Ming-Image-0.1-Design vs Qwen-Image 2.1: 진짜 차이는 라이선스다

2026년 9월, 두 개의 오픈 이미지 모델이 사흘 간격으로 등장했고, 스펙 시트만 놓고 보면 똑같은 구매처럼 보인다. Ming-Image-0.1-Design은 앤트 그룹의 inclusionAI 팀이 만들어 9월 17일 MIT 라이선스로 Hugging Face에 가중치를 공개했다. Qwen-Image 2.1은 알리바바 Qwen 팀에서 나와 9월 20일 Qwen Research License Agreement로 뒤를 이었다. 둘 다 네이티브 RGBA를 출력하고, 둘 다 2K 출력을 내세우며, 둘 다 같은 구매자를 겨냥한다: 직접 호스팅하고 들여다보고 수정할 수 있는 이미지 생성을 원하는 팀 말이다. 이 둘을 실제로 갈라놓는 두 가지는 스펙 시트가 가장 잘 보여주지 못하는 두 가지다 — 결과물로 법적으로 무엇을 할 수 있는지, 그리고 하나를 만들어내는 데 실리콘이 얼마나 드는지.

이것은 수사적인 표현이 아니다. 이들 모델 중 하나에서는 라이선스가 상업적 사용을 가로막는 확실한 장벽이고, 다른 하나에서는 전혀 문제가 되지 않는다. 그리고 각 벤더가 포장에 적어 놓은 파라미터 수는 실제 다운로드 크기를 3~4배나 과소평가한다. 이 두 가지 사실은 어떤 벤치마크보다도 훨씬 먼저 구매를 결정짓는다. 그리고 공교롭게도 그 벤치마크들은 서로 비교하는 것 자체가 불가능하다.

각 저장소에 실제로 포함된 내용

두 모델 중 어느 것도 단일 네트워크가 아닙니다. 둘 다 파이프라인이며, 규모는 바로 그 파이프라인에 있습니다:

• 생성기 — Ming-Image-0.1-Design은 6.15B 파라미터의 디자인 트랜스포머(BF16 기준 12.31GB)를 제공합니다; Qwen-Image 2.1은 32개 레이어, 블록-인과 어텐션, 그리고 공개되지 않은 활성 파라미터 수(약 14.2GB)를 갖춘 7.1B 단일 스트림 DiT를 제공합니다.

• 텍스트 측면 — Ming-Image-0.1-Design은 트랜스포머에 17.01B 멀티모달 LLM(34.02GB)과 3.09B 커넥터(6.17GB)를 결합합니다; Qwen-Image 2.1은 Qwen3-VL 8B 텍스트 인코더(약 17.5GB)를 사용합니다.

• 총 파라미터 — Ming-Image-0.1-Design은 26.44B인 반면 Qwen-Image 2.1은 대략 15–16B입니다. 두 벤더의 대표 수치 모두 전체가 아니라는 점에 유의하세요: "6B"와 "7B"는 모두 생성기만을 나타냅니다.

• 저장소 크기 — Ming-Image-0.1-Design의 경우 52.88GB(그중 49.25GiB는 가중치)이며, Qwen-Image 2.1은 약 33GB입니다.

• 투명도 — 사후 매팅 단계를 거치지 않고 모델에서 곧바로 네이티브 RGBA를 출력합니다. Ming-Image-0.1-Design은 자체 RGBA VAE를 사용하고, Qwen-Image 2.1은 16× 공간 압축을 적용한 64채널 RGBA VAE를 사용합니다.

• 기본 생성 — Ming-Image-0.1-Design은 2048×2048, 12스텝, BF16, CFG 1.0에서 검증되었으며, Qwen-Image 2.1은 7가지 종횡비 프리셋과 함께 40스텝에 걸쳐 2048×2048을 기본값으로 합니다.

• 라이선스 — Ming-Image-0.1-Design에는 MIT, Qwen-Image 2.1에는 비상업적 Qwen Research License Agreement가 적용됩니다.

"6B"라는 라벨이 꽤 많은 역할을 하고 있다

Ant Group의 저장소는 60억 파라미터 모델을 표방하고 있으며, 트랜스포머는 실제로 6.15B입니다. 하지만 다운로드하는 가중치는 49.25 GiB이고, 저장소는 52.88 GB이며, 벤더가 검증한 구성 — 전체 텍스트 스택이 상주한 상태의 BF16에서 2048×2048 — 의 지정 대상은 80 GiB CUDA GPU 한 대입니다. 이는 48 GB 카드에서 반올림 오차가 아닙니다; 사용할 수 없는 카드입니다. 48 GB 가속기로는 파이프라인을 담을 수 없으며, 벤더가 문서화하지 않은 오프로드 묘기 없이는 두 대로도 마찬가지입니다.

