Prompt di MAI-Image-2.6: quattro lezioni da Microsoft

Il 10 agosto 2026 Microsoft AI ha annunciato MAI-Image-2.6 dichiarando che il modello si è collocato al secondo posto nella classifica Arena testo in immagine, con +79 Elo rispetto a MAI-Image-2.5 nel complesso e +91 Elo sulla sola resa del testo. Questo è il titolo e, come quasi tutti i titoli da classifica, scade in fretta.

La parte del lancio con la durata più lunga è molto più silenziosa: nelle pagine di MAI-Image-2, MAI-Image-2.5 e MAI-Image-2.6, Microsoft ha pubblicato i prompt effettivi dietro le immagini di esempio. Non sono un assortimento casuale. Sono quattro modi nettamente diversi di scrivere per un modello di immagini, e ognuno svolge un compito preciso: descrivere, comprimere, modificare, citare.

MAI-Image non compare nel selettore di modelli di OmniArt, quindi questa non è la recensione di un modello che puoi eseguire qui. È una lettura del mestiere di scrittura dei prompt che lì si vede all'opera, perché quel mestiere si trasferisce. I quattro schemi qui sotto funzionano su qualsiasi modello di immagini attuale valido, e la lezione ha sempre la stessa forma: ciò che metti nel prompt determina quale errore otterrai.

Cosa ha portato ciascuna versione: MAI-Image 2, 2.5 e 2.6

Tre uscite in meno di cinque mesi, ognuna con un baricentro diverso:

MAI-Image-2.5 si è anche diviso in una famiglia: 2.5-Pro per la coerenza degli oggetti e il ragionamento visivo, 2.5 per la generazione con modifica controllabile e 2.5-Flash, che Microsoft descrive come pronto per la produzione a meno della metà del prezzo del modello di punta. La pagina di 2.5 mostra un grafico «Image Arena Elo rispetto al prezzo API rappresentativo per 1.000 immagini», che rivela cosa sta ottimizzando il team: non solo la qualità di picco, ma la qualità per euro speso.

Su 2.6 Microsoft dice che c'è dell'altro non ancora dettagliato: «dal lavoro su più riferimenti e un grounding più ricco fino a un maggiore controllo su ragionamento, formato e risoluzione». Finché non esce pubblicamente, è una dichiarazione di roadmap e non una specifica.

Lezione 1: il prompt lungo e strutturato mette ogni dato nella sua casella

Il prompt dietro l'esempio di fotorealismo nella pagina di MAI-Image-2.5 conta circa 90 parole, e la sua struttura è più interessante della lunghezza:

A young woman in profile on a rooftop, blowing soap bubbles against an overcast sky. She has long straight black hair, windswept slightly, and wears a dark navy double-breasted school uniform jacket with gold buttons and a white collar. She holds a hot pink bubble solution bottle in one hand and a neon lime-green wand to her lips in the other. Five iridescent bubbles of varying sizes float around her.

Behind her: low-rise apartment buildings under a flat gray sky, a black metal railing, and weathered concrete underfoot. Film photography aesthetic.

Rileggilo come un modulo e non come un testo. La prima frase è soggetto, posa, azione e cielo. La seconda è capelli e abbigliamento. La terza è gli oggetti di scena, uno per mano. La quarta è un elemento numerabile. Poi un blocco etichettato — Behind her: — raccoglie tutto ciò che riguarda l'ambiente, e una direttiva di stile di due parole chiude il prompt.

Tre elementi di questa struttura fanno un lavoro reale:

• Nomi di colore al posto degli aggettivi. «Hot pink», «neon lime-green», «dark navy», «gold», «flat gray». Non «acceso», non «colorato». Un nome di colore è un vincolo che il modello può soddisfare o mancare in modo visibile; «vibrant» non lo è.
• Un numero al posto di una quantità vaga. «Five iridescent bubbles of varying sizes» è verificabile, «some bubbles» no. Nel risultato pubblicato il conteggio regge: puoi metterti davanti all'immagine e contarle, ed è esattamente il punto.
• Lo sfondo ha un contenitore tutto suo. Behind her: recinta l'ambiente perché i suoi dettagli non filtrino nella descrizione del soggetto. I prompt lunghi si rompono dove il modello deve indovinare a quale sostantivo appartiene un modificatore.

