Ming-Image-0.1-Design vs MAI Image 2.5 Pro: El límite de megapíxeles lo decide

El número más determinante en una comparación entre Ming-Image-0.1-Design y MAI Image 2.5 Pro no es una puntuación Elo. Es 1.048.576. Ese es el límite de salida que Microsoft documenta para MAI Image 2.5 Pro — aproximadamente 1024 x 1024 —, mientras que Ming-Image-0.1-Design de inclusionAI recomienda 2048 x 2048 y no renderizará en tamaños intermedios en absoluto, encajando una solicitud en el grupo de 1024 o en el de 2048. Ambos modelos son realmente buenos para plasmar texto legible en una imagen, y por eso siguen apareciendo en las mismas conversaciones. Solo uno de ellos te dará una composición de 4 megapíxeles, y solo uno de ellos tiene precio por token en el nivel premium de un hiperescalador.

Ming-Image-0.1-Design es el modelo de texto a imagen de 6B de inclusionAI, con licencia MIT y pesos publicados el 17 de septiembre de 2026. MAI Image 2.5 Pro es el nivel de calidad de Microsoft AI, en versión preliminar pública en Microsoft Foundry desde el 23 de julio de 2026. Ninguna de las afirmaciones sobre su renderizado de texto se ha reproducido fuera del laboratorio que las formuló, pero una de ellas ha pasado por una arena, y esa distinción atraviesa todo lo que sigue a continuación.

Para qué está hecha cada una

MAI Image 2.5 Pro es la cúspide de la familia MAI-Image-2.5 de Microsoft, por encima de MAI-Image-2.5 para el trabajo equilibrado y de MAI-Image-2.5-Flash para el volumen, con MAI-Image-2.6 ya en versión preliminar privada desde el 19 de agosto. Microsoft lo describe como su modelo de imagen de mayor fidelidad hasta la fecha, orientado a imágenes principales, edición detallada y renderizado preciso de texto dentro de la imagen. Está construido en torno a la entrada de múltiples imágenes: el proveedor informa de una consistencia del 94 % en los caracteres entre generaciones y posiciona el modelo para flujos de trabajo en los que tomas un recurso existente, cambias una cosa y lo publicas.

Ming-Image-0.1-Design es un generador desde cero, no un editor. Con prompt de entrada, imagen de salida, no se requiere imagen de referencia. Su dominio es el diseño gráfico de alta densidad de texto —maquetas de UI, paneles de control, infografías, pósters— y su característica mecánica distintiva es que emite RGBA nativo cuando el prompt comienza con una de las frases de transparencia documentadas. Un modelo complementario, Ming-Image-0.1-Design-Layer, descompone un diseño aplanado en 2–9 PNG RGBA separados que se recomponen en el original.

• Límite de salida — Ming-Image-0.1-Design: 2048 x 2048 recomendado, o 1024 x 1024, con tamaños intermedios ajustados a uno de esos dos, frente a MAI Image 2.5 Pro, limitado a 1.048.576 píxeles, aproximadamente 1024 x 1024

• Modo principal — generación solo con prompt frente a edición multiimagen con consistencia de personaje entre referencias

• Transparencia — RGBA nativo del muestreador, además de descomposición en 2–9 capas mediante el modelo complementario, frente a ninguna documentada

• Licencia y acceso — pesos MIT que alojas tú mismo frente a una vista previa comercial en Microsoft Foundry

• Unidad de facturación — tu propio tiempo de GPU, una tarjeta de 80 GiB vs. por token, medido en Foundry

• Clasificación independiente de texto a imagen — Ming-Image-0.1-Design en el n.º 45, Elo 995, 21.342 muestras frente a MAI Image 2.5 Pro en el n.º 12, Elo 1.098, 13.521 muestras

• Posición independiente en edición — sin entrada frente a MAI Image 2.5 Pro en el n.º 10, Elo 1.106, 13.581 muestras

Lee los dos números de arena juntos

Los tableros de Artificial Analysis, consultados el 24 de septiembre de 2026, dicen algo más específico que «un modelo es mejor».

