Ming-Image-0.1-Design vs Nano Banana 2: 당신이 돌려받는 레이어

디자이너에게 이미지가 생성된 뒤 무엇이 잘못되는지 물어보면, 답은 거의 이미지 자체가 아니다. 문제는 생성된 이미지가 평면화되어 있다는 점이다. 모든 요소가 다른 모든 요소와 용접된 듯 붙어 있어서, 헤드라인은 옮길 수 없고, 로고는 교체할 수 없고, 배경은 색을 바꿀 수 없으며, 단어 하나를 바꾸려 해도 프롬프트로 전체를 다시 생성해야 한다. Ming-Image-0.1-Design은 2026년 9월 17일 Ant Group의 inclusionAI 팀이 MIT 라이선스로 조용히 공개한 것으로, 바로 그 문제를 염두에 두고 만들어졌다: 61억 5천만 개의 파라미터, 네이티브 RGBA 출력, 그리고 평면화된 디자인을 받아 개별 레이어로 되돌려주는 동반 저장소. Nano Banana 2 — 공급업체의 Gemini 3.1 Flash Image로, 2026년 5월 28일부터 정식 제공되었으며 오늘날 google/gemini-3.1-flash-image-preview(으)로 라우팅할 수 있는 이 모델은 — 같은 문제의 다른 절반을 해결하는데, 두 절반 사이의 차이가 어느 쪽이 여러분의 파이프라인에 들어갈지를 결정한다.

Nano Banana 2가 실제로 잘하는 것, 그리고 그 가격

구글의 모델은 공개된 가격과 양산 실적을 갖춘 모델이며, 이 두 가지는 사람들이 그것을 선택하는 이유이기에 정확히 언급할 가치가 있습니다.

• 가격 — 1024×1024 이미지당 약 $0.067, 2048×2048에서는 $0.101, 4K 쪽에서는 약 $0.151이며, 배치 모드는 이 수치의 약 절반이고 텍스트 입력은 백만 토큰당 $0.25로 별도 청구됩니다. 이는 2K 이미지 1,000장당 약 $101로 환산되며, 무엇이든 생성하기 전에 달러 단위까지 예측할 수 있습니다.

• 출력 — 최대 4K, 소셜 및 배너 포맷에 필요한 1:4와 1:8 극단 비율을 포함한 비율 프리셋, 그리고 다섯 캐릭터와 열네 객체에 걸쳐 Google이 보고한 일관성.

• 출처 증명 — 모든 출력물에는 SynthID 워터마킹이 적용되는데, 이는 품질 기능이라기보다 규정 준수 기능이며, 디자인 검토보다 법무 검토에서 먼저 질문하게 되는 유형의 사항이다.

• Grounding — 생성 중에 웹을 검색할 수 있으며, 이는 기억하고 있지 않은 사실에 의존하는 요청을 처리하는 방식입니다.

그중 어느 것도 투명성에 관한 이야기가 아니다. Nano Banana 2는 이미지를 반환하며, 그 이미지가 아티팩트의 전부다.

Ming-Image-0.1-Design이 대신 반환하는 것

이 모델 카드는 아직 발표되지 않은 릴리스치고는 이례적으로 구체적이며, 그 구체적인 내용은 전부 사진이 아니라 디자인 작업을 겨냥하고 있습니다. 권장 추론은 2048×2048 — 속도를 원하면 1024 — 이며, 샘플링 스텝 12, classifier-free guidance 1.0, 전체 BF16, 단일 80 GiB CUDA GPU에서 실행합니다. 가중치는 모두 BF16 safetensors이고, 저장소는 약 71.5 GB로 connector/, mllm/, mlp/, scheduler/, transformer/ 및 vae/, model_index.json은 없으며, 문서화된 경로는 git clone으로 추론 저장소를 클론한 뒤 python infer.py, 배포에는 vLLM-Omni가, 프롬프트 향상에는 별도의 비전-언어 모델(Ling-3.0-flash-VL 또는 qwen3.8-27B)이 지정되어 있습니다.

RGBA 출력은 평면 이미지 문제에 대한 답의 전반부입니다. 후반부는 Ming-Image-0.1-Design-Layer, 자체 파이프라인 태그(image-text-to-image)를 가진 별도 저장소로, 6,154,908,736개의 파라미터, 동일한 MIT 라이선스, 그리고 하나의 작업을 맡습니다: 평탄화된 디자인 이미지와 레이어 계획을 받아 N개의 RGBA 레이어를 반환하는 것입니다. 기본 버킷에서는 1024, 속도를 위해서는 512, 12스텝, 가이던스 2.0으로, flash_attention_2를 사용해 실행됩니다. 해당 카드는 Crello 테스트 세트 결과를 표가 아닌 이미지로 보여주므로 인용할 숫자가 없습니다 — 이것이 증거의 정직한 상태이며 솔직히 말할 가치가 있습니다.

이 두 가지 사실을 종합하면, 이 맞바꿈의 형태가 분명해진다. Nano Banana 2는 더 적은 수고로 더 나은 최종 이미지를 제공한다. Ming-Image-0.1-Design은 나중에도 여전히 분해할 수 있는 이미지를 제공하며, 필요할 때 실행하는 두 번째 모델로서 레이어 분해를 제공한다.

보드를 주의 깊게 읽으세요

Ming-Image-0.1-Design은 Artificial Analysis의 UI/UX 디자인 부문 Text to Image 리더보드에서 오픈 웨이트 뷰 기준 1위에 올랐으며, Elo 1,082로 Ideogram 4.0 (Quality)의 1,052, Ideogram 4.0의 1,015, HunyuanImage 3.0 Instruct의 1,005, FLUX.2 [dev]의 1,000, FLUX.2 [dev] Flash의 999, FLUX.2 [dev] Turbo의 994를 앞선다. 우리가 읽고 있는 이 문구는 해당 모델 자체 카드에 재현된 것이며, Artificial Analysis 브랜딩을 담고 있다.

