Hy Image3.5 vs Ming-Image-0.1-Design: uno si può noleggiare, l'altro non si può comprare

Hy Image3.5 e Ming-Image-0.1-Design sono andati live a cinque giorni di distanza nel settembre 2026 e non potrebbero avere una distribuzione più diversa. Il modello di Tencent è un'API a consumo: immagini 2K a 0,024 $ ciascuna su Tencent Cloud International, un'anteprima aperta il 22 settembre, oggi raggiungibile attraverso i prodotti e le superfici cloud di Tencent. Ming-Image-0.1-Design di inclusionAI è un repository: pesi con licenza MIT su Hugging Face dal 17 settembre, circa 71,5 GB di safetensors in BF16, nessun endpoint, nessun prezzo, nessun provider e una Quick Start che rimanda a un repository companion che restituisce 404. Uno è un prodotto che puoi chiamare questo pomeriggio. L'altro è un file che puoi scaricare questo pomeriggio.

Questo è il confronto, e non è una gara di qualità — nessuno dei due modelli ha un punteggio indipendente, quindi nessuno dei due può essere classificato in base all'output. Ciò che si può confrontare è quello che ciascuno ti permette di fare, e dove ciascuno si ferma. Letto in questo modo, i due modelli sono quasi esattamente opposti su ogni asse che conta per un team di produzione.

L'unica dimensione in cui il modello open vince nettamente

Inizia dalla licenza, perché è l'unico punto in cui il confronto non è così serrato.

Ming-Image-0.1-Design è MIT. Scarica i pesi, esegui il fine-tuning sul tuo catalogo, distribuisci il risultato all'interno di un prodotto commerciale, ospitalo per i clienti, mantieni il modello derivato — nessun costo per chiamata, nessun termine d'uso da negoziare, nessun fornitore che possa deprecare l'endpoint sotto di te. Per un team con un vincolo di privacy, un budget GPU fisso o la necessità di addestrare su risorse di design proprietarie, non è una preferenza, è la differenza tra avere una strada e non averla. Nessuna API di immagini ospitata, inclusa quella di Tencent, può offrirlo.

Quanto costa quella licenza è ciò di cui parla il resto dell'articolo.

Tutto il resto, una riga alla volta

• Accesso — Hy Image3.5 è disponibile tramite Tencent Cloud TokenHub, Media Processing Service e Video on Demand, oltre a Yuanbao, ima, Miora, WorkRally, OnSolo e WorkBuddy, con una finestra gratuita su tre di questi fino al 7 ottobre 2026; Ming-Image-0.1-Design non ha alcun endpoint ospitato da nessuna parte, nessuna distribuzione di provider di inferenza, e la sua stessa model card ti dice di clonare un repository di inferenza ed eseguire uno script.

• Costo — $0,024 per immagine 2K consegnata, con generazioni fallite e filtrate non fatturate e nessun contatore di input, a fronte di pesi gratuiti e di una GPU CUDA da 80 GiB che devi trovare. Il secondo numero non è zero; è il noleggio o l'ammortamento di una scheda di quella classe, più le ore di ingegneria per mettere in piedi lo stack.

• Output — Hy Image3.5 raggiunge 2K con i rapporti d'aspetto standard e nessun livello 4K; Ming-Image-0.1-Design consiglia 2048×2048 o 1024×1024 per la velocità, con 12 passi di campionamento e CFG 1.0 in BF16.

• Trasparenza — Ming-Image-0.1-Design emette RGBA con sfondi trasparenti come output nativo, una capacità autentica per il lavoro su icone, sprite e composizioni a livelli; Hy Image3.5 non dispone di alcuna modalità di sfondo trasparente documentata.

• Condizionamento — Hy Image3.5 accetta fino a cinque immagini di riferimento per richiesta e mantiene i turni precedenti nell'arco di una sessione di editing multi-turno; la strategia di condizionamento di Ming-Image-0.1-Design si basa sul suo text encoder, un LLM multimodale all'interno della pipeline, con il potenziamento del prompt atteso da modelli affini anziché integrato nativamente.

• Supporto al deployment — un'API gestita con uptime incluso, a fronte di un percorso vLLM-Omni la cui guida all'installazione è raggiungibile mentre la ricetta specifica per modello non lo è.

• Prove indipendenti — nulla, da nessuna delle due parti.

Il problema delle prove, che è peggio di quanto sembri

Entrambi i modelli sono stati lanciati senza una misurazione di terze parti, ma hanno fallito in modo diverso, e la differenza è istruttiva.

L'affermazione di Tencent si basa su uno studio di preferenza GSB in cieco condotto con diverse centinaia dei suoi stessi designer professionisti, in cui Hy Image3.5 batte Hy Image3.0 di circa il 30%, eguaglia Seedream 5.0 Pro e supera di poco Nano-Banana Pro e Qwen-Image-3.0 Pro. La metodologia è solida, i partecipanti lavorano per Tencent, il set di prompt non è pubblicato e il risultato è un numero che nessuno fuori dall'azienda può riprodurre. Nella classifica text-to-image di Artificial Analysis consultata il 23 settembre 2026 non compare affatto una riga di Hy Image3.5; la generazione precedente, HunyuanImage 3.0 Instruct, si colloca al 65º posto su 156 con 964 Elo.

L'affermazione di Ming-Image-0.1-Design è un grafico di classifica pubblicato all'interno del suo stesso repository, intitolato «Text to Image Leaderboard: UI/UX Design», con il piè di pagina «Punteggi Elo dai voti di preferenza alla cieca nella nostra Image Arena» e un badge «Open Weights Leaderboard». Colloca il modello al primo posto con 1.082 Elo, sopra Ideogram 4.0 (Quality) a 1.052, Ideogram 4.0 a 1.015 e HunyuanImage 3.0 Instruct a 1.005. Il grafico riporta il branding di Artificial Analysis; il modello non compare nelle classifiche live di Artificial Analysis. Non siamo riusciti a trovare la classifica che raffigura sul web pubblico, e non mostra alcun numero di voti.

