Ming-Image-0.1-Design против MAI Image 2.5 Pro: всё решает потолок мегапикселей

Самый значимый показатель в сравнении между Ming-Image-0.1-Design и MAI Image 2.5 Pro — не рейтинг Эло. Это 1 048 576. Это максимальный размер вывода, который Microsoft указывает для MAI Image 2.5 Pro (примерно 1024 × 1024), тогда как Ming-Image-0.1-Design от inclusionAI рекомендует 2048 × 2048 и вообще не рендерит промежуточные размеры, привязывая запрос либо к 1024, либо к 2048. Обе модели действительно хорошо встраивают разборчивый текст в изображение, поэтому они постоянно оказываются в одних и тех же обсуждениях. Только одна из них даст вам 4-мегапиксельный макет, и только одна из них тарифицируется по токенам на премиальном тарифе гиперскейлера.

Ming-Image-0.1-Design — это 6B-модель преобразования текста в изображение от inclusionAI, лицензированная по MIT, веса опубликованы 17 сентября 2026 года. MAI Image 2.5 Pro — это качественный уровень Microsoft AI, находящийся в публичной предварительной версии на Microsoft Foundry с 23 июля 2026 года. Ни одно из заявлений об их рендеринге текста не было воспроизведено за пределами лаборатории, сделавшей его, — но одно из них прошло через арену, и это различие проходит через всё нижеследующее.

Для чего предназначен каждый из них

MAI Image 2.5 Pro — вершина семейства MAI-Image-2.5 от Microsoft, располагаясь выше MAI-Image-2.5 для сбалансированных задач и MAI-Image-2.5-Flash для больших объёмов, а MAI-Image-2.6 уже находится в закрытом предпросмотре по состоянию на 19 августа. Microsoft описывает её как свою самую точную модель генерации изображений на сегодняшний день, ориентированную на имиджевые изображения, детальное редактирование и точный рендеринг текста внутри изображения. Она построена вокруг ввода нескольких изображений: производитель сообщает о 94% согласованности персонажей между генерациями и позиционирует модель для рабочих процессов, где вы берёте существующий ресурс, меняете одну деталь и выпускаете его.

Ming-Image-0.1-Design — это генератор, созданный с нуля, а не редактор. Ввод промпта — вывод изображения, референсное изображение не требуется. Его область — насыщенный текстом графический дизайн: макеты интерфейсов, дашборды, инфографика, постеры. Его отличительная механическая особенность в том, что он выдаёт нативный RGBA, когда промпт начинается с одной из задокументированных фраз прозрачности. Сопутствующая модель Ming-Image-0.1-Design-Layer разбирает сведённый дизайн на 2–9 отдельных RGBA PNG, которые при повторной сборке воссоздают оригинал.

• Предел вывода — для Ming-Image-0.1-Design рекомендуются 2048 x 2048 или 1024 x 1024, при этом промежуточные размеры приводятся к одному из этих двух, тогда как MAI Image 2.5 Pro ограничен 1 048 576 пикселями, примерно 1024 x 1024

• Основной режим — генерация только по промпту или редактирование нескольких изображений с сохранением согласованности персонажа по референсам

• Прозрачность — нативный RGBA от сэмплера, плюс разложение на 2–9 слоёв с помощью сопутствующей модели против отсутствия документации

• Лицензия и доступ — веса MIT, которые вы размещаете самостоятельно, против коммерческой предварительной версии на Microsoft Foundry

• Единица тарификации — ваше собственное время GPU: одна карта на 80 ГиБ против оплаты за токен, учёт ведётся на Foundry

• Независимая позиция в рейтинге генерации изображений по тексту — Ming-Image-0.1-Design на 45-м месте, Elo 995, 21,342 примера против MAI Image 2.5 Pro на 12-м месте, Elo 1,098, 13,521 пример

• Место в независимом рейтинге редактирования — нет позиции в сравнении с MAI Image 2.5 Pro на 10-м месте, Elo 1 106, 13 581 образец

Прочитайте оба числа арены вместе

Таблицы Artificial Analysis, прочитанные 24 сентября 2026 года, говорят нечто более конкретное, чем «одна модель лучше».

