guides

MAI Image 2.6 APIガイド:1枚あたりのコスト、Flash、2.7

Poyo.ai Team
6 min read
Share:

要点

  • MAI Image 2.6は、テキストから画像と編集のためのMicrosoft AIのフラッグシップ画像モデルです。 MAI Image 2.6 Flashは、同じリクエストフィールドを使う、より高速で低コストなバージョンです。
  • Microsoftは両モデルを100万トークン単位で課金します。 MAI Image 2.6はテキスト入力、画像入力、画像出力が$5 / $8 / $38、Flashは$1.75 / $2.50 / $19です。
  • PoYoでは、画像は1,024ピクセルあたり約1出力トークンを使います。 1024×1024の画像は約1,024出力トークン、最大の画像(1536×1536など2,359,296ピクセル)は2,304トークンです。
  • そのため、Microsoftの料金では1Kの正方形画像がMAI Image 2.6で約$0.039、Flashで$0.019になります。 PoYoでは同じ画像が約$0.031と$0.016です。
  • 出力の上限は2,359,296ピクセルで、各リクエストで最大5枚の参照画像と、任意のWebグラウンディングのスイッチを使えます。
  • MAI Image 2.7は編集を中心としたプレビュー版で、2026年10月27日に発表されました。Arena、Artificial Analysis、MAI Playgroundで試せ、APIの詳細は今後発表される予定です。

MAI Image 2.6の概要

MAI Image 2.6MAI Image 2.6 Flash
Microsoftによる位置づけ「最高の精度」を求めるフラッグシップ「レイテンシーを重視する、高スループットの本番ワークロード」向けで、同等の品質レベル
PoYoのモデルIDmai-image-2.6mai-image-2.6-flash
100万トークンあたりの公式料金(テキスト入力 / 画像入力 / 画像出力)$5 / $8 / $38$1.75 / $2.50 / $19
100万トークンあたりのPoYoの料金$4 / $6.40 / $30.40$1.40 / $2 / $15.20
1024×1024画像1枚のコスト(公式 → PoYo)約$0.039 → 約$0.031約$0.019 → 約$0.016
最大出力2,359,296ピクセル(1536×1536相当)2,359,296ピクセル
参照画像最大5枚最大5枚
Webグラウンディング対応対応
出力形式PNGPNG

Microsoftは2026年8月10日にMAI Image 2.6を発表し、9月4日にFlashを追加して、2026年10月27日に両モデルをMicrosoft Foundryで一般提供しました。

MAI Image 2.6のサンプル:手前にラケットが写る、緑のコートを走るテニス選手をモーションブラー付きで捉えた画像

モーションブラーなどのカメラ効果を伴うフォトリアリズム。Microsoft AIのMAI Imageのページの例より。

MAI Image 2.5、2.6、2.7:どのバージョンがどれか

「MAI Image」の検索結果には3つの世代が混在しており、料金や上限も異なるため、そのページがどの世代について書いているのかを確認しましょう。

MAI Image 2.5ファミリーMAI Image 2.6ファミリーMAI Image 2.7
発表日2026年6月2日2026年8月10日(Flashは9月4日)2026年10月27日
モデルMAI-Image-2.5、2.5 Flash、2.5 ProMAI-Image-2.6、2.6 FlashMAI Image 2.7(プレビュー)
最大出力1,048,576ピクセル(1024×1024相当)2,359,296ピクセル(1536×1536相当)今後発表予定
公式の画像出力料金100万トークンあたり$47(2.5)、$19.50(2.5 Flash)100万トークンあたり$38(2.6)、$19(2.6 Flash)今後発表予定
ステータスFoundryでプレビューFoundryで一般提供プレビュー:Arena、Artificial Analysis、MAI Playground

MAI Image 2.5は、Arenaの画像編集のリーダーボードで2位、テキストから画像で3位という順位で登場しました。Microsoftの料金は、100万トークンあたりテキスト入力、画像入力、画像出力が$5 / $8 / $47、2.5 Flashが$1.75 / $1.75 / $19.50でした。

Microsoftによると、MAI Image 2.6は2.5と比べて総合で+79 Elo、文字の描画だけでも+91 Eloの向上を果たしました。ピクセルの上限も2,359,296に引き上げられ、フラッグシップの出力料金は100万トークンあたり$47から$38に下がりました。2026年9月4日時点で、MicrosoftはArenaのテキストから画像と画像編集の両方で2位、Artificial Analysisではテキストから画像で2位、画像編集で1位と報告しています。