En la tabla de Texto a Imagen, MAI Image 2.5 Pro ocupa el puesto 12 con un Elo de 1.098 y un intervalo de confianza del 95 % de ±8 en 13.521 votos. Ming-Image-0.1-Design ocupa el puesto 45 con 995 de Elo, ±8, en 21.342 votos. Eso es una diferencia de 103 puntos Elo en una tabla donde el intervalo tan estrecho significa que no es ruido. En la tabla de Edición de Imágenes, MAI Image 2.5 Pro está en el puesto 10 con 1.106 de Elo en 13.581 votos; Ming-Image-0.1-Design no tiene ninguna entrada allí en absoluto.

Entonces, el panorama se invierte en el único segmento que importa para un equipo de diseño. En el segmento de Diseño UI/UX de la misma tabla, MAI Image 2.5 Pro está en el puesto 10 con 1,131 Elo en 1,241 votos en el segmento, y Ming-Image-0.1-Design está en el puesto 16 con 1,084 Elo en 2,100 votos. La brecha se reduce de 103 Elo a 47, y el modelo que nunca ha sido evaluado en edición cierra la mayor parte de la distancia en el momento en que los prompts son prompts de diseño.

Esa es la forma de la elección. MAI Image 2.5 Pro es el mejor modelo de imagen general y el mejor editor, según las métricas. Ming-Image-0.1-Design es un especialista que rinde muy por encima de su clasificación general cuando la tarea es de maquetación, y es el único de los dos con una ruta de fondo transparente.

Una salvedad sobre ambos conjuntos de cifras: estos son números de segmentos, y los segmentos se mueven. El recuento de 13.521 votos de MAI Image 2.5 Pro en el tablero completo es lo suficientemente grande como para que su intervalo sea estrecho, pero un segmento de caso de uso con mil y pico votos detrás es una cifra más blanda, y las afirmaciones del proveedor que hay detrás de ambos modelos no están verificadas por nadie.

Lo que Microsoft afirma, y lo que cuesta

Las propias cifras de Microsoft para MAI Image 2.5 Pro, todas reportadas por el proveedor y ninguna reproducida de forma independiente:

• 96,8 % de precisión de renderizado de texto, señalada como compatible con chino, inglés, japonés, coreano y español — aunque la misma documentación limita la salida a aproximadamente un megapíxel, por lo que la expresión «8K» asociada a la afirmación se interpreta mejor como marketing

• 27 % mejor adherencia al prompt que GPT-Image-1.5 en las evaluaciones internas de Microsoft

• 94% de consistencia de personajes en múltiples imágenes entre generaciones

• Hasta un 84–89% menos de costo de GPU en comparación con los modelos GPT en escenarios específicos de Microsoft como PowerPoint y OneDrive — una cifra de escenario, no general

La hoja de especificaciones documentada respalda esas afirmaciones: entrada de texto de hasta 32.000 tokens, una ventana de contexto de 131k, 4.096 tokens de salida, entrada de imágenes JPEG y PNG, y el límite de salida de 1.048.576 píxeles. Ese límite es problema del comprador. Un editor de alta calidad que no puede superar un megapíxel es una herramienta para recursos de redes sociales y web, no una herramienta de impresión, y ninguna cantidad de precisión en la representación de texto cambia el recuento de píxeles.

El precio se factura por tokens en Foundry: $5 por millón de tokens de entrada de texto, $8 por millón de tokens de entrada de imagen, $106 por millón de tokens de salida de imagen. Microsoft no publica tokens por imagen, por lo que cualquier cifra por imagen es aritmética más que una cotización. Usando la conversión de Artificial Analysis, una imagen de 1024 x 1024 se sitúa cerca de $108.50 por 1,000 imágenes — aproximadamente 2.3× el modelo hermano MAI-Image-2.5, a unos $48 por 1,000, y 5.4× MAI-Image-2.5-Flash, a unos $20 por 1,000. El nivel Pro es un premium deliberado. El precio de vista previa tampoco es el precio de GA, y la tabla de tarifas puede cambiar antes de la disponibilidad general.