В рейтинге Text to Image MAI Image 2.5 Pro занимает 12-е место с рейтингом Elo 1 098 и 95-процентным доверительным интервалом ±8 по 13 521 голосам. Ming-Image-0.1-Design занимает 45-е место с 995 Elo, ±8, по 21 342 голосам. Это разрыв в 103 пункта Elo в рейтинге, где такой узкий интервал означает, что это не шум. В рейтинге Image Editing MAI Image 2.5 Pro находится на 10-м месте с 1 106 Elo по 13 581 голосам; Ming-Image-0.1-Design там вообще отсутствует.

Тогда картина переворачивается в том единственном срезе, который важен для команды дизайна. В срезе UI/UX Design той же таблицы MAI Image 2.5 Pro занимает 10-е место с 1 131 Elo по результатам 1 241 голоса в срезе, а Ming-Image-0.1-Design — 16-е место с 1 084 Elo по результатам 2 100 голосов. Разрыв сокращается с 103 Elo до 47, и модель, которая никогда не проходила бенчмарк по редактированию, сокращает большую часть дистанции, как только промпты становятся дизайнерскими.

Такова суть выбора. MAI Image 2.5 Pro — лучшая универсальная модель изображений и лучший редактор, если судить по измерениям. Ming-Image-0.1-Design — специализированная модель, которая демонстрирует результаты, намного превосходящие её общий рейтинг, когда задача связана с макетом, и только у неё из этих двух есть путь с прозрачным фоном.

Одна оговорка по обоим наборам цифр: это числа по срезам, а срезы меняются. 13 521 голос MAI Image 2.5 Pro в общем рейтинге достаточно велик, чтобы его интервал был узким, но срез по сценарию использования, за которым стоит около тысячи голосов, — это менее надёжная цифра, а заявления производителя, стоящие за обеими моделями, никем не проверены.

Что утверждает Microsoft и чего это стоит

Собственные показатели Microsoft по MAI Image 2.5 Pro: все заявлены вендором, и ни один не был независимо воспроизведён:

• 96,8% точности рендеринга текста с пометкой об охвате китайского, английского, японского, корейского и испанского языков — хотя в той же документации выходное разрешение ограничено примерно одним мегапикселем, так что формулировку «8K», привязанную к этому заявлению, лучше воспринимать как маркетинг

• Следование промпту на 27% лучше, чем у GPT-Image-1.5, по внутренним оценкам Microsoft

• 94% согласованности персонажа между генерациями при работе с несколькими изображениями

• До 84–89% ниже затраты на GPU по сравнению с моделями GPT в отдельных сценариях Microsoft, таких как PowerPoint и OneDrive, — это показатель для конкретного сценария, а не общий.

Документированная спецификация обосновывает эти утверждения: ввод текста объёмом до 32 000 токенов, контекстное окно в 131 тыс. токенов, 4 096 выходных токенов, ввод изображений JPEG и PNG и ограничение вывода в 1 048 576 пикселей. Это ограничение — проблема покупателя. Высококачественный редактор, не способный превысить один мегапиксель, — это инструмент для социальных сетей и веб-графики, а не для печати, и никакая точность рендеринга текста не изменит количество пикселей.

Ценообразование на Foundry основано на токенах: $5 за миллион входных текстовых токенов, $8 за миллион входных токенов изображений, $106 за миллион выходных токенов изображений. Microsoft не публикует количество токенов на изображение, поэтому любая цифра за изображение — это результат арифметического расчёта, а не официальная котировка. Если использовать пересчёт Artificial Analysis, изображение 1024 x 1024 обходится примерно в $108,50 за 1000 изображений — примерно в 2,3 раза дороже родственной модели MAI-Image-2.5 при примерно $48 за 1000 и в 5,4 раза дороже MAI-Image-2.5-Flash при примерно $20 за 1000. Тариф Pro — это намеренно установленная премиальная цена. Цены для предварительной версии также не являются ценами GA, и тарифная сетка может измениться до общего выпуска.

