Secondo nella classifica di editing, assente da quella delle richieste

Nella board di image editing di Artificial Analysis, MAI-Image-2.7-Preview di Microsoft sta a 1.193 Elo. Secondo posto, sei punti dietro GPT Image 2.5 Sunburst. Nella board di editing di Arena è terzo a 1.471. Sulle sette azioni di editing che Artificial Analysis misura, batte il predecessore su tutte e sette e vince in quattro, incluse le modifiche di scena e stile e la categoria basata sul ragionamento.
Nella classifica settimanale delle richieste di generazione immagini di OpenRouter non compare affatto. Non è nei primi cinquanta. Intanto MAI-Image-2.6 Flash sta al 27° posto con 35.500 richieste, MAI-Image-2.6 al 32° con 22.200, MAI-Image-2.5 al 33°, e persino MAI-Image-2.5 Pro appare al 43°.
Un modello vince il giudizio. Gli altri quattro prendono il traffico. Quel divario è la cosa più utile che ho visto questo mese sui modelli di immagini.
Cosa significa «solo editing» in pratica
MAI-Image-2.7-Preview non genera un'immagine dal nulla. Prende un'immagine che hai già e ne cambia una parte. Il prodotto è tutto qui.
Sembra un limite ed è in realtà una tesi. Guarda come la gente usa i modelli di immagini in produzione. Un'agenzia non genera un'immagine hero da un prompt: ne ha generata una il mese scorso e il cliente vuole lo sfondo più caldo, il prodotto più grande nell'inquadratura, e la giacca della modella da blu navy a verde oliva. Un team e-commerce ha 4.000 foto prodotto su fondo bianco e le vuole su marmo. Un editore ha un layout approvato e deve adattare l'illustrazione interna senza toccare il testo.
Tutti e tre sono compiti di editing. Tutti e tre sono serviti male da un modello la cui interfaccia è «descrivi una nuova immagine». La differenza non è la qualità. È se il resto dell'inquadratura resta fermo.
La decisione di Microsoft di rilasciare un modello solo editing, e di chiamarlo preview, suggerisce che abbiano guardato le leaderboard e notato qualcosa: le board di generazione sono affollate, quelle di editing hanno una struttura competitiva diversa. Sulla generazione, Google e OpenAI hanno speso due anni e moltissimo calcolo in una corsa che ora si misura in cifre singole di Elo. Sull'editing, la cima della board era, fino a poco fa, per lo più OpenAI più un grappolo di specialisti.

Il 76% che spiega la board
Guarda la forma dei dati OpenRouter e la tesi dell'editing diventa ancora più chiara.
Google possiede sei dei primi dieci modelli di immagini per volume di richieste. Solo Nano Banana 2 fa 2,19 milioni di richieste in una settimana, il 18,5% di un mercato da 11,81 milioni. Le tre voci OpenAI nella top ten sommano 2,67 milioni. Quella è distribuzione: Gemini sta in ogni telefono Android e in ogni account Google Workspace, e GPT Image è il default in ChatGPT.
Ora guarda i numeri piccoli più in basso. K3 Edit di Krea è 18° con 114.000 richieste, più 751% settimana su settimana. È un prodotto di editing, e cresce più di qualsiasi altra cosa sulla board. Recraft V4.1 Flash è 12° a 223.000, più 55%: un modello con discendenza da strumento di design, non da chatbot. Flux 3 Image Klein è 15° a 140.000, più 28%, e Flux.2 Klein 4B è 17° a 122.000, più 97%. Sono modelli a pesi aperti tirati da una community che vuole controllo.
Lo schema: la cima della classifica delle richieste è decisa da dove il modello è incorporato. La parte centrale è decisa da se il modello fa bene un lavoro specifico. MAI-Image-2.7 punta al centro, e non ci è ancora arrivato perché sta in un playground di preview e non in Copilot o Bing.
Perché l'editing è il benchmark più difficile da credere
C'è una ragione per cui i punteggi di editing sembrano più significativi di quelli di generazione, e una ragione per diffidare di entrambi.
