Ming-Image-0.1-Design vs MAI Image 2.6 Preview: Open gewichten die niemand host, tegenover een preview waarvoor Microsoft al factureert

Twee modellen, beide door hun makers omschreven als niet af, en het woord betekent aan elke kant het tegenovergestelde. MAI Image 2.6 Preview is onvoltooid in de zin dat Microsoft het toch heeft uitgebracht: vermeld op de onafhankelijke leaderboard als uitgebracht op 10 augustus 2026, met een prijs van $38,90 per 1.000 afbeeldingen, op de vijfde plaats in de categorie UI/UX Design met 1.168,8 Elo op 818 blinde vergelijkingen — een preview met een prijs en een score. Ming-Image-0.1-Design is onvoltooid in de zin dat inclusionAI het artefact heeft gepubliceerd en niets eromheen: MIT-gelicenseerde 6B-gewichten op Hugging Face sinds 17 september 2026, een gevalideerde configuratie voor één GPU, en geen endpoint, geen prijs, geen provider, geen onafhankelijke score, en een Quick Start die verwijst naar een GitHub-repository die een 404 teruggeeft. Een van deze is een product in bèta. De andere is een gewichtsbestand in een map. Dit stuk gaat over wat hen scheidt, en dat blijkt vrijwel volledig infrastructuur te zijn in plaats van modelkwaliteit.

Licentie is de enige dimensie waarin het open model wint.

Begin hier, want dit is de enige plek waar de vergelijking echt gunstig uitvalt voor Ming-Image-0.1-Design en de marge groot is.

• Ming-Image-0.1-Design — MIT-licentie op de gewichten. Download ze, pas ze aan, fine-tune ze, lever ze mee in een commercieel product, host ze voor klanten, zonder kosten per aanroep voor wie dan ook en zonder gebruiksvoorwaarden te hoeven onderhandelen. De repositorymetadata bevestigt de licentie en de safetensors/diffusers-verpakking.

• MAI Image 2.6 Preview — een commerciële API volgens Microsofts voorwaarden. Er is een tarievenkaart en er zijn servicevoorwaarden, en je krijgt toegang tot het model in plaats van het te bezitten. Niets in de openbare gegevens wijst erop dat Microsoft van plan is deze gewichten vrij te geven.

Dat is een echt voordeel en dat mag niet worden weggewuifd. Een team met een vast GPU-budget, een privacybeperking of de behoefte om te fine-tunen op bedrijfseigen ontwerpbestanden heeft helemaal geen toegang tot MAI Image 2.6 Preview — de API kan niet zelf worden gehost, en een preview-API biedt geen garantie op beschikbaarheid op lange termijn. Ming-Image-0.1-Design kan voor altijd op je eigen hardware draaien, onder een licentie die juristen al decennialang begrijpen.

Het voordeel wordt alleen omgezet in waarde als je het kunt uitvoeren, wat ons bij de rest van de tabel brengt.

Al het andere, één regel tegelijk gecontroleerd

• Endpoint — MAI Image 2.6 Preview wordt aangeboden via Microsofts eigen platform op een gedocumenteerde identifier, tegenover Ming-Image-0.1-Design, die er geen heeft. Hugging Face meldt dat inference is uitgeschakeld voor de repository en dat deze niet door enige inferenceprovider wordt geïmplementeerd, en de Quick Start van het model zelf zegt dat je een bijbehorende repository moet klonen die niet bestaat.

• Prijs — $38,90 per 1.000 afbeeldingen, ongeveer 3,9 cent per afbeelding, wat de op één na goedkoopste is in de top vijf van de categorie UI/UX Design, achter Muse Image met $10,00 en ruim onder Grok Imagine Image 2.0 met $60,00 en GPT Image 2.5 met $210,72 tegenover geen prijs, omdat er niets te kopen is. De gewichten zijn gratis; de 80 GiB CUDA-GPU niet.

• Onafhankelijke score — 1.168,8 Elo op 818 blinde stemmen in de categorie UI/UX Design, vijfde plaats, boven Nano Banana 2 met 1.166,6 en onder Grok Imagine Image 2.0 met 1.181,8. Het zustermodel van dit model, MAI-Image-2.6-Flash, staat op 1.152,4 op hetzelfde leaderboard, tegenover niets. Het enige cijfer van Ming-Image-0.1-Design, 1.082 Elo, verschijnt uitsluitend op een leaderboard-afbeelding in de eigen repository van inclusionAI, op een bord dat we niet op het openbare web konden vinden, zonder dat er een stemmenaantal wordt getoond.

• Ondersteuning bij deployment — een beheerd platform met uptime en ondersteuning eraan verbonden versus een modelkaart die vLLM-Omni aanbeveelt en linkt naar een installatiegids die werkt en een modelspecifiek recept dat een 404 oplevert. Een half deploymentverhaal.

• Resolutie en configuratie — niet gepubliceerd in de cijfers die we voor de preview konden verifiëren, versus 2048 x 2048 aanbevolen of 1024 x 1024 voor snelheid, 12 samplingstappen, CFG 1.0, BF16, één CUDA-GPU van 80 GiB.

Wat kost 'preview' je aan de Microsoft-kant?

