Ming-Image-0.1-Design Memuncaki Open-Weights UI Design Board — dan Angkanya Terbukti

Klaim yang beredar bersama Ming-Image-0.1-Design adalah bahwa model 6B milik inclusionAI merupakan model text-to-image open-weights terbaik untuk pekerjaan UI dan UX, berada di peringkat pertama pada tampilan open-weights dari papan peringkat UI/UX Design Artificial Analysis dengan 1.082 Elo. Tangkapan layar papan peringkat dari vendor biasanya adalah jenis bukti yang paling lemah, jadi hal pertama yang layak dilakukan adalah membaca papan peringkat langsung. Per 24 September 2026, klaim itu masih bertahan, dengan satu catatan penting yang tidak disertakan dalam tangkapan layar: 1.082 adalah irisan kasus penggunaan, bukan papan peringkatnya, dan pada papan peringkat Text to Image lengkap, model yang sama berada di peringkat 45 dengan Elo 995.

Kedua angka itu nyata, keduanya berasal dari arena yang sama, dan keduanya menggambarkan bobot yang sama. Yang membedakan keduanya adalah pada prompt mana suara-suara itu diberikan.

Apa yang sebenarnya tertulis di papan langsung

Artificial Analysis menjalankan satu arena pairwise buta lalu memfilter kumpulan suara yang sama menjadi irisan kasus penggunaan. Irisan Desain UI/UX adalah yang penting bagi model yang dibuat untuk dasbor, layar aplikasi, poster, dan infografis, dan di sanalah Ming-Image-0.1-Design menghasilkan karya terbaiknya:

• Papan Text to Image Keseluruhan — Ming-Image-0.1-Design di #45, Elo 995, 95% CI ±8, 21.342 sampel, tercantum September 2026, $30,00 per 1.000 gambar, ditandai sebagai Open Weights

• Irisan Desain UI/UX — Ming-Image-0.1-Design di #16, Elo 1.084, 2.100 sampel dalam irisan tersebut

• Entri open-weights dengan peringkat tertinggi di bagian tersebut — Ming-Image-0.1-Design; model open-weights berikutnya di belakangnya adalah Ideogram 4.0 (Quality) di #22 dan 1.047, Ideogram 4.0 di #31 dan 1.018, serta HunyuanImage 3.0 Instruct di #40 dan 1.005

• Puncak dari bagian UI/UX — GPT Image 2.5 Flare (max) di 1.226, GPT Image 2.5 Sunburst (max) di 1.215, GPT Image 2 (high) di 1.204, Grok Imagine Image 2.0 di 1.183

• Dibandingkan dengan tangkapan layar milik vendor sendiri — inclusionAI menerbitkan 1.082 untuk Ming dibandingkan Ideogram 4.0 (Quality) pada 1.052 dan FLUX.2 [dev] pada 1.000; potongan data langsung kini menunjukkan 1.084, 1.047, dan 1.000 secara berurutan

Jadi, judul itu akurat menurut kriterianya sendiri. Ming-Image-0.1-Design adalah model bobot terbuka dengan peringkat tertinggi di irisan UI/UX Design, dan satu-satunya model bobot terbuka di dua puluh teratas irisan tersebut. Model ini juga tertinggal 142 Elo dari pemimpin irisan itu, dan berada di tengah-tengah kelompok saat prompt bukanlah prompt desain. Model yang menang pada dasbor dan berada di 995 secara keseluruhan adalah spesialis, bukan serba bisa, dan kedua angka itu hanya bertentangan jika Anda membaca salah satunya sebagai keseluruhan cerita.

21.342 sampel di papan lengkap juga patut dicatat karena apa yang tidak disiratkannya. Itu adalah jumlah suara yang besar, itulah sebabnya interval keyakinan ketat di ±8 Elo, tetapi jumlah sampel tidak sama dengan independensi metode. Arena ini adalah preferensi manusia secara buta, jadi tidak ada orang di inclusionAI yang menulis skor itu — bagian itu asli. Yang diukur oleh skor adalah "gambar mana dari dua ini yang lebih disukai pemilih," dan pemilih yang diminta menilai tangkapan layar UI cenderung menghargai teks yang terbaca jelas dan tata letak yang koheren. Itulah tepatnya sumbu yang menjadi fokus pelatihan model ini.

