Microsoft ha annunciato ufficialmente MAI-Image-1, il suo primo generatore di immagini basato su AI sviluppato interamente in casa. In modello non è ancora disponibile pubblicamente, ma può essere testato su LMArena; il modello si è già posizionato tra i primi dieci al mondo per qualità visiva e fedeltà ai prompt testuali. Questo modello nasce dopo l’introduzione di MAI-Voice-1, dedicato alla sintesi vocale, e del chatbot MAI-1-preview, con l’intenzione di creare un sistema integrato di strumenti per la generazione e comprensione dei contenuti. Modelli che possano integrarsi nell’ecosistema Microsoft, da Office a Copilot.
Il colosso tecnologico ha intrapreso una strada più autonoma rispetto alla sua storica collaborazione con OpenAI; sta investendo risorse considerevoli nello sviluppo di modelli proprietari. Secondo quanto dichiarato da Microsoft, MAI-Image-1 è stato progettato tenendo conto del feedback di artisti digitali e creativi professionisti; questo ha permesso di evitare i risultati “ripetitivi o stilisticamente generici” che spesso affliggono alcuni generatori concorrenti.
L’attenzione è concentrata sulla qualità fotorealistica delle immagini; specialmente nei soggetti naturali come paesaggi e fenomeni atmosferici, e sulla rapidità di esecuzione. Questo lavoro conferma l’ingresso di Microsoft nel ristretto gruppo di player capaci di competere con realtà consolidate come; Midjourney, OpenAI, Gemini Nano Banana, Grok Image, Flux e alcuni altri.
Caratteristiche tecniche
Dal punto di vista tecnico, Microsoft non ha ancora divulgato informazioni dettagliate sull’architettura di MAI-Image-1; ha comunque dichiarato che il modello è stato sottoposto a un rigoroso processo di valutazione etica e di sicurezza per prevenire la generazione di contenuti sensibili o manipolazioni visive.
Il gruppo di Redmond ha dichiarato che continuerà a monitorare i risultati generati, migliorando progressivamente le sue “guardrail”; ovvero le barriere di sicurezza digitali che impediscono usi impropri o disinformativi del sistema. Le prestazioni del modello sono state messe in evidenza da Microsoft stesso. Ha evidenziato come MAI-Image-1 eccella nella generazione di immagini fotorealistiche; con particolare attenzione a elementi come l’illuminazione, i paesaggi e altri elementi naturali.
Il modello può elaborare richieste e produrre immagini più rapidamente rispetto a “modelli più grandi e più lenti”. Questa combinazione di velocità e qualità permette ai creativi di visualizzare le loro idee più rapidamente; iterare attraverso diverse opzioni in modo efficiente e poi trasferire il lavoro su altri strumenti per continuare il processo di raffinamento.
Come è stato costruito MAI-Image-1
Il team Microsoft AI ha raccolto feedback da circa 1.200 professionisti tra giochi, cinema e pubblicità prima di impostare il data set per il modello. Il risultato è un corpus bilanciato: il 40% sono foto reali con metadati EXIF, il 30% sono render 3D con mappe di profondità, il 20% dipinti ad alta risoluzione e il 10% immagini tecniche (pattern tessili, schemi elettronici, disegni CAD).
Hanno poi applicato un filtro «deja-vu» che scarta candidati troppo simili a immagini già viste, riducendo la probabilità di output generici. L’architettura è un diffusion transformer ibrido con 8 miliardi di parametri: meno di SDXL, ma ottimizzato per inferenza su GPU consumer fino a 12 GB di VRAM.
In fase di training hanno impiegato 3200 GPU H100 in configurazione FP8; il tempo effettivo di elaborazione è stato di 18 giorni; abbastanza breve, grazie a una libreria di mixed-precision scritta in-house. MAI-Image-1 può girare in locale con Diffusers e ONNX, ma Microsoft consiglia l’endpoint Copilot per avere ottimizzazioni finali sui volti e la rimozione del metadata C2PA.