I benchmark di generazione chiedono a un valutatore di confrontare due immagini rispetto a un prompt. Misurano estetica e aderenza al prompt, pesate da ciò che al valutatore interessa quel giorno. I benchmark di editing chiedono se una modifica specifica è stata fatta mentre tutto il resto è stato preservato. È una domanda molto più falsificabile. O la giacca è verde oliva o non lo è. O il testo è intatto o non lo è.
Il che rende la suddivisione per sette azioni la parte interessante. Artificial Analysis separa modifiche di scena e stile, editing basato sul ragionamento e altre cinque categorie. Un modello che guida su scena e stile ma sta quarto sul rendering del testo è uno strumento specifico per un lavoro specifico, e questo è più utile per chi compra di un Elo aggregato.
Il sospetto: 3.402 voti sono un campione piccolo. Arena elenca MAI-Image-2.7-Preview a 1.471 con intervallo di confidenza 1.461–1.481, su 3.402 voti. GPT-Image-2 ha 336.785 voti. Quando un modello è nuovo, il suo Elo è provvisorio in un modo che la leaderboard non dichiara a voce alta, e una preview con qualche migliaio di voti può sembrare un podio che un milione di voti non confermerebbe.
Il problema di distribuzione, detto chiaro
Ecco la trappola per chi legge queste board per decidere un acquisto.
Un modello può essere il secondo migliore al mondo nell'editing e avere zero traffico in produzione, perché il traffico non arriva dall'essere bravo. Arriva dall'essere il default da qualche parte. Il vantaggio di Google sulla classifica delle richieste non è che Nano Banana 2 sia il 60% meglio degli altri. È che sta a un tap di distanza dentro prodotti che la gente apre già.
Per Microsoft la strada è ovvia e lenta: mettilo in Copilot, in Designer, nella barra laterale di Edge, in Office. Nel momento in cui succede, la classifica delle richieste lo registrerà, e quel numero non sarà una misura della qualità. Sarà una misura del posizionamento.
Per tutti gli altri la lezione è diversa. Se stai scegliendo un modello per un prodotto, la classifica delle richieste ti dice cosa è economico e disponibile. Le board Elo ti dicono cosa è buono. Sono due domande diverse e le risposte si sono allontanate parecchio.
Cosa farne, concretamente
Due cose concrete, se costruisci con i modelli di immagini.
Testa sulle tue modifiche, non sui prompt. Prendi dieci immagini che hai già pubblicato e dieci cambi che un cliente ha davvero chiesto. Falle passare da tre modelli. Conta quante volte le parti che non volevi cambiare sono rimaste invariate. Quel numero avrà una correlazione pessima con qualsiasi leaderboard, ed è l'unico numero che il cliente noterà.
Separa il budget di generazione da quello di editing. La maggior parte dei team compra un modello e lo usa per entrambi. I dati suggeriscono che oggi sia la forma sbagliata: la generazione è una commodity decisa da prezzo e posizionamento, l'editing è dove esiste ancora la differenziazione e dove sei punti di Elo possono significare un pomeriggio risparmiato.
MAI-Image-2.7-Preview diventerà o non diventerà il default dell'editing. Ma il fatto che un grande laboratorio abbia rilasciato un modello che non sa generare nulla e lo abbia messo al secondo posto in una classifica è un segnale da prendere sul serio. La competizione interessante nei modelli di immagini si è spostata da «cosa sa fare» a «cosa sa lasciare intatto».
Articoli correlati
Gli agenti si spostano nel cloud: il task continua quando chiudi il portatile
Il task continua in una VM cloud dopo che hai chiuso il portatile, ma perdi il tooling interno e resta aperto chi approva le azioni irreversibili.
NVIDIA rilascia quattro modelli del mondo da 16 miliardi e un decoder 25 volte più veloce sulla geometria
Quattro generatori del mondo da 16 miliardi con le ricette di training, e un framework di decoding che emette geometria in un colpo. La valutazione manca.
Le skill occupano un quarto dei trend di GitHub, e ognuna si installa a modo suo
Una skill è una cartella di istruzioni, ma installarla ha quattro strade diverse e la copia locale non ha ancora un lockfile.
Un modello da 594 miliardi in cima alle classifiche. I pesi, però, non ci sono
Un modello forte, numeri buoni e una ricetta da leggere, ma i pesi che renderebbero verificabile la dichiarazione non sono ancora usciti.