Microsoft chce zwrócić Twoją uwagę. Nie poprzez arkusze kalkulacyjne czy infrastrukturę chmurową, ale poprzez kreatywność. Wtorek zmienił tę sytuację.
Technologiczny gigant zaprezentował dwa nowe modele AI oparte na obrazach tekstowych: MAI-Image i jego szybki kuzyn Flash. Nie ma tu żadnej przypadkowości. Premiera następuje w chwili, gdy Google wypuściło swoje dominujące modele Nano Banana, rozpoczynając natychmiastową bitwę o dominację w generowaniu obrazów AI.
Kto wygra tę rundę?
Jeśli myślisz o Microsoft, prawdopodobnie myślisz o narzędziach dla przedsiębiorstw, a nie o sztuce. Ale nowe modele MAI-Image 2.5 zamierzają całkowicie obalić ten stereotyp. To nie tylko zabawki służące do zabawy. Są to instrumenty precyzyjne.
Dyrektor generalny Microsoft AI Mustafa Suleiman jasno przedstawił swój cel. „Zapewniają precyzyjny montaż z niesamowitą spójnością” – powiedział podczas wystąpienia na konferencji Build. Przesłanie jest jasne: Microsoft nie próbuje przebić Nano Banana w tworzeniu dziwnych, surrealistycznych krajobrazów. Próbuje ją pokonać specjalnie w edycji.
I w tym konkretnym zadaniu Microsoft przejmuje rolę lidera.
Przewaga Google w precyzyjnej kontroli edycji? Nie bardzo.
Seria Nano Banana firmy Google rządzi przestrzenią generowania obrazów od czasu jej premiery w połowie 2025 roku. Wyniki są imponujące, choć w niektórych miejscach budzą obawy ze względu na rozprzestrzenianie się treści niskiej jakości i deepfakes.
Ale Nano Banana ma słaby punkt. Microsoft wskazuje na benchmarki na platformie Arena AI, gdzie jej model MAI-Image przoduje w kategorii możliwości edycyjnych.
Dlaczego ta różnica ma znaczenie?
Wygenerowanie nowego obrazu od podstaw to jedno. Ale dopracowanie istniejącej fotografii to już zupełnie inna sprawa. Testy porównawcze pokazują, że MAI-Image przewyższa swojego odpowiednika Google pod względem spójnych i dokładnych zmian. Zmieniasz jeden szczegół, a reszta obrazu pozostaje nietknięta. Model Google czasami unosi się w powietrzu, zniekształcając niepowiązane piksele. Model Microsoftu utrzymuje sztywną strukturę, jednocześnie umożliwiając elastyczność w zakresie zmian.
Jednak jest jedno ważne wyjaśnienie. Ogólnie rzecz biorąc, Microsoft jest na drugim miejscu.
OpenAI ze swoim modelem GPT-Image pozostaje niekwestionowanym liderem w tych szerszych testach. Microsoft nie ogłasza więc całkowitego zwycięstwa. Jest to priorytet dla redaktorów i projektantów, którzy potrzebują kontroli nad niuansami.
Fala nowych możliwości AI na konferencji Build
Generowanie obrazów było tylko częścią obrazu. Microsoft zaprezentował we wtorek w sumie siedem nowych modeli.
To nie była tylko kampania marketingowa. To rozbudowa infrastruktury. Linia zawierała:
- MAI-Thinking-1 : Pierwszy model do wnioskowania. Modele te zatrzymują się, iterują i myślą dłużej, aby rozwiązać złożone problemy. Tutaj priorytetem jest głębokość, a nie prędkość.
- Zaawansowane modele głosu : Aktualizacje transkrypcji i syntezy mowy.
- Asystent kodowania : zoptymalizowany dla GitHub, którego właścicielem jest Microsoft, tworząc ściślejszą pętlę dla programistów.
Jednak kluczowym tematem konferencji nie były same modele, ale „agentyczna sztuczna inteligencja”.
Sulejman zasugerował, że przyszłość informatyki obejmuje systemy działające autonomicznie. Obrazy, tekst i kod to coś więcej niż tylko dane wyjściowe. Są to zasoby, z których agenci mogą korzystać i przetwarzać. Model MAI-Image został stworzony z myślą o tej autonomii. Nie tylko pokaże Ci zdjęcie, ale także przygotuje je do dalszego wykorzystania przez Twojego cyfrowego asystenta.
Dostępność a surowa moc: PowerPoint kontra Prezentacje Google
Benchmarki mówią tylko połowę prawdy. Druga połowa to czas integracji.
Nie wybiera się narzędzia AI w próżni. Wybierasz go na podstawie miejsca, w którym odbywają się Twoje działania zawodowe. Jeśli Twoje życie koncentruje się wokół programu PowerPoint, natychmiastowe wdrożenie rozwiązań Microsoft będzie ogromną korzyścią.
Nowe narzędzia MAI-Image są już zintegrowane z programami PowerPoint i Foundry. Są one również aktywnie wdrażane w OneDrive. Dla milionów użytkowników korporacyjnych w ekosystemie Microsoft 365 praktycznie nie ma barier wejścia. Nie muszą opuszczać prezentacji, aby wygenerować lub edytować wizualizacje.
Jeśli korzystasz z Prezentacji Google, to masz Nano Banana. Problem nie sprowadza się do konkurencji w zakresie możliwości, ale do kwestii uzależnienia od dostawcy.
Dla większości użytkowników łatwość dostępu determinuje poziom adaptacji w większym stopniu niż drobne różnice w wynikach testów porównawczych. Czy naprawdę otworzyłbyś nową kartę do edycji wysokiej jakości, gdybyś musiał w tym celu zalogować się na nową platformę? Prawdopodobnie nie.
Prawa korporacyjne i faktyczne wykorzystanie
W tym miejscu staje się to trudne dla twórców treści komercyjnych.
Firma Microsoft zauważa, że warunki użytkowania są różne. Jeśli tworzysz aktywa do celów biznesowych, ważna jest struktura planu korporacyjnego. Tabele liderów AI demonstrują surowe możliwości techniczne, ale ochrona prawna determinuje faktyczną rentowność komercyjną.
Nano Banana dominuje w indywidualnej przestrzeni twórcy. Jednak Microsoft koncentruje się na przedsiębiorstwach, skupiając się na zespołach, które już płacą za bezpieczeństwo i zgodność z przepisami. W przypadku korporacji zrozumienie, kto jest właścicielem edytowanego obrazu i czy leżąca u jego podstaw sztuczna inteligencja jest zgodna z prawami autorskimi, może przeważyć nad 5-procentową przewagą w jakości wzorcowej.
Czy zatem Nano Banana nie żyje?
Absolutnie nie. Dla indywidualnych twórców i projektantów, którzy chcą maksymalnej swobody twórczej w zakresie zapytań tekstowych, model Google pozostaje potężnym narzędziem.
Ale Microsoft zmusza Cię do dokonania wyboru. Dyskurs zmienia się z „który model tworzy fajniejsze zdjęcia” na „który model je edytuje bez naruszania struktury”.
Zwycięzcą jest użytkownik, który w ogóle nie musi myśleć o tym, co dzieje się „pod maską”.
Czy najważniejszy jest nadal surowy geniusz twórczy, czy może branża wreszcie przeszła na pragmatyczną, kontrolowaną użyteczność?
Może nie mieć znaczenia, jakiego modelu użyjesz. Być może liczy się tylko to, jak szybko ładuje się w Twojej przeglądarce, podczas gdy serwery za Tobą spalają energię, aby namalować zachód słońca, który usuniesz w ciągu godziny.
