ARTICLE · 1270986

逼平OpenAI仅差6分!微软新模型杀入全球第二,却揭开AI修图最残酷真相

发布时间：2026-10-29 01:13:32 最近访问：2026-10-29 01:13:32

— 作者 —王磊

— 编辑 —吴正

只差 6 分

微软自研的图像大模型，已经把枪口抵在了 OpenAI 的后脑勺上。

2026 年 10 月 27 日，独立 AI 评测机构 Artificial Analysis 放出最新榜单：微软最新图像编辑模型 MAI-Image-2.7-Preview 空降全球第 2。它的盲测得分为 1193 Elo，距离死死霸占榜首的 OpenAI 王牌模型 GPT Image 2.5 Sunburst (max)（1199 Elo），仅仅相差 6 分。

同一天，社区盲测平台 Arena.ai 也公布战报：这款微软新模型以 1470 分冲上图像编辑总榜第 3，直接把 Microsoft AI 抬到了全球实验室排名的第 2 位。

▲ Artificial Analysis 宣布微软 MAI-Image-2.7-Preview 拿下图像编辑榜全球第二，紧随 GPT Image 2.5 Sunburst (max) 之后

微软 AI 掌门人 Mustafa Suleyman 第一时间下场转发，语气里毫不掩饰兴奋：微软不仅拿下了全球第二的图像编辑器，还把 Google、Meta、xAI 以及 OpenAI 的另一款主力模型 GPT-Image-2.5-Flare 统统甩在了身后。

01别把“画图”和“改图”混为一谈：赚钱靠的是手术刀

很多普通用户平时玩 AI，习惯输一句话让它凭空画一张图。这叫文生图（Text-to-Image），本质上像是在开盲盒。

但在商业世界里，开盲盒是没法交差的。

开发者 Suraj Narayanan 在评论这次榜单时，谈到了客户返工的日常：“生成一张图很容易，改掉甲方讨厌的那一个细节，才是实际的工作。编辑，才是钱所在的地方”

这就是图像编辑（Image Editing）赛道。你手里已经有一张定稿的海报或商品图，需要 AI 像拿手术刀一样动刀：把白天的外景改成夜景霓虹，把海报上拼错的一行英文改对，或者给模特换一件外套，前提是，绝对不能把模特的脸换掉，也不能把周围没让你改的背景涂得面目全非。

在这场“手术刀精度”的较量中，Artificial Analysis 把测试拆成了 7 项具体编辑动作和 10 类实际工作场景。

拆开细分数据一看，微软这次能杀到第二，靠的是四个绝对强项。在全部 7 项编辑动作中，MAI-Image-2.7-Preview 一口气拿下了 4 个单项世界第一：

场景与风格修改（Scene & Style Edit）
：重打光、换滤镜、把白天变黑夜，比第二名足足高出约 24 Elo；
文字与符号修改（Text or Symbol Edits）
：直接修改画面里的排版文字、Logo 和符号，且完美融入原有材质；
推理式编辑（Reasoning-Based Edit）
：不需要你把话嚼碎，它能自己理解画面里的物理、光影与空间关系；
画质增强与修复（Enhancement & Restoration）
：修补老旧瑕疵、拉高清晰度。

▲ 在 7 项细分编辑动作中，微软新模型拿下了场景风格、文字符号、推理编辑与增强修复 4 项冠军

而在真人电影分镜（Live-Action Film）、书封插画等消费级视觉（Consumer）、前沿复合修改（Frontier）以及 UI/UX 界面设计这 4 类工作流中，微软同样排在榜首。

那 OpenAI 输了吗？并没有

GPT Image 2.5 Sunburst (max) 依然死死守住了另外三大护城河：构图与取景（Composition & Framing）、单个物体级修改（Object-Level Edit），以及最棘手的人物身份保持（Identity Preserving Edit）。

现在的顶尖 AI 修图已经到了“按活选人”的阶段：如果你要改海报上的字、调电影感打光，直接找微软；如果你要给同一个真人模特换衣服，OpenAI 的身份保持分项更占优势，仍须逐图检查脸部。

026分之差算不算赢？账单揭开背后的商业阳谋

很多读者可能会问：1193 分对 1199 分，这 6 分的差距到底有多大？

这次盲测的置信区间重叠，尚不足以确认两者存在稳定差距。

所谓的 Elo 分数，原理跟《王者荣耀》的排位赛或者国际象棋积分一模一样。评测机构把同一张原图和同一句改图指令丢给两个匿名模型，让人凭肉眼盲选哪张改得更好。赢了加分，输了扣分因为微软新模型刚上线，测试样本数为 4891 个，它的统计置信区间和榜首的 OpenAI 是重叠的，因此，不能仅凭这 6 分断定榜首稳定领先。

▲ Artificial Analysis 图像编辑总榜首屏：榜首与榜眼仅差 6 分，但右侧的 API 价格列藏着更大的秘密

让硅谷开发者倒吸一口凉气的，是微软恐怖的迭代速度和背后的价格阳谋。

算上这次更新，微软在短短一年时间里连发了五代模型：从 2025 年 10 月的初代，到今年 3 月的 2.0、6 月的 2.5、8 月曾短暂登顶的 2.6，再到今天逼平新霸主的 2.7 Preview。当 OpenAI 在 9 至 10 月祭出 Sunburst 和 Flare 夺回王座时，微软只用了两个月就再次贴了上来。

