Hy Image3.5 vs Ming-Image-0.1-Design: puedes alquilar uno y no puedes comprar el otro

Hy Image3.5 y Ming-Image-0.1-Design se lanzaron con cinco días de diferencia en septiembre de 2026 y no podrían distribuirse de forma más distinta. El modelo de Tencent es una API de pago por uso: imágenes 2K a $0,024 cada una en Tencent Cloud International, una versión preliminar que se abrió el 22 de septiembre, accesible hoy a través de los propios productos y superficies en la nube de Tencent. Ming-Image-0.1-Design de inclusionAI es un repositorio: pesos con licencia MIT en Hugging Face desde el 17 de septiembre, aproximadamente 71,5 GB de safetensors BF16, sin endpoint, sin precio, sin proveedor, y una guía de inicio rápido que apunta a un repositorio complementario que devuelve 404. Uno es un producto al que puedes llamar esta tarde. El otro es un archivo que puedes descargar esta tarde.

Esa es la comparación, y no es un concurso de calidad — ninguno de los modelos tiene una puntuación independiente, por lo que ninguno puede clasificarse en función de su salida. Lo que se puede comparar es lo que cada uno te permite hacer, y dónde se detiene cada uno. Leídos así, los dos modelos son casi exactamente opuestos en cada eje que le importa a un equipo de producción.

La única dimensión en la que el modelo abierto gana de forma contundente

Empieza por la licencia, porque es el único punto en el que la comparación no está igualada.

Ming-Image-0.1-Design tiene licencia MIT. Descargue los pesos, ajústelos con sus propios catálogos, distribuya el resultado dentro de un producto comercial, alójelo para sus clientes, quédese con el modelo derivado: sin tarifa por llamada, sin términos de uso que negociar, sin un proveedor que pueda retirar el endpoint bajo sus pies. Para un equipo con una restricción de privacidad, un presupuesto fijo de GPU o la necesidad de entrenar con activos de diseño propietarios, eso no es una preferencia: es la diferencia entre tener una vía y no tenerla. Ninguna API de imágenes alojada, incluida la de Tencent, puede ofrecerlo.

Lo que cuesta esa licencia es el resto del artículo.

Todo lo demás, una línea a la vez

• Acceso — Hy Image3.5 ya está disponible a través de Tencent Cloud TokenHub, Media Processing Service y Video on Demand, además de Yuanbao, ima, Miora, WorkRally, OnSolo y WorkBuddy, con una ventana gratuita en tres de ellos hasta el 7 de octubre de 2026; Ming-Image-0.1-Design no tiene ningún endpoint alojado en ninguna parte, ni despliegue de proveedor de inferencia, y su propia tarjeta de modelo te indica que clones un repositorio de inferencia y ejecutes un script.

• Costo — $0.024 por imagen 2K entregada, con las generaciones fallidas y filtradas sin facturar y sin medidor de entrada, frente a pesos gratuitos y una GPU CUDA de 80 GiB que tienes que encontrar. El segundo número no es cero; es el alquiler o la depreciación de una tarjeta de esa clase, más las horas de ingeniería para levantar el stack.

• Salida — Hy Image3.5 alcanza 2K con las relaciones de aspecto estándar y sin nivel 4K; Ming-Image-0.1-Design recomienda 2048×2048 o 1024×1024 para mayor velocidad, con 12 pasos de muestreo y CFG 1.0 en BF16.

• Transparencia — Ming-Image-0.1-Design emite RGBA con fondos transparentes como salida nativa, lo que constituye una capacidad genuina para el trabajo con iconos, sprites y composiciones por capas; Hy Image3.5 no cuenta con un modo de fondo transparente documentado.

• Condicionamiento — Hy Image3.5 acepta hasta cinco imágenes de referencia por solicitud y conserva los turnos anteriores a lo largo de una sesión de edición multiturno; la historia de condicionamiento de Ming-Image-0.1-Design es su codificador de texto, un LLM multimodal dentro del pipeline, y se espera que la mejora de prompts provenga de modelos hermanos en lugar de estar integrada.

• Soporte de despliegue — una API gestionada con uptime incluido, frente a una ruta de vLLM-Omni cuya guía de instalación se resuelve mientras que su receta específica del modelo no.

• Evidencia independiente — nada, por ninguna de las partes.

El problema de la evidencia, que es peor de lo que parece

Ambos modelos se lanzaron sin una medición de terceros, pero fallaron de manera diferente, y la diferencia es reveladora.

La afirmación de Tencent es un estudio de preferencias GSB a ciegas realizado con varios cientos de sus propios diseñadores profesionales, en el que Hy Image3.5 supera a Hy Image3.0 en alrededor de un 30%, iguala a Seedream 5.0 Pro y se impone por poco a Nano-Banana Pro y Qwen-Image-3.0 Pro. La metodología es sólida, los participantes trabajan para Tencent, el conjunto de prompts no se ha publicado y el resultado es un número que nadie fuera de la empresa puede reproducir. En la tabla de texto a imagen de Artificial Analysis consultada el 23 de septiembre de 2026 no aparece ninguna fila de Hy Image3.5 en absoluto; la generación anterior, HunyuanImage 3.0 Instruct, ocupa el puesto 65 de 156 con 964 Elo.

La afirmación de Ming-Image-0.1-Design es un gráfico de tabla de clasificación publicado dentro de su propio repositorio, encabezado por «Tabla de clasificación de texto a imagen: Diseño UI/UX», con el pie de página «Puntuaciones Elo de votos de preferencia a ciegas en nuestra Image Arena» y una insignia de «Tabla de clasificación de pesos abiertos». Coloca al modelo en primer lugar con 1.082 Elo, por encima de Ideogram 4.0 (Calidad) con 1.052, Ideogram 4.0 con 1.015 y HunyuanImage 3.0 Instruct con 1.005. El gráfico lleva la marca de Artificial Analysis; el modelo no aparece en los tableros en vivo de Artificial Analysis. No pudimos encontrar el tablero que representa en la web pública, y no muestra ningún recuento de votos.