Qwen-Image 2.1은 다운로드 부담이 더 적은 쪽이지만, 한 가지 단서가 있습니다. Alibaba는 공식 VRAM 수치를 전혀 공개하지 않습니다. 모델 카드에 나온 유일한 안내는 더 작은 카드에서는 CPU offload를 활성화하라는 것뿐입니다. 출시 이후 측정된 값들이 공개된 값보다 더 유용합니다. int8 파이프라인은 총 약 16 GiB를 사용해 24 GB 카드에 완전히 상주하며, full BF16 실행은 CPU offload를 사용할 경우 약 17 GB부터 텍스트 인코더 배치 방식에 따라 1024×1024에서 최대 약 40 GiB까지로 보고되었습니다. 보고된 단일 이미지 지연 시간은 B200에서는 몇 초, 현재의 워크스테이션 카드에서는 10초 미만입니다. 이 모든 수치는 사양이 아니라 커뮤니티 측정값으로 여기세요 — 이 수치들은 서로 다른 모델 간의 차이보다 offload 전략에 따라 더 크게 달라집니다.

실용적인 요약: Qwen-Image 2.1은 오프로딩을 감수할 의향이 있다면 3090급 모델이고, Ming-Image-0.1-Design은 더 작은 구성이 없는 데이터센터급 모델입니다.

라이선스는 갈림길이다

이 부분이 실제로 프로젝트를 중단시키는 부분이며, 두 릴리스가 가장 다르게 다루는 부분이기도 합니다.

Ming-Image-0.1-Design은 MIT입니다. 유료 제품에 탑재해 출시하든, 파인튜닝하든, 가중치를 재배포하든, 변경 사항을 비공개로 유지하든 — 그 어느 것도 Ant Group과 대화할 필요가 없습니다.

Qwen-Image 2.1은 그렇지 않습니다. 이는 2026년 9월 20일자 Qwen Research License Agreement를 따르며, 이 계약은 가중치를 연구 및 평가 목적으로만 라이선스합니다. 상업적 사용에는 Alibaba와의 별도 계약이 필요하며, 해당 계약의 가격은 공개되지 않습니다. 파생물과 재배포물은 라이선스, "Built with Qwen" 또는 "Improved using Qwen" 고지, 그리고 Hangzhou Tongyi Laboratory 저작권 표시를 함께 포함해야 하며, "Qwen"은 파생 모델의 대표 이름이 될 수 없습니다. 이 라이선스는 중국 법의 적용을 받으며 관할권은 항저우에 있습니다.

업체 자체의 후속 설명에서 진정으로 명확해지는 점이 하나 있습니다. Alibaba는 생성된 이미지가 라이선스된 "Materials"의 일부가 아니라고 밝혔으므로, 모델이 생성하는 결과물에 대한 권리는 귀하가 계속 보유합니다. 제한은 가중치와 모델에 적용될 뿐, 귀하의 출력물에는 적용되지 않습니다. 이는 의미 있는 예외 조항이며 정확히 읽을 가치가 있습니다. 왜냐하면 쉬운 요약 — "이미지는 귀하의 것이고, 모델은 그렇지 않다" — 가 올바른 요약이기 때문입니다.

방향 전환이기도 합니다. 원래 Qwen-Image와 2511 및 2512 빌드를 포함한 이전 Qwen-Image 릴리스들은 여전히 Apache 2.0이며 상업적으로도 허용적입니다. 작년에 라이선스 때문에 Qwen-Image를 선택한 팀이 이번 달 2.1로 업그레이드하면, 동의한 적도 없는 연구 전용 제한을 떠안게 됩니다. 허용적 조건이 필수라면, Qwen-Image 2.1은 여러분이 갖고 있던 것의 최신 버전이 아니라 — 전혀 다른 조건입니다.

각각이 무엇을 하도록 만들어졌는지

라이선스 구분은 의도의 차이를 반영하며, 두 가지 모두 법적으로 선택 가능한 경우에는 바로 그 차이가 선택을 좌우해야 합니다.

Ming-Image-0.1-Design은 디자인 도구다. 텍스트 스택은 짧은 브리프를 8K 구조화 프롬프트로 확장하기 위해 존재하며, 벤더는 그 주변에 "skills"를 제공한다 — 약 15초 만에 시각적 초안을 만들어 내는 Design Skill과 슬라이드 형태의 출력을 겨냥한 PPT Skill이다. 그 동반 저장소인 Ming-Image-0.1-Design-Layer는 평탄화된 디자인을 받아 이를 개별 레이어로 반환하는데, 이것이 오픈 분야에서 다른 어떤 것도 제공하지 않는 여기서의 유일한 역량이다. inclusionAI는 Layer 모델이 동일한 작업에서 20B 오픈 레이어 모델보다 약 4.3배 빠르게 실행된다고 보고한다(183초 대 795초) — 벤더 보고로, 재현되지 않았으며, 비교 대상은 확인하기에 충분할 만큼 정확히 명시되지 않았다.