그것이 지니는 비중을 바꾸는 두 가지 주의점이 있습니다. 이는 오픈 웨이트로 필터링된 보드이므로, Nano Banana 2 같은 호스팅 모델은 참여 자격이 없으며 그 부재가 패배를 뜻하지는 않습니다. 그리고 블라인드 선호도 Elo는 군중 전체의 평균이지, 당신의 프롬프트를 시험하는 것이 아닙니다 — 이는 패널이 이 출력물들을 더 선호했다는 뜻이지, 그 모델이 당신의 헤드라인을 올바른 서체로 조판해 준다는 뜻은 아닙니다.

Nano Banana 2의 위상은 호스팅된 보드와 Google이 자체적으로 공개한 수치에서 측정되며, 이 둘은 혼동되어서는 안 됩니다. 그것은 봄부터 보드에 올라와 있었는데, 이 점이 여기서 더 유용한 사실입니다. 즉, 수개월 동안 독립적인 트래픽을 받아 왔지만, Ming 릴리스는 그러한 트래픽이 전혀 없었습니다.

돈과 위험이 실제로 어디에 귀결되는가

가격 차이는 정도의 차이가 아니다. Nano Banana 2는 사용량 기반 과금이라 예측 가능하다: 2K 이미지 천 장은 약 $101이고, 이미지 출력은 예측 가능하게 토큰화되므로 복잡성이 청구서를 크게 바꾸지는 않는다. Ming-Image-0.1-Design은 호스팅 가격이 전혀 없다. 호스팅 엔드포인트가 없기 때문이다 — 비용은 80 GiB 카드에서 71.5 GB 다운로드에 맞선 자신의 GPU 시간이며, 정직한 비교는 무료 대 $101이 아니라 스스로 계산해야 하는 상각된 수치 대 $101이다.

이 비교에서 라우팅 계층이 수사적이 아니라 구체적인 일을 하는 유일한 지점입니다. Nano Banana 2를 제공하는 Gemini 이미지 프리뷰는 우리 엔드포인트에 있으며, 제공업체 정가에 마크업 없이 그대로 올라와 있습니다 — 따라서 Google이 이미지당 요금을 변경하면 우리 쪽 숫자는 다음 계약 갱신 때가 아니라 같은 날 바뀝니다. 제공업체 간 자동 장애 조치가 그 나머지 절반입니다. 하나의 라우트가 수개월치 보드 이력이 있는 모델로 프로덕션 트래픽을 처리하는 동안, 발표되지 않은 오픈 웨이트 릴리스가 그 옆에서 평가될 수 있습니다. 이는 평가가 결코 핵심 경로에 놓이지 않으며, 어느 한쪽의 안 좋은 오후가 장애로 이어지지 않는다는 뜻입니다. 그것은 실제 구성이며, 바로 이 특정 모델 쌍이 요구하는 구성입니다.

어느 모델도 안전한 기본값이 아니다, 각기 다른 이유로

Ming-Image-0.1-Design은 2026년 9월 17일에 업로드되었으며, 공지도, 릴리스 노트도, 명시된 제한 사항도 없었고, 이 글을 쓰는 시점에 다운로드 카운터는 0을 가리키고 있었습니다. 위의 리더보드 순위가 존재하는 유일한 독립적 측정치입니다. 나머지 모든 것 — 당신의 카드에서의 처리량, 참조 이미지 몇 장을 넘었을 때의 동작, 컷아웃 가장자리에서 알파 채널이 깨끗한지 — 은 공개적으로 측정되지 않았고, 어떤 제3자도 이에 대해 글을 쓴 적이 없습니다.

Nano Banana 2는 정반대의 프로필을 가지고 있습니다. 독립적인 점수, 공개된 가격, 상업용 라이선스, SynthID를 갖추고 있으며, 레이어를 되돌려주지 않습니다. 워크플로가 "이미지가 제대로 보인다"에서 끝난다면 그것은 비용이 아닙니다. 워크플로가 그 이후 레이아웃 도구로 이어진다면, 그것이 비용의 전부입니다.

• 투명 PNG나 분해할 수 있는 디자인이 필요하다면 — Ming-Image-0.1-Design은 둘 중 유일한 항목이며, Layer 컴패니언이 바로 리더보드 순위가 아니라 그 자체를 살펴볼 이유입니다.

• 예측 가능한 이미지당 가격, 4K 출력, 특이한 화면 비율, 출처 워터마킹이 필요하다면 — Nano Banana 2, 1K 이미지당 약 $0.067이며, 호출하는 다른 모든 것과 동일한 엔드포인트에 있습니다.

• 산출물을 판매할 필요가 있습니다 — Ming-Image-0.1-Design의 MIT 라이선스가 이를 허용하며, 이는 2026년 이미지 릴리스로서는 이례적인 일이므로, 당연시하기보다는 자신의 법적 입장과 대조해 확인해 볼 가치가 있습니다.

• 커밋하기 전에 둘 중 하나는 검증 가능해야 한다 — 둘 중 검증 가능한 것은 하나뿐이며, 그것은 아무런 발표가 없는 쪽이다.

주목해야 할 것은 벤치마크가 아닙니다. 이번 릴리스에서 Layer 저장소가 유용한 절반으로 밝혀지는지 여부입니다. Layer 분해는 생성된 디자인 작업이 더 이상 그림이 아니라 자산이 되기 시작하는 단계이며, 그 모델이 카드에서 암시하는 바를 해낸다면 평면 이미지 문제는 이 비교에서 가장 빠르게 낡아질 부분입니다.