MAI Image 2.7について、Microsoftは「最新の画像編集モデル」と説明しています。プレビューとして、Arena Editで3位、Artificial Analysisの画像編集のリーダーボードで2位という順位で登場し、Microsoftによると「Artificial Analysisが評価した10のユースケースと7つの編集操作のすべてで2.6を上回る」としています。まずは編集から提供され、「テキストから画像の生成も近日提供予定」です。2.7のAPIの提供と料金は今後発表される予定なので、PoYoへの追加についてはMAI Image 2.7のページをご確認ください。現在の本番の作業には、APIモデルとしてMAI Image 2.6を使いましょう。

MAI Imageの料金の仕組み

各リクエストは、3種類のトークンで課金されます。

  • テキスト入力トークン: プロンプト。
  • 画像入力トークン: 編集のために送る参照画像。
  • 画像出力トークン: 生成された画像。

1リクエストのコストは次のとおりです。

cost = text_tokens × text_rate + image_input_tokens × image_input_rate + output_tokens × output_rate

各料金は100万トークンあたりの米ドルです。請求額の大部分は出力トークンが占めます。MAI Image 2.6では300トークンのプロンプトで$0.0015が加わる一方、画像そのものは$0.03〜$0.09です。

画像1枚で何トークン使うか

PoYoでは、MAI Image 2.6と2.6 Flashのすべてのタスクが、モデルが報告するトークン数で課金されます。2026年11月のPoYoの課金記録によると、1リクエストで使うトークンはおよそ次のとおりです。

対象数えられるトークン
生成された画像幅 × 高さ ÷ 1,024(1024×1024 = 1,024トークン、2,359,296ピクセル = 2,304トークン)
編集または合成された画像約1,020〜1,024トークン(編集の出力は約1メガピクセルのため)
参照画像ピクセル数 ÷ 1,024。PoYoが1メガピクセルにリサイズするため約1,024トークン
プロンプトテキストトークンとして課金。参照画像1枚ごとに約110〜195のテキストトークンが加わる

予算を立てるうえで重要な点が2つあります。1つ目は、コストがピクセル数に比例することです。ピクセル数が同じなら、アスペクト比や1K/2Kの表記にかかわらず同じコストになります。2つ目は、参照画像もピクセル数で料金が決まることです。100万トークンあたり$8の場合、4096×4096の参照画像は1枚だけで約$0.13かかります。PoYoは1メガピクセルを超える参照画像を生成前に縮小するため、各参照画像は最大でも約1,024画像トークンで、1セントを大きく下回ります。

各タスクの正確な課金額は、ステータスのレスポンスのcredits_amountフィールドに表示されます(1クレジット = $0.005)。

サイズ別のMAI Image 2.6の1枚あたりのコスト

PoYoの各プリセットサイズでの画像出力のコストを、Microsoftの公式料金とPoYoの料金で示します。プロンプトのトークンによる追加は約$0.001以下です。

サイズピクセル数出力トークン2.6 公式2.6 PoYoFlash 公式Flash PoYo
1:1、1K(1024×1024)1,048,5761,024$0.0389$0.0311$0.0195$0.0156
16:9、1K(1344×768)1,032,1921,008$0.0383$0.0306$0.0192$0.0153
4:3、1K(1152×864)995,328972$0.0369$0.0296$0.0185$0.0148
3:2、2K(1856×1248)2,316,2882,262$0.0860$0.0688$0.0430$0.0344
1:1、2K(1536×1536)2,359,2962,304$0.0876$0.0700$0.0438$0.0350
16:9、2K(2048×1152)2,359,2962,304$0.0876$0.0700$0.0438$0.0350
カスタム3072×7682,359,2962,304$0.0876$0.0700$0.0438$0.0350

クレジットに換算すると、1Kの正方形画像はMAI Image 2.6で約6.23クレジット、Flashで3.11クレジットです。ピクセル上限の2K画像は約14.01クレジットと7.00クレジットです。

Flashの出力トークンはMAI Image 2.6のちょうど半額なので、どのサイズでもFlashは半額です。ピクセル上限の2KのFlash画像は、1KのMAI Image 2.6画像との差が0.5セント未満でありながら、2.25倍のピクセル数を持ちます。

