Ming-Image-0.1-Design vs GPT Image 2.5: 한 연구소의 자체 수치 대 낯선 심사위원단의 투표

같은 문장에 나란히 놓고 보면,Ming-Image-0.1-Design과 GPT Image 2.5 — 당연히 떠오르는 비교는 품질이다. 유용한 비교는 출처다. GPT Image 2.5는 실시간 Artificial Analysis UI/UX 디자인 보드에서 1위와 2위를 차지하고 있으며, 각각 1,227과 1,218 Elo, 1,287표와 1,303표의 블라인드 인간 투표로 기록됐다. 즉, 모델을 만든 사람도 아니고 어느 출력이 누구 것인지도 알려주지 않은 사람들이 만들어 낸 순위다. Ming-Image-0.1-Design에는 점수가 단 하나만 붙어 있는데, 1,082 Elo이며, 그 점수는 inclusionAI 자체 Hugging Face 저장소 안에 포함된 리더보드 그래픽에, 우리가 다른 어디에서도 찾을 수 없었던 보드에, 다운로드가 0인 모델을 위해 실려 있다. 이 숫자들 중 하나는 증거다. 다른 하나는 서체를 입은 주장일 뿐이다. 어느 모델에 대한 결정이든 좌우해야 하는 것은 두 모델 사이의 145 Elo 차이가 아니라 바로 이 격차다.

나란히 놓인 두 숫자, 그리고 그것들을 비교할 때의 함정

숫자들은 비슷해 보일 만큼 서로 가깝지만, 종류가 달라서 실제로는 비교할 수 있는 것들이 아니다. 이제 그 집합을 정확하게 제시하겠다.

• 실시간 보드에서 GPT Image 2.5 — Flare(max) 구성은 1,227.0 Elo로 1위, Sunburst(max)는 1,218.1로 2위이며, 샘플 수는 1,287 및 1,303이고 추적 가격은 이미지 1,000장당 $210.72입니다. 해당 모델은 그 보드에 2026년 9월 8일 출시된 것으로 등록되었습니다.

• Ming-Image-0.1-Design은 자체 카드에 — 1,082 Elo로 1위, 1,052의 Ideogram 4.0 (Quality)와 994에서 1,000 사이의 FLUX.2 dev 변형들보다 앞서며, "텍스트 대 이미지 리더보드: UI/UX 디자인"이라는 제목의 그래픽에 실렸고 하단에는 "우리 Image Arena의 블라인드 선호 투표에서 나온 Elo 점수"라는 문구가 있습니다. 샘플 수는 표시되지 않습니다. 방법론도 공개되지 않았습니다. 우리가 찾을 수 있는 한, 이 보드 자체는 공개 웹에 없습니다.

• 함정 — Elo는 보드별로 계산된다. 점수는 같은 보드에 있는 다른 점수와 비교할 때만 의미가 있다. 그래서 동일한 FLUX.2 릴리스가 일반 텍스트-이미지 보드에서는 1,026으로, UI/UX 디자인 카테고리 보기에서는 1,065로 표시된다. 1,227에서 1,082를 빼도 두 모델 사이의 품질 격차를 측정한 것이 아니다. 당신은 서로 다른 숫자에서 하나의 숫자를 뺀 것이다.

블라인드 투표를 블라인드 투표로 만드는 것은 무엇인가?

Artificial Analysis는 자사의 방법론을 검증할 수 있을 만큼 충분히 공개한다. 이미지 아레나는 익명 모델의 두 생성물을 짝지어 투표자에게 승자를 고르게 하고, 그 결과를 Elo 평점으로 변환한다 — 보드에 표시된 샘플 수는 각 모델이 누적한 그러한 비교의 횟수다. 그 구조 덕분에 점수는 모델을 만든 사람들의 영향에 저항한다: GPT Image 2.5를 훈련한 사람들은 그 과정에 등장하지 않으며, 모델이 제작자가 더 선호하는 모델이라는 이유만으로 1위에 오를 수는 없다. 완벽한 도구는 아니다 — 투표자 풀은 자기 선택적으로 구성되고 프롬프트는 통제된 벤치마크 모음이 아니다 — 그러나 이는 벤더가 아닌 다른 누군가가 들고 있는 도구다.

Ming-Image-0.1-Design 저장소 안의 그래픽은 그것을 검증 가능하게 만드는 부분들은 빼고 그 형식만 차용했다. "블라인드 선호 투표"가 주장이다. "Our Image Arena"가 운영 주체이고, 그 운영 주체는 inclusionAI다. 공개된 투표 수는 없고, 눈에 보이는 프롬프트 분포도 없으며, 페어링을 검사할 방법도 없다. 그 그래픽 뒤의 평가가 정직하고 엄격했을 가능성은 충분히 있다 — 모델 팀이라면 알겠지만. 또한 그것은 외부에서는 전혀 확인할 수 없는데, 그 위에 구축할지 결정하는 사람이라면 바로 그 점만이 중요하다.

덧붙일 만합니다. 쉬운 서사를 거스르기 때문입니다: Ming-Image-0.1-Design은 라이브 Artificial Analysis 보드에 전혀 없습니다. UI/UX Design 카테고리에도, 일반 text-to-image 보드에도, open-weights 보기에도 없습니다. 그 부재는 이것이 더 나쁘다는 증거가 아닙니다 — 다운로드가 0이고 호스팅된 엔드포인트도 없는 모델은 투표를 쌓을 방법이 없습니다. 그것은 아직 독립적인 수치가 존재하지 않는다는 증거이며, 이는 다른 진술입니다.

가격은 모호하지 않은 부분이다.

비용 면에서 두 모델은 차이가 크며, 논쟁의 여지가 없다.

