Ming-Image-0.1-Design vs Grok Imagine Image 2.0: Un modelo tiene una etiqueta de precio y el otro tiene un repositorio

Pregunta cuánto cuesta un modelo de imágenes y solo uno de estos dos puede responder. Grok Imagine Image 2.0 es un producto facturable y accesible desde que el proveedor lo listó el 7 de agosto de 2026, registrado a 60 $ por cada 1.000 imágenes en el tablero independiente, con 601 comparaciones ciegas detrás de su Elo de 1.182 y un puesto entre los cinco primeros de la categoría de Diseño UI/UX. Ming-Image-0.1-Design tiene un repositorio en Hugging Face creado el 17 de septiembre de 2026, una licencia MIT, seis mil millones de parámetros, una configuración validada de una sola GPU y ningún precio, porque no hay nada que comprar: ni endpoint, ni despliegue de proveedor de inferencia, ni un Quick Start funcional, ni un solo voto independiente. Esa asimetría es toda la comparación, y vale la pena recorrerla como una cuestión de adquisición más que de calidad, porque la cuestión de la calidad todavía no puede responderse en uno de los lados.

Las cuatro cosas que necesitas antes de que un modelo pueda incorporarse a un producto

Un modelo no es utilizable por el hecho de existir. Es utilizable cuando se cumplen cuatro cosas: una forma de invocarlo, un precio que puedas prever, una señal de calidad procedente de fuera del proveedor y unos términos que permitan tu caso de uso. Así es como se posiciona cada candidato en los cuatro aspectos.

• Una forma de invocarlo: Grok Imagine Image 2.0 se sirve a través de la propia API de xAI bajo los términos de xAI, con un identificador documentado y un endpoint activo, frente a Ming-Image-0.1-Design, que no tiene ningún endpoint en absoluto. El repositorio tiene la inferencia desactivada, Hugging Face informa de que no hay ningún despliegue de proveedor de inferencia, y el Quick Start de la tarjeta apunta a un repositorio complementario de GitHub que devuelve 404 a fecha de 23 de septiembre de 2026.

• Un precio predecible — 60 $ por cada 1000 imágenes, según el seguimiento del panel independiente, lo que supone aproximadamente 6 centavos por imagen y lo sitúa en la gama media: por debajo de GPT Image 2.5, con 210,72 $, y de MAI-Image-2.6, con 38,9 $, sigue siendo más barato frente a no existe ningún precio. Los pesos son gratuitos bajo la licencia MIT, así que el coste real es lo que te cueste por hora una GPU CUDA de 80 GiB, multiplicado por tu tiempo de ingeniería para servirlo.

• Una señal de calidad externa — 1.182 Elo en la categoría de Diseño UI/UX sobre 601 votos a ciegas, y 1.154 Elo en la tabla general de texto a imagen sobre 6.006 votos, ambos de Artificial Analysis frente a nada. El único número asociado a Ming-Image-0.1-Design, 1.082 Elo, aparece solo en un gráfico de clasificación publicado dentro del propio repositorio de inclusionAI, en una tabla que no pudimos localizar en la web pública.

• Términos — un acuerdo de API comercial frente a una licencia MIT sobre los pesos, que es la única columna que Ming-Image-0.1-Design gana sin discusión, y la gana de forma decisiva. Si tu requisito es ejecutar el modelo en tu propio hardware, modificarlo o distribuirlo dentro de un producto sin una factura por llamada, ningún endpoint comercial puede igualar a una licencia abierta permisiva.

La diferencia entre un predecesor en nuestro catálogo y el modelo de la comparación

Esta es una distinción que merece la pena hacer con cuidado, porque es el tipo de cosa que se difumina con las prisas. OrcaRouter enruta grok/grok-imagine-image —el modelo de imagen Grok anterior— a $0.20 por llamada, descrito en su página de modelo como acceso a la generación de imágenes Grok de xAI a través de nuestra API compatible con OpenAI. Lo que no enrutamos es Grok Imagine Image 2.0. Ese modelo no está en nuestro catálogo a fecha de 23 de septiembre de 2026, y tampoco lo está ninguna entrada de Ming-Image ni de inclusionAI. Si quieres específicamente la versión 2.0, xAI la vende directamente; si quieres un modelo de imagen Grok detrás de una sola clave junto con todo lo demás que invocas, el predecesor es el que realmente está ahí.

La razón por la que la distinción importa más allá de la precisión es la conmutación por error. Una sola clave para más de 200 modelos con conmutación por error automática vale algo concreto cuando tu endpoint de imágenes principal es un modelo alojado por un proveedor sobre el tiempo de actividad de otro: si la llamada falla, la solicitud pasa a otro proveedor en lugar de a un controlador de errores. Eso es un planteamiento distinto de tener un solo proveedor y un solo endpoint, y es el argumento para mantener una llamada de generación detrás de una capa de enrutamiento incluso cuando no tienes ninguna intención de cambiar de modelos.