Qwen-Image 2.1은 생성기이자 편집기입니다. 하나의 체크포인트가 텍스트-투-이미지와 명령 기반 편집을 모두 수행하고, 단일 편집에 최대 10개의 참조 이미지를 받아들이며, 프레임의 나머지 부분은 그대로 두는 국소 편집을 지원합니다. 출시 첫날부터 ComfyUI, Diffusers, vLLM-Omni, SGLang-Diffusion, LightX2V에서 지원되었습니다. 이는 Ming-Image-0.1-Design이 아직 갖추지 못한 서빙 스토리인데, 자체 서빙 가이드가 vLLM-Omni를 가리키고 있기 때문입니다.

그것을 순위가 아니라 분기점으로 읽어야 합니다. 작업이 '브리프로부터 레이어화된, 편집 가능한 디자인 자산을 만들어내는 것'이라면, Ming-Image-0.1-Design이 둘 중 그것을 해내는 유일한 모델입니다. 작업이 '생성한 뒤 참조에 맞춰 반복적으로 편집하는 것'이라면, Qwen-Image 2.1은 하나의 모델로 그것을 해내고 Ming-Image-0.1-Design은 그것을 전혀 하지 못합니다.

벤치마크는 비교가 되지 않습니다. 그리고 그것이 솔직한 답변입니다

두 공급업체 모두 수치를 갖고 있다. 어느 수치도 다른 수치 옆에 놓일 수 없으며, 그렇게 하는 어떤 기사든 결과를 지어내는 것이다.

Ming-Image-0.1-Design의 근거는 Artificial Analysis 보드입니다. UI/UX Design을 위해 오픈 웨이트로 필터링된 Text-to-Image Leaderboard에서 Elo 1,082로 1위이며, Ideogram 4.0 Quality(1,052), Ideogram 4.0(1,015), HunyuanImage 3.0 Instruct(1,005), FLUX.2 [dev](1,000)를 앞섭니다. 또한 공급업체는 레이아웃에서 67.4%, 복잡한 구성에서 67.0%, 텍스트 렌더링에서 66.7%의 승률을 보고하며, Crello에서 12개 지표 전반에 걸쳐 1위를 차지했다고 밝힙니다. 이 리더보드는 제3자 도구이므로 여기서는 두 종류의 근거 중 Elo가 더 강력한 근거입니다. 승률과 Crello 석권은 공급업체가 보고한 것으로, 주장으로 읽어야 합니다.

Qwen-Image 2.1의 증거는 Qwen 팀이 만든 벤치마크인 Qwen-Image-Bench이며, 여기서 60.28점을 기록해 59.82의 Nano Banana 2.0과 59.65의 GPT Image 1.5를 앞서며 오픈소스 분야를 선도한다. 원본 자료는 이 벤치마크가 Qwen이 구축한 것임을 지적하며, 상위 세 개는 서로 1점 이내에 위치한다 — 작성자가 동시에 그 안의 경쟁자이기도 한 벤치마크의 노이즈 범위 안에 충분히 들어오는 격차다.

즉, UI/UX 디자인 하위 집합에 대한 제3자 Elo와 공급업체가 만든 일반 점수를 비교하는 셈입니다. 서로 다른 평가 도구, 서로 다른 과제, 서로 다른 심사자입니다. 이 두 모델을 서로 맞대결시킨 결과를 공개한 곳은 없으며, 확보된 증거로는 누구도 그렇게 할 수 없습니다. 유용한 해석은 좁고, 분명히 말할 가치가 있습니다 — Ming-Image-0.1-Design은 특히 디자인 작업에서 제3자의 입증을 확보했고, Qwen-Image 2.1은 일반 생성 및 편집에서 공급업체가 보고한 강점을 가지고 있으며, 이 두 주장 사이의 겹치는 범위는 대표 수치가 시사하는 것보다 작습니다.

둘 중 하나를 엔드포인트에 설치하기

오늘날 두 모델 모두 OrcaRouter의 카탈로그에 없습니다. Ming-Image-0.1-Design과 Qwen-Image 2.1은 현재로서는 둘 다 셀프 호스팅 전제입니다. 가중치는 다운로드할 수 있고 서빙 가이드도 실제로 존재하지만, GPU는 직접 구축해야 하며, Ming의 경우 그 GPU는 80GiB급입니다. 여기서는 이들을 라우트가 아니라 오픈 웨이트 릴리스로 기재합니다.

