guides

MAI Image 2.6 API 指南:每张图成本、Flash 与 2.7

Poyo.ai Team
9 min read
Share:

核心要点

  • MAI Image 2.6 是 Microsoft AI 的旗舰图像模型,支持文生图和图像编辑。MAI Image 2.6 Flash 是更快、更便宜的版本,请求字段完全相同。
  • 两个模型都按每百万 Token 计费:MAI Image 2.6 的文本输入、图片输入、图片输出分别为 $5 / $8 / $38,Flash 为 $1.75 / $2.50 / $19。
  • 在 PoYo 上,一张图大约每 1,024 个像素计 1 个输出 Token。 1024×1024 的图约 1,024 个输出 Token,最大尺寸(2,359,296 像素,例如 1536×1536)是 2,304 个 Token。
  • 按微软官方价,一张 1K 方图在 MAI Image 2.6 上约 $0.039,在 Flash 上约 $0.019。 在 PoYo 上,同样的图分别约 $0.031 和 $0.016。
  • 输出上限为 2,359,296 像素,每次请求最多可传 5 张参考图,并可开启联网检索(web grounding)。
  • MAI Image 2.7 是以编辑为主的预览版,于 2026 年 10 月 27 日发布。现在可以在 Arena、Artificial Analysis 和 MAI Playground 上试用,API 详情有待微软公布。

MAI Image 2.6 一览

MAI Image 2.6MAI Image 2.6 Flash
微软的定位旗舰模型,追求“最高精度”同等质量水准,面向“对延迟敏感、高吞吐的生产场景”
PoYo 模型 IDmai-image-2.6mai-image-2.6-flash
官方价 / 每百万 Token(文本输入 / 图片输入 / 图片输出)$5 / $8 / $38$1.75 / $2.50 / $19
PoYo 价 / 每百万 Token$4 / $6.40 / $30.40$1.40 / $2 / $15.20
一张 1024×1024 图的成本(官方 → PoYo)约 $0.039 → 约 $0.031约 $0.019 → 约 $0.016
最大输出2,359,296 像素(相当于 1536×1536)2,359,296 像素
参考图最多 5 张最多 5 张
联网检索支持支持
输出格式PNGPNG

微软在 2026 年 8 月 10 日发布 MAI Image 2.6,9 月 4 日推出 Flash,10 月 27 日两个模型在 Microsoft Foundry 正式商用(GA)。

MAI Image 2.6 示例:一名网球运动员在绿色球场上奔跑,画面带运动模糊,前景是一支球拍

写实画面,并带有运动模糊等镜头效果。示例来自 Microsoft AI 的 MAI Image 页面。

MAI Image 2.5、2.6、2.7 分别是什么?

搜索“MAI Image”时,三代模型的结果常常混在一起,而它们的价格和尺寸上限各不相同,看资料时要先确认说的是哪一代。

MAI Image 2.5 系列MAI Image 2.6 系列MAI Image 2.7
发布时间2026 年 6 月 2 日2026 年 8 月 10 日(Flash 为 9 月 4 日)2026 年 10 月 27 日
模型MAI-Image-2.5、2.5 Flash、2.5 ProMAI-Image-2.6、2.6 FlashMAI Image 2.7(预览版)
最大输出1,048,576 像素(相当于 1024×1024)2,359,296 像素(相当于 1536×1536)待公布
官方图片输出价每百万 Token $47(2.5),$19.50(2.5 Flash)每百万 Token $38(2.6),$19(2.6 Flash)待公布
状态Foundry 预览Foundry 正式商用预览:Arena、Artificial Analysis 和 MAI Playground

MAI Image 2.5 发布时在 Arena 图像编辑榜排第 2,文生图排第 3。微软给它的定价是文本输入、图片输入、图片输出每百万 Token $5 / $8 / $47,2.5 Flash 为 $1.75 / $1.75 / $19.50。

MAI Image 2.6 据微软公布,整体比 2.5 高 +79 Elo,单看文字渲染高 +91 Elo。它把像素上限提高到 2,359,296,并把旗舰模型的输出价从每百万 Token $47 降到 $38。截至 2026 年 9 月 4 日,微软公布它在 Arena 的文生图和图像编辑榜都排第 2,在 Artificial Analysis 的文生图榜排第 2、图像编辑榜排第 1。

MAI Image 2.7 被微软称为“我们最新的图像编辑模型”。它以预览版形式发布,在 Arena Edit 排第 3,在 Artificial Analysis 图像编辑榜排第 2。微软表示,它“在 Artificial Analysis 评测的全部 10 个用例和全部 7 种编辑操作上都优于 2.6”。2.7 先上线编辑功能,“文生图即将推出”。2.7 的 API 接入和价格有待微软公布,它在 PoYo 上线的进展可以关注 MAI Image 2.7 页面。如果现在就要用于生产,请使用 MAI Image 2.6。

