Ming-Image-0.1-Design Dirilis dengan Tenang: Model Desain 6B yang Hanya Ada di Repo dan Tidak di Tempat Lain

Ada model teks-ke-gambar 6B bernama Ming-Image-0.1-Design milik inclusionAI, organisasi di Hugging Face, dan per 23 September 2026 hampir tidak ada hal lain tentangnya. Repositori ini dibuat pada 17 September, bobotnya tiba pada hari yang sama, dan kartu model ditulis ulang pada 22 September — tiga commit selama lima hari, semuanya dari satu akun, tanpa postingan blog vendor, tanpa catatan peluncuran, tanpa halaman model di platform API mana pun, dan penghitung unduhan yang masih menunjukkan angka nol. Dari luar, itulah tampilan peluncuran senyap: artefak lengkap dan tanpa pengumuman. Jadi, tulisan ini adalah inventaris tentang apa yang dikatakan repositori, apa yang berubah padanya kemarin, dan apa yang masih belum dapat diverifikasi — bukan ulasan, karena belum ada orang di luar inclusionAI yang menerbitkan angka untuk model ini.

Apa isi sebenarnya dari repositori ini

Kartu tersebut mendeskripsikan Ming-Image-0.1-Design sebagai model text-to-image 6B untuk UI, infografis, poster, dan desain visual lain yang kaya teks, yang menghasilkan komposisi visual lengkap serta mendukung output RGBA dengan latar belakang transparan. Metadatanya luar biasa permisif untuk model yang begitu baru: lisensi MIT, diffusers dan safetensors, tag pipeline text-to-image, serta tag yang mencakup pembuatan gambar, desain grafis, rendering teks, dan RGBA.

Pengaturan inferensi yang direkomendasikan sudah cukup spesifik untuk berguna:

• Resolusi — 2048 x 2048 direkomendasikan, atau 1024 x 1024 untuk pembuatan yang lebih cepat

• Langkah sampling — 12

• Skala CFG — 1.0

• Presisi — BF16

• Perangkat keras — satu GPU CUDA dengan VRAM 80 GiB, dijelaskan sebagai konfigurasi yang telah divalidasi

Dua belas langkah pada skala panduan 1,0 adalah profil dari sampler yang terdistilasi atau tanpa panduan: murah per gambar, itulah sebabnya kartu ini dapat menawarkan keluaran 2048 piksel pada jumlah langkah yang tidak akan dicoba oleh sebagian besar model difusi. Kartu ini juga mencatat bahwa kode inferensi publik memetakan permintaan resolusi teks-ke-gambar ke bucket 1024 atau 2048 yang didukung, sehingga ukuran perantara dipaskan ke salah satu dari kedua bucket itu.

Pohon berkas memberi tahu Anda sedikit lebih banyak daripada yang disampaikan prosa. Di samping vae dan scheduler terdapat transformer folder dengan lima shard bobot, serta mllm, connector dan mlp, komponen terpisah — bentuk pipeline multi-tahap dengan model bahasa multimodal sebagai encoder teks, bukan denoiser monolitik tunggal. Itu konsisten dengan catatan kartu bahwa penyempurnaan prompt dapat ditangani oleh Ling-3.0-flash-VL atau qwen3.8-27B, keduanya model saudara dari organisasi yang sama.

Ketiga commit yang masuk pada 22 September

Ini adalah satu-satunya bagian cerita dengan stempel waktu dalam seminggu terakhir, dan itulah alasan model ini layak dibahas sekarang, bukan pada Oktober. Judul-judul commit, secara berurutan:

• 22 September, 11:25 UTC — "Terbitkan paket rilis Ming-Image-0.1-Design"

• 22 September, 12:01 UTC — "Segarkan kartu model Ming-Image-0.1-Design"

• 22 September, 15:17 UTC — "Tambahkan tautan deployment vLLM-Omni"

Dua yang pertama adalah urusan rutin. Yang ketiga adalah perubahan substantif: sebuah kerangka kerja selain milik vendor sendiri telah mengadopsi model tersebut, dan kartu itu kini merekomendasikan penyajiannya melalui vLLM-Omni, dengan tautan ke resep dan panduan instalasi. Itu adalah sinyal standar bahwa sebuah model telah beralih dari "bobot di rak" menjadi "sesuatu yang benar-benar dapat dijalankan tim di balik endpoint", dan itulah jenis perubahan yang tidak pernah menghasilkan siaran pers.