Ming-Image-0.1-Design no tiene ninguna tarifa de proveedor con la que compararse, porque no existe un endpoint alojado. El tablero de Artificial Analysis lo lista a $30.00 por cada 1000 imágenes, lo cual es una columna derivada del propio tablero y no un precio publicado por el proveedor: inclusionAI distribuye pesos y una receta de servicio, no una API. Su coste real es una GPU CUDA con 80 GiB de VRAM, BF16, 12 pasos de muestreo con CFG 1.0 y una salida recomendada de 2048 píxeles. Doce pasos con guidance 1.0 corresponden a un sampler destilado o sin guidance, que es lo que hace asequible un renderizado de 2048 píxeles con ese número de pasos, y la receta recomendada de la ficha también ejecuta un modelo de visión-lenguaje por delante del modelo de difusión para reescribir un prompt corto en una disposición JSON estructurada al estilo de Figma con coordenadas, jerarquía, especificaciones de color y texto literal.

Dos cosas que conviene precisar por nuestra parte. No enrutamos ninguno de los dos modelos: ni un modelo de imagen de Microsoft ni un modelo de inclusionAI aparece en el catálogo de OrcaRouter, así que ambos se refieren a la ruta propia del proveedor o a tu propio hardware. Para lo que sirve realmente la capa de enrutamiento es para el lado del proveedor establecido en la comparación — un endpoint compatible con OpenAI para más de 200 modelos, el precio de lista del proveedor trasladado con un 0 % de margen, de modo que un cambio de precio del proveedor esté activo el mismo día, y la conmutación automática por error entre proveedores. Ejecutar el mismo conjunto de prompts contra un modelo de imagen alojado en el que ya confías y contra cualquiera de estos es una tarea de una sola tecla, no una de adquisición.

La pregunta sobre el tamaño que nadie hace

Hay un segundo número que complica el lado de la descarga de esta comparación, y vale la pena señalarlo porque el modelo se comercializa como 6B. El transformer de difusión de Ming-Image-0.1-Design tiene 6,15B de parámetros. El paquete ocupa aproximadamente 52,88 GB, porque el codificador de texto multimodal tiene 17,01B y el conector añade 3,09B — alrededor de 26B de parámetros en BF16 en total. El transformer del acompañante Layer es el doble, 12,31B, y su paquete es aún más grande, aproximadamente 65,20 GB. El requisito de 80 GiB de VRAM es consecuencia de todo lo que está residente junto con el transformer, no de la cifra de 6B.

MAI Image 2.5 Pro tiene el perfil opuesto: nada que descargar, nada que servir y un techo estricto sobre lo que puedes producir con él. Cuál de esos dos problemas es peor depende enteramente de si tu equipo ya opera GPUs.

Eligiendo uno

• Editas imágenes existentes con alta calidad y puedes vivir dentro de un megapíxel: MAI Image 2.5 Pro. Tiene una posición real en la tabla de edición en el puesto 10, un gran recuento de votos detrás de su puntuación de generación y un pipeline multiimagen documentado con una cifra de consistencia reportada por el proveedor. El precio refleja todo eso.

• Estás generando diseños con alta densidad de texto y necesitas transparencia o capas editables — Ming-Image-0.1-Design. La descomposición nativa en RGBA y en 2–9 capas no son características que MAI Image 2.5 Pro ofrezca a ningún precio, y la salida de 2048 x 2048 es cuatro veces el presupuesto de píxeles.

• Necesitas una salida con resolución de impresión — ninguna de las dos. Una se queda en un megapíxel y la otra no pasa de 2048 de lado.

• Necesitas una cifra que puedas defender en una revisión — MAI Image 2.5 Pro en los rankings completos, Ming-Image-0.1-Design en el subconjunto de UI/UX, y ninguno de los dos en la precisión del renderizado de texto, donde ambos conjuntos de afirmaciones son reportados por el proveedor y no se han reproducido.

La conclusión honesta es que estos dos modelos no compiten realmente. MAI Image 2.5 Pro es un editor alojado premium con un límite de resolución y un precio acorde; Ming-Image-0.1-Design es una descarga gratuita que lidera el campo de pesos abiertos en un segmento de arena específico de diseño y pide a cambio una tarjeta de 80 GiB. Lo que vale la pena observar es si Microsoft eleva el límite de megapíxeles antes de GA y si inclusionAI alguna vez adjunta un endpoint a estos pesos, porque cualquiera de esos movimientos lo convertiría en un verdadero enfrentamiento directo en lugar de una comparación entre dos tipos diferentes de compromiso.