Ming-Image-0.1-Design לעומת Qwen-Image 2.1: הרישיון הוא ההבדל האמיתי

שני מודלים פתוחים לתמונות הופיעו בהפרש של שלושה ימים זה מזה בספטמבר 2026, וכשקוראים אותם מדף מפרט, הם נראים כמו אותה רכישה. Ming-Image-0.1-Design, שנבנה על ידי צוות inclusionAI של Ant Group, העלה את המשקולות שלו ל-Hugging Face ב-17 בספטמבר תחת רישיון MIT. Qwen-Image 2.1, מטעם צוות Qwen של Alibaba, בא אחריו ב-20 בספטמבר תחת הסכם רישיון Qwen Research. שניהם מפיקים RGBA מקורי, שניהם מצהירים על פלט 2K, ושניהם מכוונים לאותו קונה: צוות שרוצה יצירת תמונות שאותה הוא יכול לארח, לבדוק ולשנות בעצמו. שני הדברים שלמעשה מבדילים ביניהם הם שני הדברים שדף מפרט הכי פחות מצליח להציג — מה מותר לך מבחינה חוקית לעשות עם התוצאה, וכמה סיליקון נדרש כדי להפיק אחת.

זה לא ניסוח רטורי. עבור אחד מהמודלים האלה הרישיון הוא עצירה מוחלטת לשימוש מסחרי; עבור האחר הוא לא מהווה בעיה. ומספר הפרמטרים שכל ספק מדפיס על האריזה ממעיט בגודל ההורדה פי שלושה או ארבעה. שתי העובדות האלה מכריעות את הרכישה הרבה לפני שכל מדד ביצועים עושה זאת — ומדדי הביצועים, כפי שמסתבר, כלל אינם ניתנים להשוואה.

מה כל מאגר מכיל בפועל

אף אחד מהמודלים אינו רשת אחת. שניהם פייפליינים, והפייפליין הוא המקום שבו הגודל מתגורר:

• מחולל — Ming-Image-0.1-Design מספק טרנספורמר עיצוב עם 6.15B פרמטרים (12.31 GB ב-BF16); Qwen-Image 2.1 מספק DiT חד-זרימי עם 7.1B, 32 שכבות, קשב בלוק-סיבתי ומספר שלא נמסר של פרמטרים פעילים (כ-14.2 GB).

• צד הטקסט — אצל Ming-Image-0.1-Design הטרנספורמר משולב עם מודל LLM מולטימודלי בנפח 17.01B ‏(34.02 GB) ומחבר בנפח 3.09B ‏(6.17 GB); וב-Qwen-Image 2.1 משמש מקודד טקסט Qwen3-VL 8B ‏(כ-17.5 GB).

• סך הפרמטרים — 26.44B עבור Ming-Image-0.1-Design לעומת בערך 15–16B עבור Qwen-Image 2.1. שימו לב שהמספר המוביל של אף אחד מהספקים אינו הסך הכולל: "6B" ו-"7B" מתייחסים שניהם רק למחולל.

• גודל המאגר — 52.88 GB עבור Ming-Image-0.1-Design (49.25 GiB מתוכם הם משקלים); בערך 33 GB עבור Qwen-Image 2.1.

• שקיפות — שניהם מפיקים RGBA מקורי ישירות מהמודל ולא באמצעות שלב מיטינג בדיעבד. Ming-Image-0.1-Design משתמש ב-RGBA VAE משלו; Qwen-Image 2.1 משתמש ב-RGBA VAE בעל 64 ערוצים עם דחיסה מרחבית של 16×.

• יצירה כברירת מחדל — Ming-Image-0.1-Design מאומת ב-2048×2048, 12 צעדים, BF16, CFG 1.0; Qwen-Image 2.1 מוגדר כברירת מחדל ל-2048×2048 על פני 40 צעדים עם שבע קביעות מוגדרות מראש של יחס גובה-רוחב.

• רישיון — MIT עבור Ming-Image-0.1-Design; הסכם רישיון המחקר של Qwen, לשימוש בלתי מסחרי, עבור Qwen-Image 2.1.

התווית "6B" עושה עבודה רבה

המאגר של Ant Group נקרא על שם מודל בעל 6 מיליארד פרמטרים, והטרנספורמר הוא באמת 6.15 מיליארד. אבל המשקולות שאתם מורידים הן 49.25 GiB, גודל המאגר הוא 52.88 GB, והתצורה שהספק אימת — 2048×2048 ב-BF16 כשכל מחסנית הטקסט נמצאת בזיכרון — מוגדרת עבור כרטיס CUDA GPU אחד בנפח 80 GiB. זו אינה שגיאת עיגול בכרטיס של 48 GB; זהו כרטיס שאי אפשר להשתמש בו. מאיץ של 48 GB לא יכיל את הפייפליין, וגם לא שניים מהם בלי תרגילי offload שהספק לא מתעד.