Quindi il numero di Tencent descrive almeno uno studio che l'azienda ha condotto. Quello di Ming descrive uno studio che potrebbe non esistere al di fuori del suo stesso repository — il che è un problema più difficile, perché non è semplicemente non verificato: è introvabile. Nessuno dei due andrebbe citato come benchmark, e la posizione onesta su entrambi è che la questione della qualità resta aperta.

Perché l'architettura vale comunque la pena di essere vista

Un dettaglio nella pipeline di Ming-Image-0.1-Design è la cosa tecnicamente più interessante in entrambi gli annunci, ed è visibile nel repository piuttosto che in qualsiasi materiale per la stampa. Un commit di terze parti di vLLM-Omni collega un encoder di glifi a livello di byte ByT5 a una pipeline chiamata `ming_flash_omni`, estendendo il vocabolario del tokenizer con marcatori di font e colore. Questo è un intento progettuale che si può leggere direttamente: il modello sembra trattare il testo renderizzato come glifi con attributi tipografici anziché come una proprietà emergente del prompt, che è la modalità di fallimento dietro quasi ogni poster mal renderizzato che un modello di immagini abbia mai prodotto.

È anche coerente con lo scopo dichiarato del modello — UI, infografiche, poster e altri lavori di design ad alta densità di testo — e con l'output consigliato di 2048×2048, dato che un testo leggibile ha bisogno di pixel. Ma è un'intenzione, non una prova. La struttura del repository mostra sei cartelle di componenti senza `model_index.json`, il che significa che il modello è una pipeline a più stadi anziché una singola chiamata, e il cablaggio del glyph-encoder risiede nel framework di inferenza di qualcun altro, non nella scheda del modello. Finché una terza parte non lo esegue e mostra il testo, si tratta di un'affermazione architetturale.

La dichiarazione equivalente di Hy Image3.5 è più convenzionale e altrettanto non verificata: Tencent afferma che la scrittura cinese e inglese all'interno delle immagini è migliorata, insieme a un layout specificato meglio dai prompt e a un editing più efficace sulle fotografie reali. Anche questa è riportata dal fornitore, anche questa non riprodotta.

Come usare effettivamente uno dei due

La risposta pratica cambia completamente a seconda del modello che hai scelto, e nessuna delle due risposte ha a che fare con una classifica.

Se vuoi Hy Image3.5, approfitta della finestra gratuita. Miora, WorkRally e OnSolo sono accessibili senza costi dal 22 settembre al 7 ottobre 2026, un periodo abbastanza lungo per provare i tuoi prompt reali e farti un'opinione che lo studio di Tencent non può darti. Poi decidi se una preview che non puoi ospitare in proprio, non puoi mettere a punto e non puoi misurare in modo indipendente meriti un posto in un percorso di produzione — e se lo merita, tieni la chiamata di generazione dietro un'interfaccia che puoi reindirizzare, perché una preview non comporta alcun impegno di disponibilità e il prezzo o il modello possono cambiare sotto di te.

Se vuoi Ming-Image-0.1-Design, il primo compito non è la generazione, è il deployment. Metti in budget una singola GPU CUDA da 80 GiB, aspettati di clonare un repository di inferenza invece di chiamare una pipeline, e controlla il link alla ricetta vLLM-Omni prima di pianificare in base ad esso, perché non si risolveva quando abbiamo controllato. Quello che ottieni dall'altra parte è l'unico di questi due modelli che puoi fare fine-tuning, l'unico che emette un canale di trasparenza e l'unico che non può esserti tolto.

Quest'ultima proprietà è anche il motivo per cui un livello di routing e un modello open-weights sono complementari anziché alternative. OrcaRouter è la metà gestita — una sola chiave per oltre 200 modelli, il prezzo di listino del fornitore passato con 0% di markup, così una variazione delle tariffe di un vendor è attiva lo stesso giorno, e il failover automatico, così un'anteprima non ancora collaudata può stare dietro una chiamata di produzione senza rappresentare un single point of failure. Non è la metà che ti fornisce i pesi. Per essere precisi sul nostro catalogo: né Hy Image3.5 né Ming-Image-0.1-Design sono instradabili qui. OrcaRouter non ospita alcun modello image di Tencent né alcun modello inclusionAI, e i modelli hosted per immagini statiche che serviamo sono Nano Banana 2 di Google (come google/gemini-3.1-flash-image-preview), GPT-Image-2, Imagen 4 Ultra e Grok Imagine Image.

A cosa serve ciascuno

Hy Image3.5 è per i team che vogliono un'immagine a basso costo e non vogliono eseguire nulla: output 2K, fatturazione per immagine senza addebito per i tentativi scartati, un'API funzionante già oggi e una dichiarazione di qualità che dovrete verificare voi stessi. È l'opzione con il minore attrito della categoria e non comporta alcuna proprietà.

Ming-Image-0.1-Design è per i team il cui vincolo non è il prezzo ma il controllo — una licenza su cui costruire un business, un modello da mettere a punto, un canale di trasparenza che nessuna API ospitata offre e una bolletta GPU invece di una bolletta per chiamata. Non include supporto, né endpoint, e una storia di deployment lasciata a metà.

I due non competono per lo stesso slot, e il motivo non è la qualità. È che uno dei due è un servizio e l'altro è un asset, e la domanda su quale ti serva trova risposta prima ancora che tu guardi un benchmark.