• GPT Image 2.5는 상용 엔드포인트입니다. Artificial Analysis는 UI/UX 카테고리에서 이를 1,000장당 $210.72로 집계합니다 — 이미지당 약 21센트로, 이 분야 가격대의 최상단에 위치합니다. 참고로 같은 보드에서 Grok Imagine Image 2.0은 1,000장당 $60, MAI-Image-2.6은 $38.9, Muse Image는 $10로 집계됩니다.

• Ming-Image-0.1-Design은 엔드포인트가 없기 때문에 가격이 없습니다. 가중치는 MIT 라이선스이며 무료로 다운로드할 수 있고, 실행 비용은 80 GiB CUDA GPU 한 대에 대해 시간당 지불해야 하는 비용과 같습니다. 모델 카드의 검증된 구성은 해당 등급의 카드 한 장을 사용하며, 2048 x 2048 해상도와 12 샘플링 스텝입니다.

• 어느 수치도 안정적이지 않습니다. 두 공급업체 모두 요금을 개정하며, 오늘 작성된 이미지당 비교의 유효 기간은 몇 주 단위로 측정됩니다. OrcaRouter의 경제성을 솔직히 밝힐 가치가 있는 유일한 지점입니다: 우리는 공급자 정가를 0% 마크업으로 그대로 전달합니다, 따라서 공급업체 요금 변경은 우리 쪽에서 자체적인 재가격 주기를 거친 뒤가 아니라 같은 날 바로 적용됩니다 — 두 후보 간 차이가 이미지당 21센트 대 6센트이고 둘 다 변동할 수 있을 때 이는 중요합니다.

오늘 실제로 당신이 부를 수 있는 것, 그리고 우리가 그 안에서 어디에 서 있는지

가용성은 이 비교가 더 이상 사고 실험이 아니게 되는 지점입니다.

GPT Image 2.5는 실제 API를 갖춘 실제 제품이며, OpenAI가 자체 조건에 따라 판매합니다. 이 제품은 OrcaRouter를 통해 라우팅할 수 없습니다 — 2026년 9월 23일 기준으로 저희 카탈로그에는 GPT Image 2.5 항목이 없습니다 — 그리고 저희는 보유하지 않은 경로를 설명하지 않을 것입니다. 같은 라인에서 카탈로그에 실제로 실려 있는 것은 이전 세대인 openai/gpt-image-2로, 입력 토큰 100만 개당 $8.00, 출력 토큰 100만 개당 $30.00이고, openai/gpt-image-1.5와 함께 제공되며, 이들은 저희가 라우팅하는 다른 모든 것과 동일한 키 뒤에 있습니다.

Ming-Image-0.1-Design은 어디에서도 라우팅할 수 없습니다. 해당 리포지토리는 추론이 비활성화되어 있고, Hugging Face는 추론 제공자 배포가 없다고 보고하며, Quick Start는 404를 반환하는 동반 GitHub 리포지토리를 가리킵니다. 우리 카탈로그에는 어떤 종류의 inclusionAI 모델도 없습니다. 이를 실행하는 유일한 방법은 샤드를 다운로드하여 직접 서빙하는 것입니다.

그래서 선택의 구조는 이렇습니다. 오늘 시장 최고가를 주고 살 수 있는 옵션 하나, 그리고 GPU 한 대 가격과 자신의 엔지니어링 시간을 대가로 오늘 실행할 수 있지만 성능을 입증할 독립적 증거는 없는 옵션 하나입니다. Ming-Image-0.1-Design이 GPT Image 2.5의 더 저렴한 대안이라고 말하는 사람은 두 번째 옵션의 비용을 따져보지 않은 것입니다.

어느 쪽에도 베팅하지 않고 둘 다를 유지하는 방법

여기서 실용적인 조언은 판결보다 범위가 좁다. 두 모델이 아직 서로의 대체재가 아니기 때문이다.

프로덕션에서 UI나 디자인 품질의 이미지 생성이 필요하다면 GPT Image 2.5는 정당화할 수 있는 선택이며, 품질이 아니라 가격이 바로 스스로와 협상해야 할 문제입니다 — 독립 리더보드에서 앞선 격차가 충분히 커서 순위는 의문의 여지가 없습니다. Ming-Image-0.1-Design이 좋은지 알고 싶다면 두 가지 선택지가 있고, 그중 추측 없이 확인할 수 있는 방법은 하나뿐입니다: MIT 가중치를 80GiB 카드에 올려 직접 평가 세트를 돌리거나, 다른 누군가가 해주기를 기다리는 것입니다. 그동안 1,082를 결과로 취급하지 마세요. 그리고 실제 요구사항이 특정 모델이 아니라 선택 가능성이라면, 성과를 내는 원칙은 생성 호출을 단일 인터페이스 뒤에 두는 것입니다 — 200개 이상의 모델에 걸친 하나의 키, 재작성이 아닌 모델 ID 변경, 엔드포인트가 오작동할 때의 자동 페일오버 — 그래서 이 둘 중 어느 쪽이 먼저 독립적인 수치를 내놓든, 도입 비용은 스프린트가 아니라 설정 한 줄이 되도록.

이 글을 바꿀 수 있을 만한 점을 짚으며 마무리하자면, Artificial Analysis UI/UX Design 보드에 Ming-Image-0.1-Design 행이 나타나고 그 옆에 샘플 수가 표시된다면, 벤더의 1,082는 주장에서 데이터 포인트로 바뀔 것이며, 이는 inclusionAI 외부의 누군가가 이 모델에 대해 측정 가능한 무엇인가를 말하는 첫 사례가 될 것입니다. 그것이 지켜봐야 할 사건이고, 다운로드 카운터보다 모니터링하기에 더 유용한 것입니다.