Ming-Image-0.1-Design vs. MAI Image 2.6 Preview: Offene Gewichte, die niemand hostet, gegen eine Preview, für die Microsoft bereits abrechnet

Zwei Modelle, beide von ihren Herstellern als nicht fertig beschrieben, und das Wort bedeutet auf jeder Seite das Gegenteil. MAI Image 2.6 Preview ist in dem Sinne unfertig, dass Microsoft es trotzdem ausgeliefert hat: im unabhängigen Board als am 10. August 2026 veröffentlicht gelistet, mit 38,90 $ pro 1.000 Bilder erfasst, auf Platz fünf in der Kategorie UI/UX Design mit 1.168,8 Elo bei 818 Blindvergleichen — eine Preview mit Preis und Score. Ming-Image-0.1-Design ist in dem Sinne unfertig, dass inclusionAI das Artefakt veröffentlicht hat und nichts drumherum: MIT-lizenzierte 6B-Gewichte auf Hugging Face seit dem 17. September 2026, eine validierte Single-GPU-Konfiguration, und kein Endpoint, kein Preis, kein Anbieter, kein unabhängiger Score, und ein Quick Start, der auf ein GitHub-Repository verweist, das 404 zurückgibt. Eines davon ist ein Produkt in der Beta. Das andere ist eine Gewichtsdatei in einem Ordner. In diesem Beitrag geht es darum, was sie trennt, und das ist, wie sich zeigt, fast ausschließlich Infrastruktur und nicht Modellqualität.

Die Lizenz ist die eine Dimension, in der das offene Modell gewinnt

Fangen Sie hier an, denn dies ist der einzige Ort, an dem der Vergleich für Ming-Image-0.1-Design wirklich vorteilhaft ausfällt und der Vorsprung groß ist.

• Ming-Image-0.1-Design — MIT-Lizenz für die Gewichte. Laden Sie sie herunter, ändern Sie sie, fine-tunen Sie sie, liefern Sie sie in einem kommerziellen Produkt aus, hosten Sie sie für Kunden – ohne Gebühr pro Aufruf für irgendjemanden und ohne auszuhandelnde Nutzungsbedingungen. Die Repository-Metadaten bestätigen die Lizenz und das safetensors/diffusers-Packaging.

• MAI Image 2.6 Preview — eine kommerzielle API zu Microsofts Bedingungen. Es gibt eine Preisliste und Nutzungsbedingungen, und auf das Modell wird zugegriffen, statt es zu besitzen. Nichts in den öffentlichen Aufzeichnungen deutet darauf hin, dass Microsoft beabsichtigt, diese Gewichte offenzulegen.

Das ist ein echter Vorteil, und man sollte ihn nicht einfach wegwischen. Ein Team mit einem festen GPU-Budget, einer Datenschutzvorgabe oder dem Bedarf, auf proprietären Design-Assets feinabzustimmen, hat überhaupt keinen Weg zu MAI Image 2.6 Preview – die API lässt sich nicht selbst hosten, und eine Vorschau-API bietet keine Garantie für langfristige Verfügbarkeit. Ming-Image-0.1-Design kann für immer auf Ihrer eigenen Hardware ausgeführt werden, unter einer Lizenz, die seit Jahrzehnten von Juristen verstanden wird.

Der Vorteil wird nur dann zu Wert, wenn man ihn nutzen kann, was uns zum Rest der Tabelle bringt.

Alles andere, Zeile für Zeile geprüft

• Endpunkt — MAI Image 2.6 Preview wird über Microsofts eigene Plattform unter einer dokumentierten Kennung bereitgestellt – im Gegensatz zu Ming-Image-0.1-Design, für das es keine gibt. Hugging Face meldet, dass für das Repository die Inferenz deaktiviert ist und es von keinem Inferenzanbieter bereitgestellt wird, und der Quick Start des Modells selbst sagt, man solle ein Begleit-Repository klonen, das nicht existiert.