Lo que se compra con $60 por cada mil imágenes, en contexto

El precio es la única dimensión en la que ambos candidatos pueden situarse frente a un conjunto de referencia en lugar de frente a uno al otro, así que vale la pena hacerlo bien. Todas las cifras que aparecen a continuación proceden de la categoría de Diseño UI/UX de Artificial Analysis, que es la tabla sobre la que se juzgaría a ambos modelos.

• GPT Image 2.5 Flare (max) — $210.72 por cada 1,000 imágenes con 1,227 Elo

• MAI-Image-2.5-Pro — 108,54 $ con 1.129 Elo

• Grok Imagine Image 2.0 — $60.00 con 1.182 Elo

• MAI-Image-2.6 — $38.90 con 1,169 Elo

• Muse Image — $10.00 con 1,133 Elo

• Ming-Image-0.1-Design — sin precio, sin entrada en la tabla

Lee esa columna y lo interesante no es que Grok Imagine Image 2.0 sea barato. Es que se sitúa en 1.182 Elo por $60, mientras que el modelo que está 45 Elo por encima cuesta tres veces y media más, y el modelo que está 13 Elo por debajo cuesta menos de dos tercios de eso. Ese es un mercado en el que la calidad y el precio se han desacoplado, y es exactamente el entorno en el que un enrutador que pasa los precios de lista de los proveedores con un 0 % de margen de beneficio vale la pena tener: el modelo creíble más barato para una tarea determinada cambia de un mes a otro, y la manera de aprovechar eso es no tener tu integración soldada al que fuera más barato cuando la construiste.

El número del proveedor, léalo con honestidad.

La única afirmación de rendimiento de Ming-Image-0.1-Design merece el mismo tratamiento que cualquier otra. El gráfico dentro de su repositorio tiene como encabezado «Clasificación de texto a imagen: diseño UI/UX», lleva una insignia de «Clasificación de pesos abiertos» y al pie dice «Puntuaciones Elo de votos de preferencia a ciegas en nuestra Image Arena». Coloca al modelo en primer lugar con 1.082 Elo, por encima de Ideogram 4.0 (Quality) con 1.052, HunyuanImage 3.0 Instruct con 1.005 y las variantes FLUX.2 dev entre 994 y 1.000.

Tres observaciones, ninguna de ellas una acusación. La tabla la opera el propio publicador del modelo, así que "ciego" describe a los votantes y no al operador. No se muestra ningún recuento de votos, así que no hay forma de juzgar cuánto de ese 1.082 es señal —la entrada de Grok, por el contrario, contiene 601 comparaciones en una categoría y 6.006 en la tabla general, y esas cifras se publican. Y las puntuaciones no son transferibles: Elo se calcula por tabla, y por eso el mismo lanzamiento de FLUX.2 registra 1.026 en una tabla de Artificial Analysis y 1.065 en otra. Un 1.082 en una tabla que no podemos inspeccionar no es comparable con un 1.182 en una tabla que sí podemos.

La decisión, expresada sin rodeos.

Si tienes que elegir entre estos dos para un trabajo que debes entregar, la decisión no está ni cerca y no se trata de calidad. Grok Imagine Image 2.0 se puede comprar, tiene precio, puntuación independiente y soporte. Ming-Image-0.1-Design no se puede comprar a ningún precio, y el único número que se le atribuye lo publicaron quienes lo entrenaron. Un equipo que necesita generación de imágenes con calidad de diseño este trimestre debería comparar Grok Imagine Image 2.0 con GPT Image 2.5 y MAI-Image-2.6 en cuanto a costo y calidad, no con un repositorio.

Dicho esto, el segundo modelo no está exento de valor, y el valor es específico. Tiene 6B parámetros bajo una licencia MIT con una configuración validada de una sola GPU a 2048 x 2048 y 12 pasos de muestreo, y apunta exactamente al trabajo de diseño rico en texto por el que los modelos alojados cobran más. Si ejecutas arneses de evaluación, o si tienes un caso de uso en el que la facturación por llamada es la restricción vinculante en lugar de la calidad, vale la pena descargar los pesos ahora y probarlos en tu propio hardware — la licencia lo permite y nadie ha publicado una cifra que te lo impida.

Lo que cambiaría el panorama es una ejecución de terceros. En el momento en que Ming-Image-0.1-Design aparezca en el tablero de Artificial Analysis con un recuento de muestras al lado, la comparación se vuelve real y la pregunta pasa a ser si un modelo 6B autoalojado con costo marginal cero supera a una API de 6 centavos por imagen con 1.182 de Elo. Hasta entonces, la postura honesta es que uno de estos dos modelos tiene una etiqueta de precio y el otro tiene un repositorio, y solo uno de ellos es una decisión que puedes tomar hoy.