Ming-Image-0.1-Design, 조용히 출시되다: 저장소에만 존재하고 그 외 어디에도 없는 6B 디자인 모델

6B 텍스트-투-이미지 모델이 있습니다. 이름은 Ming-Image-0.1-Design이고, Hugging Face의 inclusionAI 조직에 자리 잡고 있습니다. 그리고 2026년 9월 23일 현재, 이 모델에 대해 알려진 다른 정보는 거의 없습니다. 리포지토리는 9월 17일에 생성되었고, 가중치는 같은 날 공개되었으며, 모델 카드는 9월 22일에 다시 작성되었습니다 — 5일 동안 세 번의 커밋, 모두 한 계정에서 이루어졌고, 벤더 블로그 글도, 출시 노트도, 어떤 API 플랫폼의 모델 페이지도 없으며, 다운로드 카운터는 여전히 0을 가리키고 있습니다. 그것이 외부에서 바라본 조용한 출시의 모습입니다: 완성된 결과물과 아무런 발표가 없는 것. 따라서 이 글은 리포지토리가 말하는 것, 어제 그곳에서 바뀐 것, 그리고 아직 검증할 수 없는 것들에 대한 목록입니다 — 리뷰가 아닙니다, 왜냐하면 inclusionAI 외부에서는 아직 아무도 이 모델에 대한 수치를 발표하지 않았기 때문입니다.

저장소가 실제로 포함하는 것

이 카드는 Ming-Image-0.1-Design을 UI, 인포그래픽, 포스터 및 기타 텍스트가 많은 시각 디자인을 위한 6B 텍스트-투-이미지 모델로 설명하며, 완전한 시각적 구성을 생성하고 투명 배경을 사용한 RGBA 출력을 지원합니다. 이 메타데이터는 이렇게 새로운 모델치고는 이례적으로 관대합니다: MIT 라이선스, diffusers 및 safetensors, 파이프라인 태그 텍스트-투-이미지, 그리고 이미지 생성, 그래픽 디자인, 텍스트 렌더링 및 RGBA를 포함하는 태그들.

권장 추론 설정은 유용할 만큼 충분히 구체적입니다:

• 해상도 — 2048 x 2048 권장, 더 빠른 생성을 위해서는 1024 x 1024

• 샘플링 단계 — 12

• CFG 스케일 — 1.0

• 정밀도 — BF16

• 하드웨어 — 80 GiB VRAM을 갖춘 CUDA GPU 한 대로, 검증된 구성이라고 설명됩니다

가이던스 스케일 1.0에서의 12단계는 증류된 샘플러 또는 가이던스 없는 샘플러의 특징입니다. 이미지당 비용이 저렴하기 때문에, 이 카드는 대부분의 확산 모델이 시도하지 않을 단계 수에서 2048픽셀 출력을 제공할 수 있습니다. 또한 이 카드는 공개 추론 코드가 텍스트-투-이미지 해상도 요청을 지원되는 1024 또는 2048 버킷에 매핑하므로, 중간 크기는 이 둘 중 하나로 맞춰진다고 언급합니다.

파일 트리는 산문보다 조금 더 많은 것을 알려준다. 게다가 vae와 scheduler와 함께 transformer 폴더가 있는데, 여기에는 다섯 개의 가중치 샤드와 별도의 mllm, connector 및 mlp 구성 요소가 있습니다 — 다단계 파이프라인의 형태로, 단일 모놀리식 디노이저가 아닌 멀티모달 언어 모델을 텍스트 인코더로 사용합니다. 이는 카드의 설명과 일치합니다. 프롬프트 향상은 Ling-3.0-flash-VL 또는 qwen3.8-27B에 의해 처리될 수 있으며, 둘 다 같은 조직의 형제 모델입니다.

9월 22일에 반영된 세 개의 커밋

이것은 지난주 안에 타임스탬프가 있는 이야기의 유일한 부분이며, 10월이 아니라 지금 이 모델에 대해 쓸 가치가 있는 이유입니다. 커밋 제목은 순서대로 다음과 같습니다:

• 9월 22일, 11:25 UTC — "Ming-Image-0.1-Design 릴리스 패키지 게시"

• 9월 22일, 12:01 UTC — "Ming-Image-0.1-Design 모델 카드 새로 고침"

• 9월 22일 15:17 UTC — "vLLM-Omni 배포 링크 추가"

처음 두 가지는 정리 작업입니다. 세 번째는 실질적인 변화입니다. 벤더 자체의 프레임워크가 아닌 다른 프레임워크가 이 모델을 채택했고, 이제 카드에서는 레시피와 설치 가이드 링크와 함께 vLLM-Omni를 통해 이 모델을 서빙하도록 권장합니다. 이는 모델이 "선반 위의 가중치"에서 "팀이 실제로 엔드포인트 뒤에 세워 운영할 수 있는 무언가"로 이동했음을 보여주는 표준 신호이며, 보도자료를 결코 만들어 내지 않는 유형의 변화입니다.

