Ming-Image-0.1-Design vs MAI Image 2.5 Pro: O teto de megapixels decide

O número mais decisivo em uma comparação entre Ming-Image-0.1-Design e MAI Image 2.5 Pro não é uma pontuação Elo. É 1.048.576. Esse é o teto de saída que a Microsoft documenta para o MAI Image 2.5 Pro — aproximadamente 1024 x 1024 — enquanto o Ming-Image-0.1-Design da inclusionAI recomenda 2048 x 2048 e não renderiza em tamanhos intermediários de forma alguma, encaixando a solicitação no bucket de 1024 ou no de 2048. Ambos os modelos são genuinamente bons em colocar texto legível em uma imagem, e é por isso que continuam aparecendo nas mesmas conversas. Apenas um deles lhe dará um layout de 4 megapixels, e apenas um deles tem preço por token no nível premium de um hyperscaler.

Ming-Image-0.1-Design é o modelo de texto para imagem de 6B da inclusionAI, com licença MIT, pesos publicados em 17 de setembro de 2026. MAI Image 2.5 Pro é o nível de qualidade da Microsoft AI, em pré-visualização pública no Microsoft Foundry desde 23 de julho de 2026. Nenhuma das alegações sobre a renderização de texto deles foi reproduzida fora do laboratório que a fez — mas uma delas passou por uma arena, e essa distinção permeia tudo o que vem abaixo.

Para que cada um foi feito

MAI Image 2.5 Pro é o topo da família MAI-Image-2.5 da Microsoft, posicionando-se acima do MAI-Image-2.5 para trabalhos equilibrados e do MAI-Image-2.5-Flash para volume, com o MAI-Image-2.6 já em prévia privada em 19 de agosto. A Microsoft o descreve como seu modelo de imagem de maior fidelidade até o momento, voltado para imagens de destaque, edição detalhada e renderização precisa de texto em imagens. Ele foi construído em torno de entrada de várias imagens: o fornecedor relata 94% de consistência de caracteres entre gerações e posiciona o modelo para fluxos de trabalho em que você pega um ativo existente, altera uma coisa e o entrega.

Ming-Image-0.1-Design é um gerador do zero, não um editor. Prompt de entrada, imagem de saída, sem necessidade de imagem de referência. Seu domínio é design gráfico denso em texto — mockups de UI, dashboards, infográficos, pôsteres — e seu recurso mecânico distintivo é que ele emite RGBA nativo quando o prompt começa com uma das frases de transparência documentadas. Um modelo complementar, Ming-Image-0.1-Design-Layer, decompõe um design achatado em 2–9 PNGs RGBA separados que se recompõem no original.

• Limite de saída — Ming-Image-0.1-Design 2048 x 2048 recomendado, ou 1024 x 1024, com tamanhos intermediários ajustados para um desses dois, vs MAI Image 2.5 Pro limitado a 1.048.576 pixels, aproximadamente 1024 x 1024

• Modo principal — geração apenas por prompt vs edição com múltiplas imagens com consistência de personagem entre referências

• Transparência — RGBA nativo do sampler, além de decomposição em 2–9 camadas via o modelo complementar vs nenhum documentado

• Licença e acesso — pesos MIT que você mesmo hospeda vs. uma pré-visualização comercial no Microsoft Foundry

Unidade de cobrança — seu próprio tempo de GPU, uma placa de 80 GiB vs. por token, medida no Foundry

• Posição independente em text-to-image — Ming-Image-0.1-Design em #45, Elo 995, 21,342 amostras vs. MAI Image 2.5 Pro em #12, Elo 1,098, 13,521 amostras

• Colocação em edição independente — sem entrada vs MAI Image 2.5 Pro em #10, Elo 1.106, 13.581 amostras

Leia os dois números da arena em conjunto

Os rankings da Artificial Analysis, consultados em 24 de setembro de 2026, dizem algo mais específico do que "um modelo é melhor".