Qwen-Image 2.1 הוא ההורדה הסלחנית יותר, בכפוף לכך שאליבאבא מפרסמת שום נתוני VRAM רשמיים כלל. ההנחיה היחידה בכרטיס המודל היא להפעיל CPU offload בכרטיסים קטנים יותר. מה שנמדד מאז ההשקה שימושי יותר ממה שפורסם: צינור int8 רץ בסביבות 16 GiB בסך הכול ונכנס לכרטיס של 24 GB כשהוא כולו בזיכרון, בעוד שריצת BF16 מלאה דווחה בכל טווח שבין כ-17 GB עם CPU offload לבין שיא של כ-40 GiB ב-1024×1024, תלוי באופן שבו מוצב מקודד הטקסט. זמן השהיה מדווח לתמונה בודדת נע בין כמה שניות על B200 לפחות מעשר על כרטיס תחנת עבודה עכשווי. התייחסו לכל אחד מהמספרים האלה כאל מדידה של הקהילה ולא כמפרט — הם משתנים לפי אסטרטגיית ה-offload יותר מכפי שהמודלים שונים זה מזה.

הסיכום המעשי: Qwen-Image 2.1 הוא מודל בדרגת 3090 אם אתם מוכנים לבצע offload; Ming-Image-0.1-Design הוא מודל בדרגת מרכז נתונים ללא תצורה קטנה יותר.

הרישיון הוא הפיצול בדרך

זה החלק שבאמת יעצור פרויקט, והוא החלק ששתי המהדורות מתייחסות אליו באופן השונה ביותר.

Ming-Image-0.1-Design הוא ברישיון MIT. לשלב אותו במוצר בתשלום, לכוונן אותו, להפיץ מחדש את המשקולות, להשאיר את השינויים שלך סגורים — שום דבר מזה לא דורש שיחה עם Ant Group.

Qwen-Image 2.1 אינו. הוא נושא את הסכם רישיון המחקר של Qwen (Qwen Research License Agreement) מיום 20 בספטמבר 2026, אשר מכשיר את המשקלים למחקר והערכה בלבד. שימוש מסחרי מחייב הסכם נפרד מאליבאבא, ומחיר עבור הסכם זה אינו מפורסם. נגזרים והפצות מחדש חייבים לשאת את הרישיון, הודעת "Built with Qwen" או "Improved using Qwen" ואת שורת זכויות היוצרים של Hangzhou Tongyi Laboratory, ו-"Qwen" אינו יכול להיות השם הראשי של מודל נגזר. הרישיון כפוף לחוק הסיני עם סמכות שיפוט בהאנגג'ואו.

יש נקודה אחת שמבהירה באמת בתגובת ההמשך של הספק עצמו: Alibaba הצהירה שתמונות שנוצרו אינן חלק מן ה"חומרים" המורשים, כך שאתה שומר על הזכויות על מה שהמודל מפיק. ההגבלה חלה על המשקלים ועל המודל, ולא על הפלט שלך. זו החרגה משמעותית וכדאי לקרוא אותה בקפידה, משום שהסיכום הקל — "התמונות הן שלך, המודל לא" — הוא הנכון.

זה גם שינוי כיוון. מהדורות Qwen-Image קודמות, כולל Qwen-Image המקורי וגרסאות 2511 ו-2512, נשארות תחת Apache 2.0 ומותירות מבחינה מסחרית. צוות שבחר ב-Qwen-Image בשנה שעברה בגלל הרישיון שלו ומשדרג ל-2.1 החודש יורש מגבלת מחקר בלבד שהוא מעולם לא הסכים לה. אם תנאים מתירניים הם הדרישה, Qwen-Image 2.1 אינו הגרסה החדשה יותר של מה שהיה לכם — הוא עסקה אחרת.

מה כל אחד מהם נועד לעשות

פיצול הרישיונות משקף הבדל בכוונה, וההבדל הזה הוא שצריך להכתיב את הבחירה כאשר שתי האפשרויות חוקיות מבחינתך.

