Ming-Image-0.1-Design vs MAI Image 2.6 Preview: pesos abiertos que nadie aloja, frente a un preview que Microsoft ya cobra

Dos modelos, ambos descritos por sus creadores como no terminados, y la palabra significa cosas opuestas en cada lado. MAI Image 2.6 Preview está sin terminar en el sentido de que Microsoft lo ha lanzado de todos modos: listado en el tablero independiente como publicado el 10 de agosto de 2026, con un seguimiento de 38,90 $ por cada 1.000 imágenes, ocupando el quinto puesto en la categoría de Diseño UI/UX con 1.168,8 Elo en 818 comparaciones a ciegas: una preview con precio y puntuación. Ming-Image-0.1-Design está sin terminar en el sentido de que inclusionAI ha publicado el artefacto y nada a su alrededor: pesos de 6B con licencia MIT en Hugging Face desde el 17 de septiembre de 2026, una configuración validada de una sola GPU, y sin endpoint, sin precio, sin proveedor, sin puntuación independiente, y una Guía de inicio rápido que apunta a un repositorio de GitHub que devuelve 404. Uno de estos es un producto en beta. El otro es un archivo de pesos en una carpeta. Este artículo trata sobre lo que los separa, que resulta ser casi enteramente infraestructura en lugar de calidad del modelo.

La licencia es la única dimensión en la que gana el modelo abierto

Empieza aquí, porque es el único lugar donde la comparación es genuinamente favorable a Ming-Image-0.1-Design y el margen es amplio.

• Ming-Image-0.1-Design — Licencia MIT sobre los pesos. Descárgalos, modifícalos, afínalos, distribúyelos dentro de un producto comercial, alójalos para clientes, sin ninguna tarifa por llamada para nadie y sin términos de uso que negociar. Los metadatos del repositorio confirman la licencia y el empaquetado safetensors/diffusers.

• MAI Image 2.6 Preview — una API comercial bajo los términos de Microsoft. Existe una lista de precios y hay términos de servicio, y se accede al modelo en lugar de poseerlo. Nada en el registro público sugiere que Microsoft tenga la intención de abrir estos pesos.

Eso es una ventaja real y no debería descartarse a la ligera. Un equipo con un presupuesto fijo de GPU, una restricción de privacidad o la necesidad de hacer ajuste fino sobre activos de diseño propietarios no tiene ninguna forma de acceder a MAI Image 2.6 Preview: la API no se puede autoalojar, y una API en versión preliminar no garantiza disponibilidad a largo plazo. Ming-Image-0.1-Design se puede ejecutar en tu propio hardware para siempre, bajo una licencia que los abogados entienden desde hace décadas.

La ventaja solo se convierte en valor si puedes ejecutarla, lo que nos lleva al resto de la tabla.

Todo lo demás, revisado una línea a la vez.

• Endpoint — MAI Image 2.6 Preview se sirve a través de la propia plataforma de Microsoft con un identificador documentado, a diferencia de Ming-Image-0.1-Design, que no tiene ninguno. Hugging Face informa de que el repositorio tiene la inferencia desactivada y no está desplegado por ningún proveedor de inferencia, y el propio Quick Start del modelo te indica que clones un repositorio complementario que no existe.

Precio — 38,90 $ por 1000 imágenes, aproximadamente 3,9 centavos por imagen, lo que lo convierte en el segundo más barato de los cinco primeros de la categoría Diseño UI/UX, por detrás de Muse Image a 10,00 $ y cómodamente por debajo de Grok Imagine Image 2.0 a 60,00 $ y GPT Image 2.5 a 210,72 $ frente a ningún precio, porque no hay nada que comprar. Los pesos son gratuitos; la GPU CUDA de 80 GiB no lo es.

• Puntuación independiente — 1.168,8 Elo en 818 votos a ciegas en la categoría de Diseño UI/UX, quinto puesto, por encima de Nano Banana 2 con 1.166,6 y por debajo de Grok Imagine Image 2.0 con 1.181,8. El modelo hermano, MAI-Image-2.6-Flash, se sitúa en 1.152,4 en la misma tabla frente a nada. El único número de Ming-Image-0.1-Design, 1.082 Elo, aparece exclusivamente en una imagen de tabla de clasificación dentro del propio repositorio de inclusionAI, en una tabla que no pudimos encontrar en la web pública, sin que se muestre el recuento de votos.

• Soporte de despliegue — una plataforma gestionada con disponibilidad y soporte incluidos frente a una tarjeta de modelo que recomienda vLLM-Omni y enlaza una guía de instalación que responde y una receta específica del modelo que da error 404. Media historia de despliegue.

• Resolución y configuración: no se publicaron en las cifras que pudimos verificar para la preview, frente a las 2048 x 2048 recomendadas o 1024 x 1024 para mayor velocidad, 12 pasos de muestreo, CFG 1.0, BF16, una GPU CUDA de 80 GiB.