Apa itu Ming-Image-0.1-Design

Ming-Image-0.1-Design adalah model teks-ke-gambar dari inclusionAI, lab AI yang berafiliasi dengan Ant Group, yang dirilis di bawah lisensi MIT dengan bobot yang dipublikasikan pada 17 September 2026 dan paket rilis lengkapnya hadir pada 22 September. Model ini menghasilkan gambar hanya dari prompt — tanpa memerlukan gambar referensi — dan ditujukan untuk desain grafis yang padat teks ketimbang fotografi: mockup UI, dasbor, infografis, poster, dan apa pun yang teks hasil rendernya harus tetap terbaca pada ukuran ketika akan dibaca.

Konfigurasi inferensi yang didokumentasikan bersifat spesifik dan luar biasa murah per langkah:

• Resolusi — 2048 x 2048 direkomendasikan, atau 1024 x 1024 untuk pembuatan yang lebih cepat, dengan ukuran perantara dibulatkan ke salah satu dari dua kelompok ukuran tersebut

• Langkah sampling — 12

• Panduan — Skala CFG 1.0

• Presisi — BF16

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

Dua belas langkah pada skala panduan 1,0 adalah ciri khas sampler yang terdistilasi atau bebas panduan. Itulah yang membuat keluaran 2048 piksel terjangkau pada jumlah langkah yang tidak akan dicoba oleh sebagian besar model difusi, dan itu adalah alasan utama model ini menarik bagi siapa pun yang menjalankan pembuatan gambar dalam volume besar, bukan satu gambar pada satu waktu.

Fitur struktural lainnya adalah transparansi. Ming-Image-0.1-Design dapat menghasilkan RGBA native, sehingga latar belakang transparan keluar dari sampler, bukan dari proses matting, ketika prompt dimulai dengan salah satu frasa transparansi yang didokumentasikan. Model pendamping, Ming-Image-0.1-Design-Layer, melangkah lebih jauh: model ini menerima desain yang telah diratakan plus rencana lapisan dan mengembalikan PNG RGBA terpisah — teks, kartu, subjek utama, latar belakang — yang dapat disusun kembali menjadi versi aslinya. Itulah perbedaan antara model desain dan model gambar. PNG datar adalah gambar dari sebuah tata letak; lapisan terpisah adalah tata letak yang masih dapat Anda edit.

Label 6B dan unduhan 26B

"6B" akurat tentang bagian yang dimaksudkan kebanyakan orang dan menyesatkan tentang bagian yang menentukan apakah Anda dapat menjalankannya. Transformer difusinya memiliki 6,15 miliar parameter. Paket yang benar-benar Anda unduh berukuran kira-kira 52,88 GB, karena encoder teks multimodal-nya memiliki 17,01 miliar parameter dan konektornya menambahkan 3,09 miliar — totalnya sekitar 26 miliar parameter dalam BF16. Transformer model Layer dua kali lipat transformer model dasar pada 12,31 miliar parameter, dan paketnya bahkan lebih besar lagi, yaitu kira-kira 65,20 GB.

Ini penting karena dua alasan praktis. Pertama, kebutuhan VRAM 80 GiB bukan tentang transformer 6B; ini tentang semua yang harus berada di memori bersama model tersebut. Kedua, perbandingan apa pun terhadap model yang digambarkan sebagai "6B" perlu memeriksa 6B yang mana yang dimaksud. Diffusion transformer 6B dengan text encoder 20B adalah masalah deployment yang sangat berbeda dari model 6B secara end to end.