Ming-Image-0.1-Design הוא כלי עיצוב. ערימת הטקסט קיימת כדי להרחיב תדריך קצר לפרומפט מובנה של 8K, והספק מספק סביבה "מיומנויות" — Design Skill שמייצר טיוטה חזותית תוך כ-15 שניות, ו-PPT Skill שמכוון לפלט בצורת שקופיות. המאגר הנלווה שלו, Ming-Image-0.1-Design-Layer, לוקח עיצוב שטוח ומחזיר אותו כשכבות נפרדות, וזו היכולת היחידה כאן ששום דבר אחר בשדה הפתוח לא מציע. inclusionAI מדווחת שמודל ה-Layer רץ כ-4.3× מהר יותר ממודל שכבות פתוח של 20B באותה משימה (183 שניות לעומת 795) — מדווח על ידי הספק, לא משוחזר, ויעד ההשוואה אינו נקוב בדיוק מספיק כדי לבדוק אותו.

Qwen-Image 2.1 הוא מחולל-ועורך. צ'קפוינט אחד מבצע גם יצירת תמונה מטקסט וגם עריכה מבוססת הוראות, מקבל עד 10 תמונות ייחוס לעריכה בודדת, ותומך בעריכות מקומיות שמשאירות את שאר הפריים ללא שינוי. הוא שוחרר עם תמיכה מיום אפס ב-ComfyUI, Diffusers, vLLM-Omni, SGLang-Diffusion ו-LightX2V — סיפור הגשה שעדיין אין ל-Ming-Image-0.1-Design, שכן מדריך ההגשה שלו עצמו מפנה ל-vLLM-Omni.

קראו לזה פיצול ולא דירוג. אם המשימה היא "ליצור נכס עיצובי רב-שכבתי וניתן לעריכה מתוך בריף", ‏Ming-Image-0.1-Design הוא היחיד מבין השניים שעושה זאת. אם המשימה היא "לייצר ואז לערוך באופן איטרטיבי מול רפרנסים", ‏Qwen-Image 2.1 עושה זאת במודל אחד ואילו Ming-Image-0.1-Design לא עושה זאת כלל.

המדדים אינם ניתנים להשוואה, וזו התשובה הכנה

לשני הספקים יש מספרים. אין להציב את המספר האחד לצד האחר, וכל מאמר שעושה זאת ממציא תוצאה.

הראיה של Ming-Image-0.1-Design היא לוח Artificial Analysis: מקום ראשון בלוח המובילים Text-to-Image המסונן למשקלים פתוחים עבור עיצוב UI/UX, עם Elo של 1,082, לפני Ideogram 4.0 Quality עם 1,052, Ideogram 4.0 עם 1,015, HunyuanImage 3.0 Instruct עם 1,005 ו-FLUX.2 [dev] עם 1,000. הספק גם מדווח על שיעורי ניצחון של 67.4% בפריסה, 67.0% בקומפוזיציה מורכבת ו-66.7% ברינדור טקסט, ומקום ראשון ב-12 מדדים ב-Crello. לוח המובילים הוא כלי צד שלישי, מה שהופך את ה-Elo לחזק מבין שני סוגי הראיות כאן; שיעורי הניצחון והניצחון הגורף ב-Crello מדווחים על ידי הספק, ויש לקרוא אותם כטענות.

הראיה של Qwen-Image 2.1 היא Qwen-Image-Bench, בנצ'מרק שצוות Qwen בנה, שבו הוא משיג 60.28 ומוביל את תחום הקוד הפתוח לפני Nano Banana 2.0 עם 59.82 ו-GPT Image 1.5 עם 59.65. החומר המקורי מסמן את הבנצ'מרק ככזה שנבנה על ידי Qwen, והשלושה המובילים נמצאים במרחק של פחות מנקודה זה מזה — פער שנמצא היטב בתוך הרעש של בנצ'מרק שהמחבר שלו הוא גם מתחרה בו.

אז: דירוג Elo של צד שלישי על תת-קבוצה של עיצוב UI/UX, מול ציון כללי שנבנה על ידי ספק. כלי מדידה שונים, משימות שונות, שופטים שונים. איש לא פרסם הרצת ראש-בראש של שני המודלים האלה זה מול זה, ולפי הראיות הזמינות איש לא יכול. הקריאה המועילה היא צרה וראויה להיאמר בפשטות — ל-Ming-Image-0.1-Design יש אישוש מצד שלישי בעבודת עיצוב ספציפית, ל-Qwen-Image 2.1 יש חוזק שמדווח על ידי הספק ביצירה ובעריכה כלליות, והחפיפה בין שתי הטענות האלה קטנה מכפי שמספרי הכותרת מרמזים.