MAI Image 怎么计费

每次请求按三类 Token 计费:

  • 文本输入 Token: 你的提示词。
  • 图片输入 Token: 编辑时上传的参考图。
  • 图片输出 Token: 生成的图片。

一次请求的费用为:

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

各项单价都以“美元 / 每百万 Token”计。费用的大头是输出 Token:在 MAI Image 2.6 上,300 Token 的提示词只多花 $0.0015,而图片本身要 $0.03 到 $0.09。

一张图会用多少 Token?

在 PoYo 上,MAI Image 2.6 和 2.6 Flash 的每个任务都按模型上报的 Token 数结算。根据 PoYo 2026 年 11 月的计费记录,一次请求大约用到:

项目计入的 Token
生成的图片宽 × 高 ÷ 1,024(1024×1024 = 1,024 Token;2,359,296 像素 = 2,304 Token)
编辑或合成后的图片约 1,020–1,024 Token,因为编辑输出约为 100 万像素
参考图像素数 ÷ 1,024;PoYo 会把参考图调整到 100 万像素左右,所以约计 1,024 Token
提示词按文本 Token 计;每张参考图还会额外带来约 110–195 个文本 Token

这对预算有两点影响。第一,费用跟像素数走,像素数相同的两个尺寸,无论宽高比和 1K/2K 档位名称如何,费用都一样。第二,参考图按像素计价:按每百万 Token $8 计,一张 4096×4096 的参考图单独就要约 $0.13。PoYo 会在生成前把超过 100 万像素的参考图等比缩小,所以每张参考图最多约计 1,024 个图片 Token,费用远低于 1 美分。

每个任务的实际扣费都在状态接口返回的 credits_amount 字段里(1 积分 = $0.005)。

MAI Image 2.6 各尺寸的单张成本

下表是 PoYo 上每个预设尺寸的图片输出成本,分别按微软官方价和 PoYo 价计算。提示词 Token 通常只再增加约 $0.001 或更少。

尺寸像素输出 Token2.6 官方2.6 PoYoFlash 官方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
自定义 3072×7682,359,2962,304$0.0876$0.0700$0.0438$0.0350

换算成积分:一张 1K 方图在 MAI Image 2.6 上约 6.23 积分,在 Flash 上约 3.11 积分;一张达到像素上限的 2K 图分别约 14.01 和 7.00 积分。

Flash 的输出 Token 单价正好是 MAI Image 2.6 的一半,所以在任何尺寸下 Flash 都便宜一半。一张达到像素上限的 2K Flash 图,只比一张 1K 的 MAI Image 2.6 图贵不到半美分,像素却是后者的 2.25 倍。

成本算例

输出和参考图的 Token 数按上面的实测口径计算,提示词长度仅作示意。

场景模型Token官方成本PoYo 成本
海报,16:9、2K,300 Token 提示词MAI Image 2.6300 文本 + 2,304 输出$0.0891$0.0712
社媒配图,1:1、1K,300 Token 提示词Flash300 文本 + 1,024 输出$0.0200$0.0160
商品图编辑,1 张参考图MAI Image 2.6400 文本 + 1,024 图片输入 + 1,024 输出$0.0491$0.0393
场景合成,3 张参考图MAI Image 2.6800 文本 + 3,072 图片输入 + 1,024 输出$0.0675$0.0540
同样的合成换用 FlashFlash800 文本 + 3,072 图片输入 + 1,024 输出$0.0285$0.0228
1,000 张社媒配图,1:1、1KFlash1,000 × (300 + 1,024)$19.98$15.98

含参考图的几行假设每张参考图在 100 万像素以内,这也是 PoYo 预处理参考图的方式。如果直接调用 Microsoft Foundry,更大的参考图会按原始像素计 Token。

MAI Image 2.6 和 2.6 Flash 怎么选

你的需求选择原因
最终投放素材、标题必须准确的海报MAI Image 2.6微软质量最高的模型,文字渲染比 2.5 高 +91 Elo
复杂的多参考图编辑MAI Image 2.6微软把它定位为“最高精度”
草稿、预览、试提示词Flash单张价格减半
大批量生成、个性化内容、交互式应用Flash微软公布它比 GPT-Image-2-Medium 快 2.8 倍,效率高 72%

