Hy Image3.5 vs Ming-Image-0.1-Design: Você Pode Alugar Um e Não Pode Comprar o Outro

Hy Image3.5 e Ming-Image-0.1-Design entraram no ar com cinco dias de diferença em setembro de 2026 e não poderiam ter distribuições mais diferentes. O modelo da Tencent é uma API com cobrança por uso: imagens 2K a US$ 0,024 cada na Tencent Cloud International, uma prévia que foi aberta em 22 de setembro, acessível hoje por meio dos próprios produtos e superfícies de nuvem da Tencent. O Ming-Image-0.1-Design da inclusionAI é um repositório: pesos licenciados sob MIT no Hugging Face desde 17 de setembro, cerca de 71,5 GB de safetensors BF16, sem endpoint, sem preço, sem provedor e um Quick Start que aponta para um repositório complementar que retorna 404. Um é um produto que você pode chamar hoje à tarde. O outro é um arquivo que você pode baixar hoje à tarde.

Essa é a comparação, e não se trata de um concurso de qualidade — nenhum dos modelos tem uma pontuação independente, portanto nenhum pode ser classificado com base no resultado. O que pode ser comparado é o que cada um permite fazer, e onde cada um para. Lida dessa forma, os dois modelos são quase exatamente opostos em todos os eixos que importam para uma equipe de produção.

A única dimensão em que o modelo aberto vence de forma absoluta

Comece pela licença, porque é o único ponto em que a comparação não é equilibrada.

Ming-Image-0.1-Design é MIT. Baixe os pesos, faça fine-tune deles no seu próprio catálogo, distribua o resultado dentro de um produto comercial, hospede-o para clientes, mantenha o modelo derivado — sem taxa por chamada, sem termos de uso para negociar, sem fornecedor que possa descontinuar o endpoint debaixo de você. Para uma equipe com restrição de privacidade, um orçamento fixo de GPU ou a necessidade de treinar com ativos de design proprietários, isso não é uma preferência, é a diferença entre ter uma rota e não ter nenhuma. Nenhuma API de imagem hospedada, incluindo a da Tencent, pode oferecer isso.

O que essa licença custa é o resto do artigo.

Todo o resto, uma linha de cada vez

• Acesso — Hy Image3.5 está disponível por meio do Tencent Cloud TokenHub, Media Processing Service e Video on Demand, além de Yuanbao, ima, Miora, WorkRally, OnSolo e WorkBuddy, com uma janela gratuita em três deles até 7 de outubro de 2026; Ming-Image-0.1-Design não tem endpoint hospedado em lugar nenhum, nenhuma implantação de provedor de inferência, e sua própria ficha de modelo orienta a clonar um repositório de inferência e executar um script.

• Custo — $0,024 por imagem 2K entregue, com as gerações falhadas e filtradas não faturadas e sem medição de entrada, contra pesos gratuitos e uma GPU CUDA de 80 GiB que você tem de encontrar. O segundo número não é zero; é a renda ou a depreciação de uma placa dessa classe, mais as horas de engenharia para montar toda a stack.

• Saída — Hy Image3.5 alcança 2K com as proporções de aspecto padrão e sem nível 4K; Ming-Image-0.1-Design recomenda 2048×2048 ou 1024×1024 para maior velocidade, com 12 etapas de amostragem e CFG 1.0 em BF16.

• Transparência — Ming-Image-0.1-Design emite RGBA com fundos transparentes como saída nativa, o que é uma capacidade genuína para trabalhos com ícones, sprites e composições em camadas; Hy Image3.5 não tem modo de fundo transparente documentado.

• Condicionamento — O Hy Image3.5 aceita até cinco imagens de referência por solicitação e retém turnos anteriores ao longo de uma sessão de edição com múltiplos turnos; a abordagem de condicionamento do Ming-Image-0.1-Design é seu codificador de texto, um LLM multimodal no pipeline, com o aprimoramento de prompt esperado de modelos irmãos, em vez de integrado nativamente.

• Suporte à implantação — uma API gerenciada com disponibilidade garantida, em contraste com um caminho vLLM-Omni cujo guia de instalação resolve, enquanto sua receita específica de modelo não.

• Provas independentes — nada, de nenhum dos lados.

O problema das evidências, que é pior do que parece

Ambos os modelos foram lançados sem uma medição de terceiros, mas falharam de forma diferente, e a diferença é instrutiva.

A alegação da Tencent é um estudo cego de preferência GSB realizado com várias centenas de seus próprios designers profissionais, no qual o Hy Image3.5 supera o Hy Image3.0 em cerca de 30%, empata com o Seedream 5.0 Pro e ultrapassa por pouco o Nano-Banana Pro e o Qwen-Image-3.0 Pro. A metodologia é sólida, os participantes trabalham na Tencent, o conjunto de prompts não foi publicado, e o resultado é um número que ninguém fora da empresa consegue reproduzir. No quadro de texto para imagem do Artificial Analysis consultado em 23 de setembro de 2026, não há nenhuma linha do Hy Image3.5; a geração anterior, HunyuanImage 3.0 Instruct, ocupa a 65ª posição entre 156, com 964 Elo.

A alegação do Ming-Image-0.1-Design é um gráfico de ranking publicado dentro de seu próprio repositório, intitulado "Ranking de Texto para Imagem: Design de UI/UX", com o rodapé "Pontuações Elo de votos de preferência às cegas em nossa Image Arena" e um selo "Ranking de Pesos Abertos". Ele coloca o modelo em primeiro lugar com 1.082 Elo, acima de Ideogram 4.0 (Quality) com 1.052, Ideogram 4.0 com 1.015 e HunyuanImage 3.0 Instruct com 1.005. O gráfico traz a marca Artificial Analysis; o modelo não aparece nos rankings ao vivo da Artificial Analysis. Não conseguimos encontrar o ranking que ele retrata na web pública, e ele não mostra contagem de votos.

