Hy Image3.5 vs Ming-Image-0.1-Design : Vous pouvez en louer un et vous ne pouvez pas acheter l'autre

Hy Image3.5 et Ming-Image-0.1-Design ont été lancés à cinq jours d'intervalle en septembre 2026, et leurs modes de distribution n'ont rien à voir. Le modèle de Tencent est une API à la consommation : des images 2K à 0,024 $ l'unité sur Tencent Cloud International, un aperçu ouvert le 22 septembre, accessible aujourd'hui via les produits et les surfaces cloud de Tencent. Ming-Image-0.1-Design d'inclusionAI est un dépôt : des poids sous licence MIT sur Hugging Face depuis le 17 septembre, environ 71,5 Go de safetensors BF16, aucun endpoint, aucun prix, aucun fournisseur, et un Quick Start qui renvoie vers un dépôt compagnon renvoyant une 404. L'un est un produit que vous pouvez appeler cet après-midi. L'autre est un fichier que vous pouvez télécharger cet après-midi.

C’est là la comparaison, et ce n’est pas un concours de qualité — aucun des deux modèles n’a de note indépendante, donc aucun ne peut être classé sur ses résultats. Ce qui peut être comparé, c’est ce que chacun vous permet de faire, et où chacun s’arrête. Lu ainsi, les deux modèles sont presque exactement opposés sur chaque axe qui compte pour une équipe de production.

La seule dimension où le modèle ouvert l’emporte haut la main

Commencez par la licence, car c'est le seul point où la comparaison n'est pas serrée.

Ming-Image-0.1-Design est sous licence MIT. Téléchargez les poids, affinez-les sur votre propre catalogue, intégrez le résultat dans un produit commercial, hébergez-le pour vos clients, conservez le modèle dérivé — aucun frais par appel, aucune condition d'utilisation à négocier, aucun fournisseur qui puisse déprécier le point de terminaison sous vos pieds. Pour une équipe soumise à une contrainte de confidentialité, avec un budget GPU fixe, ou ayant besoin d'entraîner sur des ressources de conception propriétaires, ce n'est pas une préférence, c'est la différence entre avoir une voie et ne pas en avoir. Aucune API d'image hébergée, y compris celle de Tencent, ne peut l'offrir.

Ce que coûte cette licence, c’est le sujet du reste de l’article.

Tout le reste, une ligne à la fois

• Accès — Hy Image3.5 est disponible via Tencent Cloud TokenHub, Media Processing Service et Video on Demand, ainsi que Yuanbao, ima, Miora, WorkRally, OnSolo et WorkBuddy, avec une fenêtre d'accès gratuit sur trois d'entre eux jusqu'au 7 octobre 2026 ; Ming-Image-0.1-Design ne dispose d'aucun point de terminaison hébergé, où que ce soit, ni d'aucun déploiement de fournisseur d'inférence, et sa propre fiche de modèle vous dit de cloner un dépôt d'inférence et d'exécuter un script.

• Coût — 0,024 $ par image 2K livrée, les générations échouées et filtrées n’étant pas facturées et sans compteur d’entrée, face à des poids gratuits et à un GPU CUDA de 80 GiB qu’il vous faut trouver. Le deuxième chiffre n’est pas zéro ; il correspond à la location ou à l’amortissement d’une carte de cette classe, plus les heures d’ingénierie nécessaires pour monter la pile.

• Sortie — Hy Image3.5 atteint la 2K avec les ratios d'image standard et sans palier 4K ; Ming-Image-0.1-Design recommande 2048×2048 ou 1024×1024 pour la vitesse, à 12 étapes d'échantillonnage et CFG 1.0 en BF16.

• Transparence — Ming-Image-0.1-Design produit du RGBA avec des arrière-plans transparents comme sortie native, une véritable capacité pour le travail sur les icônes, les sprites et les compositions en couches ; Hy Image3.5 ne dispose d'aucun mode d'arrière-plan transparent documenté.