No quadro Text to Image, o MAI Image 2.5 Pro ocupa a 12ª posição, com um Elo de 1.098 e um intervalo de confiança de 95% de ±8 em 13.521 votos. O Ming-Image-0.1-Design ocupa a 45ª posição, com 995 de Elo, ±8, em 21.342 votos. Isso representa uma diferença de 103 pontos de Elo em um quadro no qual o intervalo estreito significa que não é ruído. No quadro Image Editing, o MAI Image 2.5 Pro ocupa a 10ª posição, com 1.106 de Elo em 13.581 votos; o Ming-Image-0.1-Design não tem nenhuma entrada lá.

Então a situação se inverte no único recorte que importa para uma equipe de design. No recorte de Design de UI/UX do mesmo ranking, o MAI Image 2.5 Pro está na 10ª posição, com 1.131 de Elo em 1.241 votos no recorte, e o Ming-Image-0.1-Design está na 16ª posição, com 1.084 de Elo em 2.100 votos. A diferença diminui de 103 Elo para 47, e o modelo que nunca foi avaliado em edição percorre a maior parte da distância assim que os prompts são prompts de design.

É essa a forma da escolha. O MAI Image 2.5 Pro é o melhor modelo de imagem geral e o melhor editor, comprovadamente. O Ming-Image-0.1-Design é um especialista que rende muito acima da sua classificação geral quando a tarefa é um layout, e é o único dos dois com um caminho para fundo transparente.

Uma ressalva sobre ambos os conjuntos de números: estes são números de recorte, e os recortes mudam. A contagem de 13.521 votos do MAI Image 2.5 Pro no placar completo é grande o suficiente para que seu intervalo seja estreito, mas um recorte de caso de uso com mais de mil votos por trás é um número menos sólido, e as alegações do fornecedor por trás de ambos os modelos não foram verificadas por ninguém.

O que a Microsoft alega, e quanto custa

Os próprios números da Microsoft para o MAI Image 2.5 Pro, todos divulgados pelo fornecedor e nenhum reproduzido de forma independente:

• 96,8% de precisão de renderização de texto, sinalizada como abrangendo chinês, inglês, japonês, coreano e espanhol — embora a mesma documentação limite a saída a aproximadamente um megapixel, então o termo "8K" associado à alegação deve ser interpretado como marketing

• 27% melhor adesão ao prompt do que o GPT-Image-1.5 nas avaliações internas da Microsoft

• 94% de consistência de personagem em várias imagens entre gerações

• Custo de GPU até 84–89% menor em comparação com modelos GPT em cenários específicos da Microsoft, como PowerPoint e OneDrive — um valor de cenário, não geral

A ficha técnica documentada fundamenta essas alegações: entrada de texto de até 32.000 tokens, uma janela de contexto de 131 mil, 4.096 tokens de saída, entrada de imagens JPEG e PNG, e o limite de saída de 1.048.576 pixels. Esse limite é problema do comprador. Um editor de alta qualidade que não consegue ultrapassar um megapixel é uma ferramenta para ativos de redes sociais e web, não uma ferramenta de impressão, e nenhum grau de precisão na renderização de texto altera a contagem de pixels.

O preço é medido por tokens no Foundry: $5 por milhão de tokens de entrada de texto, $8 por milhão de tokens de entrada de imagem, $106 por milhão de tokens de saída de imagem. A Microsoft não publica tokens por imagem, então qualquer número por imagem é um cálculo, não uma cotação. Usando a conversão da Artificial Analysis, uma imagem de 1024 x 1024 fica perto de $108,50 por 1.000 imagens — aproximadamente 2,3× o irmão MAI-Image-2.5 a cerca de $48 por 1.000, e 5,4× o MAI-Image-2.5-Flash a cerca de $20 por 1.000. O nível Pro é um premium deliberado. O preço de pré-visualização também não é o preço de GA, e a tabela de preços pode mudar antes da disponibilidade geral.