コストの計算例

出力と参照画像のトークンは上の実測値に基づいており、プロンプトのサイズは例示です。

シナリオモデルトークン公式のコストPoYoのコスト
ポスター、16:9の2K、300トークンのプロンプトMAI Image 2.6テキスト300 + 出力2,304$0.0891$0.0712
SNS投稿、1:1の1K、300トークンのプロンプトFlashテキスト300 + 出力1,024$0.0200$0.0160
商品の編集、参照画像1枚MAI Image 2.6テキスト400 + 画像入力1,024 + 出力1,024$0.0491$0.0393
シーンの合成、参照画像3枚MAI Image 2.6テキスト800 + 画像入力3,072 + 出力1,024$0.0675$0.0540
同じ合成をFlashでFlashテキスト800 + 画像入力3,072 + 出力1,024$0.0285$0.0228
SNS用画像1,000枚、1:1の1KFlash1,000 × (300 + 1,024)$19.98$15.98

参照画像の行は、各参照画像が最大1メガピクセルであることを前提としており、PoYoはそのように前処理しています。Microsoft Foundryを直接呼び出す場合、大きな参照画像はそのままのピクセル数で数えられます。

MAI Image 2.6とMAI Image 2.6 Flash:どちらを使うか

必要なもの使うモデル理由
最終的なキャンペーン素材、正確な見出し入りのポスターMAI Image 2.6Microsoftの最高品質のモデルで、文字の描画は2.5から+91 Elo向上
複雑な複数参照の編集MAI Image 2.6Microsoftは「最高の精度」向けと位置づけている
下書き、プレビュー、プロンプトの試行Flash1枚あたり半額
大量の生成、パーソナライズ、インタラクティブなアプリFlashMicrosoftによると、GPT-Image-2-Mediumより2.8倍速く、効率は72%高い

よくある使い方は、Flashでプロンプトとレイアウトを試し、選んだバージョンをMAI Image 2.6で仕上げる方法です。両モデルは同じフィールドを受け付けるので、modelの1語を変えるだけで切り替えられます。

MAI Image 2.6による1024×1024の出力:夜明けの白樺の森で、新雪の上に立つアカギツネ。ピンク色の朝の光の中で息が白く見える

MAI Image 2.6、1024×1024、PoYoで約$0.031。

同じプロンプトによるMAI Image 2.6 Flashの出力:夜明けの白樺の木々の間、雪の中に立つアカギツネ。柔らかなピンク色の光

MAI Image 2.6 Flash、同じプロンプトとサイズ、PoYoで約$0.016。どちらの画像も2026年11月にPoYoで生成したものです。

PoYoでMAI Image 2.6を使う方法

PoYoでは、1つのAPIキーと従量課金のクレジットで両モデルを利用できます。キーを作成し、クレジットを追加して、リクエストを送るだけです。リクエストは非同期で、タスクを送信してtask_idを受け取り、ステータスのエンドポイントをポーリングするか、コールバックを受け取ります。

パラメータ

フィールド型値デフォルト
modelstringmai-image-2.6またはmai-image-2.6-flash必須
input.promptstring1〜32,000文字必須
input.image_urlsarray公開されたJPEG、PNG、WebPのURLを1〜5件。指定すると編集/合成に切り替わるなし
input.sizestring1:1、4:3、3:4、3:2、2:3、16:9、9:16、またはカスタムのWIDTHxHEIGHT1:1
input.resolutionstringアスペクト比のサイズで1Kまたは2K1K
input.enable_web_searchboolean最新のWeb情報に基づいて画像を生成するfalse
callback_urlstringタスクの完了時または失敗時にPOSTを受け取るURLなし

アスペクト比のサイズは、固定のピクセル数に対応しています。

size1K2K
1:11024×10241536×1536
4:3 / 3:41152×864 / 864×11521760×1312 / 1312×1760
3:2 / 2:31248×832 / 832×12481856×1248 / 1248×1856
16:9 / 9:161344×768 / 768×13442048×1152 / 1152×2048

カスタムのWIDTHxHEIGHTは、両辺が32で割り切れ、各辺が768ピクセル以上、合計が2,359,296ピクセル以内である必要があります。そのため、横長の3072x768のバナーも作れます。image_urlsを送った場合、出力は約1メガピクセルで、参照画像に合わせた形になります。

テキストから画像のタスクを送信する

curl --request POST "https://api.poyo.ai/api/generate/submit" \
  --header "Authorization: Bearer ${POYO_API_KEY}" \
  --header "Content-Type: application/json" \
  --data '{
    "model": "mai-image-2.6",
    "input": {
      "prompt": "A travel poster for a coastal town at golden hour, headline \"Lumen Bay\" in bold serif letters at the top, subtitle \"Summer Festival 2026\" below it, photorealistic harbor with sailboats",
      "size": "16:9",
      "resolution": "2K"
    }
  }'