У Ming-Image-0.1-Design нет тарифной карты поставщика для сравнения, потому что размещённой конечной точки не существует. В рейтинге Artificial Analysis он указан как $30,00 за 1000 изображений, но это столбец, выведенный на основе данных рейтинга, а не опубликованная цена поставщика — inclusionAI поставляет веса и рецепт обслуживания, а не API. Его реальная стоимость — одна GPU CUDA с 80 ГиБ видеопамяти, BF16, 12 шагов сэмплирования при CFG 1.0 и рекомендуемый вывод 2048 пикселей. Двенадцать шагов при guidance 1.0 — это дистиллированный сэмплер или сэмплер без guidance, и именно это делает рендеринг 2048 пикселей доступным при таком числе шагов, а рекомендуемый рецепт из карточки также запускает визуально-языковую модель перед диффузионной моделью, чтобы переписать короткий промпт в структурированную JSON-разметку в стиле Figma с координатами, иерархией, спецификациями цвета и дословным текстом.

Два момента, которые стоит уточнить с нашей стороны. Мы не маршрутизируем ни одну из этих моделей: ни модель изображений Microsoft, ни модель inclusionAI не значатся в каталоге OrcaRouter, так что обе они означают либо собственный маршрут вендора, либо ваше собственное оборудование. Слой маршрутизации на самом деле нужен для стороны сравнения, представленной привычными решениями, — один OpenAI-совместимый эндпоинт для 200+ моделей, прайс-лист провайдера транслируется без наценки (0% маржи), так что изменение цены у вендора вступает в силу в тот же день, плюс автоматическое переключение между провайдерами при сбое. Прогнать один и тот же набор промптов против уже проверенной вами размещённой модели изображений и против любой из этих двух — это задача на один ключ, а не закупочная процедура.

Вопрос о размере, который никто не задаёт

Есть второе число, которое усложняет картину со скачиванием в этом сравнении, и о нём стоит сказать, потому что модель позиционируется как 6B. Диффузионный трансформер Ming-Image-0.1-Design содержит 6,15B параметров. Пакет весит примерно 52,88 ГБ, поскольку мультимодальный текстовый энкодер содержит 17,01B параметров, а коннектор добавляет 3,09B — всего около 26B параметров в BF16. Трансформер компаньона Layer вдвое больше — 12,31B, а его пакет ещё больше — примерно 65,20 ГБ. Требование к 80 GiB VRAM — следствие всего, что находится в памяти вместе с трансформером, а не показателя 6B.

MAI Image 2.5 Pro имеет противоположный профиль: нечего скачивать, нечего обслуживать и жёсткий потолок того, что вы можете с его помощью создать. Какая из этих двух проблем хуже, полностью зависит от того, работает ли ваша команда уже с GPU.

Выбор одного

• Вы редактируете существующие изображения в высоком качестве и можете уложиться в один мегапиксель — MAI Image 2.5 Pro. У неё реальное место на доске редактирования — 10-я позиция, за её оценкой генерации стоит большое количество голосов, а также документированный конвейер обработки нескольких изображений с заявленным производителем показателем согласованности. Цена отражает всё это.

• Вы создаёте макеты с высокой плотностью текста и нуждаетесь в прозрачности или редактируемых слоях — Ming-Image-0.1-Design. Встроенная поддержка RGBA и разложение на 2–9 слоёв — это не функции, которые MAI Image 2.5 Pro предлагает ни за какую цену, а вывод 2048 x 2048 вчетверо превышает бюджет пикселей.

• Вам нужен вывод с разрешением для печати — ни то, ни другое. Один ограничен одним мегапикселем, а другой — максимум 2048×2048.

• Вам нужен показатель, который можно защитить на ревью — MAI Image 2.5 Pro на полных бенчмарках, Ming-Image-0.1-Design на UI/UX-срезе, и ни один из них — на точности рендеринга текста, где оба набора заявлений сообщены вендором и не воспроизведены.

Честный итог таков: эти две модели на самом деле не конкурируют. MAI Image 2.5 Pro — это премиальный облачный редактор с потолком по разрешению и соответствующей ценой; Ming-Image-0.1-Design — это бесплатная загрузка, которая лидирует среди открытых весов в специфическом для дизайна срезе арены и взамен требует 80-гибибайтную карту. Стоит следить за тем, поднимет ли Microsoft потолок мегапикселей до GA и привяжет ли inclusionAI когда-нибудь эндпоинт к этим весам, — потому что любой из этих шагов превратил бы это в настоящее очное противостояние, а не в сравнение двух разных типов обязательств.