하드웨어를 확정하기 전에 알아두면 좋은 것은 같은 워크로드를 호출로 처리할 때 비용이 얼마인지입니다. 저희가 라우팅하는 이미지 모델에는 google/gemini-2.5-flash-image, google/gemini-3-pro-image-preview, google/gemini-3.1-flash-image-preview, 세 가지 Imagen 4.0 등급(fast, standard, ultra), grok/grok-imagine-image, 그리고 GPT-Image 제품군 — openai/gpt-image-1, openai/gpt-image-1-mini, openai/gpt-image-1.5, openai/gpt-image-2가 있습니다. 그중 하나에 디자인 브리프를 일주일 동안 돌려보면 Ming-Image-0.1-Design의 레이어 출력이 정말로 필요한 역량인지 알 수 있고, 그 비용은 80 GiB 카드의 몇 분의 일에 불과합니다. 또한 라이선스와 VRAM 중 무엇이 걸림돌이 될지 밝혀지기 전에 미리 확인할 수 있습니다. 자체 호스팅 모델을 실제 프로덕션 경로로 옮길 때, 라우팅이 사는 곳도 바로 이 같은 엔드포인트입니다 — 200개 이상의 모델을 아우르는 하나의 키, 제공업체 간 자동 페일오버, 그리고 0% 마크업까지 — 그래서 벤더가 가격을 인하하면 발표되는 당일에 저희 쪽에도 바로 반영됩니다.

누가 무엇을 골라야 할까

선택하세요 Ming-Image-0.1-Design 결과물이 그림이 아니라 디자인 자산이라면: 레이어드 출력, 구조화된 프롬프트 확장, 슬라이드 형태 생성, 그리고 그것으로 만든 것을 판매할 수 있게 해주는 라이선스. 고성능 카드에 대한 예산을 잡고, 그 주변의 서빙 생태계가 Qwen 쪽보다 얇다는 점을 받아들이세요. 또한 고객에게 숫자를 제시해야 할 때 둘 중 더 유용합니다. 왜냐하면 그것의 가장 강력한 근거가 이 비교에서 유일한 제3자 수치이기 때문입니다.

을 선택하세요Qwen-Image 2.1 워크플로가 생성 후 편집 방식이라면, 참조 이미지 컨디셔닝이 필요하다면, 또는 이미 보유한 하드웨어에서 실행하고 싶다면. 더 작고, 출시 첫날부터 더 잘 지원되며, 라이선스는 대부분의 사람이 실제로 가장 먼저 하는 연구 및 평가 작업에 적합합니다. 출력물이 상업용이고 법률 검토가 실제로 이루어지는 순간 잘못된 선택이 됩니다. 상업용 라이선스로 가는 유일한 경로는 Alibaba와의 직접 계약뿐이며, 계획을 세울 기준이 될 공개된 가격이 없기 때문입니다.

둘 다 고르지 마세요. 그렇지만 이번 달에 프로덕션에서 이미지 생성이 필요하다면요. 이 둘은 모두 가중치이며, 가중치는 기능이 되기 전에 하드웨어와 법적 약속입니다. 설계 질문, 즉 계층형 출력이 우리 팀이 출시할 수 있는 것을 바꾸는가라는 질문은 먼저 호스팅 엔드포인트에서 답할 수 있으며, 그 답이 80 GiB 카드를 구매할지 여부를 결정해야 합니다.

볼 만한 것

이 비교의 향방을 가를 세 가지가 있습니다. Ming-Image-0.1-Design이 자체 vLLM-Omni 가이드를 넘어서는 서빙 경로를 확보할 수 있을지 여부, 그것이 현재 Qwen-Image 2.1이 출시 당일 지원하는 5개 프레임워크 목록과 이 모델 사이의 격차이기 때문입니다. 알리바바가 상업용 Qwen 라이선스에 가격을 책정할지 여부, 가격이 책정되지 않은 상태는 이 조합에서 가장 큰 단일 미지수이기 때문입니다. 그리고 누군가 — 연구소든, 독립 평가자든, 잃을 것이 없는 벤더든 — 가 동일한 프롬프트로 이 둘을 맞붙게 할지 여부입니다. 그런 일이 일어나기 전까지, 공정한 비교에 가장 가까운 것은 점수가 전혀 아닙니다. 그것은 라이선스 항목이며, Ming-Image-0.1-Design이 그 항목에서 완승합니다.