Lo que te cuesta "preview" por parte de Microsoft

Una comparación honesta tiene que señalar que la columna de Microsoft no está exenta de riesgos propios. Una versión preliminar es una versión preliminar: los identificadores pueden cambiar, las listas de precios pueden moverse, las cuotas pueden endurecerse y un endpoint de versión preliminar puede retirarse o ser reemplazado, y Microsoft ya ha lanzado un modelo Flash hermano dentro de la misma familia, lo que indica que la línea se mueve rápidamente. Construir un pipeline de producción contra un identificador de versión preliminar significa aceptar que aquello que integraste puede ser renombrado mientras lo usas.

La diferencia es que el riesgo de Microsoft es un riesgo comercial con una contraparte, y el riesgo de Ming-Image-0.1-Design es un riesgo de ingeniería sin contraparte. Si una API de vista previa cambia, hay un canal de soporte, una ventana de descontinuación y un sucesor documentado. Si el repositorio faltante nunca aparece, no hay nadie a quien preguntar — la ruta de ejecución documentada del modelo es un 404, y la única alternativa es que tú mismo hagas ingeniería inversa del pipeline a partir del árbol de archivos.

Lo cual no es imposible. El repositorio está bien estructurado para ello: una carpeta transformer con cinco shards, un VAE, un scheduler, y componentes separados mllm, connector y mlp, que es la forma de un pipeline multietapa con un modelo de lenguaje multimodal encargado de la codificación de texto. La ficha señala que la mejora de prompts puede ser gestionada por Ling-3.0-flash-VL o qwen3.8-27B, ambos hermanos de la misma organización. Un equipo capaz podría poner esto en marcha. Simplemente no es lo mismo que un producto.

Dónde encaja una capa de enrutamiento, y dónde no

Ninguno de los modelos de esta comparación se puede enrutar hoy a través de OrcaRouter, y vale la pena decirlo sin rodeos: nuestro catálogo no contiene ninguna entrada de Microsoft MAI ni de inclusionAI a fecha de 23 de septiembre de 2026, por lo que ni la tarifa de $38.90 ni ninguna otra de las anteriores es un precio al que puedas acceder a través de nosotros. Ambas cifras son tarifas publicadas por los propios proveedores o registradas por la junta.

Para lo que sirve la capa de enrutamiento en una comparativa como esta es para cubrir la distancia entre el ahora y el después. La economía de la generación de imágenes se ha desacoplado de la calidad en el último trimestre —el líder de la categoría cuesta 210,72 $ por cada 1000 imágenes, el modelo en quinto lugar cuesta 38,90 $, y un modelo trece puntos Elo por debajo de ese cuesta 10,00 $—, lo que significa que el modelo correcto para una carga de trabajo determinada es un objetivo móvil en lugar de una elección fija. Mantener la llamada de generación detrás de un único endpoint para más de 200 modelos, con los precios de lista de los proveedores repercutidos con un 0 % de margen y conmutación por error automática cuando un proveedor flaquea, convierte ese objetivo móvil en un simple cambio de ID de modelo en lugar de un proyecto de integración. Eso vale más que cualquier modelo individual de esta lista, y es el argumento para no soldar tu pipeline a un identificador de versión preliminar en primer lugar.

¿Cuál elegir, y qué cambiaría la respuesta?

Para cualquiera que vaya a entregar trabajo este trimestre, la respuesta es MAI Image 2.6 Preview y no hay comparación. Se puede invocar, es económico para su banda de calidad, tiene 818 votos ciegos independientes que respaldan un quinto puesto en la clasificación, y el riesgo de la versión preliminar es un riesgo comercial manejable. Lo único que hay que hacer antes de comprometerse es tratar el identificador de la versión preliminar como volátil — mantenerlo en la configuración, no en el código, y tener un segundo modelo de imágenes a una línea de distancia por si el identificador cambia.

Ming-Image-0.1-Design vale la pena descargarlo y no vale la pena planificar en torno a él. Descarga los pesos si tienes una tarjeta de 80 GiB y una razón para probar la generación de diseño con mucho texto bajo una licencia permisiva, porque eso es lo único que ofrece que la API de Microsoft estructuralmente no puede hacer. No pongas los 1082 Elo en una diapositiva: es un gráfico del proveedor en una tabla que nadie más puede inspeccionar, y el propio repositorio del modelo muestra cero descargas, que es como se ve una afirmación sin testigo externo en esta etapa. Los ajustes recomendados de la tarjeta son al menos concretos y verificables: 2048 x 2048 con 12 pasos de muestreo, CFG 1.0, BF16.

El acontecimiento que reescribiría este artículo es el mismo que reescribiría todas las comparaciones de esta serie: una puntuación independiente de Ming-Image-0.1-Design, con un recuento de muestras junto a ella, en una tabla que inclusionAI no opera. En ese momento, la pregunta se vuelve realmente interesante —un modelo 6B autoalojado con costo marginal cero frente a una API de vista previa de 3,9 centavos con 1.169 de Elo—, y, por primera vez, ambos lados de la comparación tendrían un número que significa lo mismo.