Ming-Image-0.1-Design vs Nano Banana 2: La capa que recuperas

Pregunta a un diseñador qué sale mal después de que se genera la imagen y la respuesta casi nunca es la imagen. Es que la imagen generada es plana. Cada elemento está soldado a todos los demás, así que el titular no se puede mover, el logotipo no se puede intercambiar, el fondo no se puede recolorear y hay que regenerarlo todo a partir de un prompt para cambiar una sola palabra. Ming-Image-0.1-Design, publicado discretamente por el equipo inclusionAI de Ant Group el 17 de septiembre de 2026 bajo una licencia MIT, se construye en torno a ese problema: 6150 millones de parámetros, salida RGBA nativa y un repositorio complementario que toma un diseño aplanado y lo devuelve como capas separadas. Nano Banana 2 — el Gemini 3.1 Flash Image del proveedor, disponible de forma general desde el 28 de mayo de 2026 y enrutable hoy como google/gemini-3.1-flash-image-preview — resuelve una mitad diferente del mismo problema, y la diferencia entre las dos mitades es lo que decide cuál pertenece a tu pipeline.

En qué es realmente bueno Nano Banana 2, y cuánto cuesta

El modelo de Google es el que tiene un precio publicado y un historial de producción, y ambos merecen mencionarse con precisión porque son la razón por la que la gente recurre a él.

• Precio — aproximadamente $0.067 por imagen de 1024×1024, $0.101 a 2048×2048 y unos $0.151 en el extremo 4K, con el modo por lotes a aproximadamente la mitad de esas cifras y la entrada de texto facturada por separado a $0.25 por millón de tokens. Eso equivale a unos $101 por cada mil imágenes 2K, previsible al dólar antes de generar nada.

• Salida — hasta 4K, con ajustes preestablecidos de relación de aspecto que incluyen los extremos 1:4 y 1:8 que necesitan los formatos para redes sociales y banners, y consistencia reportada por Google entre cinco personajes y catorce objetos.

• Procedencia — cada salida lleva marca de agua SynthID, que es una característica de cumplimiento más que de calidad y es el tipo de cosa por la que una revisión legal pregunta antes de que lo haga una revisión de diseño.

• Grounding — puede buscar en la web durante la generación, que es como maneja una solicitud que depende de un dato que no tiene memorizado.

Nada de eso es una historia de transparencia. Nano Banana 2 devuelve una imagen, y la imagen es la totalidad del artefacto.

Lo que Ming-Image-0.1-Design devuelve en su lugar

La ficha del modelo es inusualmente específica para un lanzamiento no anunciado, y los detalles están todos orientados al trabajo de diseño en lugar de a la fotografía. La inferencia recomendada es 2048×2048 —o 1024 cuando se quiere velocidad— con 12 pasos de muestreo, guía sin clasificador en 1,0, BF16 en todo el proceso, en una única GPU CUDA de 80 GiB. Los pesos son todos safetensors BF16, el repositorio ocupa aproximadamente 71,5 GB repartidos entre connector/, mllm/, mlp/, scheduler/, transformer/ y vae/, y no hay model_index.json — la ruta documentada es git clone del repositorio de inferencia y python infer.py, con vLLM-Omni nombrado para despliegue y un modelo de visión-lenguaje separado (Ling-3.0-flash-VL o qwen3.8-27B) nombrado para la mejora de prompts.

La salida RGBA es la primera mitad de la respuesta al problema de la imagen plana. La segunda mitad es Ming-Image-0.1-Design-Layer, un repositorio separado con su propia etiqueta de pipeline (image-text-to-image), 6.154.908.736 parámetros, la misma licencia MIT y una única función: tomar una imagen de diseño aplanada más un plan de capas y devolver N capas RGBA. Se ejecuta a 1024 en su bucket predeterminado, 512 para mayor velocidad, 12 pasos, guía en 2.0, con flash_attention_2. Su tarjeta muestra los resultados del conjunto de prueba de Crello como una imagen en lugar de una tabla, así que no hay ninguna cifra que citar, lo cual es el estado honesto de la evidencia y vale la pena decirlo con claridad.

Si juntas esos dos hechos, la forma del intercambio queda clara. Nano Banana 2 te ofrece una mejor imagen final con menos trabajo. Ming-Image-0.1-Design te ofrece una imagen que aún puedes descomponer después, y te proporciona la descomposición en capas como un segundo modelo que ejecutas cuando lo necesitas.

El tablero, lea con atención.