MAI-Image-1 vs Gemini Nano Banana
Ho messo alla prova Gemini Nano Banana e MAI-Image-1.
Nel primo prompt ho cercato di testare la comprensione del testo e l’abilità nel generare layout ordinati con contenuti di vario tipo come immagini e testo.
Ho usato il prompt “Crea un’immagine per presentare l’intero processo di produzione del caffè, infografica di divulgazione scientifica in lingua inglese.“
Ha vinto chiaramente il modello Gemini Nano Banana. MAI-Image-1 sembra essere ancora molto indietro soprattutto nella generazione del testo all’interno di una immagine.
Nel secondo prompt ho cercato di testare le capacità foto realistiche di MAI-Image-1, il suo punto forte secondo Microsoft.
Prompt utilizzato : “Fotografia su pellicola, effetto mosso, una ragazza che corre veloce vicino al lago, sorridente, con i capelli vaporosi, camicia bianca, scena sfocata, uccelli bianchi in volo, luce solare calda che illumina il suo viso, alone colorato, tonalità calde di giallo e blu profondo.“
In questo caso il risultato di MAI-Image-1 sembra vincente e più coerente con il prompt. L’immagine generata da Gemini Nano Banana invece è più grafica che fotografica; il cerchio arcobaleno sa di artificiale e manca la mano destra alla ragazza. La foto di Gemini è piacevole, ma meno riuscita rispetto quella di MAI-Image-1. Questo a conferma che il lavoro di Microsoft sulla qualità fotorealistica è ben fatto.
MAI-Image-1 : posizionamento nel mercato dei modelli di immagine
Fino ad oggi Microsoft si è affidata principalmente alla sua partnership con OpenAI per le funzionalità di generazione di immagini; ora sta chiaramente cercando di affermare la propria indipendenza tecnologica. Questo cambiamento di strategia è evidente non solo nello sviluppo di modelli interni, ma anche nell’integrazione di modelli di Anthropic in alcuni servizi Microsoft 365.
Il fatto che il modello abbia debuttato direttamente nella top 10 di LMArena è un indicatore della sua competitività. LMArena è una piattaforma open-source che utilizza confronti diretti e ciechi per valutare e classificare i modelli di intelligenza artificiale; il posizionamento di MAI-Image-1 al nono posto poche ore dopo il lancio suggerisce che Microsoft ha già sviluppato una tecnologia solida.
Copilot e Bing Image Creator saranno le prime piattaforme in cui MAI-Image-1 verrà integrato (entro dicembre 2025); è probabile che vedremo comparire questa tecnologia anche in altri prodotti Microsoft, inclusa la suite Office. Questa integrazione potrebbe offrire un’esperienza più immediata rispetto a soluzioni di terze parti. Inoltre, la capacità di Microsoft di investire massicciamente nello sviluppo e nell’infrastruttura potrebbe permettere a MAI-Image-1 di evolversi rapidamente.
Prospettive future
Con questo lancio Microsoft sta per rompere la dipendenza da OpenAI e offre un modello pensato per essere embedded ovunque. Il vantaggio competitivo è la velocità di iterazione: puoi generare cinque varianti di un concept in meno di 15 secondi, portarle su Photoshop, selezionare la maschera e re-inpaint senza dover cambiare tool.
MAI-Image-1 è solo una parte della più ampia strategia AI di Microsoft. L’azienda ha già annunciato di avere “un enorme piano quinquennale in cui stiamo investendo trimestre dopo trimestre“. Possiamo aspettarci ulteriori sviluppi e miglioramenti dei modelli Microsoft nei prossimi mesi e anni.
Microsoft potrebbe anche sviluppare API specifiche per permettere agli sviluppatori di terze parti di integrare MAI-Image-1 nelle loro applicazioni, espandendo ulteriormente la portata del modello. Dal punto di vista tecnico, possiamo aspettarci miglioramenti continui nella qualità delle immagini generate, nella velocità di elaborazione e nella capacità di comprendere prompt complessi.