账单也影响着选型

社区分析师 Martin Szerment 算了一笔账：在公开榜单上，OpenAI 榜首的 Sunburst (max) 每处理 1000 张图，API 账单高达约 211 美元；而微软刚刚在 Azure Foundry 宣布正式商用（GA）的上一代 MAI-Image-2.6，每 1000 张图的标价仅为 38.9 美元。

这两款已标价模型的价格相差超过 5 倍；仅差榜首 6 分的 2.7 尚未公布价格

目前的 MAI-Image-2.7-Preview 还处于预览阶段，尚未公布 API 价格。如果它延续上一代的定价策略正式商用，便可能大幅降低调用成本，影响企业的选型决定。

03一句灵魂追问，扒出榜首模型的“像素漂移”暗伤

如果故事只讲到这里，这不过是一场常规的巨头跑分大战。

但在 Artificial Analysis 宣布微软新模型冲上第二的评论区里，一位名叫 MASA 的网友冷冷地抛出了一个只有老手才懂的灵魂提问：

“在连续多轮编辑（Chained Edits）下，主体身份还能保持得住吗？”

▲ 评论区网友一语道破行业痛点：连续改好几轮之后，画面还能不崩吗？

这个问题，直接揭开了当前所有高分图像编辑模型最隐秘的工程伤疤，像素漂移（Pixel Drift）。

平时打榜测试，比的是“一锤子买卖”：给你一张原图，改一次，看谁好看。但在真实的设计室里，从来没有一稿过的图。你总是先改沙发颜色，觉得不错，再基于改好的图去点亮壁炉，接着再往桌上加一束郁金香，最后把窗外的天色调暗。

据 AlphaSignal 报道，Artificial Analysis 在本月早些时候（10 月 9 日）做了一场“30 轮连续修改压力测试”。研究人员拿出一张真实的房产室内照片，对四款主流模型连续下达 30 条修改指令，每一轮改出来的图，直接作为下一轮的输入原图。

结果让人大跌眼镜：单次打榜第一名的模型，在多轮修改里反而崩得最厉害！

这一次测试呈现出两种不同的编辑表现；结果仅覆盖一张室内照片和一组 30 轮指令：

第一派叫“全画幅重绘派”，典型代表正是高居榜首的 OpenAI GPT Image 2.5 Sunburst。它在单次修改里之所以光影极其自然，与大范围重绘的表现有关，在报道所引的比较中，它仅保留约 20% 的画面像素不变！ 就像把一张照片放进复印机里连印 30 次，哪怕每次只偏一点点，几轮下来，原本没让你动的墙壁纹理糊了、家具比例歪了，整张图彻底“毁容”。

第二派叫“局部打补丁派（Copy-and-Patch）”，代表选手是 Ideogram 4.5 和 FLUX 3。当你让它们“在桌上加一束郁金香”时，它们在这次测试的小范围修改中，能做到保留画面中 95% 以上的源图像素基本不变。再看 Ideogram 4.5：它在单次盲测榜上只排在第 28 名（1070 Elo），但它走了一条极端的工业级路线，直接把未触及的像素从原图里“原样复制”过来，甚至支持对 2420 万像素（4016 × 6016） 的商业原片直接做局部修补，全程不压缩画质。

而夹在中间的谷歌 Nano Banana 2.1，虽然也能把修改控制在局部，但在连续改了 30 轮之后，被测出存在“背景一轮比一轮变暗”的怪癖。

看懂了吗？这就是为什么不能迷信单一排行榜 全局重绘的模型适合“一步到位”换气氛；但如果要进流水线反复精修 10 轮以上，谁能死死锁住那 95% 不该动的像素，谁才更适合这类生产任务。

04告别“抽卡式修图”：内行都在用的“三段式锁死法则”

对于像微软 MAI-Image-2.7-Preview 或 GPT Image 2.5 这类直接用自然语言指挥的模型，目前微软已经在 MAI Playground 上开放了免费体验入口，只要登录微软账号就能直接传图测试。

考虑到自然语言修图可能误改背景，普通人在不画黑白蒙版（Mask）的情况下，怎么用一句话逼它老老实实只改局部？

云端推理平台 Runware 在 FLUX 3 Image 的编辑指南中，总结了一套极其好用的“三段式作用域提示法”。以后给 AI 下达修图指令，千万别再写“让这套衣服更酷一点”这种废话，写这种词，AI 可能连人脸、站姿和背景墙都一起改动。

内行的指令，必须像签合同一样包含三个部分：

点名唯一目标（Named Target）
：别写“改一下上衣”，要写“画面中央那件芥末黄灯芯绒外套”；
直接给完成态（Finished State）
：别写“调得更蓝一点”让 AI 瞎猜程度，直接写“改为同材质的石板蓝灯芯绒”；
强制列出幸存名单（Explicit Survivors）
：在句末用“保持/保留（Keep / Preserve）”把所有不准动的东西挨个点名，“保留外套剪裁与纽扣；保持人物面部、白 T 恤、灰泥背景墙、画幅构图与光照完全不变”。