Mudar a luz de uma fotografia parece simples de formular. Conseguir essa luz sem deslocar um objeto, deformar um rosto ou alterar uma inscrição é outra história. Com o MAI Image 2.7, a Microsoft dá precisamente destaque ao controlo das alterações feitas a uma imagem existente.
O anúncio de 27 de outubro de 2026 descreve uma pré-visualização destinada à edição: estilo e iluminação de uma cena, alteração de texto ou símbolos, restauro e melhoria de imagens. A Microsoft indica que o modelo pode ser experimentado no MAI Playground, Arena e Artificial Analysis. A geração a partir de uma única instrução textual é anunciada para mais tarde, sem ser apresentada como disponível nesta primeira fase.
A novidade deve, por isso, ser entendida como uma proposta de edição de imagens. Não basta para concluir que o mesmo sistema seria o melhor para todas as criações visuais.
A classificação: uma referência precisa, não um veredicto universal
Na tabela AA-Image-Editing v2.1 consultada em 4 de novembro de 2026, o MAI-Image-2.7-Preview surge em segundo lugar, com uma pontuação Elo de 1 196. O GPT Image 2.5 Sunburst (max) aparece à frente, com 1 199, e o GPT Image 2.5 Flare (max) atrás, com 1 183.
O detalhe é importante: afirmar simplesmente «a Microsoft ultrapassa a OpenAI» oculta a existência de várias versões concorrentes. A Artificial Analysis classifica aqui modelos de acordo com a alteração de uma imagem a partir de uma instrução, com base nas preferências humanas entre dois resultados.
A tabela apresenta também intervalos de 95%: de 1 181 a 1 211 para o MAI Image 2.7 e de 1 188 a 1 210 para o Sunburst. A sobreposição entre os intervalos aconselha a não tratar a diferença de três pontos como uma separação clara. Estes valores são um instantâneo da classificação, que pode evoluir.
Este tipo de avaliação ajuda a identificar ferramentas a analisar. Não substitui um teste com as exigências específicas de uma redação, de um estúdio ou de um comerciante.
A alteração certa preserva o que devia ficar
Num trabalho de edição, a instrução inclui muitas vezes duas partes: aquilo que deve mudar e aquilo que deve permanecer igual. A segunda é, por vezes, implícita. Quem pede um ambiente mais acolhedor não está necessariamente a pedir uma arquitetura nova, outra peça de roupa ou uma alteração do texto numa caixa.
Assim, um resultado pode agradar à primeira vista e, ainda assim, ser inutilizável. Uma sombra mais elegante não corrige uma referência de produto que ficou errada. Uma composição mais equilibrada não compensa o desaparecimento de um pormenor que o cliente queria preservar.
Esta perspetiva muda a forma de avaliar uma ferramenta. Em vez de perguntar apenas se a imagem final é bonita, é preciso verificar se corresponde exatamente ao pedido e respeita os elementos protegidos. A edição avalia-se tanto pelo que se abstém de fazer como pelas transformações que realiza.
Um teste de fidelidade antes de uma série de variantes
Imaginemos uma fotografia de produto com uma etiqueta. O objetivo seria clarear o fundo, sem tocar na forma, na cor nem no texto do produto. Este cenário é um exemplo de protocolo; não o testámos no MAI Image 2.7.
A primeira comparação incidiria na alteração pedida: o fundo está efetivamente mais claro? A segunda examinaria os elementos a preservar: as mesmas proporções, a mesma inscrição, os mesmos pormenores distintivos. A terceira observaria as junções, as sombras e as zonas junto ao contorno.
Para evitar escolher apenas a tentativa mais bonita, seria preciso registar o número de tentativas e as correções necessárias. Um resultado obtido uma vez após muitas repetições não fornece a mesma informação que um resultado reproduzível em várias imagens comparáveis.
Este teste pode ser simples. Algumas imagens bem escolhidas, com critérios claros, por vezes fornecem mais informação útil do que uma longa galeria em que ninguém sabe o que foi pedido de início.
Restaurar um pormenor não é recuperar uma prova
O termo «restauro» exige especial cautela. Tornar uma imagem antiga mais legível ou mais agradável não demonstra que cada pormenor que passou a estar visível corresponda ao que se encontrava diante da câmara.
Numa criação artística, pode assumir-se uma interpretação. Num arquivo documental, numa imagem de produto ou numa fotografia usada para comprovar um facto, a questão é diferente. É preciso conseguir distinguir o original das alterações e evitar apresentar uma reconstrução como se fosse uma observação.
Esta questão diz respeito à utilização de ferramentas generativas em geral; não é um defeito do MAI Image 2.7 aqui medido. Lembra-nos que a qualidade de uma imagem também depende daquilo que se afirma mostrar ao leitor.
Pré-visualização, acesso e custo: três verificações distintas
A Microsoft apresenta o seu modelo como uma pré-visualização. No momento da nossa consulta, a Artificial Analysis indica que não está disponível nenhuma API para esta entrada da classificação. Poder experimentar uma interface não garante, por isso, que seja possível integrar o mesmo modelo num fluxo automático.
Para uma utilização profissional, é ainda necessário verificar as condições efetivas de acesso, a versão utilizada, os formatos aceites e as regras aplicáveis às imagens enviadas. Não se deduz aqui qualquer preço de API do MAI Image 2.7 a partir do preço de uma versão anterior.
Além disso, o custo útil não seria apenas o de uma tentativa. Incluiria as variantes rejeitadas, a verificação e as edições complementares até se obter uma imagem aceite. É este resultado final que permitiria uma comparação operacional entre ferramentas.
O MAI Image 2.7 apresenta, assim, uma pista interessante para a edição de imagens, apoiada numa classificação elevada e em funções anunciadas e específicas. Para decidir se é útil num trabalho real, a pergunta mais produtiva continua a ser concreta: consegue fazer a alteração pedida e, ao mesmo tempo, deixar intacto aquilo que se queria preservar?
Fotografia ilustrativa: o centro de visitantes da Microsoft em Redmond, em maio de 2022. Crédito: Lectrician1 / Wikimedia Commons / CC BY-SA 4.0.