Así que la cifra de Tencent al menos describe un estudio que la empresa realizó. El de Ming describe un estudio que puede que no exista fuera de su propio repositorio, lo cual es un problema más difícil, porque no solo no está auditado, sino que es imposible de localizar. Ninguno de los dos debería citarse como referencia, y la postura honesta respecto a ambos es que la cuestión de la calidad sigue abierta.

Por qué la arquitectura merece un vistazo de todos modos

Un detalle en el pipeline de Ming-Image-0.1-Design es lo más interesante técnicamente de cualquiera de los dos anuncios, y es visible en el repositorio más que en cualquier material de prensa. Un commit de terceros de vLLM-Omni conecta un codificador de glifos a nivel de byte ByT5 en un pipeline llamado `ming_flash_omni`, lo que amplía el vocabulario del tokenizador con marcadores de fuente y color. Esa es una intención de diseño que se puede leer directamente: el modelo parece tratar el texto renderizado como glifos con atributos tipográficos en lugar de como una propiedad emergente del prompt, que es el modo de fallo detrás de casi todos los pósteres mal renderizados que jamás haya producido un modelo de imágenes.

También es coherente con el propósito declarado del modelo —UI, infografías, carteles y otros trabajos de diseño con mucho texto— y con la salida recomendada de 2048×2048, ya que la tipografía legible necesita píxeles. Pero es una intención, no una prueba. La estructura del repositorio muestra seis carpetas de componentes sin `model_index.json`, lo que significa que el modelo es una canalización de varias etapas en lugar de una sola llamada, y el cableado del codificador de glifos reside en el marco de inferencia de otra persona en lugar de en la tarjeta del modelo. Hasta que un tercero lo ejecute y muestre el texto, es una afirmación arquitectónica.

La afirmación equivalente de Hy Image3.5 es más convencional e igualmente no verificada: Tencent dice que la rotulación en chino e inglés dentro de las imágenes mejoró, junto con una mejor disposición especificada por el prompt y una edición más sólida en fotografías reales. También reportado por el proveedor, también sin reproducir.

Cómo usar realmente cualquiera de los dos

La respuesta práctica difiere por completo según el modelo que hayas elegido, y ninguna de las dos respuestas implica una tabla de clasificación.

Si quieres Hy Image3.5, aprovecha la ventana gratuita. Miora, WorkRally y OnSolo están disponibles sin coste del 22 de septiembre al 7 de octubre de 2026, lo cual es tiempo suficiente para ejecutar tus prompts reales contra él y formarte una opinión que el estudio de Tencent no puede darte. Luego decide si una vista previa que no puedes alojar por tu cuenta, no puedes ajustar y no puedes medir de forma independiente tiene cabida en una ruta de producción; y, si la tiene, mantén la llamada de generación detrás de una interfaz que puedas redirigir, porque una vista previa no conlleva ningún compromiso de disponibilidad y el precio o el modelo pueden cambiar bajo tus pies.

Si quieres Ming-Image-0.1-Design, la primera tarea no es la generación, sino el despliegue. Presupuesta para una sola GPU CUDA de 80 GiB, espera clonar un repositorio de inferencia en lugar de llamar a un pipeline, y consulta el enlace a la receta de vLLM-Omni antes de planificar en torno a él, porque no se resolvió cuando lo miramos. Lo que obtienes al otro lado es el único de estos dos modelos que puedes ajustar, el único que emite un canal de transparencia y el único que no se te puede quitar.

Esa última propiedad también es la razón por la que una capa de enrutamiento y un modelo de pesos abiertos son complementos en lugar de alternativas. OrcaRouter es la mitad gestionada — una sola clave para más de 200 modelos, el precio de lista del proveedor transferido con 0 % de margen, de modo que un cambio de tarifa de un proveedor se aplica el mismo día, y conmutación por error automática para que una vista previa no probada pueda estar detrás de una llamada de producción sin ser un punto único de fallo. No es la mitad que te da los pesos. Para ser precisos con nuestro catálogo: ni Hy Image3.5 ni Ming-Image-0.1-Design se pueden enrutar aquí. OrcaRouter no aloja ningún modelo de imagen de Tencent ni ningún modelo de inclusionAI, y los modelos de imagen fija alojados que sí servimos son Nano Banana 2 de Google (como google/gemini-3.1-flash-image-preview), GPT-Image-2, Imagen 4 Ultra y Grok Imagine Image.

Para qué sirve cada uno

Hy Image3.5 es para equipos que quieren una imagen barata y no quieren ejecutar nada: salida 2K, facturación por imagen sin cargo por los intentos descartados, una API que ya funciona y una afirmación de calidad que tendrás que probar por tu cuenta. Es la opción de menor fricción de la categoría y no conlleva ningún tipo de propiedad.

Ming-Image-0.1-Design es para equipos cuya restricción no es el precio, sino el control: una licencia sobre la que pueden construir un negocio, un modelo que pueden afinar, un canal de transparencia que ninguna API alojada ofrece y una factura de GPU en lugar de una por llamada. Viene sin soporte, sin endpoint y con una historia de despliegue a medio terminar.

Los dos no compiten por el mismo espacio, y la razón no es la calidad. Es que uno de ellos es un servicio y el otro es un activo, y la pregunta de cuál necesitas se responde antes de que siquiera mires un benchmark.