Ming-Image-0.1-Design não tem uma tabela de preços de fornecedor para comparar, porque não há um endpoint hospedado. O painel da Artificial Analysis lista-o a $30,00 por 1.000 imagens, o que é uma coluna derivada do painel e não um preço de fornecedor publicado — a inclusionAI fornece pesos e uma receita de serviço, não uma API. Seu custo real é uma GPU CUDA com 80 GiB de VRAM, BF16, 12 etapas de amostragem em CFG 1,0 e uma saída recomendada de 2048 pixels. Doze etapas com orientação 1,0 é um amostrador destilado ou sem orientação, que é o que torna uma renderização de 2048 pixels acessível nessa contagem de etapas, e a receita recomendada do cartão também executa um modelo de visão-linguagem na frente do modelo de difusão para reescrever um prompt curto em um layout JSON estruturado ao estilo Figma com coordenadas, hierarquia, especificações de cores e texto literal.

Duas coisas que vale a pena esclarecer do nosso lado. Não encaminhamos nenhum dos dois modelos: nem um modelo de imagem da Microsoft nem um modelo da inclusionAI consta do catálogo do OrcaRouter, pelo que ambos significam a rota do próprio fornecedor ou o seu próprio hardware. Aquilo para que a camada de encaminhamento realmente serve é o lado do incumbente da comparação — um endpoint compatível com OpenAI para mais de 200 modelos, preço de tabela do fornecedor repassado com 0% de margem, para que uma alteração de preço do fornecedor fique ativa no próprio dia, e failover automático entre fornecedores. Executar o mesmo conjunto de prompts contra um modelo de imagem alojado em que já confia e contra qualquer um destes é uma tarefa de uma tecla, e não um processo de aquisição.

A pergunta sobre tamanho que ninguém faz

Há um segundo número que complica o lado do download desta comparação, e vale a pena mencioná-lo porque o modelo é comercializado como 6B. O transformer de difusão do Ming-Image-0.1-Design tem 6,15B de parâmetros. O pacote tem aproximadamente 52,88 GB, porque o codificador de texto multimodal tem 17,01B e o conector acrescenta 3,09B — cerca de 26B de parâmetros em BF16 no total. O transformer do complemento Layer é o dobro, com 12,31B, e o respetivo pacote é ainda maior, com aproximadamente 65,20 GB. O requisito de 80 GiB de VRAM é consequência de tudo o que fica residente ao lado do transformer, não do número de 6B.

O MAI Image 2.5 Pro tem o perfil oposto: nada para baixar, nada para servir e um teto rígido para o que você pode produzir com ele. Qual desses dois problemas é pior depende inteiramente de sua equipe já operar GPUs.

Escolhendo um

• Você edita imagens existentes com alta qualidade e consegue viver dentro de um megapixel — MAI Image 2.5 Pro. Ele tem uma posição real num quadro de edição, no 10.º lugar, uma grande contagem de votos por trás da sua pontuação de geração, e um pipeline multi-imagem documentado com um índice de consistência reportado pelo fornecedor. O preço reflete tudo isso.

• Você está gerando layouts com muito texto e precisa de transparência ou camadas editáveis — Ming-Image-0.1-Design. RGBA nativo e decomposição em 2 a 9 camadas não são recursos que o MAI Image 2.5 Pro ofereça a preço algum, e a saída de 2048 x 2048 é quatro vezes o orçamento de pixels.

• Você precisa de saída em resolução de impressão — nenhum dos dois. Um tem limite de um megapixel, e o outro chega no máximo a 2048 ao quadrado.

• Você precisa de um número que consiga defender em uma revisão — o MAI Image 2.5 Pro nos boards completos, o Ming-Image-0.1-Design no recorte de UI/UX, e nenhum dos dois na precisão de renderização de texto, em que ambos os conjuntos de alegações são relatados pelo fornecedor e não reproduzidos.

A conclusão honesta é que estes dois modelos não competem realmente entre si. O MAI Image 2.5 Pro é um editor hospedado premium com um limite máximo de resolução e um preço à altura; o Ming-Image-0.1-Design é um download gratuito que lidera o campo dos pesos abertos num segmento da arena específico de design e, em troca, pede uma placa de 80 GiB. O que vale a pena acompanhar é se a Microsoft vai remover o limite de megapixels antes da GA e se a inclusionAI algum dia vai associar um endpoint a esses pesos — porque qualquer um desses movimentos faria disto um verdadeiro confronto direto, em vez de uma comparação entre dois tipos diferentes de compromisso.