La parola di stile arriva per ultima, dopo il contenuto, così modifica una scena già del tutto specificata invece di guidare la composizione.

Lezione 2: il prompt breve compra la composizione con un paragone

L'annuncio di MAI-Image-2 ha pubblicato un prompt molto diverso: una trentina di parole, senza frasi, solo sintagmi ordinati per importanza.

A glacier wall towering like a cathedral interior, deep blue ice with light refracting through layers, tiny human figure at base for scale, cinematic, cold mist in air, hyper-real detail

Il primo sintagma contiene tutto il trucco. «Like a cathedral interior» non è un ornamento: è un'istruzione di composizione travestita da metafora. Una cattedrale porta con sé un soffitto a volta, una navata che si allontana, un arco, la simmetria e la luce che entra dal fondo. Il risultato li ha tutti e cinque, realizzati nel ghiaccio. Descrivere quella disposizione alla lettera sarebbe costato trenta parole e ne sarebbe probabilmente uscita più rigida.

La seconda mossa utile è tiny human figure at base for scale. La scala è ciò che i modelli di immagini perdono più facilmente, perché nessuna texture dice quanto è grande. Un riferimento umano nominato, in una posizione nominata, la fissa in quattro parole, e la giacca rossa nel risultato fa per la composizione più di qualsiasi accumulo di «epic, massive, enormous».

I termini finali — cinematic, cold mist in air, hyper-real detail — sono atmosfera e direttive di rendering, e arrivano per ultimi per lo stesso motivo della parola di stile nella lezione 1.

Quindi i due prompt non sono la versione buona e quella scadente della stessa cosa. Sono strumenti diversi:

Lezione 3: nella modifica, un prompt dovrebbe cambiare una cosa

La pagina di MAI-Image-2.5 dimostra la modifica con tre prompt, e colpisce quanto ciascuno sia piccolo:

Change the tote color to orange

Add peonies peeking out the tote

Edit this image to have the woman walking through the streets of New York City

Ecco il primo, prima e dopo:

Il prompt è di sei parole: un verbo, un oggetto nominato, un valore obiettivo. Non chiede anche uno sfondo diverso, un'angolazione nuova o una luce migliore. Questa misura è la tecnica stessa, perché in una modifica il compito più difficile del modello è preservare, non cambiare. Tutto ciò che aggiungi all'istruzione è un'altra cosa che potrebbe decidere di rifare.

Nota anche che l'oggetto è nominato. «The tote» dà al modello un referente privo di ambiguità. «Fallo arancione» lascia al modello la scelta tra la borsa, il tavolo e il muro.

Il terzo prompt — spostare il soggetto a New York — sembra un'operazione molto più grande, e lo è. Ma resta una operazione, e continua a nominare ciò che deve rimanere: «the woman». Un prompt che rifacesse anche lo styling dell'abito e cambiasse l'ora del giorno non ti lascerebbe modo di capire quale istruzione ha prodotto un risultato scadente.

Lezione 4: un riferimento culturale costa poco, e compra solo la scena

Il prompt pubblicato più breve è di otto parole:

Chihuahua in Abbey Road album cover with moptop wig

Otto parole ricostruiscono una scena molto precisa: le strisce pedonali, il viale alberato che si allontana, il Maggiolino VW bianco parcheggiato a sinistra, le auto d'epoca, i passanti con i cappotti anni Sessanta e l'inquadratura frontale e piatta. Scriverlo per esteso richiederebbe un paragrafo e probabilmente si perderebbe comunque il Maggiolino. Microsoft archivia tutto questo sotto «conoscenza del mondo e ragionamento», ed è la cornice giusta: un riferimento molto noto è il prompt più compresso a disposizione.