Een eerlijke vergelijking moet opmerken dat ook de Microsoft-kolom niet zonder eigen risico's is. Een preview is een preview: identifiers kunnen veranderen, tariefkaarten kunnen verschuiven, quota kunnen worden aangescherpt, en een preview-endpoint kan worden ingetrokken of vervangen — en Microsoft heeft al een Flash-broertje in dezelfde familie uitgebracht, wat aangeeft dat de lijn snel in beweging is. Een productiepipeline bouwen op een preview-identifier betekent accepteren dat het ding dat je hebt geïntegreerd onder je vandaan kan worden hernoemd.

Het verschil is dat het Microsoft-risico een bedrijfsrisico met een tegenpartij is, en het Ming-Image-0.1-Design-risico een engineeringrisico zonder tegenpartij. Als een preview-API verandert, is er een supportkanaal, een afbouwperiode en een gedocumenteerde opvolger. Als de ontbrekende repository nooit verschijnt, is er niemand om te vragen — het gedocumenteerde uitvoeringspad van het model is een 404, en het enige alternatief is om de pijplijn zelf uit de bestandsstructuur te reverse-engineeren.

Wat niet onmogelijk is. De repository heeft er een goede structuur voor: een transformer-map met vijf shards, een VAE, een scheduler en afzonderlijke mllm-, connector- en mlp-componenten, wat de vorm is van een meerfasige pijplijn waarin een multimodaal taalmodel de tekstcodering doet. De kaart vermeldt dat promptverbetering kan worden afgehandeld door Ling-3.0-flash-VL of qwen3.8-27B, beide zustermodellen uit dezelfde organisatie. Een bekwaam team zou dit kunnen opzetten. Het is alleen niet hetzelfde als een product.

Waar een routeringslaag past, en waar niet.

Geen van beide modellen in deze vergelijking is vandaag routeerbaar via OrcaRouter, en het is de moeite waard om dat zonder franje te zeggen: onze catalogus bevat per 23 september 2026 geen Microsoft MAI-vermelding en geen inclusionAI-vermelding, dus noch het tarief van $38,90, noch iets anders hierboven is een prijs die u via ons kunt bereiken. Beide cijfers zijn de door de leveranciers zelf gepubliceerde of via het board gevolgde tarieven.

Waar de routeringslaag in een matchup als deze voor dient, is het gat tussen nu en later. De economie van beeldgeneratie is het afgelopen kwartaal los komen te staan van kwaliteit — de koploper in de categorie kost $210,72 per 1.000 afbeeldingen, het model op de vijfde plaats kost $38,90, en een model dat dertien Elo lager staat kost $10,00 — wat betekent dat het juiste model voor een gegeven workload een bewegend doel is in plaats van een vaste keuze. De generatieaanroep achter één endpoint over meer dan 200 modellen houden, met lijstprijzen van providers doorgegeven tegen 0% opslag en automatische failover wanneer een provider hapert, verandert dat bewegende doel in een wijziging van model-ID in plaats van een integratieproject. Dat is meer waard dan welk afzonderlijk model op deze lijst dan ook, en het is het argument om je pipeline überhaupt niet vast te lassen aan een preview-identificatie.

Welke moet ik kiezen, en wat zou het antwoord veranderen

Voor iedereen die dit kwartaal werk uitbrengt, is het antwoord MAI Image 2.6 Preview, en het is niet eens een close call. Het is aanroepbaar, het is goedkoop voor zijn kwaliteitsklasse, het heeft 818 onafhankelijke blinde stemmen achter een vijfde plaats in de ranglijst, en het preview-risico is een beheersbaar commercieel risico. Het enige dat u moet doen voordat u zich vastlegt, is de preview-identificatie als veranderlijk behandelen — houd deze in configuratie, niet in code, en zorg dat een tweede beeldmodel één regel verderop klaarstaat voor het geval de identificatie verandert.

Ming-Image-0.1-Design is het downloaden waard en niet iets om op te plannen. Haal de weights op als je een kaart van 80 GiB hebt en een reden om tekstrijke ontwerpgeneratie onder een permissieve licentie te testen, want dat is het enige dat het biedt wat de API van Microsoft structureel niet kan. Zet de 1.082 Elo niet in een slide — het is een leveranciersgrafiek op een bord dat niemand anders kan inspecteren, en de repository van het model zelf toont nul downloads, wat in dit stadium is hoe een claim zonder externe getuige eruitziet. De aanbevolen instellingen van de kaart zijn tenminste concreet en controleerbaar: 2048 x 2048 bij 12 samplingstappen, CFG 1.0, BF16.

De gebeurtenis die dit stuk zou herschrijven, is dezelfde die elke vergelijking in deze serie zou herschrijven: een onafhankelijke Ming-Image-0.1-Design-score, met daarnaast een aantal samples, op een leaderboard dat niet door inclusionAI wordt beheerd. Op dat moment wordt de vraag echt interessant — een zelfgehost 6B-model tegen nul marginale kosten tegenover een preview-API van 3,9 cent bij 1.169 Elo — en voor het eerst zouden beide kanten van de vergelijking een getal hebben dat hetzelfde betekent.