• Conditionnement — Hy Image3.5 accepte jusqu'à cinq images de référence par requête et conserve les tours précédents au fil d'une session d'édition multi-tours ; le conditionnement de Ming-Image-0.1-Design repose sur son encodeur de texte, un LLM multimodal intégré au pipeline, l'amélioration des prompts étant attendue de modèles homologues plutôt qu'intégrée nativement.

• Prise en charge du déploiement — une API managée assortie d'un engagement de disponibilité (uptime), face à une voie vLLM-Omni dont le guide d'installation aboutit alors que sa recette propre au modèle, elle, n'aboutit pas.

• Preuve indépendante — rien, ni d’un côté ni de l’autre.

Le problème des preuves, qui est pire qu’il n’y paraît

Les deux modèles ont été lancés sans mesure par un tiers, mais ils ont échoué différemment, et la différence est instructive.

L’affirmation de Tencent repose sur une étude de préférence GSB en aveugle menée auprès de plusieurs centaines de ses propres designers professionnels, dans laquelle Hy Image3.5 bat Hy Image3.0 d’environ 30 %, fait jeu égal avec Seedream 5.0 Pro et devance légèrement Nano-Banana Pro et Qwen-Image-3.0 Pro. La méthodologie est rigoureuse, les participants travaillent pour Tencent, le jeu de prompts n’est pas publié, et le résultat est un chiffre que personne en dehors de l’entreprise ne peut reproduire. Sur le classement text-to-image d’Artificial Analysis consulté le 23 septembre 2026, il n’y a aucune ligne Hy Image3.5 ; la génération précédente, HunyuanImage 3.0 Instruct, se classe 65e sur 156 avec 964 Elo.

L'affirmation de Ming-Image-0.1-Design repose sur un graphique de classement publié au sein de son propre dépôt, intitulé « Classement texte-image : design UI/UX », avec en pied de page « Scores Elo issus de votes de préférence à l'aveugle dans notre Image Arena » et un badge « Classement des poids ouverts ». Il place le modèle en première position avec 1 082 Elo, devant Ideogram 4.0 (Quality) à 1 052, Ideogram 4.0 à 1 015 et HunyuanImage 3.0 Instruct à 1 005. Le graphique porte l'image de marque d'Artificial Analysis ; le modèle n'apparaît pas sur les tableaux en direct d'Artificial Analysis. Nous n'avons pas pu trouver le tableau qu'il représente sur le web public, et il n'indique aucun nombre de votes.

Le chiffre de Tencent décrit au moins une étude que l’entreprise a menée. Celui de Ming décrit une étude qui pourrait ne pas exister en dehors de son propre dépôt — ce qui est un problème plus difficile, car elle n’est pas seulement non auditée, elle est introuvable. Ni l’un ni l’autre ne devrait être cité comme référence, et la position honnête sur les deux est que la question de la qualité reste ouverte.

Pourquoi l’architecture vaut quand même le coup d’œil

Un détail dans le pipeline de Ming-Image-0.1-Design est l’élément technique le plus intéressant de l’une ou l’autre des annonces, et il est visible dans le dépôt plutôt que dans quelque support de presse que ce soit. Un commit tiers de vLLM-Omni intègre un encodeur de glyphes au niveau des octets ByT5 dans un pipeline nommé `ming_flash_omni`, étendant le vocabulaire du tokenizer avec des marqueurs de police et de couleur. C’est une intention de conception que l’on peut lire directement : le modèle semble traiter le texte rendu comme des glyphes dotés d’attributs typographiques plutôt que comme une propriété émergente du prompt, ce qui est le mode de défaillance derrière presque toutes les affiches mal rendues qu’un modèle d’image ait jamais produites.

Cela concorde aussi avec l’objectif déclaré du modèle — UI, infographies, affiches et autres travaux de design à forte composante textuelle — et avec la sortie recommandée en 2048×2048, car un texte lisible a besoin de pixels. Mais c’est une intention, pas une preuve. L’arborescence du dépôt montre six dossiers de composants sans `model_index.json`, ce qui signifie que le modèle est un pipeline multi-étapes plutôt qu’un appel unique, et le câblage de l’encodeur de glyphes réside dans le framework d’inférence de quelqu’un d’autre plutôt que dans la fiche du modèle. Tant qu’un tiers ne l’exécute pas et ne montre pas le texte, il s’agit d’une affirmation d’architecture.

La revendication équivalente de Hy Image3.5 est plus conventionnelle et tout aussi non vérifiée : Tencent affirme que le lettrage chinois et anglais dans l'image s'est amélioré, tout comme la mise en page spécifiée par le prompt et une édition renforcée sur des photographies réelles. Également rapporté par le fournisseur, également non reproduit.

Comment réellement utiliser l'un ou l'autre

La réponse pratique diffère complètement selon le modèle que vous avez choisi, et aucune des deux réponses ne fait intervenir de classement.

Si vous voulez Hy Image3.5, profitez de la fenêtre gratuite. Miora, WorkRally et OnSolo sont accessibles gratuitement du 22 septembre au 7 octobre 2026, ce qui est suffisamment long pour exécuter vos vrais prompts dessus et vous forger une opinion que l’étude de Tencent ne peut pas vous donner. Décidez ensuite si un aperçu que vous ne pouvez ni auto-héberger, ni fine-tuner, ni mesurer indépendamment a sa place dans une chaîne de production — et si oui, gardez l’appel de génération derrière une interface que vous pouvez rediriger, car un aperçu n’implique aucun engagement de disponibilité et le prix ou le modèle peut changer sous vos pieds.

Si vous voulez Ming-Image-0.1-Design, la première tâche n’est pas la génération, c’est le déploiement. Prévoyez un seul GPU CUDA de 80 GiB, attendez-vous à cloner un dépôt d’inférence plutôt qu’à appeler un pipeline, et vérifiez le lien de la recette vLLM-Omni avant de bâtir votre plan autour, car il ne se résolvait pas lorsque nous avons regardé. Ce que vous obtenez de l’autre côté est le seul de ces deux modèles que vous puissiez fine-tuner, le seul qui émet un canal de transparence, et le seul qui ne peut pas vous être retiré.

Cette dernière propriété explique aussi pourquoi une couche de routage et un modèle à poids ouverts sont complémentaires plutôt que des alternatives. OrcaRouter est la moitié gérée — une seule clé pour plus de 200 modèles, le prix catalogue du fournisseur répercuté avec 0 % de marge, de sorte qu'un changement de tarif d'un fournisseur est effectif le jour même, et un basculement automatique pour qu'un aperçu non éprouvé puisse se trouver derrière un appel de production sans constituer un point de défaillance unique. Ce n'est pas la moitié qui vous donne les poids. Pour être précis au sujet de notre catalogue : ni Hy Image3.5 ni Ming-Image-0.1-Design n'est routable ici. OrcaRouter n'héberge aucun modèle d'image Tencent ni aucun modèle inclusionAI, et les modèles d'images fixes hébergés que nous servons sont Nano Banana 2 de Google (sous google/gemini-3.1-flash-image-preview), GPT-Image-2, Imagen 4 Ultra et Grok Imagine Image.

À quoi sert chacun

Hy Image3.5 s'adresse aux équipes qui veulent une image à moindre coût et ne veulent rien avoir à exécuter : sortie 2K, facturation à l'image sans frais pour les tentatives abandonnées, une API opérationnelle dès aujourd'hui, et une promesse de qualité que vous devrez tester vous-même. C'est l'option la plus fluide de la catégorie, et elle ne s'accompagne d'aucune propriété.

Ming-Image-0.1-Design s'adresse aux équipes dont la contrainte n'est pas le prix mais le contrôle — une licence sur laquelle bâtir une entreprise, un modèle qu'elles peuvent affiner, un canal de transparence qu'aucune API hébergée n'offre, et une facture GPU au lieu d'une facture à l'appel. Il est fourni sans support, sans endpoint, et avec un récit de déploiement à moitié terminé.

Les deux ne se disputent pas la même place, et la raison n'est pas la qualité. C'est que l'un est un service et l'autre un actif, et la question de savoir lequel il vous faut trouve sa réponse avant même que vous ne consultiez un benchmark.