O segundo melhor em edição de imagem não aparece entre os 50 mais usados

No quadro de edição de imagem do Artificial Analysis, o MAI-Image-2.7-Preview, da Microsoft, está em 1.193 de Elo. Segundo lugar, seis pontos atrás do GPT Image 2.5 Sunburst. No quadro de edição da Arena é terceiro, com 1.471. Nas sete ações de edição que o Artificial Analysis mede, ele vence o antecessor em todas as sete e fica em primeiro em quatro, incluindo mudança de cena e de estilo e a categoria baseada em raciocínio.
No quadro semanal de requisições de geração de imagem do OpenRouter, ele não aparece. Nem no top 50. Enquanto isso, o MAI-Image-2.6 Flash está em 27º com 35.500 requisições, o MAI-Image-2.6 em 32º com 22.200, o MAI-Image-2.5 em 33º, e até o MAI-Image-2.5 Pro aparece em 43º.
Um modelo ganha o júri. Os outros quatro ficam com o tráfego. Essa diferença é a coisa mais útil que eu vi sobre modelos de imagem neste mês.
O que “só edição” significa na prática
O MAI-Image-2.7-Preview não gera imagem do nada. Ele pega uma imagem que você já tem e muda parte dela. Esse é o produto inteiro.
Parece uma limitação e na verdade é uma tese. Olhe como as pessoas usam modelos de imagem em produção. Uma agência não está gerando uma imagem principal a partir de um prompt: ela gerou uma no mês passado e o cliente quer o fundo mais quente, o produto maior no quadro e a jaqueta da modelo trocada de azul-marinho para verde-oliva. Um time de e-commerce tem 4.000 fotos de produto em fundo branco e precisa delas em mármore. Uma editora tem um layout aprovado e precisa ajustar a ilustração dentro dele sem tocar na tipografia.
As três são tarefas de edição. As três são mal atendidas por um modelo cuja interface é “descreva uma imagem nova”. A diferença não é qualidade. É se o resto do quadro fica no lugar.
A decisão da Microsoft de lançar um modelo só de edição, e de chamá-lo de preview, sugere que eles olharam os rankings e notaram algo: os quadros de geração estão lotados, e os de edição têm uma estrutura competitiva diferente. Em geração, Google e OpenAI gastaram dois anos e muito compute numa corrida que agora se mede em Elo de um dígito. Em edição, o topo do quadro era, até recentemente, basicamente a OpenAI mais um grupo de especialistas.

Os 76% que explicam o quadro
Olhe o formato dos dados do OpenRouter e a tese da edição fica ainda mais clara.
O Google domina seis dos dez maiores modelos de imagem por volume de requisições. Só o Nano Banana 2 são 2,19 milhões de requisições numa semana, 18,5% de um mercado de 11,81 milhões. As três entradas da OpenAI no top 10 somam 2,67 milhões. Isso é distribuição: o Gemini está em todo celular Android e em toda conta do Google Workspace, e o GPT Image é o padrão no ChatGPT.
Agora olhe os números pequenos mais abaixo. O K3 Edit, da Krea, é 18º com 114 mil requisições, alta de 751% na semana. É um produto de edição, crescendo mais rápido que qualquer outra coisa no quadro. O Recraft V4.1 Flash é 12º com 223 mil, alta de 55% — um modelo com linhagem de ferramenta de design, não de chatbot. O Flux 3 Image Klein é 15º com 140 mil, alta de 28%, e o Flux.2 Klein 4B é 17º com 122 mil, alta de 97%. São modelos de pesos abertos sendo puxados por uma comunidade que quer controle.
O padrão: o topo do quadro de requisições é decidido por onde o modelo está embutido. O meio do quadro é decidido por o modelo fazer bem um trabalho específico. O MAI-Image-2.7 mira o meio, e ainda não chegou lá porque está num playground de preview e não no Copilot nem no Bing.
Por que a edição é o benchmark mais difícil de confiar
Há uma razão para as notas de edição parecerem mais significativas que as de geração, e uma razão para desconfiar das duas.
