MAI-Image-2.6, Microsoft debutta al secondo posto su Arena davanti a Google, Meta e xAI

Microsoft ha annunciato MAI-Image-2.6, la nuova versione del suo modello per la generazione di immagini, che debutta al secondo posto nella classifica text-to-image di Arena. Un risultato che colloca il modello davanti alle proposte di Google, Meta e xAI, e lo lascia alle spalle soltanto di GPT-Image-2 di OpenAI. Per l’azienda di Redmond è un altro tassello di una strategia sempre più chiara: costruire in casa una famiglia di modelli capace di reggere il confronto con i migliori laboratori del settore.

La notizia arriva a poca distanza dalla versione precedente e conferma il ritmo con cui Microsoft sta facendo evolvere i suoi modelli MAI. Vediamo cosa introduce davvero questa release, perché conta e come si inserisce in un panorama della generazione di immagini ormai affollatissimo.

Che cos’è MAI-Image-2.6 e perché il secondo posto su Arena pesa

MAI-Image-2.6 è un modello text-to-image, cioè un sistema che trasforma una descrizione testuale in un’immagine. Fa parte della famiglia MAI, la linea di modelli sviluppati internamente da Microsoft AI, la divisione guidata da Mustafa Suleyman che comprende anche sistemi per la voce, il ragionamento, il codice e la trascrizione. La generazione di immagini è del resto una delle applicazioni più visibili dei modelli multimodali, capaci di gestire testo e contenuti visivi all’interno dello stesso sistema.

Con questa release il modello si piazza al numero due della classifica text-to-image di Arena, la piattaforma che mette a confronto i modelli attraverso le preferenze espresse dagli utenti su immagini generate a parità di prompt. Il punto non è solo la posizione in sé, ma chi c’è sotto: secondo Microsoft, MAI-Image-2.6 supera i modelli di punta di Google, Meta e xAI, e cede il passo unicamente a GPT-Image-2 di OpenAI.

In un mercato in cui i grandi nomi si rincorrono a colpi di aggiornamenti, arrivare secondi con un modello costruito in proprio è un segnale di maturità tecnica.

Arena funziona per confronti alla cieca: agli utenti vengono mostrate due immagini generate da modelli diversi e viene chiesto quale preferiscono. Da migliaia di questi voti nasce un punteggio Elo, lo stesso sistema usato negli scacchi per misurare la forza relativa dei giocatori. È una metrica imperfetta, perché premia il gusto medio più della fedeltà tecnica, ma resta uno dei termometri più seguiti per capire come si posizionano i modelli generativi.

Va anche detto che il confronto con Google, Meta e xAI non è banale: sono tre tra i laboratori che hanno investito di più sulla generazione visiva, ciascuno con una propria linea di modelli. Riuscire a superarli tutti, pur restando dietro a OpenAI, colloca Microsoft in un gruppo molto ristretto di protagonisti.

I miglioramenti concreti rispetto alla versione precedente

Per inquadrare il progresso serve un po’ di storia. MAI-Image-1 aveva posto le fondamenta, MAI-Image-2 aveva fatto il salto più netto su fotorealismo, testo e varietà creativa, mentre MAI-Image-2.5 aveva spinto il modello verso immagini di qualità professionale e verso l’editing. La versione 2.6 prosegue questa scalata, quella che Microsoft stessa descrive come un lavoro costante di miglioramento incrementale della qualità.

Il salto rispetto a MAI-Image-2.5 è quantificato da Microsoft in 79 punti Elo complessivi, con progressi in ogni categoria misurata su Arena. Il guadagno più vistoso riguarda la resa del testo dentro le immagini, che migliora di 91 punti Elo.

Non è un dettaglio da poco. La generazione di testo leggibile è storicamente uno dei talloni d’Achille dei modelli di immagini: lettere deformate, parole inventate, scritte che si sciolgono ai bordi. Ridurre questi errori significa rendere il modello finalmente utilizzabile per locandine, copertine, packaging e per tutto ciò che richiede parole nitide e corrette.

Oltre al testo, Microsoft indica progressi su ritratti e immagini tridimensionali, con volti più naturali e maggiore coerenza nelle scene con profondità. Migliora anche la qualità degli output pensati per usi commerciali, dalla fotografia di prodotto al branding fino alle immagini di taglio cinematografico. Sono proprio gli ambiti in cui un’azienda vuole risultati pronti all’uso, senza dover ritoccare a mano ogni dettaglio.

