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 2.6 | MAI 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 ID | mai-image-2.6 | mai-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 | PNG | PNG |
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)。

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 Pro | MAI-Image-2.6、2.6 Flash | MAI 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 Token | 2.6 官方 | 2.6 PoYo | Flash 官方 | Flash PoYo |
|---|---|---|---|---|---|---|
| 1:1,1K(1024×1024) | 1,048,576 | 1,024 | $0.0389 | $0.0311 | $0.0195 | $0.0156 |
| 16:9,1K(1344×768) | 1,032,192 | 1,008 | $0.0383 | $0.0306 | $0.0192 | $0.0153 |
| 4:3,1K(1152×864) | 995,328 | 972 | $0.0369 | $0.0296 | $0.0185 | $0.0148 |
| 3:2,2K(1856×1248) | 2,316,288 | 2,262 | $0.0860 | $0.0688 | $0.0430 | $0.0344 |
| 1:1,2K(1536×1536) | 2,359,296 | 2,304 | $0.0876 | $0.0700 | $0.0438 | $0.0350 |
| 16:9,2K(2048×1152) | 2,359,296 | 2,304 | $0.0876 | $0.0700 | $0.0438 | $0.0350 |
| 自定义 3072×768 | 2,359,296 | 2,304 | $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 2.6 | 300 文本 + 2,304 输出 | $0.0891 | $0.0712 |
| 社媒配图,1:1、1K,300 Token 提示词 | Flash | 300 文本 + 1,024 输出 | $0.0200 | $0.0160 |
| 商品图编辑,1 张参考图 | MAI Image 2.6 | 400 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 2.6 | 800 文本 + 3,072 图片输入 + 1,024 输出 | $0.0675 | $0.0540 |
| 同样的合成换用 Flash | Flash | 800 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、1K | Flash | 1,000 × (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 2.6,1024×1024,在 PoYo 上约 $0.031。

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 |
|---|---|---|---|
model | string | mai-image-2.6 或 mai-image-2.6-flash | 必填 |
input.prompt | string | 1–32,000 个字符 | 必填 |
input.image_urls | array | 1–5 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.size | string | 1:1、4:3、3:4、3:2、2:3、16:9、9:16,或自定义 WIDTHxHEIGHT | 1:1 |
input.resolution | string | 1K 或 2K,用于按比例选择的尺寸 | 1K |
input.enable_web_search | boolean | 生成前联网检索最新信息 | false |
callback_url | string | 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:
size | 1K | 2K |
|---|---|---|
1:1 | 1024×1024 | 1536×1536 |
4:3 / 3:4 | 1152×864 / 864×1152 | 1760×1312 / 1312×1760 |
3:2 / 2:3 | 1248×832 / 832×1248 | 1856×1248 / 1248×1856 |
16:9 / 9:16 | 1344×768 / 768×1344 | 2048×1152 / 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"
}
}'

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"
]
}
}'

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
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。 - 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。