Portanto, o número da Tencent ao menos descreve um estudo que a empresa realizou. O de Ming descreve um estudo que pode não existir fora do seu próprio repositório — o que é um problema mais difícil, porque não é apenas não auditado, é impossível de localizar. Nenhum dos dois deveria ser citado como benchmark, e a posição honesta em relação a ambos é que a questão da qualidade permanece em aberto.

Por que a arquitetura vale a pena conferir de todo modo

Um detalhe no pipeline do Ming-Image-0.1-Design é a coisa técnica mais interessante em qualquer um dos dois anúncios, e está visível no repositório, e não em qualquer material de imprensa. Um commit de terceiros do vLLM-Omni integra um codificador de glifos em nível de byte do ByT5 a um pipeline chamado `ming_flash_omni`, ampliando o vocabulário do tokenizador com marcadores de fonte e cor. Essa é uma intenção de design que se pode ler diretamente: o modelo parece tratar texto renderizado como glifos com atributos tipográficos, e não como uma propriedade emergente do prompt, que é o modo de falha por trás de quase todo cartaz mal renderizado que um modelo de imagem já produziu.

Isso também é consistente com o propósito declarado do modelo — UI, infográficos, pôsteres e outros trabalhos de design com muito texto — e com a saída recomendada de 2048×2048, já que tipografia legível precisa de pixels. Mas isso é intenção, não evidência. A estrutura do repositório mostra seis pastas de componentes sem `model_index.json`, o que significa que o modelo é um pipeline de vários estágios, e não uma chamada única, e a ligação do codificador de glifos está no framework de inferência de outra pessoa, e não na ficha do modelo. Até que uma terceira parte o execute e mostre o texto, trata-se de uma alegação arquitetural.

A alegação equivalente do Hy Image3.5 é mais convencional e igualmente não verificada: a Tencent diz que as inscrições em chinês e inglês dentro da imagem melhoraram, a par de um layout melhor especificado pelo prompt e de uma edição mais sólida em fotografias reais. Também relatado pelo fornecedor, também não reproduzido.

Como realmente usar qualquer um dos dois

A resposta prática difere completamente dependendo do modelo que você escolheu, e nenhuma das duas respostas envolve um ranking.

Se você quer o Hy Image3.5, use a janela gratuita. Miora, WorkRally e OnSolo estão disponíveis sem custo de 22 de setembro a 7 de outubro de 2026, o que é tempo suficiente para executar seus prompts reais nele e formar uma opinião que o estudo da Tencent não pode lhe dar. Depois, decida se uma prévia que você não pode auto-hospedar, não pode ajustar com fine-tuning e não pode medir de forma independente pertence a um caminho de produção — e, se pertencer, mantenha a chamada de geração atrás de uma interface que você possa redirecionar, porque uma prévia não traz compromisso de disponibilidade e o preço ou o modelo podem mudar sob seus pés.

Se quiser o Ming-Image-0.1-Design, a primeira tarefa não é a geração, é a implantação. Faça orçamento para uma única GPU CUDA de 80 GiB, espere clonar um repositório de inferência em vez de chamar um pipeline, e verifique o link da receita do vLLM-Omni antes de planejar em torno dele, porque ele não resolveu quando olhamos. O que você obtém do outro lado é o único desses dois modelos que você pode ajustar com fine-tuning, o único que emite um canal de transparência e o único que não pode ser tirado de você.

Essa última propriedade também é o motivo pelo qual uma camada de roteamento e um modelo de pesos abertos são complementares, e não alternativas. O OrcaRouter é a metade gerenciada — uma única chave para mais de 200 modelos, com o preço de tabela do provedor repassado com 0% de margem, de modo que uma mudança de tarifa de um fornecedor entra em vigor no mesmo dia, e failover automático para que um preview não comprovado possa ficar atrás de uma chamada de produção sem se tornar um ponto único de falha. Não é a metade que fornece os pesos. Para ser preciso sobre o nosso catálogo: nem o Hy Image3.5 nem o Ming-Image-0.1-Design podem ser roteados aqui. O OrcaRouter não hospeda nenhum modelo de imagem da Tencent nem nenhum modelo da inclusionAI, e os modelos de imagem estática hospedados que oferecemos são o Nano Banana 2 do Google (como google/gemini-3.1-flash-image-preview), o GPT-Image-2, o Imagen 4 Ultra e o Grok Imagine Image.

Para que serve cada um

O Hy Image3.5 é para equipes que querem uma imagem barata e não querem executar nada: saída em 2K, cobrança por imagem, sem cobrança pelas tentativas descartadas, uma API funcional hoje mesmo e uma promessa de qualidade que você terá que testar por conta própria. É a opção de menor atrito da categoria e não vem com nenhuma propriedade.

O Ming-Image-0.1-Design é para equipes cuja restrição não é o preço, mas o controle — uma licença sobre a qual podem construir um negócio, um modelo que podem ajustar, um canal de transparência que nenhuma API hospedada oferece, e uma conta de GPU em vez de uma por chamada. Ele vem sem suporte, sem endpoint e com uma história de implantação pela metade.

Os dois não competem pela mesma posição, e a razão não é a qualidade. É que um deles é um serviço e o outro é um ativo, e a questão de qual você precisa é respondida antes mesmo de você olhar para um benchmark.