Benchmarks de geração pedem que um avaliador compare duas imagens com um prompt. Isso mede estética e aderência ao prompt, ponderadas pelo que o avaliador se importa naquele dia. Benchmarks de edição perguntam se uma mudança específica foi feita enquanto todo o resto foi preservado. É uma pergunta muito mais falsificável. Ou a jaqueta é verde-oliva, ou não é. Ou a tipografia está intacta, ou não está.
O que torna a divisão em sete ações a parte interessante. O Artificial Analysis separa edições de cena e estilo, edições baseadas em raciocínio e mais cinco categorias. Um modelo que lidera em cena e estilo mas fica em quarto em renderização de texto é uma ferramenta específica para um trabalho específico, e isso é mais útil para um comprador do que um Elo agregado.
A desconfiança: 3.402 votos é uma amostra pequena. A Arena lista o MAI-Image-2.7-Preview em 1.471 com intervalo de confiança de 1.461 a 1.481, sobre 3.402 votos. O GPT-Image-2 tem 336.785 votos. Quando um modelo é novo, seu Elo é provisório de um jeito que o ranking não grita, e um preview com alguns milhares de votos pode parecer pódio que um milhão de votos não confirmaria.
O problema de distribuição, dito sem rodeio
Aqui está a armadilha para quem lê esses quadros para decidir uma compra.
Um modelo pode ser o segundo melhor do mundo em edição e ter zero tráfego de produção, porque o jeito de conseguir tráfego não é ser bom. É ser o padrão em algum lugar. A vantagem do Google no quadro de requisições não é o Nano Banana 2 ser 60% melhor que todo o resto. É estar a um toque dentro de produtos que as pessoas já abrem.
Para a Microsoft, o caminho é óbvio e lento: colocar no Copilot, no Designer, na barra lateral do Edge, no Office. No momento em que isso acontecer, o quadro de requisições vai registrar, e o número não será medida de qualidade. Será medida de posicionamento.
Para todo o resto, a lição é outra. Se você está escolhendo um modelo para um produto, o quadro de requisições diz o que é barato e disponível. Os quadros de Elo dizem o que é bom. São duas perguntas diferentes, e as respostas se separaram bastante.
O que fazer com isso
Duas coisas concretas, se você constrói com modelos de imagem.
Teste nas suas edições, não em prompts. Pegue dez imagens que você já entregou e dez mudanças que um cliente realmente pediu. Rode por três modelos. Conte quantas vezes as partes que você não queria mudar ficaram iguais. Esse número vai se correlacionar mal com qualquer ranking, e é o único número que o seu cliente vai notar.
Separe o orçamento de geração do orçamento de edição. A maioria dos times compra um modelo e usa para os dois. Os dados sugerem que isso agora é o formato errado: geração é commodity decidida por preço e posicionamento, edição é onde a diferenciação ainda existe e onde seis pontos de Elo podem significar uma tarde salva.
O MAI-Image-2.7-Preview pode ou não virar o padrão de edição. Mas o fato de um laboratório grande ter lançado um modelo que não gera nada e colocá-lo em segundo num quadro é um sinal que vale levar a sério. A competição interessante em modelos de imagem saiu de “o que ele consegue criar” para “o que ele consegue deixar em paz”.
Artigos relacionados
O Antigravity levou os agentes para a nuvem. O que fica de fora é o seu setup local
A versão 2.29 do Antigravity coloca o agente em uma VM na nuvem que sobrevive ao seu laptop e usa voz para aprovar permissões. O setup local não vai junto.
A NVIDIA abriu quatro modelos de mundo de 16B. O que ninguém mediu é o aprendizado de política
Quatro modelos de mundo abertos de 16B e um decodificador que emite geometria de uma só vez. A NVIDIA entregou as duas metades, mas admitiu que falta medir o aprendizado de política.
Quatro dos repositórios em alta no GitHub são bibliotecas de skills. O problema agora é empacotar
Skills de agente ocupam mais de um quarto das tendências do GitHub, vindas da Anthropic, Google e Cloudflare. O formato é simples; o empacotamento é um caos de quatro caminhos.
A Thinking Machines lançou um modelo de 594B e empurrou os pesos para a semana seguinte
O Inkling 2 Small chega com contexto de um milhão de tokens e visão como canal de verificação. Os pesos abertos, prometidos para a semana seguinte, ainda não têm data.