MAI Image 2.6の出力2点:灯台とフェスティバルの文言が入ったヴィンテージ風のLumen Bayの旅行ポスターと、Mara Ellison著『The Quiet Orchard』というタイトルの本の表紙

プロンプト内で引用符で囲んだ文字が、見出し、サブタイトル、著者名に書いたとおりに描かれています。PoYoのMAI Image 2.6で生成。

レスポンスでは、すぐにタスクIDが返ります。

{
  "code": 200,
  "data": {
    "task_id": "task-unified-1794383400-abcd1234",
    "status": "not_started",
    "created_time": "2026-11-14T10:30:00"
  }
}

ボディのcodeは必ず確認してください。バリデーションエラーは、HTTP 200でcode: 400を返すことがあります。

参照画像を編集・合成する

image_urlsを追加し、何を変えて何を残すのかを書きます。入力は画像1、画像2のように呼び分けます。

curl --request POST "https://api.poyo.ai/api/generate/submit" \
  --header "Authorization: Bearer ${POYO_API_KEY}" \
  --header "Content-Type: application/json" \
  --data '{
    "model": "mai-image-2.6-flash",
    "input": {
      "prompt": "Place the bottle from image 1 on the wet rock in image 2, beside the stream at golden hour. Keep the bottle shape, color and label unchanged.",
      "image_urls": [
        "https://example.com/bottle.png",
        "https://example.com/mountain-stream.png"
      ]
    }
  }'

MAI Image 2.6の複数参照の編集:カラースウォッチ、峡谷の岩のテクスチャー、マゼンタのランニングシューズなど5枚の参照画像を組み合わせて作った、峡谷を舞台にしたシューズのメインビジュアル

最大5枚の参照画像を1枚の画像にまとめた例。MicrosoftのFoundryでのMAI Image 2.6発表資料より。

タスクのステータスをポーリングする

curl --request GET "https://api.poyo.ai/api/generate/status/${TASK_ID}" \
  --header "Authorization: Bearer ${POYO_API_KEY}"
data.status意味次のステップ
not_startedキューで待機中再度ポーリング
running生成中再度ポーリング
finished完了data.files[0].file_urlとdata.credits_amountを読む
failed失敗、料金はかからないdata.error_messageを読む

画像を待つ短いPythonループ:

import os, time, requests

BASE_URL = "https://api.poyo.ai"
HEADERS = {"Authorization": f"Bearer {os.environ['POYO_API_KEY']}"}

def wait_for_image(task_id, interval=5, max_checks=60):
    for _ in range(max_checks):
        resp = requests.get(f"{BASE_URL}/api/generate/status/{task_id}", headers=HEADERS, timeout=30)
        task = resp.json()["data"]
        if task["status"] == "finished":
            print("Charged credits:", task["credits_amount"])
            return task["files"][0]["file_url"]
        if task["status"] == "failed":
            raise RuntimeError(task["error_message"])
        time.sleep(interval)
    raise TimeoutError(f"Still running; keep {task_id} and check again later")

2026年11月のPoYoのテストでは、ほとんどのタスクが、サイズ、参照画像、キューの混雑状況に応じて約15〜50秒で完了しました。画像は完成したらすぐにダウンロードし、自分で保存しておきましょう。PoYoは送信時に最大のトークン数の分だけクレジットを確保し、実際に使ったトークン分だけを課金します。失敗したタスクは無料です。

より良い結果と低コストのためのヒント

  1. 画像に入れる正確な文字は引用符で囲み、配置する場所を指定します。文字の描画はMAI Image 2.6の2.5からの最大の改善点で、文言を引用符で囲むと見出しやタイトルが書いたとおりに綴られます。
  2. 下書きはFlashで、仕上げは2.6で。 Flashはどのサイズでも半額で、同じフィールドを受け付けます。
  3. 必要なピクセル数を選ぶ。 1Kのサイズは約1,000出力トークン、2Kのサイズは約2,300出力トークンを使うため、1K画像のコストは2K画像の半分未満です。
  4. 参照画像は1メガピクセル前後に保つ。 参照画像のトークンはピクセル数に比例します。大きなファイルはPoYoが自動で縮小します。
  5. 各参照画像に役割を与える。 「画像1は商品、画像2は背景」のように書き、変えずに残すものを列挙します。
  6. 実在の場所、商品、最近の出来事にはenable_web_searchを有効にし、公開前に名前や細部を確認しましょう。PoYoでは、Webグラウンディングは通常のトークン料金に含まれています。
  7. バナーにはカスタムサイズを使う。 3072x768のように指定します。サイズのルールは合計ピクセル数で数えるため、片方の辺を長くできます。

ほかの画像モデルのコストについては、GPT Image 2.5料金ガイドとGPT Image 2.6 APIガイドをご覧ください。まずブラウザでMAI Image 2.6を試したい場合は、MAI Image 2.6のPlaygroundを開いてください。

よくある質問

MAI Image 2.6とは何ですか?

