Ming-Image-0.1-Design vs Nano Banana 2: Warstwa, którą odzyskujesz

Zapytaj projektanta, co idzie nie tak po wygenerowaniu obrazu, a odpowiedź prawie nigdy nie dotyczy samego obrazu. Chodzi o to, że wygenerowany obraz jest płaski. Każdy element jest zespawany z każdym innym, więc nagłówka nie da się przesunąć, logo nie da się podmienić, tła nie da się przemalować, a całość trzeba wygenerować od nowa z promptu, żeby zmienić jedno słowo. Ming-Image-0.1-Design, opublikowany po cichu przez zespół inclusionAI należący do Ant Group 17 września 2026 roku na licencji MIT, został zbudowany wokół tego właśnie problemu: 6,15 miliarda parametrów, natywne wyjście RGBA oraz towarzyszące repozytorium, które przyjmuje spłaszczony projekt i zwraca go jako osobne warstwy. Nano Banana 2 — firmowe Gemini 3.1 Flash Image, ogólnie dostępne od 28 maja 2026 roku i wywoływalne dziś jako google/gemini-3.1-flash-image-preview — rozwiązuje inną połowę tego samego problemu, a różnica między tymi połowami decyduje o tym, która z nich należy do twojego pipeline'u.

W czym Nano Banana 2 jest naprawdę dobry i ile kosztuje

Model Google'a to ten, który ma opublikowaną cenę i udokumentowany dorobek produkcyjny, a oba te fakty warto podać wprost, właśnie dlatego że to one są powodem, dla którego ludzie po niego sięgają.

• Cena — około 0,067 USD za obraz 1024×1024, 0,101 USD przy 2048×2048 i około 0,151 USD w przypadku 4K, przy czym tryb wsadowy to około połowy tych kwot, a wejście tekstowe jest rozliczane osobno po 0,25 USD za milion tokenów. Przekłada się to na około 101 USD za tysiąc obrazów 2K, możliwe do przewidzenia co do dolara, zanim cokolwiek wygenerujesz.

• Wyjście — do 4K, z presetami proporcji, w tym skrajnymi 1:4 i 1:8, których potrzebują formaty społecznościowe i banerowe, oraz spójność raportowana przez Google w przypadku pięciu postaci i czternastu obiektów.

• Pochodzenie — każde wyjście jest opatrzone znakiem wodnym SynthID, który stanowi funkcję zgodności, a nie jakości, i jest czymś, o co przegląd prawny pyta, zanim zapyta o to przegląd projektowy.

• Grounding — potrafi przeszukiwać sieć podczas generowania, dzięki czemu obsługuje żądanie opierające się na fakcie, którego nie ma zapamiętanego.

Nic z tego nie jest opowieścią o przejrzystości. Nano Banana 2 zwraca obraz, a obraz stanowi całość artefaktu.

Co zamiast tego zwraca Ming-Image-0.1-Design

Karta modelu jest nietypowo szczegółowa jak na nieogłoszoną premierę, a te szczegóły dotyczą wyłącznie pracy projektowej, a nie fotografii. Zalecana inferencja to 2048×2048 — lub 1024, gdy zależy ci na szybkości — przy 12 krokach próbkowania, classifier-free guidance na poziomie 1.0, wszędzie BF16, na pojedynczym GPU CUDA 80 GiB. Wagi to wyłącznie safetensors w formacie BF16, repozytorium ma około 71,5 GB i obejmuje connector/, mllm/, mlp/, scheduler/, transformer/ oraz vae/, a nie ma model_index.json — udokumentowana ścieżka to git clone repozytorium inferencyjnego i python infer.py, przy czym vLLM-Omni wskazano do wdrożenia, a osobny model językowo-wizyjny (Ling-3.0-flash-VL lub qwen3.8-27B) wskazano do wzbogacania promptów.

Wynik RGBA to pierwsza połowa odpowiedzi na problem płaskiego obrazu. Drugą połową jest Ming-Image-0.1-Design-Layer, osobne repozytorium z własnym tagiem pipeline'u (image-text-to-image), 6 154 908 736 parametrami, tą samą licencją MIT i jednym zadaniem: przyjąć spłaszczony obraz projektu wraz z planem warstw i zwrócić N warstw RGBA. Działa przy 1024 w domyślnym bucketcie, 512 dla szybkości, 12 krokach, guidance na poziomie 2.0, z flash_attention_2. Jej karta pokazuje wyniki zestawu testowego Crello jako obraz, a nie tabelę, więc nie ma liczby, którą można by przytoczyć — co jest uczciwym stanem dowodów i warto powiedzieć to wprost.

Zestaw te dwa fakty ze sobą, a kształt tego kompromisu stanie się jasny. Nano Banana 2 daje lepszy końcowy obraz przy mniejszym nakładzie pracy. Ming-Image-0.1-Design daje obraz, który możesz później nadal rozłożyć na części, a dodatkowo udostępnia dekompozycję warstw jako drugi model, który uruchamiasz, gdy go potrzebujesz.

Tablicę, przeczytaj uważnie

Ming-Image-0.1-Design zajmuje pierwsze miejsce na Artificial Analysis Text to Image Leaderboard dla UI/UX Design w widoku open-weights, z Elo 1,082, przed Ideogram 4.0 (Quality) z 1,052, Ideogram 4.0 z 1,015, HunyuanImage 3.0 Instruct z 1,005, FLUX.2 [dev] z 1,000, FLUX.2 [dev] Flash z 999 i FLUX.2 [dev] Turbo z 994. Tekst, który czytamy, to ten odtworzony na własnej karcie modelu i nosi branding Artificial Analysis.