Penanganan prompt adalah hal lain yang diungkapkan secara eksplisit oleh kartu tersebut alih-alih disembunyikan: resep yang direkomendasikan menjalankan langkah penulisan ulang terlebih dahulu, menggunakan model visi-bahasa untuk memperluas prompt pendek menjadi deskripsi tata letak JSON bergaya Figma yang terstruktur dengan koordinat, hierarki, spesifikasi warna, dan teks verbatim. Kartu model menyebutkan Ling-3.0-flash-VL atau Qwen3.8-27B untuk pekerjaan itu. Dengan kata lain, pipeline yang di-benchmark oleh vendor adalah pipeline dua model. Jika Anda memanggil Ming-Image-0.1-Design dengan prompt satu baris dan tanpa langkah penulisan ulang, Anda tidak menjalankan konfigurasi yang menghasilkan 1.084 di irisan UI/UX.

Di mana posisi alur desain setelah ini

Ringkasan jujur tentang Ming-Image-0.1-Design adalah bahwa model ini memecahkan masalah yang spesifik dan mahal — menghasilkan tata letak padat teks yang tetap bertahan saat dilihat — dan model ini melakukannya di puncak bidang open-weights pada satu papan peringkat yang mengukur masalah tersebut. Model ini tidak memimpin papan peringkat gambar secara keseluruhan, tidak menghilangkan kebutuhan akan VLM di depannya, dan menuntut GPU yang serius.

Yang diubahnya adalah bagian tengah dari alur kerja desain. Jika pipeline Anda saat ini menghasilkan gambar datar lalu membayar manusia atau model segmentasi untuk memotongnya menjadi bagian-bagian, model yang mengeluarkan RGBA secara native dan pendamping yang mengeluarkan 2–9 layer bernama akan menghilangkan satu tahap. Itu lebih bernilai daripada kolom Elo, dan itulah bagian yang tidak diukur oleh papan peringkat mana pun.

Bagi tim yang ingin mengujinya tanpa berkomitmen pada infrastruktur, perbedaan ini perlu dipahami secara presisi. Ming-Image-0.1-Design adalah unduhan berlisensi MIT, jadi ia berjalan di perangkat keras Anda atau tidak sama sekali — OrcaRouter tidak merutekan model inclusionAI versi mana pun, dan mengatakan sebaliknya berarti klaim yang tidak dapat kami penuhi. Yang diberikan oleh lapisan perutean adalah permukaan di sekitarnya: satu endpoint yang kompatibel dengan OpenAI di lebih dari 200 model, failover otomatis antar penyedia, dan harga daftar penyedia diteruskan dengan markup 0%, sehingga perubahan harga vendor pada model mana pun yang Anda gunakan langsung berlaku di sisi kami pada hari yang sama. Jika Anda sedang membangun pipeline desain dan ingin membandingkan model ini dengan model hosted yang sudah Anda percaya, perbandingan itu berjalan dengan satu kunci alih-alih dua kontrak.

Apa yang akan mengubah gambaran

Tiga hal akan membawa Ming-Image-0.1-Design dari spesialis open-weights yang kuat menjadi pilihan default. Reproduksi independen pertama atas angka Crello milik model Layer — kartu tersebut melaporkan galat RGB L1 sebesar 0,0574 dan alpha soft IoU sebesar 0,8923 pada 1024, dan belum ada kelompok luar yang menjalankannya. Endpoint terkelola yang menghilangkan persyaratan 80 GiB. Dan irisan kasus penggunaan kedua di mana model ini tampil sebaik performanya di UI/UX Design, karena model yang hanya unggul pada satu irisan dari satu papan peringkat adalah model yang generalitasnya masih belum terbukti.

Sampai saat itu, kalimat yang akurat adalah kalimat yang sempit: pada irisan Desain UI/UX Artificial Analysis, terbaca 24 September 2026, Ming-Image-0.1-Design milik inclusionAI adalah model text-to-image open-weights dengan peringkat tertinggi, pada 1.084 Elo dari 2.100 suara — dan pada papan lengkap arena yang sama, ia berada di peringkat ke-45 dengan 995. Keduanya adalah model itu. Tidak satu pun dari keduanya merupakan klaim peluncuran, karena model ini tidak memiliki peluncuran; ia memiliki repositori.