이 역시 절반만 반영된 상태입니다. 설치 가이드 링크는 정상적으로 연결됩니다. 같은 커밋에 있는 모델별 레시피 경로는 그렇지 않습니다. 9월 23일 기준으로 404를 반환합니다. 따라서 Ming-Image-0.1-Design의 배포 현황은 현재 이렇게 보입니다: 일반 프레임워크는 실제로 존재하지만, 그 안에서 이 모델을 위한 지침은 여전히 자리 표시자에 불과합니다. 이 모델을 서빙할 계획이라면, vLLM-Omni 퀵스타트를 읽고 모델 연결 구성을 직접 파악할 시간을 염두에 두세요.

카드에 있는 리더보드, 그리고 그것이 올라 있지 않은 리더보드

이 저장소에는 성능 그래픽이 하나 포함되어 있습니다: assets/uiux_leaderboard.webp. 이는 리더보드 스타일의 이미지로, 제목은 "Text to Image Leaderboard: UI/UX Design"이며 하단에는 "Elo scores from blind preference votes in our Image Arena"와 "Open Weights Leaderboard" 배지가 있습니다. 이 이미지에서 Ming-Image-0.1-Design이 1,082 Elo로 1위를 차지했고, 그 뒤를 1,052의 Ideogram 4.0 (Quality), 1,015의 Ideogram 4.0, 1,005의 HunyuanImage 3.0 Instruct, 그리고 994에서 1,000 사이에 위치한 FLUX.2 dev 변형 모델들이 잇고 있습니다.

그 이미지에 관해 세 가지를 말해야 하는데, 순서가 중요하다.

첫째, 이는 벤더가 자체 저장소에 게시한 아트워크입니다. 우리는 해당 파일에 담긴 내용을 알리는 것이지, 이를 보증하는 것이 아닙니다.

둘째, 9월 23일 현재 Artificial Analysis 라이브 보드 어디에서도 Ming-Image-0.1-Design을 찾을 수 없었습니다 — 텍스트-투-이미지 리더보드에도, UI/UX 디자인 카테고리 보기에도, 이미지 편집 보드에도, 오픈 웨이트 보기에도 없었습니다. 라이브 UI/UX 디자인 카테고리의 최상위는 1,227 Elo의 GPT Image 2.5 Flare이며, 카드에 나열된 FLUX.2 항목들은 같은 라이브 보드에서 서로 다른 값으로 나타납니다: FLUX.2 [flex]는 1,065, FLUX.2 [max]는 1,053, FLUX.2 [dev]는 1,000입니다. 따라서 카드의 순위는 우리가 찾을 수 없는 보드에 대한 주장이며, 우리가 찾을 수 있는 보드보다 약 150 Elo 낮은 척도로 표현된 것입니다.

셋째, Elo는 보드별로 계산됩니다. 같은 모델이라도 카테고리별 UI/UX 점수와 일반 텍스트-이미지 점수는 서로 다른 값입니다. 그래서 동일한 FLUX.2 릴리스가 한 Artificial Analysis 보드에서는 1,026으로, 다른 보드에서는 1,065로 나타납니다. 보드를 섞는 비교는 비교가 아닙니다.

요점: Ming-Image-0.1-Design에는 성능 주장이 하나뿐이고, 그것도 벤더 자체의 주장이며, 이에 대한 독립적 평가는 존재하지 않는다. 이는 비난이 아니다. 누구든 1,082를 기준으로 예산을 세우기 전에 이 모델에 외부 실행이 필요한 이유가 바로 여기에 있다.