• Preis — $38,90 pro 1.000 Bilder, ungefähr 3,9 Cent pro Bild, was der zweitgünstigste Preis in den Top 5 der Kategorie UI/UX Design ist, hinter Muse Image mit $10,00 und deutlich unter Grok Imagine Image 2.0 mit $60,00 und GPT Image 2.5 mit $210,72 gegenüber keinem Preis, weil es nichts zu kaufen gibt. Die Gewichte sind kostenlos; die 80-GiB-CUDA-GPU nicht.

• Unabhängiger Score — 1.168,8 Elo bei 818 Blindstimmen in der Kategorie UI/UX Design, fünfter Platz, über Nano Banana 2 mit 1.166,6 und unter Grok Imagine Image 2.0 mit 1.181,8. Das Schwestermodell des Modells, MAI-Image-2.6-Flash, liegt auf demselben Board bei 1.152,4 gegenüber nichts. Ming-Image-0.1-Designs einzige Zahl, 1.082 Elo, erscheint ausschließlich auf einer Leaderboard-Grafik im eigenen Repository von inclusionAI, auf einem Board, das wir im öffentlichen Web nicht finden konnten, ohne angezeigte Stimmenzahl.

• Deployment-Support — eine Managed Platform mit Uptime und Support inklusive vs. eine Modellkarte, die vLLM-Omni empfiehlt und auf eine Installationsanleitung verlinkt, die funktioniert, sowie auf ein modellspezifisches Rezept, das 404 zurückgibt. Eine halbe Deployment-Story.

• Auflösung und Konfiguration — nicht in den Angaben veröffentlicht, die wir für die Vorschau verifizieren konnten, im Vergleich zu den empfohlenen 2048 x 2048 oder 1024 x 1024 für Geschwindigkeit, 12 Sampling-Schritte, CFG 1.0, BF16, eine 80-GiB-CUDA-GPU.

Was „Preview“ Sie auf Microsoft-Seite kostet

Ein ehrlicher Vergleich muss festhalten, dass die Microsoft-Spalte nicht ohne eigenes Risiko ist. Eine Vorschau ist eine Vorschau: Bezeichner können sich ändern, Preislisten können sich verschieben, Kontingente können verschärft werden, und ein Vorschau-Endpunkt kann zurückgezogen oder ersetzt werden – und Microsoft hat bereits ein Flash-Geschwister in derselben Familie ausgeliefert, was zeigt, dass sich die Linie schnell weiterentwickelt. Eine Produktions-Pipeline gegen einen Vorschau-Bezeichner zu bauen bedeutet zu akzeptieren, dass das, was man integriert hat, unter einem umbenannt werden kann.

Der Unterschied besteht darin, dass das Microsoft-Risiko ein Geschäftsrisiko mit einer Gegenpartei ist und das Ming-Image-0.1-Design-Risiko ein technisches Risiko ohne Gegenpartei. Wenn sich eine Vorschau-API ändert, gibt es einen Support-Kanal, ein Abkündigungsfenster und einen dokumentierten Nachfolger. Wenn das fehlende Repository nie auftaucht, gibt es niemanden, den man fragen kann – der dokumentierte Ausführungspfad des Modells ist ein 404, und die einzige Alternative besteht darin, die Pipeline selbst anhand des Dateibaums per Reverse Engineering zu rekonstruieren.

Was nicht unmöglich ist. Das Repository ist gut dafür strukturiert: ein Transformer-Ordner mit fünf Shards, ein VAE, ein Scheduler und separate mllm-, Connector- und mlp-Komponenten, was die Form einer mehrstufigen Pipeline mit einem multimodalen Sprachmodell ist, das die Textkodierung übernimmt. Die Karte merkt an, dass Prompt-Enhancement von Ling-3.0-flash-VL oder qwen3.8-27B übernommen werden kann, beides Geschwister aus derselben Organisation. Ein fähiges Team könnte das auf die Beine stellen. Es ist nur nicht dasselbe wie ein Produkt.

