que executar você mesmo.

FAQ

Como os desenvolvedores geralmente testam o MAI-Image-2.5 em seus próprios fluxos de trabalho de edição de imagem? O caminho mais barato é o MAI Playground para iteração de prompts, depois mova para a API de edições de imagem do Foundry com Flash para testes em lote. Mantenha 20 a 30 entradas representativas do seu conjunto de produção real — não demos curados — e execute-as pelo Flash e pelo modelo base. O delta na sua carga de trabalho real é mais informativo do que qualquer board da Arena.

Qual é a diferença prática entre usar o MAI-Image-2.5 diretamente e passar por uma camada de agregação? O Foundry direto oferece o relacionamento de faturamento mais limpo com a Microsoft, preço de reserva PTU e autenticação Entra ID. As camadas de agregação oferecem roteamento entre provedores — alternando entre MAI, GPT-Image-2, Nano Banana 2 e Grok Imagine sem reconstruir a integração. Se você executar apenas um modelo de imagem, vá direto. Se você comparar ou alternar, a agregação se paga.

Quando as equipes escolheriam o MAI-Image-2.5 em vez de outros modelos de imagem que já estão usando? Três situações que eu destacaria: cargas de trabalho de edição cirúrgica onde identidade e composição precisam se manter entre iterações (o ranking nº 2 em edição da Arena é o sinal mais forte aqui); pilhas nativas do Azure onde o faturamento do Foundry e a autenticação Entra ID reduzem a sobrecarga de integração; e imagens comerciais — embalagens, sinalização, visuais voltados para marca — que a Microsoft ajustou explicitamente, com WPP e Shutterstock nomeados como avaliadores.

O que as equipes devem observar ao mover cargas de trabalho de geração de imagem para o MAI-Image-2.5? Três coisas. Status de prévia — ambas as variantes ainda estão rotuladas como Prévia no Foundry, então SLAs e paridade de recursos vão mudar. Fluidez de preços — a linha de imagens MAI teve várias atualizações de preços nos últimos meses; construa estimativas de custo com margem. Ciclo de vida do modelo — no ritmo em que a Microsoft está lançando (Image-1 para 2.5 em cerca de oito meses), não codifique nada que você não consiga trocar.

Esse é o panorama de acesso. Execute você mesmo com entradas reais. Isso lhe dirá mais do que qualquer coisa que eu diga.

Posts anteriores: