Что Microsoft показала 17 ноября
Microsoft AI выложила пост с громким названием «MAI Image 2.7: Frontier quality at a fraction of the cost» и открыла публичное превью в Microsoft Foundry. Моделей две: MAI Image 2.7 и MAI Image 2.7 Flash. В документации Microsoft Learn Flash идёт под версией 2026-11-02 и закрывает две задачи: текст в картинку и правку готовой картинки. Кроме Foundry обе модели стоят у партнёров: fal, Genspark, OpenRouter, Vercel.
Контекст, который легко пропустить. MAI Image с июня работает моделью по умолчанию в Bing Image Creator, а среди тех, кто строит на ней продукты, Microsoft называет Adobe (Firefly), Figma Weave, Minute (Sports Illustrated), Wirestock и Manus. Модель уже встроили в чужие пайплайны.
И главное для нашей темы. Видео MAI Image не делает. Модель отдаёт картинку, дальше картинка уходит в видеомодель, и весь разговор про ключевой кадр идёт оттуда.
Нейросеть для картинок для видео: цена в рублях
Цена объявлена за тысячу изображений. MAI Image 2.7 стоит около 2940 ₽ за 1000 картинок, то есть около 2,9 ₽ за штуку. Flash стоит около 840 ₽ за 1000, и это 0,84 ₽ за картинку.
Разница между двумя моделями в 3,5 раза, и она важнее, чем кажется. Первый кадр ролика почти всегда ищут перебором: десять вариантов композиции, пять вариантов света, два варианта упаковки. На Flash перебор стоит рублей, на старшей модели каждый кадр идёт по три рубля. Для черновой раскадровки из трёхсот кадров Flash выходит примерно в 250 ₽, и это цена, о которой в смете даже не спорят.
Дальше начинается вопрос качества. Flash дешевле, и на сложном свете и мелком тексте от него логично ждать больше промахов; если так и окажется, часть кадров придётся перегенерировать на 2.7. Я бы держал оба варианта под рукой и не пытался сэкономить там, где кадр идёт в финал.

Сгенерировать ключевой кадр дешевле, чем секунду видео
Видеомодель считает по секундам, и каждая перегенерация шота бьёт по бюджету. Картинка считается поштучно и стоит копейки, поэтому логика простая: сначала добиться первого кадра на картинке, потом отдать его в image-to-video.
Тут же вторая причина. Правка одного элемента на картинке занимает один запрос, а в видео смена цвета упаковки на середине сцены тянет за собой пересборку шота. Всё, что можно решить до запуска видео, дешевле решить до запуска видео. Это тот же принцип, на котором держится работа с ключевыми кадрами в ИИ-видео: сначала контроль статики, потом движение.
Правка части картинки: цвет, материал, положение
Заявка на редактирование у Microsoft конкретная. Модель меняет цвет, материал или положение объекта, остальное остаётся на месте. При серии правок согласованность сохраняется, обе модели умеют прозрачный фон.
На практике это три рабочих сценария. Первый: герой ролика должен остаться тем же лицом, а фон за ним меняется под каждый шот. Второй: цвет упаковки под клиента, когда один и тот же продукт уходит в разные регионы. Третий: сдвинуть предмет в кадре на двадцать сантиметров под нужную композицию, чтобы не пересобирать сцену.
Прозрачный фон отдельно полезен тем, кто собирает кадры слоями в монтаже. Вырезать предмет вручную больше не нужно, модель отдаёт его с альфой.

Где модель стоит в рейтинге и что значит 4 Elo
По данным Microsoft на 16 ноября, MAI Image 2.7 держит первое место в рейтинге Artificial Analysis в категории редактирования: 1215 Elo при 5478 голосах, на 4 Elo впереди GPT Image 2.6 Sunburst (max) и при цене в пять раз ниже.
Цифра вендорская, её стоит читать с поправкой. Четыре очка Elo при таком числе голосов означают, что две модели идут почти вровень и голосующий выбирает по вкусу. Первое место здесь маркетингово ценно, а для сметы ценно другое: та же планка держится за пятую часть денег. Рейтинг по редактированию вообще плохо предсказывает поведение кадра в движении, и об этом ниже.
Canvas в MAI Labs: редактор на Flash
Отдельная новость внутри анонса. В MAI Labs появился редактор Canvas, он работает на Flash. Стартовать можно с промпта или с эскиза, потом выделить часть картинки и заменить её, сдвинуть, перестилизовать.
Механика знакомая всем, кто работал в графическом редакторе: выделение, трансформация, замена области. Разница в том, что кисть и клонирование заменил промпт, а выделение стало способом сказать модели, какую именно область трогать. Для серийных задач это удобнее чистого чата, потому что правка становится повторяемой: один и тот же приём прикладывается к десятку кадров подряд.
Картинка для видео: что проверить на своём продукте
Мой список проверок короткий, и он не про красоту картинки.
Первое: лицо и продукт между правками. Беру кадр, меняю цвет фона, потом материал упаковки, потом сдвигаю предмет. Смотрю, осталось ли лицо тем же лицом, а этикетка той же этикеткой. Согласованность в пресс-релизе обещана, проверять её надо на своём товаре.
Второе: поведение кадра в image-to-video у вашей видеомодели. Хорошая картинка иногда плохо оживает: появляется дрожание на мелких деталях, ломается текст на упаковке, камера съедает кроп. Тест на пять секунд стоит дешевле, чем обнаруженный брак на сотне шотов.
Третье: прозрачный фон в вашем монтаже. Альфа из модели не всегда совпадает с альфой, которую ждёт композитинг, и края приходится подчищать.
Четвёртое: повторяемость. Один и тот же промпт дважды. Если композиция уезжает, серию кадров на такой модели строить рискованно.
Пятое: мелкий текст. Ценник, надпись на витрине, логотип на футболке. Картинки для видео часто проверяют именно на этом, а модели путают буквы до сих пор. Соседний разбор про наборы картинок в 8K показывает, как эту проблему решают конкуренты.
Где это встаёт в смету
Логика сметы меняется в одном месте. Раньше первый кадр и правка продукта были рутиной, которую закладывали в часы. Теперь перебор вариантов стоит рублей, а часы остаются на отбор и на проверку.
Дальше решает формат. Для вертикальной рекламы важен поток версий: один товар, пять обёрток, три сцены. Там дешёвый кадр экономит больше всего, такие серии как раз собирают в пакете вертикальной рекламы. Для роликов, где за кадр отвечает человек, картинка остаётся черновиком: ролики нейросетями и ручные ролики от 16 000 ₽ считаются по другой логике, там платят за отбор и доводку.
Одна оговорка про экономию. Дешёвая картинка соблазняет генерировать сотнями и не смотреть. Смотреть всё равно придётся, и это единственная статья расходов, которая не подешевела.
Мой вывод
За 2,9 ₽ за кадр имеет смысл перестать жалеть варианты. Я бы строил работу так: Flash на перебор композиции и света, 2.7 на финальный кадр и на правку продукта, потом тест на пяти секундах в image-to-video.
Главная претензия к анонсу у меня не к цене и не к Elo. Первое место в редактировании ничего не говорит о том, как кадр поведёт себя в движении, а именно это решает судьбу ролика. Поэтому тест на своём продукте остаётся обязательным, сколько бы очков ни было в рейтинге.