常见做法是先用 Flash 试提示词和版式,选定后再用 MAI Image 2.6 出终稿。两个模型的字段完全一样,切换时只要改 model 里的一个词。

MAI Image 2.6 生成的 1024×1024 图片:黎明时分,一只红狐站在白桦林的新雪里,呼出的白气映着粉色晨光

MAI Image 2.6,1024×1024,在 PoYo 上约 $0.031。

MAI Image 2.6 Flash 用同一提示词生成的图片:黎明的白桦林中,一只红狐站在雪地里,笼罩着柔和的粉色光线

MAI Image 2.6 Flash,同样的提示词和尺寸,在 PoYo 上约 $0.016。两张图均于 2026 年 11 月在 PoYo 上生成。

在 PoYo 上使用 MAI Image 2.6

在 PoYo 上,一个 API Key 就能调用这两个模型,积分按量付费:创建 Key、充值积分,就可以发请求。请求是异步的:先提交任务拿到 task_id,再轮询状态接口或等待回调。

参数

字段类型取值默认值
modelstringmai-image-2.6 或 mai-image-2.6-flash必填
input.promptstring1–32,000 个字符必填
input.image_urlsarray1–5 个公开可访问的 JPEG、PNG 或 WebP 链接;传入后进入编辑 / 合成模式无
input.sizestring1:1、4:3、3:4、3:2、2:3、16:9、9:16,或自定义 WIDTHxHEIGHT1:1
input.resolutionstring1K 或 2K,用于按比例选择的尺寸1K
input.enable_web_searchboolean生成前联网检索最新信息false
callback_urlstring任务完成或失败时接收 POST 通知的地址无

按比例选择的尺寸对应固定像素:

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

自定义 WIDTHxHEIGHT 要求两边都是 32 的倍数、每边至少 768 像素、总像素最多 2,359,296,所以 3072x768 这样的宽横幅也可以。传入 image_urls 时,输出约为 100 万像素,并跟随参考图的画面。

提交文生图任务

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": "一张海边小镇黄昏时分的旅游海报,顶部用粗衬线字写标题 \"Lumen Bay\",下方副标题 \"Summer Festival 2026\",写实风格的港口与帆船",
      "size": "16:9",
      "resolution": "2K"
    }
  }'

MAI Image 2.6 生成的两张图:一张带灯塔和节日字样的 Lumen Bay 复古旅游海报,一张书名为 The Quiet Orchard、作者 Mara Ellison 的图书封面

提示词里加引号的文字,在标题、副标题和作者名中都按原样呈现。由 MAI Image 2.6 在 PoYo 上生成。

接口会立即返回任务 ID:

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

一定要检查响应体里的 code:部分参数校验错误会以 HTTP 200 返回,但 code 为 400。

编辑或合成参考图

加上 image_urls,并写清楚哪些要改、哪些保持不变。提示词里用 image 1、image 2 依次指代参考图:

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": "把 image 1 里的瓶子放到 image 2 溪边湿润的岩石上,黄金时刻的光线。瓶子的形状、颜色和标签保持不变。",
      "image_urls": [
        "https://example.com/bottle.png",
        "https://example.com/mountain-stream.png"
      ]
    }
  }'

MAI Image 2.6 多参考图编辑:色卡、峡谷岩石纹理、一双洋红色跑鞋等五张参考图,合成为一张以这双跑鞋为主角的峡谷主视觉

最多 5 张参考图合成为一张图。示例来自微软 Foundry 发布 MAI Image 2.6 时的官方资料。

轮询任务状态

curl --request GET "https://api.poyo.ai/api/generate/status/${TASK_ID}" \
  --header "Authorization: Bearer ${POYO_API_KEY}"
data.status含义下一步
not_started排队中稍后再查
running生成中稍后再查
finished已完成读取 data.files[0].file_url 和 data.credits_amount
failed失败,免费查看 data.error_message

一段等待出图的简短 Python 循环:

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")

在 PoYo 2026 年 11 月的测试中,大多数任务在 15 到 50 秒内完成,具体取决于尺寸、参考图数量和排队情况。任务完成后请尽快下载图片并自行保存。PoYo 在提交时按可能的最大 Token 数预留积分,完成后按实际使用的 Token 结算,失败的任务免费。

