Ha eddig azt gondoltad, a Microsoft AI-ja főleg dokumentumokhoz és meetingekhez van, most érdemes újranyitni a kérdést: a cég olyan képgeneráló modellt hozott, ami egy fontos részfeladatban lenyomja a kreatív AI egyik etalonját.

Mi történt

A Microsoft a Build fejlesztői konferencián két új szöveg-képpé (text-to-image) modellt jelentett be MAI-Image-2.5 néven: egy „sima” 2.5-öt és egy gyorsabb, „Flash” variánst. A szöveg-képpé modell lényegében egy olyan rendszer, amely leírásból képet generál; gondolj rá úgy, mint egy nagyon fejlett „vizuális fordítóra”, ami a mondatokat pixelekre ülteti át.

A vállalat pozicionálása szerint a két verzió eltérő igényeket céloz: a Flash a nagy volumenű, gyors gyártási feladatokra, míg a 2.5 a magasabb részletességre és „profi” minőségre. A modellek nem csak laborban léteznek: elérhetők PowerPointban, a vállalati piactérként működő Foundryban, és fokozatosan megjelennek OneDrive-ban is.

A bejelentéscsomag része volt több más új modell is, köztük a MAI-Thinking-1 „reasoning” modell. A „reasoning” (következtető) megközelítés lényege, hogy a rendszer több lépésben, több iterációval dolgozik egy válaszon — mint amikor nem rávágod az első ötleted, hanem végiggondolod, ellenőrzöd, finomítod.

Miért fontos

A kreatív képgenerálásban a Google Nano Banana 2025-ös indulása óta erős etalonná vált, ezért figyelemre méltó, hogy egy széles körben nézett összevetésben a Microsoft most képszerkesztésben (image editing) jobbnak bizonyult nála. Itt nem pusztán „új képet kérek” típusú generálásról van szó, hanem arról, hogy egy meglévő képet mennyire pontosan tudsz módosítani — például részleteket cserélni, stílust egységesíteni, vagy következetesen ugyanazt a karaktert/elemet átvinni több variációba. A CNET AI Atlas által hivatkozott Arena AI leaderboard alapján ebben a részfeladatban a MAI-Image-2.5 a Nano Banana 2 fölé került, miközben az összesített élmezőnyben továbbra is az OpenAI GPT-Image-2 áll az első helyen.

Mire figyelj

  1. Ne egyetlen benchmark alapján dönts. A rangsorok jó iránytűk, de azt mérik, amit mérni tudnak — a te munkádhoz lehet, hogy a stílus, a sebesség vagy a konzisztencia fontosabb, mint a pontszám.
  2. A hozzáférés lesz a valódi „gyilkos funkció”. Ha PowerPointban dolgozol napi szinten, a Microsoft megoldása kéznél van; ha Google Slides a környezeted, a Google eszközei fognak természetesen beépülni a folyamatodba.
  3. Kereskedelmi felhasználásnál nézd meg a jogokat. Nem mindegy, hogy vállalati (enterprise) vagy egyéni csomagban használod az AI-t, mert a felhasználási feltételek és a képek jogi kezelése ettől függhet — ezt érdemes még azelőtt tisztázni, hogy ügyfélanyagba vagy kampányba kerülnének a generált képek.

A következő hetekben az lesz az igazán beszédes, hogy a PowerPoint/OneDrive integráció mennyire lesz gördülékeny a mindennapi munkában, és a „jobb képszerkesztés” előny mennyire fordítható le tényleges időnyereségre és kevesebb utómunkára.