Ini juga baru setengah terwujud. Tautan panduan instalasi berfungsi. Jalur resep khusus model di commit yang sama tidak — jalur itu mengembalikan 404 per 23 September. Jadi cerita deployment untuk Ming-Image-0.1-Design saat ini berbunyi: kerangka umumnya nyata, instruksi untuk model ini di dalamnya masih berupa placeholder. Jika Anda berencana menyajikannya, siapkan waktu untuk membaca quickstart vLLM-Omni dan mencari sendiri cara menyambungkan modelnya.

Papan peringkat di dalam kartu, dan papan peringkat yang tidak memuatnya.

Repositori ini menyertakan satu grafik performa: assets/uiux_leaderboard.webp, gambar bergaya papan peringkat berjudul "Text to Image Leaderboard: UI/UX Design", dengan keterangan di bagian bawah "Elo scores from blind preference votes in our Image Arena" dan lencana "Open Weights Leaderboard". Di dalamnya, Ming-Image-0.1-Design menempati posisi pertama dengan 1.082 Elo, di atas Ideogram 4.0 (Quality) dengan 1.052, Ideogram 4.0 dengan 1.015, HunyuanImage 3.0 Instruct dengan 1.005, dan varian FLUX.2 dev antara 994 dan 1.000.

Ada tiga hal yang perlu dikatakan tentang gambar itu, dan urutannya penting.

Pertama, ini adalah karya seni yang diterbitkan vendor di dalam repositori vendor itu sendiri. Kami melaporkan apa yang terkandung dalam file tersebut, bukan mendukungnya.

Kedua, kami tidak dapat menemukan Ming-Image-0.1-Design di mana pun pada papan Artificial Analysis yang aktif pada 23 September — tidak di papan peringkat text-to-image, tidak di tampilan kategori UI/UX Design, tidak di papan image-editing, dan tidak di tampilan open-weights. Peringkat teratas kategori UI/UX Design yang aktif adalah GPT Image 2.5 Flare dengan 1.227 Elo, dan entri FLUX.2 yang dicantumkan kartu tersebut muncul di papan aktif yang sama dengan nilai berbeda: FLUX.2 [flex] pada 1.065, FLUX.2 [max] pada 1.053, FLUX.2 [dev] pada 1.000. Jadi, peringkat pada kartu itu adalah klaim tentang papan yang tidak dapat kami temukan, yang dinyatakan pada skala sekitar 150 Elo di bawah skala yang dapat kami temukan.

Ketiga, Elo dihitung per papan. Skor UI/UX spesifik kategori dan skor text-to-image umum adalah besaran yang berbeda bahkan untuk model yang sama, itulah sebabnya rilis FLUX.2 yang sama muncul di angka 1.026 di satu papan Artificial Analysis dan 1.065 di papan lainnya. Perbandingan apa pun yang mencampur papan bukanlah perbandingan.

Posisi neto: Ming-Image-0.1-Design memiliki satu klaim kinerja, klaim itu milik vendor sendiri, dan tidak ada evaluasi independen atasnya. Itu bukan tuduhan. Itulah alasan model ini memerlukan uji eksternal sebelum siapa pun menganggarkan berdasarkan 1.082.

Apa yang belum dapat Anda lakukan dengannya

Panduan Memulai Cepat adalah masalahnya. Panduan itu menginstruksikan Anda untuk mengkloning github.com/inclusionAI/Ming-Image, memasang dependensinya, dan menjalankan infer.py terhadap ID model Hugging Face. Repositori itu tidak ada. Halaman tersebut mengembalikan 404, README mentah mengembalikan 404, dan tidak ada Ming-Image yang muncul sebagai repositori di mana pun dalam daftar repositori publik organisasi — yang memang memuat Ming, Ling, Ring, Ming-UniVision, Ming-UniAudio dan selusin lainnya, jadi ini adalah ketiadaan, bukan URL yang salah ketik. Satu-satunya jalur yang didokumentasikan untuk menjalankan Ming-Image-0.1-Design adalah jalur yang tidak ada di sana.

