微软AI推出首款自研图像生成模型！

智东西
编译 王涵
编辑 漠影

智东西10月14日消息，今日凌晨，微软AI推出其首款完全自研的文生图模型MAI-Image-1。该模型首次亮相即以1096分排在权威评测平台LMArena文生图榜单第9名。

▲LMArena文生图榜单（来源：LMArena）

在实际性能方面，MAI-Image-1在光影效果、自然景观等超写实图像生成上表现突出。相比规模更大、响应更慢的模型，该模型在保证生成质量的同时显著提升了处理速度，让创作者能够快速实现创意可视化并进行迭代优化。

▲MAI-Image-1生成图像实例（来源：微软AI）

微软透露，研究团队在模型训练阶段特别注重避免输出内容的重复与同质化问题，通过严格筛选训练数据并引入创意行业专业建议，让模型在真实创作场景中展现出更好的实用性。MAI-Image-1后续也将集成至Copilot和Bing Image Creator等微软核心产品中。

微软AI（Mircosoft AI，简称MAI）创立于2024年3月，是微软为推进Copilot及其他消费者AI产品研发而设立的专门机构。

该机构首席执行官Mustafa Suleyman曾作为联合创始人创立DeepMind并领导其应用AI部门，随DeepMind被谷歌收购后加入谷歌，后于2022年离开谷歌创办大模型初创企业Inflection AI。

2024年初，微软以6.5亿美元（约合人民币46.3亿元）完成对Inflection AI的“人才收购”，Suleyman随即带领团队核心成员加入MAI，14个月后，他们交付了首批全自研AI模型，分别为基础模型MAI-1-preview和语音生成模型MAI-Voice-1。（参见智东西此前报道：微软AI首个自研模型来了，实测可玩性超强，CEO回应与OpenAI隔阂）

结语：微软多模态场景产品蓝图逐渐清晰

微软AI全自研文生图模型虽然闯进LMArena文生图榜单前十，但与谷歌等公司的自研模型仍有差距，如此看来微软收购Inflection AI的效果还没有完全显现出来。

在文生图模型领域，MAI-Image-1需要来自面对Midjourney、Stable Diffusion等海外成熟模型以及hunyuan-image、seedream等中国文生图模型的激烈竞争，压力不算小。

不过，从其发布的三款模型的类型来看，从语音、对话到图像生成，微软正试图打造覆盖多模态场景的自主产品矩阵，其似乎是想要通过自研模型逐步构建独立技术体系。