El 4 de septiembre de 2026, Microsoft AI presentó MAI-Image-2.6 como su modelo de imagen más potente hasta la fecha y lo puso a disposición de desarrolladores en Microsoft Foundry, junto con MAI-Image-2.6-Flash para cargas de producción sensibles a la latencia. Ambos soportan edición con múltiples imágenes de referencia, web grounding y relaciones de aspecto dinámicas.
Según el anuncio de Microsoft, MAI-Image-2.6 ocupaba el puesto número 2 en texto-a-imagen y en edición en Arena, y en Artificial Analysis el 2 en texto-a-imagen y el 1 en edición de imagen, con datos a esa fecha. La compañía enmarca el lanzamiento como un avance en la frontera calidad-coste.
Flash se presenta como la opción para alto rendimiento: Microsoft afirma que genera imágenes 2,8 veces más rápido que GPT-Image-2-Medium con un 72% más de eficiencia. Los equipos de producto pueden elegir precisión máxima con 2.6 o velocidad de producción con Flash sin cambiar el conjunto de capacidades creativas.
La edición multi-referencia permite combinar personas, productos, estilos y escenas de distintas fotos en una sola composición. El web grounding incorpora información actualizada de la web para visuales informados por contexto reciente. Las resoluciones más altas y los aspectos dinámicos llegan hasta alrededor de 1,5K, eligiendo formato óptimo para la composición.
Microsoft destaca el rendimiento precio-por-Elo como ventaja para equipos que deben escalar generación de calidad controlando tokens y coste. El mensaje comercial es claro: calidad de liderazgo a un coste operativo que permita uso intensivo en pipelines de marketing, diseño y agentes visuales.
Ambos modelos están en vista previa pública en Foundry y también se pueden probar en MAI Playground. La disponibilidad regional en despliegues Global Standard, según catálogos de Foundry, incluye entre otras East US, West Europe y West US, con versión de modelo fechada en julio de 2026 en listados técnicos.
El lanzamiento se produce en un mercado de imagen generativa saturado, donde OpenAI, Google y actores especializados compiten por fidelizar flujos creativos empresariales. Diferenciarse por anclaje web y multi-referencia apunta a flujos de marca y comercio electrónico, no solo a prompts artísticos sueltos.
Para responsables de riesgo, web grounding introduce la necesidad de gobernar qué fuentes externas influyen en creatividades que luego se publican. La edición multi-referencia eleva exigencias de consentimiento y de derechos sobre rostros y productos de terceros.
En la práctica, Flash puede absorber lotes de catálogo y variantes A/B, mientras 2.6 se reserva a piezas hero o a ediciones que exigen máxima fidelidad. Esa división latencia/calidad es el patrón que Microsoft ya aplica en otras familias MAI.
Neural Pulse recoge las afirmaciones de calidad y velocidad tal como las reportó Microsoft el 4 de septiembre; no son auditorías independientes de este medio. Las posiciones en Arena y Artificial Analysis pueden cambiar semana a semana.
Desarrolladores que ya usan Foundry pueden evaluar ambos modelos sin migrar de plataforma, un argumento de inercia frente a APIs rivales. La pregunta abierta es si el precio y la cuota sostienen el liderazgo cuando la novedad del anuncio se diluya.
Con MAI-Image-2.6, Microsoft refuerza su apuesta por una pila creativa propia junto a la de voz (MAI-Transcribe). Octubre de 2026 encuentra a la empresa empujando imagen y habla como commodities de plataforma, no solo como demos de laboratorio.