MAI Image 2.6(MAI-Image-2.6)は、2026年8月10日に発表されたMicrosoft AIのフラッグシップの画像生成・編集モデルです。フォトリアルな画像、ポートレート、商品ビジュアル、読みやすい文字入りのポスターを作り、最大5枚の参照画像を編集・合成できます。Arenaのテキストから画像のリーダーボードで2位という順位で登場しました。

MAI Image 2.6の1枚あたりの料金はいくらですか?

Microsoftの料金では、1024×1024の画像がMAI Image 2.6で約$0.039、Flashで$0.019、2,359,296ピクセルの上限の画像が約$0.088と$0.044です。PoYoでは同じ画像が、1Kで約$0.031 / $0.016、上限サイズで$0.070 / $0.035です。これにプロンプトと参照画像のトークンが少し加わります。

MAI Image 2.6の料金はどのように計算されますか?

Microsoftは100万トークン単位で課金します。MAI Image 2.6はテキスト入力$5、画像入力$8、画像出力$38、Flashは$1.75、$2.50、$19です。各トークン数にそれぞれの料金を掛けて計算します。PoYoでは、画像は1,024ピクセルあたり約1出力トークンを使うので、1024×1024の画像は約1,024出力トークンです。

MAI Image 2.6とMAI Image 2.6 Flashの違いは何ですか?

Flashは、大量処理やレイテンシーを重視する作業向けの、より高速で低コストなバージョンです。Microsoftによると、GPT-Image-2-Mediumより2.8倍速く、効率は72%高く、料金はフラッグシップの「半額未満」です。どちらも同じリクエストフィールドを受け付け、最大5枚の参照画像を使った編集とWebグラウンディングに対応しています。

MAI Image 2.5と2.6の違いは何ですか?

Microsoftによると、MAI Image 2.6は2.5と比べて総合で+79 Elo、文字の描画で+91 Eloのスコアです。最大出力は1,048,576ピクセルから2,359,296ピクセルに引き上げられ、フラッグシップの画像出力料金は100万トークンあたり$47から$38に下がりました。MAI Image 2.5 Flashの出力料金は100万トークンあたり$19.50で、2.6 Flashは$19です。

MAI Image 2.7はAPIで利用できますか?

Microsoftは2026年10月27日、編集を中心としたプレビュー版としてMAI Image 2.7を公開し、Arena、Artificial Analysis、MAI Playgroundで試せるようにしました。APIの提供と料金は今後発表される予定で、テキストから画像も「近日提供予定」です。現在のAPIでの作業には、MAI Image 2.6を使いましょう。

MAI Image 2.6の最大解像度は?

合計2,359,296ピクセルで、1536×1536に相当します。合計が上限以内で、各辺が768ピクセル以上であれば、どちらの辺を長くしてもかまいません。たとえば2048×1152や3072×768です。

MAI Image 2.6では参照画像を何枚使えますか?

最大5枚です。1枚なら、モデルはその画像を編集します。複数枚なら、商品、人物、スタイル、シーンを1枚の画像にまとめます。プロンプトでは、画像1、画像2のように呼び分けます。

Webグラウンディングには追加料金がかかりますか?

PoYoでは、両モデルともWebグラウンディングは通常のトークン料金に含まれているため、enable_web_searchを有効にしても画像のコストは変わりません。

MAI Image 2.6を無料で試せますか?

Microsoftは、MAI PlaygroundでMAIモデルのプロンプトを試せるようにしています。APIの利用は、Microsoft FoundryでもPoYoでもトークン単位の有料です。PoYoでは完成した画像の分だけを従量課金で支払い、1つのAPIキーですべてのモデルを利用できます。

MAI Image 2.6はオープンソースですか?

MAI Image 2.6はMicrosoftの独自モデルで、Microsoft FoundryとMAI Playgroundで提供されています。開発に使うなら、PoYoのようなAPIから呼び出しましょう。PoYoでは、同じキーでほかのすべての画像・動画・音声モデルも利用できます。

Share: