Ming-Image-0.1-Design vs Gemini Omni 1.1 Flash : un livrable de design a besoin des deux moitiés

Demandez Ming-Image-0.1-Design une vidéo et vous obtenez une image fixe. Demandez Gemini Omni 1.1 Flash une image fixe et vous obtenez une erreur — sa propre documentation classe la génération d'images, l'édition d'images et la sortie entrelacée d'images et de texte parmi les capacités non prises en charge du modèle. Une page qui place ces deux modèles dans deux colonnes revient donc à comparer un moteur de rendu à un projecteur. Ce qui mérite réellement d'être comparé, c'est ce que les équipes de design ne cessent de rater : un livrable final a généralement besoin d'un écran et d'un élément animé, et ces deux modèles en détiennent chacun une moitié, avec un passage de relais au milieu qui détruit silencieusement le travail.

Ming-Image-0.1-Design est le modèle texte-image 6B d'inclusionAI, publié sous licence MIT avec des poids rendus publics le 17 septembre 2026, conçu pour le design graphique à forte densité de texte. Gemini Omni 1.1 Flash est le modèle vidéo de production de Google, disponible en disponibilité générale depuis le 27 août 2026, conçu pour le mouvement de format court avec audio synchronisé. Ni l'un ni l'autre n'est un substitut à l'autre, et la question intéressante est ce qui se passe entre eux.

Les deux moitiés, énoncées simplement

Commencez par ce que chacun renvoie physiquement, car tout le reste en découle.

• Sortie — Ming-Image-0.1-Design renvoie une image fixe, jusqu'à 2048 x 2048 à 12 étapes d'échantillonnage et CFG 1,0, ou 1024 x 1024 pour la vitesse ; Gemini Omni 1.1 Flash renvoie une vidéo, d'une durée allant jusqu'à 40 secondes, assemblée à partir d'appels de génération et d'extension de 10 secondes.

• Transparence — Ming-Image-0.1-Design émet du RGBA natif lorsque le prompt commence par une phrase de transparence documentée, de sorte que l'alpha provient directement de l'échantillonneur ; Gemini Omni 1.1 Flash n'a pas de sortie transparente, et il n'existe pas non plus de format vidéo transparent dans le pipeline

• Structure — le modèle Layer compagnon de Ming-Image-0.1-Design décompose un design aplati en 2 à 9 PNG RGBA distincts qui se recomposent pour reconstituer l'original ; Gemini Omni 1.1 Flash renvoie un unique clip aplati

• Entrée de référence — Ming-Image-0.1-Design génère à partir d'une simple invite, sans qu'aucune image de référence ne soit requise ; Gemini Omni 1.1 Flash accepte jusqu'à 10 images par invite et jusqu'à trois clips vidéo de référence de 3 secondes, et lit jusqu'à 10 secondes de séquences antérieures lors de l'extension d'une scène

• Plafond de résolution — Ming-Image-0.1-Design est natif en 2048 ; Gemini Omni 1.1 Flash rend nativement en 720p et effectue une mise à l'échelle vers 1080p et 4K, avec un palier de brouillon en 360p

• Coût — Ming-Image-0.1-Design n'a pas de tarif hébergé, car il n'existe aucun point de terminaison hébergé ; le coût correspond donc à votre propre temps GPU sur une seule carte de 80 GiB. Gemini Omni 1.1 Flash facture 0,10 $ par seconde en 720p, le palier brouillon 360p étant d'environ 0,03 $ par seconde

• Licence — MIT pour Ming-Image-0.1-Design, utilisation commerciale autorisée ; une API commerciale pour Gemini Omni 1.1 Flash dont la sortie porte le filigrane SynthID

Là où la passation échoue

Si vous construisez un pipeline de design qui produit les deux, la direction est à sens unique : Ming-Image-0.1-Design crée l’image fixe, Gemini Omni 1.1 Flash l’anime. L’inverse n’existe pas. Et c’est à la jointure entre les deux que le travail de design se perd.

La première victime est le canal alpha. Un élément d’interface généré avec un arrière-plan transparent est précisément la raison d’utiliser un échantillonneur qui émet du RGBA — il se dépose sur une mise en page existante sans passe de détourage. Envoyez cette image dans un pipeline vidéo et la transparence disparaît, car il n’existe aucune sortie vidéo transparente pour la préserver. La transparence survit dans votre compositeur, appliquée après le retour du clip, et non dans la chaîne de modèles. Les équipes qui planifient la composition avant même que le clip existe finissent par la refaire.

Le deuxième dommage collatéral est la résolution. Ming-Image-0.1-Design effectue son rendu nativement en 2048. Gemini Omni 1.1 Flash effectue son rendu nativement en 720p et procède ensuite à une mise à l'échelle vers le haut. Une image de conception de 2 048 pixels envoyée dans un pipeline de rendu 720p n'est, pour l'essentiel, que des détails abandonnés, et la mise à l'échelle qui s'ensuit est une étape côté fournisseur que vous ne contrôlez pas.

Le troisième est le texte. Tout le postulat de Ming-Image-0.1-Design est que le texte rendu reste lisible à la taille à laquelle il sera lu — c’est l’axe que mesure son score Elo de 1 084 dans le volet UI/UX Design d’Artificial Analysis. Un modèle vidéo qui anime cette image ne rend pas à nouveau le texte ; il déplace les pixels qu’on lui a fournis. Tout mouvement qui modifie la perspective, l’échelle ou l’éclairage de l’image déplacera la typographie avec lui, et les caractères de petite taille qui étaient lisibles sur une image fixe ne survivront pas à la transformation.

Rien de tout cela n’est un défaut dans l’un ou l’autre modèle. C’est ce qui se produit lorsqu’un livrable est réparti entre deux systèmes qui n’ont jamais été conçus pour se passer le relais, et la solution est une décision de production, non un choix de modèle : décidez quelle couche du livrable peut être aplatie, et aplatissez-la délibérément.

Ce en quoi chaque moitié est réellement bonne

Les preuves de Ming-Image-0.1-Design proviennent d’une arène tierce. Il se classe au 45e rang sur 104 dans le classement Text to Image d’Artificial Analysis, avec un Elo de 995 sur 21 342 votes, et premier parmi les modèles à poids ouverts dans le segment UI/UX Design de ce classement, avec 1 084 Elo sur 2 100 votes dans ce segment. L’écart entre ces deux chiffres est la description honnête du modèle : un spécialiste mesuré, pas un généraliste. Les chiffres de son compagnon Layer — une erreur RGB L1 de 0,0574 et un alpha soft IoU de 0,8923 à 1024 sur l’ensemble de test Crello — sont déclarés par le fournisseur et non reproduits, et doivent être étiquetés comme tels.

Les preuves de Gemini Omni 1.1 Flash sont elles aussi indépendantes, mais sur un autre tableau. Sur Artificial Analysis, il occupait la première place sur les arènes text-to-video et image-to-video dans la catégorie sans audio au 2 septembre 2026, avec des Elo de 1 324 et 1 364. Avec l’audio activé, il tombe à 1 237 et 1 180 — deuxième et quatrième. Cet écart audio est un détail qu’une fiche technique masque et qu’un classement expose, et il vaut la peine de le savoir avant de prévoir le budget d’une campagne autour d’une affirmation de première place au classement.

Les deux jurys ne se recoupent pas, et c'est précisément là tout l'enjeu. Il n'existe aucune arène où une image fixe de design et un clip de dix secondes sont jugés l'un contre l'autre, et tout article qui laisse entendre le contraire invente un tableau de scores.

Ce que coûte la séparation, par tentative

L'économie des deux moitiés n'est pas comparable et ne devrait pas être moyennée en une seule ligne budgétaire.

Du côté des images fixes, Ming-Image-0.1-Design ne coûte rien par image une fois le matériel en place. Cela rend l’itération gratuite de la manière qui compte : vous pouvez générer vingt variantes de tableau de bord en un après-midi et en jeter dix-neuf. Du côté de la vidéo, un clip de 10 secondes en 720p sur Gemini Omni 1.1 Flash est facturé environ 1,00 $ ; les mêmes 10 secondes au niveau brouillon 360p coûtent environ 0,30 $ ; une scène complète de 40 secondes en 720p — une génération plus trois appels d’extension — avoisine 4,00 $. Google n’a pas publié de tarifs à la seconde pour les niveaux 1080p et 4K, et les annonces de revendeurs citant 0,15 $ et 0,30 $ par seconde sont des estimations de marché plutôt que des chiffres de fournisseur, de sorte que tout budget de production en haute résolution reste provisoire.

La conséquence pratique, c’est que les deux moitiés exigent des styles de travail opposés. Itérez sur l’image fixe, où les reprises sont gratuites. Engagez-vous sur la vidéo, où chaque reprise est comptabilisée. Une équipe qui itère sur la moitié vidéo est celle qui se fait surprendre par la facture, car la première image ne coûte rien et les reprises coûtent tout.

La place d'une couche de routage ici est plus étroite qu'un argumentaire ne le laisserait penser, et il vaut la peine de le dire précisément. Ming-Image-0.1-Design est un téléchargement MIT — OrcaRouter ne route aucun modèle inclusionAI, il s'exécute donc sur votre matériel ou pas du tout. Gemini Omni 1.1 Flash est une API de fournisseur avec sa propre clé et son propre compteur par seconde, et nous ne le routons pas non plus ; Google n'a pas ouvert l'API vidéo Omni au routage tiers. Ce que nous prenons en charge du côté du mouvement, c'est la gamme vidéo de Kling, notamment kling-v3, kling-v3-omni et kling-video-o1, plus MiniMax H3 — donc si la moitié animée d'une livraison a besoin d'une route hébergée plutôt que d'un second contrat fournisseur, cela existe de notre côté. Du côté de l'image, nous prenons en charge la famille OpenAI GPT-Image, les niveaux d'Imagen 4 de Google et les aperçus d'image Gemini, ainsi que le point de terminaison d'image Grok Imagine de xAI. Parce que le prix catalogue du fournisseur est répercuté avec 0 % de marge plutôt que majoré, une baisse de prix d'un fournisseur sur l'un d'entre eux est effective de notre côté le jour même.

La décision, en une seule passe

• Vous avez besoin de ressources de design éditables — Ming-Image-0.1-Design, et la décomposition en calques en est la raison. Les découpes transparentes, les icônes, les sprites et les composites en calques sont autant de cas où un sampler qui émet du RGBA supprime une étape entière du pipeline.

• Il vous faut du mouvement, mesuré — Gemini Omni 1.1 Flash. C’est le seul des deux à afficher des résultats d’arène indépendants en tête d’un classement, et le seul à proposer un prix par seconde publié que vous pouvez intégrer à une prévision.

• Vous avez besoin des deux — budgétisez la partie vidéo par tentative plutôt que par asset, ne partez pas du principe que le canal alpha survivra, et planifiez le compositing après le retour du clip.

• Vous devez vendre le résultat — Gemini Omni 1.1 Flash est sans ambiguïté la moitié la plus sûre, puisque MIT couvre les poids de Ming-Image-0.1-Design et que les conditions d’utilisation de l’API de Google couvrent la vidéo. Les filigranes sont la contrepartie : chaque clip Omni porte SynthID, et aucune sortie de Ming-Image-0.1-Design ne le fait.

Ce qu'il faut surveiller ensuite n'est pas un autre face-à-face. C'est de savoir si inclusionAI associe un point de terminaison hébergé à Ming-Image-0.1-Design — ce qui supprimerait le coût d'entrée de 80 GiB et changerait entièrement cette comparaison — et si Google comble l'écart audio sur les classements vidéo Omni. Ces deux faits, et non un autre tableau de scores, décident quelle moitié d'un livrable de conception obtient le budget.