Dwa zastrzeżenia, które zmieniają, jak dużą wagę to ma. To ranking filtrowany pod kątem otwartych wag, więc model hostowany, taki jak Nano Banana 2, nie kwalifikuje się, a jego nieobecność nie jest porażką. A Elo oparte na preferencjach w ciemno to średnia z tłumu, a nie test twojego promptu — mówi, że panel preferował te wyniki, a nie że model ustawi twój nagłówek właściwym krojem pisma.

Pozycja Nano Banana 2 jest mierzona na hostowanych rankingach i na własnych opublikowanych danych Google, a tych dwóch nie należy ze sobą mieszać. Jest na rankingach od wiosny, co jest tu bardziej użytecznym faktem: ma za sobą miesiące niezależnego ruchu, a wydanie Ming nie ma żadnego.

Gdzie tak naprawdę trafiają pieniądze i ryzyko

Różnica w cenie nie jest różnicą stopnia. Nano Banana 2 jest rozliczany za zużycie i dlatego możliwy do prognozowania: tysiąc obrazów 2K to około $101, a złożoność nie zmienia rachunku w dużym stopniu, ponieważ generowanie obrazów podlega przewidywalnej tokenizacji. Ming-Image-0.1-Design nie ma w ogóle ceny w modelu hostowanym, ponieważ nie ma hostowanego endpointu — kosztem jest Twój własny czas GPU związany z pobraniem 71,5 GB na karcie 80 GiB, a uczciwe porównanie to nie $101 kontra darmowe rozwiązanie, lecz $101 kontra zamortyzowana kwota, którą musisz obliczyć samodzielnie.

To jedyne miejsce w tym porównaniu, w którym warstwa routingu robi coś konkretnego, a nie tylko retorycznego. Podgląd obrazów Gemini, który obsługuje Nano Banana 2, działa na naszym endpoincie i jest na nim w cenie katalogowej dostawcy, bez żadnej marży — więc jeśli Google zmieni stawkę za obraz, liczba po naszej stronie zmienia się tego samego dnia, a nie dopiero przy kolejnym odnowieniu umowy. Automatyczne przełączanie awaryjne między dostawcami to druga połowa tego rozwiązania: trasa może prowadzić ruch produkcyjny na modelu z wielomiesięczną historią na tablicy, podczas gdy obok oceniane jest nieogłoszone wydanie open-weights, co oznacza, że ocena nigdy nie leży na ścieżce krytycznej, a zły dzień po którejkolwiek stronie nie zamienia się w awarię. To realne rozwiązanie — i jest to rozwiązanie, o które prosi dokładnie ta para modeli.

Żaden z modeli nie jest bezpiecznym domyślnym wyborem, z różnych powodów.

Ming-Image-0.1-Design został przesłany 17 września 2026 r. bez ogłoszenia, bez noty wydania, bez podanych ograniczeń, a licznik pobrań w chwili pisania wskazywał zero. Pozycja w rankingu powyżej to jedyny istniejący niezależny pomiar. Wszystko inne — przepustowość na twojej karcie, zachowanie przy więcej niż garstce obrazów referencyjnych, czy kanał alfa jest czysty na krawędziach wycinanki — jest niezmierzone publicznie i żadna strona trzecia o tym nie pisała.

Nano Banana 2 ma odwrotny profil. Ma niezależne oceny, opublikowaną cenę, licencję komercyjną i SynthID, i nie odda ci warstwy. Jeśli twój przepływ pracy kończy się na „obraz wygląda dobrze”, to nie jest koszt. Jeśli twój przepływ pracy wykracza poza to do narzędzia do składu, to jest cały koszt.

• Potrzebujesz przezroczystego PNG albo projektu, który możesz rozłożyć na części — Ming-Image-0.1-Design jest jedynym z tych dwóch, a towarzyszące mu narzędzie Layer to powód, by patrzeć właśnie na niego, a nie na jego pozycję w rankingach.

• Potrzebujesz przewidywalnej ceny za obraz, wyjścia w 4K, nietypowych proporcji obrazu i znaku wodnego poświadczającego pochodzenie — Nano Banana 2, w cenie około 0,067 USD za 1000 obrazów, a znajduje się on na tym samym endpoincie co wszystko inne, co wywołujesz.

• Trzeba móc sprzedawać to, co powstaje — licencja MIT Ming-Image-0.1-Design na to pozwala, co jest nietypowe jak na premierę modelu graficznego z 2026 roku i warto to zweryfikować względem własnej sytuacji prawnej, zamiast zakładać.

• Potrzebujesz, aby jeden z nich był weryfikowalny, zanim zatwierdzisz — tylko jeden z nich może nim być, a jest to ten bez ogłoszenia.

Nie benchmark jest tu tym, na co warto patrzeć. Chodzi o to, czy repozytorium Layer okaże się użyteczną połową tego wydania. Dekompozycja warstw to krok, w którym wygenerowana praca projektowa przestaje być obrazkiem, a zaczyna być zasobem, a jeśli ten model robi to, co sugeruje jego karta, problem płaskiego obrazu jest tą częścią tego porównania, która zestarzeje się najszybciej.