出图更好、花费更少的技巧

  1. 把要出现在图里的文字放进引号,并说明放在哪里。文字渲染是 MAI Image 2.6 相比 2.5 提升最大的地方,加引号能让标题按原样拼写。
  2. 先用 Flash 打草稿,再用 2.6 出终稿。 Flash 在任何尺寸下都便宜一半,字段完全相同。
  3. 按需要选像素数。 1K 图的费用不到 2K 图的一半,因为 1K 尺寸约用 1,000 个输出 Token,2K 尺寸约用 2,300 个。
  4. 参考图控制在 100 万像素左右。 参考图的 Token 随像素增加;更大的文件 PoYo 会自动缩小。
  5. 给每张参考图分配角色。 比如“image 1 是商品,image 2 是背景”,并列出哪些必须保持不变。
  6. 涉及真实地点、商品和近期事件时开启 enable_web_search,发布前再核对名称和细节。在 PoYo 上,联网检索已包含在常规 Token 价格里。
  7. 横幅用自定义尺寸,比如 3072x768;尺寸规则按总像素计算,所以单边可以很长。

想了解其他图像模型的费用,可以看我们的 GPT Image 2.5 价格指南 和 GPT Image 2.6 API 指南。想先在浏览器里试一试,可以打开 MAI Image 2.6 在线体验页。

常见问题

MAI Image 2.6 是什么?

MAI Image 2.6(MAI-Image-2.6)是 Microsoft AI 的旗舰图像生成与编辑模型,于 2026 年 8 月 10 日发布。它能生成写实照片、人像、商品图和带清晰文字的海报,也能编辑或合成最多 5 张参考图。发布时在 Arena 文生图榜排第 2。

MAI Image 2.6 一张图多少钱?

按微软官方价,一张 1024×1024 的图在 MAI Image 2.6 上约 $0.039,在 Flash 上约 $0.019;一张达到 2,359,296 像素上限的图分别约 $0.088 和 $0.044。在 PoYo 上,同样的图 1K 约 $0.031 / $0.016,上限尺寸约 $0.070 / $0.035。提示词和参考图的 Token 会在此基础上略微增加费用。

MAI Image 2.6 的价格怎么算?

微软按每百万 Token 收费:MAI Image 2.6 文本输入 $5、图片输入 $8、图片输出 $38,Flash 分别为 $1.75、$2.50 和 $19。把各类 Token 数分别乘以单价再相加即可。在 PoYo 上,一张图大约每 1,024 个像素计 1 个输出 Token,所以一张 1024×1024 的图约 1,024 个输出 Token。

MAI Image 2.6 和 MAI Image 2.6 Flash 有什么区别?

Flash 是面向大批量、对延迟敏感场景的更快、更便宜版本。微软称它比 GPT-Image-2-Medium 快 2.8 倍、效率高 72%,价格“不到旗舰模型的一半”。两者请求字段相同,都支持最多 5 张参考图的编辑和联网检索。

MAI Image 2.5 和 2.6 有什么区别?

据微软公布,MAI Image 2.6 整体比 2.5 高 +79 Elo,文字渲染高 +91 Elo。它把最大输出从 1,048,576 像素提高到 2,359,296 像素,并把旗舰模型的图片输出价从每百万 Token $47 降到 $38。MAI Image 2.5 Flash 的输出价是每百万 Token $19.50,2.6 Flash 是 $19。

MAI Image 2.7 可以通过 API 调用吗?

微软在 2026 年 10 月 27 日以预览版形式发布了 MAI Image 2.7,先上线编辑功能,可以在 Arena、Artificial Analysis 和 MAI Playground 上试用。API 接入和价格有待微软公布,文生图“即将推出”。现在做 API 开发,请使用 MAI Image 2.6。

MAI Image 2.6 最大分辨率是多少?

总像素 2,359,296,相当于 1536×1536。只要总像素在上限以内、每边至少 768 像素,单边可以更长,例如 2048×1152 或 3072×768。

MAI Image 2.6 最多能用几张参考图?

最多 5 张。传 1 张时模型按提示词编辑它;传多张时可以把商品、人物、风格和场景合成到一张图里。提示词里用 image 1、image 2 依次指代。

联网检索要额外收费吗?

在 PoYo 上,两个模型的联网检索都已包含在常规 Token 价格里,开启 enable_web_search 后图片费用保持不变。

可以免费试用 MAI Image 2.6 吗?

微软在 MAI Playground 里提供 MAI 模型供用户试提示词。API 调用则按 Token 付费,Microsoft Foundry 和 PoYo 都是如此。在 PoYo 上按量付费,只为成功生成的图片计费,一个 API Key 通用所有模型。

MAI Image 2.6 开源吗?

MAI Image 2.6 是微软的专有模型,通过 Microsoft Foundry 和 MAI Playground 提供。要在自己的产品里使用,可以通过 PoYo 这样的 API 调用,同一个 Key 还能调用平台上所有其他图像、视频和音频模型。

Share: