Microsoft MAI Image 2. Корпорация решила играть всерьез

Microsoft годами платила OpenAI за доступ к моделям этой компании, встраивала DALL-E в свои продукты и публично заявляла о себе как о главном партнере компании Сэма Альтмана. Теперь корпорация из Редмонда запустила собственную модель генерации изображений – MAI Image 2, которая, ни много ни мало, заняла третье место в глобальных рейтингах. И тут уж речь идет не просто об очередном техническом эксперименте исследовательского подразделения. Это сигнал рынку: Microsoft больше не хочет зависеть от чужих разработок в столь важной области.

Зачем Microsoft понадобилась своя модель

Аббревиатура MAI расшифровывается как Microsoft AI – так что это внутренний бренд для моделей, разработанных собственными силами, без участия OpenAI. Корпорация имеет доступ к DALL-E благодаря многолетнему партнерству с OpenAI. Логичный вопрос: зачем тратить ресурсы на разработку конкурирующего продукта с нуля? Ответ лежит в нескольких плоскостях.

Полная зависимость от внешнего поставщика так или иначе создает определенные риски. Если OpenAI меняет условия лицензирования или, скажем, корректирует приоритеты развития, Microsoft оказывается заложником чужих решений. Собственная модель дает контроль над всей технологической цепочкой, начиная с обучения и заканчивая деплоем.

Корпоративные клиенты Azure требуют возможности кастомизации и развертывания моделей внутри собственной инфраструктуры. API-партнерство с внешней компанией не покрывает эти сценарии полностью. MAI Image 2 можно адаптировать под специфические требования бизнеса, встроить в приватные облака, настроить фильтры контента под локальные регуляторные нормы.

Microsoft Research публикует передовые результаты в разных областях AI. Модель третьего уровня в мировом рейтинге – чем не прямое доказательство тому, что исследовательское подразделение конкурентоспособно не только в теории, но и на практике? MAI Image 2 используется в Microsoft Copilot и Designer. Собственная высококачественная модель усиливает эти продукты и снижает зависимость от технологий конкурентов.

Технические возможности нейросети

Главное преимущество MAI Image 2 заключается в реалистичности вывода. Тона кожи, естественное освещение, текстуры материалов, глубина окружения – все это рендерится с точностью, ожидаемой от камеры, а не от нейросетевой генерации. Именно здесь модель заметно отличается от конкурентов, изображения которых при внимательном рассмотрении все-таки выдают синтетическое происхождение.

Стабильная проблема моделей, генерирующих изображения, заключается в вольной интерпретации промптов. Системы зачастую путают пространственные отношения, выдают что-то близкое к описанному, но не точное. MAI Image 2 обрабатывает многоэлементные запросы с точностью выше среднего. Если в промпте указаны конкретная обстановка или определенные объекты, модель обычно включает все это.

Если говорить о коммерческом использовании, в рамках которого нередко приходится создавать визуальные материалы по брифу с жесткими требованиями, такая надежность будет достаточно важна. Креативная интерпретация интересна в художественных экспериментах, но неприемлема для корпоративных материалов с четкими спецификациями.

Текст внутри изображений (надписи на вывесках, упаковке, ярлыках, UI-макетах), как известно, в течение длительного времени оставался слабым местом диффузионных моделей. MAI Image 2 в этом отношении демонстрирует заметный прогресс. Надписи выходят читаемыми чаще, чем у старых систем. Конечно, безупречной точности нет, однако для расширения круга дизайнерских задач имеющегося уровня достаточно.

Модель поддерживает высокое разрешение вывода, подходящее для печати и крупноформатных дисплеев, что тоже немаловажно в коммерческом применении. Ведь зачастую экранные превью скрывают мелкие недостатки, которые становятся очевидными на билбордах или же в журнальных разворотах.

Основным режимом модели выступает фотореализм. Однако при этом MAI Image 2 неплохо справляется с кинематографическими, иллюстративными, архитектурными, абстрактными стилями. Качество итогового материала, как отмечают пользователи, не деградирует. Если говорить о художественной выразительности, то модель, безусловно, уступает Midjourney, но покрывает большинство коммерческих визуальных потребностей без необходимости переключаться между разными инструментами.

Позиционирование модели в экосистеме Microsoft

Возможности генерации изображений у Microsoft распределены между несколькими моделями. DALL-E 3, доступная через Azure OpenAI Service и Microsoft Copilot, склоняется к художественным и иллюстративным результатам. Попутно отметим, что DALL-E 3 можно также воспользоваться на портале Креатор Проджект. MAI Image 2 же является моделью, которая заточена конкретно под фотореализм и техническую точность – тут нейросеть должна не просто выглядеть креативно, но и конкурировать с настоящими фото.

Для организаций, работающих на Azure, плюс использования модели очевиден: MAI Image 2 устраняет типичную точку трения. Не требуется отдельный контракт с вендором, дополнительные API-ключи, передача данных за пределы облачной среды, в которой уже настроены процессы соответствия регуляторным требованиям.

Microsoft собирает собственный стек AI-моделей не из амбиций, а из практической необходимости. Партнерство с OpenAI останется, но критическая зависимость от внешнего поставщика в стратегически важной области теперь снижена. MAI Image 2 не станет заменой DALL-E. Скорее она является страховкой для тех случаев применения, в которых фотореалистичность будет более значимым критерием, чем художественная свобода.

Olga Lammers

Разбор и оценка ИИ-моделей и проектов, внимательно отслеживает развитие технологий и тенденции в области искусственного интеллекта. Аналитические обзоры помогают понять принципы работы ИИ, их возможности и ограничения, дает рекомендации по использованию инновационных решений в различных сферах. Делает сложные темы доступными для широкой аудитории.