아직 그것으로 할 수 없는 것

문제는 Quick Start입니다. 이것은 github.com/inclusionAI/Ming-Image를 클론하고, 요구 사항을 설치한 다음, infer.py를 Hugging Face 모델 ID에 대해 실행하라고 안내합니다. 그 저장소는 존재하지 않습니다. 페이지는 404를 반환하고, raw README도 404를 반환하며, Ming-Image 저장소는 조직의 공개 저장소 목록 어디에도 나타나지 않습니다. 그 목록에는 Ming, Ling, Ring, Ming-UniVision, Ming-UniAudio 및 십여 개의 다른 저장소가 있으므로, 이는 잘못 입력된 URL이 아니라 부재입니다. Ming-Image-0.1-Design을 실행하기 위해 문서화된 유일한 경로는 바로 존재하지 않는 그 경로입니다.

나머지 접근성 관련 내용도 마찬가지로 빈약하다. 카드에는 inference: false가 설정되어 있으며, Hugging Face는 이 모델이 어떤 추론 제공자에 의해서도 배포되지 않았다고 보고한다. 공개된 가격도, API 식별자도, 플레이그라운드도 없으며, 가중치 자체에 적용된 MIT 라이선스 외에 상업적 조건도 없다. 다운로드 수는 0이고 좋아요 수는 4이다.

그래서 사용 가능성에 대한 솔직한 요약은 이렇습니다: 가중치는 실제로 존재하고 허용적 라이선스가 적용되어 있지만, 그 주변의 모든 것 — 코드, 문서, 호스팅, 평가 — 은 없거나 스텁에 불과합니다.

누가 그것을 사용할 수 있는지 결정하는 숫자

80GB의 VRAM이 논거의 전부다. 그것은 H100 또는 H200급 카드 한 장, 혹은 A100 80GB에 해당한다. 워크스테이션 GPU도 아니고, 노트북도 아니며, 종료하는 걸 잊어버리는 스팟 인스턴스도 아니다. 검증된 단일 GPU 구성과 결합하면, 이는 Ming-Image-0.1-Design이 라이선스는 무료지만 실행 비용은 비싸다는 뜻이며, 이는 대규모로 학습하는 연구소의 오픈 웨이트 릴리스에서 익숙하게 보이는 형태다.

저희 쪽의 완전성을 위해 말씀드리자면: 현재 OrcaRouter를 통해 라우팅할 수 있는 inclusionAI 모델은 없습니다. 그 카탈로그 페이지에는 15개 제공업체의 199개 모델이 나열되어 있었습니다. 9월 23일에 확인했을 때, 그리고 여기에는 Ming 항목도, 어떤 종류의 inclusionAI 항목도 없습니다. 따라서 저희를 통해 호출할 수 있는 것은 없습니다. 이런 상황에서 라우팅 계층이 실제로 가치 있는 부분은 두 번째 단계입니다 — 업스트림 제공업체가 해당 모델을 채택하는 날, 시도하는 것은 이미 보유한 키에서의 모델 ID 변경이지, 새로운 계약과 새로운 SDK가 아닙니다. 그때까지 Ming-Image-0.1-Design을 실행하는 유일한 방법은 사라진 리포지토리와 80GiB의 여유 공간이 있는 GPU를 찾는 것입니다.

무엇이 이것을 이야기로 만들어 줄까

정보를 더 많이 알려주는 순서대로, 네 가지가 있습니다. 문서에 적힌 대로 모델을 실행 가능하게 만들어 줄 동반 저장소의 등장. 추측 없이 서빙할 수 있게 해 줄 vLLM-Omni 레시피의 채워짐. 이에 가격을 매길 수 있게 해 줄 추론 제공자의 목록 등재. 그리고 이 모델을 학습시킨 사람들에게서 나오지 않은, 이 모델에 관한 첫 번째 숫자가 되어 줄 독립적인 Elo.

그중 적어도 하나가 자리 잡기 전까지 올바른 태도는 좁고 화려하지 않다. UI 및 레이아웃 생성을 위한 평가 세트를 구축한다면, 지금 가중치를 내려받을 가치가 있다 — MIT, 6B, 단일 구성, 그리고 몇천 개의 샘플을 감당할 수 있을 만큼 낮은 스텝 수. 이번 분기에 프로덕션에서 이미지 생성이 필요하다면 Ming-Image-0.1-Design은 후보가 아니다: 엔드포인트도, 지원도, 제3자 점수도 없다. 그리고 inclusionAI 조직을 지켜보고 있다면, 이제 언어 및 음성 라인과 함께 이미지 모델도 갖추고 있다는 점, 아무에게도 알리지 않고 이것을 출시했다는 점, 최초 업로드와 릴리스 패키지 사이의 2주 간격이 그 조용한 기간이 의도적이었음을 시사한다는 점을 주목하라.