Le nuove funzioni di controllo

MAI-Image-2.6 non porta solo più qualità, ma anche più controllo. Microsoft anticipa la possibilità di lavorare con più immagini di riferimento contemporaneamente, una funzione utile per mantenere coerenza tra soggetti o stili. A questo si aggiunge un aggancio più solido alle informazioni fornite nel prompt e la possibilità di regolare il livello di ragionamento del modello, il formato e la risoluzione dell’output.

Tradotto in pratica: puoi chiedere risultati più prevedibili, adattarli al formato che ti serve e ottenere immagini che rispettano meglio le tue indicazioni. L’azienda ha fatto sapere che condividerà maggiori dettagli su queste capacità nelle prossime settimane.

La strategia di Microsoft: meno dipendenza da OpenAI

Per capire il peso di questo annuncio conviene allargare lo sguardo. Microsoft è storicamente il principale partner e investitore di OpenAI, ma negli ultimi mesi ha accelerato sullo sviluppo di modelli propri. La famiglia MAI, presentata in forma organica a Build 2026, nasce proprio per ridurre la dipendenza da un unico fornitore e per avere il controllo diretto sulla tecnologia che finisce dentro prodotti come Copilot.

Avere un modello di immagini competitivo significa poter integrare la generazione visiva nei propri strumenti senza appoggiarsi ad altri. È una questione di costi, di margini e di autonomia strategica.

Per chi usa i prodotti Microsoft il vantaggio è concreto: una generazione di immagini integrata più a fondo in Copilot e negli strumenti aziendali, con tempi di sviluppo e prezzi che l’azienda può governare direttamente. È lo stesso motivo per cui Microsoft ha costruito modelli propri anche per la voce, il testo e il codice.

MAI-Image-2.6 arriva inoltre in un momento in cui quasi tutti i grandi laboratori stanno spingendo sulle immagini. Alibaba ha da poco presentato Qwen-Image-3.0, puntando su testo leggibile e layout complessi, mentre xAI ha lanciato Grok Imagine Image 2.0 con un forte accento sull’editing. In questo affollamento, Microsoft rivendica un vantaggio misurabile sui rivali diretti.

Dove si può provare e cosa aspettarsi

MAI-Image-2.6 è già disponibile per la generazione text-to-image su Arena, dove chiunque può testarlo e confrontarlo con gli altri modelli. Microsoft ha annunciato che arriverà nei prossimi giorni su MAI Playground e che verrà distribuito gradualmente su Microsoft Foundry e su altri prodotti dell’ecosistema.

Questo rilascio scaglionato è ormai la norma per i modelli di frontiera: prima la vetrina pubblica per raccogliere feedback, poi l’integrazione negli strumenti per sviluppatori e infine l’arrivo nei prodotti di massa. Per te che segui il settore, la finestra su Arena è l’occasione migliore per farti un’idea diretta della qualità.

Vale la pena ricordare che i punteggi Elo fotografano il gusto degli utenti in un dato momento e che la classifica cambia di continuo. Un modello secondo oggi può scivolare domani, e viceversa. Il dato solido è un altro: Microsoft ha dimostrato di saper migliorare i propri modelli release dopo release, con una cadenza costante.

Conclusioni

Con MAI-Image-2.6 Microsoft manda un messaggio chiaro. Non vuole soltanto distribuire l’intelligenza artificiale di altri, ma costruirla, e sulle immagini ha ormai un modello capace di stare nella parte alta della classifica. Il secondo posto su Arena, davanti a Google, Meta e xAI, racconta di una divisione AI che sta maturando in fretta e che punta a rendersi autonoma.

Se lavori con la generazione di immagini, ti conviene tenere d’occhio l’arrivo del modello su MAI Playground e su Foundry: è lì che capirai se i miglioramenti su testo, ritratti e uso commerciale reggono anche fuori dai confronti di laboratorio. Nel frattempo, puoi già metterlo alla prova su Arena e confrontarlo con gli strumenti che usi di solito. Continua a seguire i nostri aggiornamenti per non perderti le prossime mosse della corsa ai modelli di immagini.