Microsoft si skuša utreti pot z roba: prva večja posodobitev modela MAI-Image po poročanju podjetja prinaša spodobno izboljšavo in se približuje vodilnim orodjem. Poleg tega je ta razvoj prišel precej hitro, kar obeta dobre obete za prihodnje novosti.
Microsoft je pri lastnih jezikovnih modelih nekoliko stopil v ozadje, a MAI-Image-2 je po trenutnem stanju postal kar zmogljiv. Podjetje je lani 13. oktobra napovedalo model MAI-Image-1, ki zna ustvarjati slike na podlagi besedilnih ukazov, in manj kot pol leta pozneje je že prispela nova različica.
MAI-Image-2 je generativni model umetne inteligence za splošne namene za pretvorbo besedila v sliko, ki ga je ekipa Microsoft AI zasnovala z namenom, da razširi ustvarjalnost uporabnikov in pomaga pri oblikovalskih nalogah. Model naj bi po besedah podjetja »deloma« zmogel ustvarjati tudi fotorealistične slike. MAI-Image-2 bo vgrajen v različne storitve podjetja, v prvem krogu pa bo na voljo prek MAI Playgrounda.
Po poročanju Redmonda MAI-Image-2 na vseh področjih dosega višje rezultate v različnih testih kot MAI-Image-1. Največji napredek so dosegli pri upodabljanju besedila. To je področje, na katerem imajo večina generatorjev slik še veliko prostora za izboljšave, saj ustvarjanje besedil zahteva največjo natančnost na ravni drobnih podrobnosti. Poleg tega se je MAI-Image-2 močno izboljšal pri ustvarjanju prizorov s filmskim učinkom in fotorealističnih slik ter pri izdelavi portretnih posnetkov.
Lestvici LMArena trenutno vodi Nano Banana 2 (Gemini 3.1 Flash) z 1266 točkami, na drugem mestu pa je model GPT-Image 1.5. V primerjavi z njima MAI-Image-2 še zaostaja, saj ima 1189 točk, vendar so najnovejše različice Groka, Qwena in Fluxa že za njim na lestvici. Microsoftovo novost prehitevajo le najboljši, na kar je programski velikan še posebej ponosen.
Po tehničnem listu MAI-Image-2 zaenkrat zna ustvarjati le gradivo ločljivosti 1024 x 1024 slikovnih pik in dela s kontekstnim oknom 32 tisoč žetonov. Slednje v praksi verjetno ne bo omejevalo orodja, pri ločljivosti pa je še veliko prostora za napredek, da bo model primeren za resnejše delo.
Podjetje skrbi tudi za varnost modela MAI-Image-2: ekipa Microsoft AI Red Team je njegovo delovanje analizirala v več krogih. Podjetje je želelo poudariti, da so se pri razvoju posebej posvetili temu, da sistem ustrezno obravnava morebitne zlorabe. Model bo samozavestno in na več ravneh filtriral ukaze, ki zadevajo najpogostejša tvegana področja, tudi če so ti oblikovani niansirano. Takšni so na primer ukazi, usmerjeni v nasilne in spolne vsebine.
Microsoft je doslej OpenAI plačal milijarde dolarjev, da bi med drugim za Copilot in Bing zagotavljal tudi orodje za generiranje slik na podlagi umetne inteligence. Za podjetje v zagonu, ki je v zadnjih letih zraslo v velikana, je prihod MAI-Image-2 precej slaba novica, saj je od zdaj verjetno le vprašanje časa, kdaj bo Microsoft raje prešel na lastno orodje. OpenAI lahko tako izgubi pomemben vir prihodkov.