Ming-Image-0.1-Design ocupa el primer lugar en la Artificial Analysis Text to Image Leaderboard for UI/UX Design en la vista de pesos abiertos, con un Elo de 1.082, por delante de Ideogram 4.0 (Quality) con 1.052, Ideogram 4.0 con 1.015, HunyuanImage 3.0 Instruct con 1.005, FLUX.2 [dev] con 1.000, FLUX.2 [dev] Flash con 999 y FLUX.2 [dev] Turbo con 994. El texto que estamos leyendo es el reproducido en la propia ficha del modelo, y lleva la marca de Artificial Analysis.

Dos advertencias que cambian cuánto peso tiene. Es una tabla de clasificación filtrada por pesos abiertos, así que un modelo alojado como Nano Banana 2 no es elegible y su ausencia no es una derrota. Y un Elo de preferencia a ciegas es un promedio sobre una multitud, no una prueba de tu prompt: dice que un panel prefirió estas salidas, no que el modelo vaya a componer tu titular en la tipografía correcta.

La posición de Nano Banana 2 se mide en las tablas alojadas y en las cifras publicadas por Google, y ambas cosas no deberían confundirse. Lleva en las tablas desde la primavera, que es el dato más útil aquí: ha tenido meses de tráfico independiente, y el lanzamiento de Ming no ha tenido ninguno.

Dónde recaen realmente el dinero y el riesgo

La diferencia de precio no es una diferencia de grado. Nano Banana 2 se factura por uso y, por tanto, es predecible: mil imágenes en 2K cuestan unos $101, y la complejidad no altera mucho la factura porque la salida de imágenes se tokeniza de forma predecible. Ming-Image-0.1-Design no tiene ningún precio alojado, porque no existe un endpoint alojado: el coste es tu propio tiempo de GPU frente a una descarga de 71,5 GB en una tarjeta de 80 GiB, y la comparación honesta no es $101 contra gratis, sino $101 contra una cifra amortizada que tienes que calcular tú mismo.

Este es el único punto de esta comparación en el que una capa de enrutamiento hace algo concreto en lugar de retórico. La vista previa de imágenes de Gemini que sirve a Nano Banana 2 está en nuestro endpoint, y lo está a precio de lista del proveedor con cero margen — así que si Google cambia la tarifa por imagen, la cifra de nuestro lado se mueve el mismo día en lugar de en la próxima renovación de contrato. La conmutación automática por error entre proveedores es la segunda mitad de eso: una ruta puede llevar tráfico de producción en un modelo con meses de historial ante la junta mientras una versión de pesos abiertos no anunciada se evalúa a su lado, lo que significa que la evaluación nunca se sitúa en la ruta crítica y una mala tarde en cualquiera de los dos lados no se convierte en una interrupción del servicio. Esa es una configuración real, y es la configuración que este par particular de modelos está pidiendo.

Ninguno de los dos modelos es la opción predeterminada segura, por razones diferentes.

Ming-Image-0.1-Design se subió el 17 de septiembre de 2026 sin anuncio, sin nota de versión, sin limitaciones declaradas y con un contador de descargas que marcaba cero en el momento de escribir esto. La posición en la clasificación anterior es la única medición independiente que existe. Todo lo demás —el rendimiento en tu tarjeta, cómo se comporta con más de un puñado de imágenes de referencia, si el canal alfa está limpio en los bordes de un recorte— no está medido públicamente, y ningún tercero ha escrito sobre ello.

Nano Banana 2 tiene el perfil opuesto. Tiene puntuaciones independientes, un precio publicado, una licencia comercial y SynthID, y no te devolverá una capa. Si tu flujo de trabajo termina en «la imagen se ve bien», eso no es un coste. Si tu flujo de trabajo continúa más allá, hacia una herramienta de maquetación, ese es todo el coste.

• ¿Necesitas un PNG transparente o un diseño que puedas descomponer? —Ming-Image-0.1-Design es el único de los dos, y el complemento Layer es la razón para fijarse en él en lugar de en su posición en la tabla de clasificación.

• Necesitas un precio por imagen predecible, salida en 4K, relaciones de aspecto poco habituales y marca de agua de procedencia — Nano Banana 2, a unos 0,067 $ por cada 1000 imágenes, y está en el mismo endpoint que todo lo demás que llamas.

• Necesitas vender lo que salga — la licencia MIT de Ming-Image-0.1-Design lo permite, algo poco habitual en un lanzamiento de imágenes de 2026, y merece la pena verificarlo frente a tu propia situación legal en lugar de darlo por sentado.

• Necesitas que uno u otro sea verificable antes de comprometerte — solo uno de ellos puede serlo, y es el que no tiene anuncio.

Lo que hay que vigilar no es un benchmark. Es si el repositorio Layer resulta ser la mitad útil de este lanzamiento. La descomposición de Layer es el paso en el que el trabajo de diseño generado deja de ser una imagen y empieza a ser un activo, y si ese modelo hace lo que implica su ficha, el problema de la imagen plana es la parte de esta comparación que envejecerá más rápido.