Wo eine Routing-Schicht passt und wo nicht

Keines der beiden Modelle in diesem Vergleich ist heute über OrcaRouter routbar, und es lohnt sich, das ohne Ausschmückung festzustellen: Unser Katalog enthält mit Stand 23. September 2026 keinen Eintrag für Microsoft MAI und keinen Eintrag für inclusionAI, daher ist weder der Preis von 38,90 $ noch irgendetwas anderes oben ein Preis, den Sie über uns erreichen können. Beide Zahlen sind die von den Anbietern selbst veröffentlichten oder vom Board erfassten Preise.

Wofür die Routing-Schicht in einem solchen Duell da ist, ist die Lücke zwischen jetzt und später. Die Ökonomie der Bildgenerierung hat sich im letzten Quartal von der Qualität entkoppelt — der Spitzenreiter der Kategorie kostet 210,72 $ pro 1.000 Bilder, das Modell auf Platz fünf kostet 38,90 $, und ein Modell, das dreizehn Elo darunter liegt, kostet 10,00 $ — was bedeutet, dass das richtige Modell für eine bestimmte Arbeitslast ein bewegliches Ziel und keine feste Wahl ist. Den Generierungsaufruf hinter einem Endpunkt über 200-plus Modelle hinweg, mit Anbieter-Listenpreisen, die mit 0 % Aufschlag durchgereicht werden und automatischem Failover, wenn ein Anbieter wackelt, verwandelt dieses bewegliche Ziel in eine Änderung der Modell-ID statt in ein Integrationsprojekt. Das ist mehr wert als jedes einzelne Modell auf dieser Liste, und es ist das Argument dafür, die eigene Pipeline nicht von vornherein an eine Preview-Kennung zu schweißen.

Welche sollte man wählen, und was würde die Antwort ändern?

Für alle, die in diesem Quartal Arbeit ausliefern, lautet die Antwort MAI Image 2.6 Preview, und das mit großem Abstand. Es ist aufrufbar, es ist günstig für seine Qualitätsklasse, hinter einem fünften Platz stehen 818 unabhängige Blindstimmen, und das Preview-Risiko ist ein überschaubares kommerzielles Risiko. Das Einzige, was vor einer Festlegung zu tun ist, besteht darin, die Preview-Kennung als volatil zu behandeln – halten Sie sie in der Konfiguration, nicht im Code, und haben Sie ein zweites Bildmodell nur eine Zeile entfernt, falls sich die Kennung ändert.

Es lohnt sich, Ming-Image-0.1-Design herunterzuladen, aber es lohnt sich nicht, damit zu planen. Lade die Gewichte herunter, wenn du eine 80-GiB-Karte und einen Grund hast, textreiche Designgenerierung unter einer permissiven Lizenz zu testen, denn das ist das Einzige, was es bietet, was Microsofts API strukturell nicht kann. Setz die 1.082 Elo nicht in eine Folie – es ist eine Herstellergrafik auf einem Board, das niemand sonst einsehen kann, und das eigene Repository des Modells zeigt null Downloads, was in diesem Stadium so aussieht wie eine Behauptung ohne unabhängige Zeugen. Die auf der Model Card empfohlenen Einstellungen sind zumindest konkret und überprüfbar: 2048 x 2048 bei 12 Sampling-Schritten, CFG 1.0, BF16.

Das Ereignis, das diesen Artikel umschreiben würde, ist dasselbe, das jeden Vergleich in dieser Serie umschreiben würde: ein unabhängiger Ming-Image-0.1-Design-Score, mit einer Stichprobengröße daneben, auf einem Board, das inclusionAI nicht betreibt. Dann wird die Frage wirklich interessant – ein selbst gehostetes 6B-Modell zu null Grenzkosten gegen eine 3,9-Cent-Preview-API bei 1.169 Elo – und zum ersten Mal hätten beide Seiten des Vergleichs eine Zahl, die dasselbe bedeutet.