להעלות אחד מהשניים על נקודת קצה

אף אחד מהמודלים אינו נמצא כיום בקטלוג של OrcaRouter. גם Ming-Image-0.1-Design וגם Qwen-Image 2.1 הם כיום הצעות של אירוח עצמי: המשקלים ניתנים להורדה ומדריכי ההגשה קיימים באמת, אבל את ה-GPU אתם מקימים בעצמכם, ובמקרה של Ming מדובר ב-GPU בנפח 80 GiB. אנו מפרטים אותם כאן כהפצות במשקל פתוח, לא כנתיבים.

מה ששווה לדעת לפני שאתם מתחייבים לחומרה הוא מה עולה לכם אותו עומס עבודה בתור קריאה. מודלי התמונה המנותבים שלנו כוללים את google/gemini-2.5-flash-image, google/gemini-3-pro-image-preview, google/gemini-3.1-flash-image-preview, שלוש הדרגות של Imagen 4.0 (מהירה, סטנדרטית ואולטרה), grok/grok-imagine-image ומשפחת GPT-Image — openai/gpt-image-1, openai/gpt-image-1-mini, openai/gpt-image-1.5 ו-openai/gpt-image-2. הרצת בריף עיצובי מול אחד מהם במשך שבוע תגיד לכם אם פלט השכבות של Ming-Image-0.1-Design הוא יכולת שאתם באמת זקוקים לה, בשבריר מהעלות של כרטיס ה-80 GiB, וזה קורה לפני שאתם מגלים אם הרישיון או ה-VRAM הם שהיו אמורים להיות החסם. כשאתם כן מעבירים מודל באירוח עצמי לנתיב ייצור, אותה נקודת קצה היא המקום שבו יושב הניתוב — מפתח אחד ליותר מ-200 מודלים, מעבר אוטומטי בין ספקים במקרה של כשל, ו-0% תוספת מחיר, כך שהורדת מחיר מצד ספק נכנסת לתוקף אצלנו באותו יום שבו היא מוכרזת.

מי צריך לבחור מה

בחרו בMing-Image-0.1-Design אם התוצר הוא נכס עיצובי ולא תמונה: פלט בשכבות, הרחבת פרומפט מובנית, יצירה בצורת שקופיות, ורישיון שמאפשר לכם למכור כל מה שתיצרו בעזרתו. תקצבו כרטיס גרפי רציני וקבלו את העובדה שהמערכת האקולוגית של ההגשה סביבו דקה יותר מזו של צד Qwen. הוא גם השימושי מבין השניים אם אתם צריכים להציג מספר בפני לקוח, מפני שהראיה החזקה ביותר שלו היא המספר היחיד מצד שלישי בהשוואה הזו.

בחרו ב־Qwen-Image 2.1 אם זרימת העבודה היא יצירה ואז עריכה, אם אתם זקוקים להתניה על תמונת ייחוס, או אם אתם רוצים להריץ על חומרה שכבר בבעלותכם. הוא קטן יותר, מקבל תמיכה טובה יותר כבר ביום הראשון, והרישיון שלו מתאים לעבודת מחקר והערכה שרוב האנשים עושים בפועל קודם. הוא הופך לבחירה הלא נכונה ברגע שהפלט מסחרי והסקירה המשפטית ממשית, כי הדרך היחידה לרישיון מסחרי היא הסכם ישיר עם Alibaba ואין מחיר מפורסם שאפשר לתכנן לפיו.

לא תבחרו באף אחד מהם, לעת עתה, אם מה שאתם צריכים הוא יצירת תמונות בפרודקשן החודש. שניהם משקלים, ומשקלים הם התחייבות חומרתית ומשפטית לפני שהם יכולת. על שאלת התכנון — האם פלט רב-שכבתי משנה את מה שהצוות שלי יכול לשחרר — אפשר לענות קודם כול על נקודת קצה מתארחת, והתשובה הזו היא שצריכה להכריע אם קונים את כרטיס ה-80 GiB.

מה לצפות

שלושה דברים יזיזו את ההשוואה הזו. האם Ming-Image-0.1-Design יקבל נתיב הגשה מעבר למדריך vLLM-Omni שלו עצמו, כי זהו כרגע הפער בינו לבין רשימת חמשת הפריימוורקים ליום-אפס של Qwen-Image 2.1. האם Alibaba תצמיד מחיר לרישיון Qwen המסחרי, כי מחיר שלא צוין הוא האי-ודאות הגדולה ביותר בזיווג הזה. והאם מישהו — מעבדה, מעריך בלתי תלוי, או ספק שאין לו מה להפסיד — יריץ את השניים זה מול זה על אותם פרומפטים. עד שזה יקרה, הדבר הקרוב ביותר להשוואה הוגנת אינו ציון בכלל. זוהי שורת הרישיון, ו-Ming-Image-0.1-Design מנצח בה באופן מוחלט.