Sisa kisah aksesnya sama tipisnya. Kartu tersebut menetapkan inference: false dan Hugging Face melaporkan bahwa model ini tidak digunakan oleh penyedia inferensi mana pun. Tidak ada harga yang dipublikasikan, tidak ada pengenal API, tidak ada playground, dan tidak ada ketentuan komersial selain lisensi MIT pada bobotnya sendiri. Jumlah unduhannya nol dan jumlah suka-nya empat.

Jadi ringkasan jujur tentang ketersediaan adalah: bobotnya nyata dan dilisensikan secara permisif, dan segala sesuatu di sekitarnya — kode, dokumentasi, hosting, evaluasi — entah hilang atau hanya berupa stub.

Angka yang menentukan siapa yang dapat menggunakannya

Delapan puluh gigabyte VRAM adalah keseluruhan argumennya. Itu adalah satu kartu kelas H100 atau H200, atau A100 80GB. Itu bukan GPU workstation, bukan laptop, dan bukan spot instance yang Anda lupa matikan. Jika dikombinasikan dengan konfigurasi satu GPU yang tervalidasi, ini berarti Ming-Image-0.1-Design gratis untuk dilisensikan dan mahal untuk dijalankan, yang merupakan bentuk familier dari rilis open-weights dari lab yang melatih dalam skala besar.

Untuk kelengkapan di pihak kami sendiri: tidak ada model inclusionAI yang dapat dirutekan melalui OrcaRouter saat ini. Halaman katalog mencantumkan 199 model dari 15 penyedia saat kami membacanya pada 23 September, dan di dalamnya tidak ada entri Ming maupun entri inclusionAI dalam bentuk apa pun, jadi tidak ada apa pun di sini yang bisa dipanggil melalui kami. Nilai sebenarnya dari lapisan perutean dalam situasi ini adalah langkah kedua — pada hari penyedia hulu mengadopsi model tersebut, mencobanya menjadi perubahan ID model pada kunci yang sudah Anda miliki bukan kontrak baru dan SDK baru. Sampai saat itu, satu-satunya cara untuk menjalankan Ming-Image-0.1-Design adalah menemukan repositori yang hilang dan GPU dengan 80 GiB yang tersisa.

Apa yang akan membuat ini menjadi sebuah cerita?

Empat hal, dalam urutan menaik berdasarkan seberapa banyak yang dapat diberitahukannya kepada Anda. Munculnya repositori pendamping, yang akan membuat model dapat dijalankan sesuai dokumentasi. Terisinya resep vLLM-Omni, yang akan membuatnya dapat dilayani tanpa perlu menebak-nebak. Penyedia inferensi yang mencantumkannya, yang akan menetapkan harga untuknya. Dan Elo independen, yang akan menjadi angka pertama tentang model ini yang tidak berasal dari orang-orang yang melatihnya.

Sampai setidaknya salah satu dari hal itu terwujud, sikap yang tepat itu sempit dan tidak glamor. Jika Anda membuat set evaluasi untuk pembuatan UI dan layout, bobotnya layak diunduh sekarang — MIT, 6B, satu konfigurasi, dan jumlah langkah yang cukup rendah untuk membuat beberapa ribu sampel terjangkau. Jika Anda membutuhkan pembuatan gambar di produksi kuartal ini, Ming-Image-0.1-Design bukan kandidat: tidak ada endpoint, tidak ada dukungan, dan tidak ada skor pihak ketiga. Dan jika Anda mengikuti organisasi inclusionAI, perhatikan bahwa sekarang organisasi ini memiliki model gambar untuk melengkapi lini bahasa dan ucapannya, bahwa mereka merilis yang ini tanpa memberi tahu siapa pun, dan bahwa selisih dua minggu antara unggahan awal dan paket rilis menunjukkan bahwa periode tenang itu memang disengaja.