È anche il meno controllabile, e questo esempio mostra esattamente dove sta il limite. Confronta le due immagini: quella di partenza è un chihuahua crema, a pelo corto, con le orecchie dritte, su nero. Il risultato è un cane bianco e marrone, con pelo, proporzioni e orecchie diverse. Il riferimento ha comprato la scena. Non ha preservato il soggetto.

È questa distinzione la lezione pratica. La scorciatoia per riferimento è ottima per costruire un mondo: un genere, un'epoca, una convenzione di luce, un'impaginazione. Non è affidabile per l'identità. Se un volto, un animale, un prodotto o una confezione specifici devono sopravvivere, quel requisito appartiene a una descrizione esplicita o a un flusso con immagine di riferimento, non a un'allusione culturale.

Vale la pena tenere presenti altre due cautele: un riferimento funziona solo se il modello lo conosce, quindi riferimenti oscuri o regionali degradano in silenzio verso un risultato generico; e le immagini celebri portano con sé questioni di diritti che un prompt non risolve al posto tuo.

Perché la resa del testo è diventata il numero da titolo

Di tutto quello che c'è nell'annuncio di 2.6, il numero che Microsoft ha scelto di isolare riguarda il testo: +91 Elo, sopra il guadagno complessivo di +79 Elo. È un'enfasi voluta, e gli esempi spiegano perché.

Scrivere correttamente un titolo è la metà facile. Il manifesto qui sopra regge anche un toponimo francese accentato, un asterisco dentro una categoria, un elenco di date separate da virgole e, soprattutto, una gerarchia: riga delle date subordinata, titolo dominante, illustrazione con i due terzi superiori. Un modello che scrive alla perfezione ma dà lo stesso peso visivo a ogni blocco di testo produce comunque un'impaginazione inutilizzabile.

Questa è la parte della generazione di immagini più vicina al lavoro retribuito, ed è il motivo per cui le citazioni dei partner nella pagina di 2.5 ruotano attorno a essa. Rob Reilly, global chief creative officer di WPP, indica l'accuratezza del testo come «una vera svolta», accanto alla modifica in linguaggio naturale; Vanessa Salvo di Shutterstock definisce la metrica rilevante come la capacità dei modelli di «tradurre l'intenzione in risultati coerenti e pronti per la produzione». Packaging, manifesti, menu e materiali di campagna falliscono sulla tipografia prima che sul fotorealismo.

Cosa dice e cosa non dice il «2º posto su Arena»

I risultati di Arena sono confronti ciechi di preferenza umana, quindi un salto di Elo consistente è un segnale reale che le persone hanno preferito quei risultati su un insieme misto di prompt. È un risultato autentico, e +79 Elo in circa due mesi è una salita rapida.

È anche un unico dato aggregato. L'annuncio di Microsoft non pubblica i valori di Elo per categoria, gli intervalli di confidenza, la dimensione dell'insieme di prompt né l'identità del modello che lo precede. Al 14 agosto 2026 restano non pubblicate diverse informazioni che un team vorrebbe prima di impegnare una pipeline:

• Il prezzo API per immagine del livello 2.6
• Le risoluzioni di output nativa e massima
• I dati di latenza di generazione e modifica
• Le capacità multi-riferimento e di grounding descritte come «in arrivo»
• Un report tecnico dietro le differenze di Elo

La lettura onesta di 2.6 è stretta e comunque utile: Microsoft itera velocemente su questa famiglia e indirizza i guadagni verso il risultato commerciale — testo, ritratti, prodotto, marca — e non verso l'effetto spettacolare.

Applicare questi quattro schemi su OmniArt

MAI-Image non è oggi disponibile nello spazio immagini di OmniArt. Gli schemi di prompt sì, e non dipendono dal modello. Scegli in base a quale dei quattro compiti sia davvero il tuo brief:

Un esercizio utile: prendi il prompt del tetto qui sopra, eseguilo così com'è, poi rieseguilo sostituendo i colori con aggettivi («a pink bottle», «a green wand») e il conteggio con «some bubbles». La distanza tra i due risultati è il valore della struttura, misurato sul tuo modello e non in una galleria di lancio.

Per un confronto diretto e recente su impaginazione e fotorealismo, vedi GPT Image 2 contro Nano Banana 2. Sulla coerenza guidata dai riferimenti, la guida al lancio di Seedream 5.0 Pro copre input e controlli, mentre la guida a Qwen Image è la strada economica per le prime bozze. Come analisi di lancio comparabile, Grok Imagine Image 2.0 ha avanzato una dichiarazione su Arena molto simile nella stessa settimana.

Domande frequenti

Che cos'è MAI-Image-2.6?

MAI-Image-2.6 è il modello testo in immagine di Microsoft AI annunciato il 10 agosto 2026. Microsoft dichiara che si è collocato al secondo posto nella classifica Arena testo in immagine, con +79 Elo rispetto a MAI-Image-2.5 e +91 Elo sulla resa del testo.

In cosa MAI-Image-2.6 è diverso da MAI-Image-2.5?

Microsoft descrive guadagni in ogni categoria Arena misurata, con enfasi specifica su resa del testo, ritratti e 3D, e su risultati commerciali e fotorealistici più rifiniti nel lavoro di prodotto, brand e cinematografico. Input multi-riferimento, grounding più ricco e maggiore controllo su ragionamento, formato e risoluzione sono descritti come in arrivo, senza dettagli pubblicati.

Dove posso usare MAI-Image-2.6?

Secondo l'annuncio di Microsoft è disponibile per testo in immagine su Arena, arriva su MAI Playground più avanti nella stessa settimana e poi viene distribuito su Microsoft Foundry e altri prodotti.

MAI-Image è disponibile su OmniArt?

No. MAI-Image non compare nel selettore di modelli di immagini di OmniArt. Gli schemi di prompt di questo articolo non dipendono dal modello e si possono usare con i modelli di immagini che OmniArt offre.

Cosa comprende la famiglia MAI-Image-2.5?

Tre varianti: MAI-Image-2.5-Pro per la coerenza degli oggetti e il ragionamento visivo, MAI-Image-2.5 per una generazione di qualità con modifica controllabile e MAI-Image-2.5-Flash, descritto come pronto per la produzione a meno della metà del prezzo del modello di punta.

Questi schemi di prompt funzionano anche su altri modelli?

Sì. Nomi di colore, conteggi espliciti, un blocco di sfondo recintato, un riferimento di scala, un cambiamento per modifica e un paragone compositivo sono tecniche generali. Ciò che cambia tra i modelli è quanto ciascuna venga rispettata in modo affidabile, e vale la pena verificarlo sul modello che usi davvero.

Iniziare su OmniArt

Apri lo spazio immagini di OmniArt ed esegui uno stesso brief attraverso due dei quattro schemi qui sopra: una versione lunga strutturata e una breve impilata della stessa idea. Tieni il soggetto identico e cambia solo la forma del prompt. Quel singolo confronto ti dirà sul tuo modello più di qualsiasi posizione in classifica.

Da lì tratta la modifica come un lavoro a parte: approva un'immagine, poi fai un cambiamento per prompt e controlla dopo ogni passata i dettagli a cui tieni. OmniArt tiene i modelli di immagini, video, audio e musica in un unico spazio, quindi un fermo immagine approvato può passare direttamente al movimento senza cambiare strumento — e quando un nuovo modello si guadagnerà il suo posto nel selettore, i prompt che hai imparato a scrivere verranno con te.