Ming-Image-0.1-Design vs GPT Image 2.5: Ett labbs egen siffra mot en panel av främlingars röster

Sätter du Ming-Image-0.1-Design och GPT Image 2.5 i samma mening är den uppenbara jämförelsen kvalitet. Den användbara jämförelsen är proveniens. GPT Image 2.5 har första- och andraplatsen på live-resultattavlan för Artificial Analysis UI/UX Design, med 1 227 respektive 1 218 Elo, på 1 287 respektive 1 303 blinda mänskliga röster — det vill säga en rangordning framtagen av människor som inte byggde modellen och inte fick veta vilken output som var vems. Ming-Image-0.1-Design har exakt en poäng knuten till sig, 1 082 Elo, och den poängen förekommer i en topplistegrafik som finns i inclusionAI:s eget Hugging Face-repositorium, på en resultattavla som vi inte kunde hitta någon annanstans, för en modell med noll nedladdningar. Ett av dessa nummer är bevis. Det andra är ett påstående med ett typsnitt. Det gapet, inte de 145 Elo mellan dem, är vad som bör forma ett beslut om någon av modellerna.

De två talen sida vid sida, och fällan i att jämföra dem

Talen ligger nära nog för att framstå som jämförbara och är olika nog till sin art för att inte vara det. Här är uppsättningen, exakt angiven.

• GPT Image 2.5, på live-tavlan — första plats med 1 227,0 Elo för Flare-konfigurationen (max), andra plats med 1 218,1 för Sunburst (max), med provantal på 1 287 och 1 303 och ett spårat pris på 210,72 USD per 1 000 bilder. Modellen listades på den tavlan med releasedatum den 8 september 2026.

• Ming-Image-0.1-Design, på sitt eget kort — första plats med 1 082 Elo, före Ideogram 4.0 (Quality) med 1 052 och FLUX.2 dev-varianterna mellan 994 och 1 000, på en grafik med rubriken "Text till bild-topplista: UI/UX-design" med sidfoten "Elo-poäng från blinda preferensröster i vår Image Arena". Inget antal prover visas. Ingen metodik har publicerats. Själva topplistan finns inte på den publika webben såvitt vi kan finna.

• Fällan – Elo beräknas per board. En poäng är bara meningsfull mot de andra poängen på samma board, vilket är varför samma FLUX.2-släpp visar 1 026 på den allmänna text-till-bild-boarden och 1 065 i UI/UX Design-kategorivyn. Subtrahera 1 082 från 1 227 och du har inte mätt en kvalitetsskillnad mellan två modeller. Du har subtraherat ett tal från ett annat tal.

Vad gör en blind omröstning till en blind omröstning?

Artificial Analysis publicerar tillräckligt mycket av sin metod för att den ska kunna granskas. Dess image arena parar ihop två generationer från anonyma modeller, ber en röstare att välja en vinnare och omvandlar resultaten till ett Elo-betyg — antalet sampel på resultattavlan är antalet sådana jämförelser som varje modell har samlat på sig. Den strukturen är vad som gör ett betyg motståndskraftigt mot modellens egna upphovsmän: personerna som tränade GPT Image 2.5 finns inte med i loopen, och en modell kan inte rankas först genom att vara den som dess skapare föredrar. Det är inte ett perfekt instrument — röstarpoolen är självselekterad och prompterna är inte en kontrollerad benchmark-svit — men det är ett instrument som någon annan än leverantören håller i.

Grafiken i Ming-Image-0.1-Design-repositoriet lånar det formatet utan de delar som gör det verifierbart. "Blinda preferensröster" är påståendet. "Our Image Arena" är operatören, och operatören är inclusionAI. Det finns inget publicerat röstantal, ingen synlig promptfördelning och inget sätt att granska paren. Det är fullt möjligt att utvärderingen bakom den grafiken är ärlig och rigorös – modellens team skulle veta det. Den är också helt omöjlig att kontrollera utifrån, vilket är det enda som spelar roll om du är den som avgör huruvida du ska bygga vidare på den.

Värt att tillägga, eftersom det går emot den enkla berättelsen: Ming-Image-0.1-Design finns inte alls med på live-tavlan hos Artificial Analysis. Inte i kategorin UI/UX Design, inte på den allmänna text-till-bild-tavlan, inte i open-weights-vyn. Dess frånvaro är inte bevis för att den är sämre – en modell med noll nedladdningar och ingen hostad endpoint har inget sätt att samla röster. Det är bevis för att det ännu inte finns någon oberoende siffra, vilket är ett annat påstående.

Priset är den delen som inte är tvetydig

Kostnadsmässigt är de två modellerna inte i närheten av varandra, och det finns inget att diskutera.

• GPT Image 2.5 är en kommersiell slutpunkt. Artificial Analysis spårar den till $210,72 per 1 000 bilder i kategorin UI/UX – ungefär 21 cent per bild, vilket placerar den i toppen av prisintervallet för området. För jämförelse på samma resultattavla spåras Grok Imagine Image 2.0 till $60 per 1 000, MAI-Image-2.6 till $38,9 och Muse Image till $10.

• Ming-Image-0.1-Design har inget pris eftersom det inte har någon slutpunkt. Vikterna är MIT-licensierade och gratis att ladda ner; att köra dem kostar vad en 80 GiB CUDA-GPU kostar dig per timme. Modellkortets validerade konfiguration är ett enda kort av den klassen, vid 2048 x 2048 upplösning och 12 samplingssteg.

• Ingendera siffran är stabil. Båda leverantörerna reviderar sina priser, och en jämförelse per bild som skrivs idag har en hållbarhet mätt i veckor. Detta är den enda platsen där OrcaRouters ekonomi är värd att uttrycka tydligt: vi för vidare leverantörernas listpriser med 0 % påslag, så en ändring av leverantörspriset slår igenom hos oss samma dag i stället för efter en egen omprissättningscykel – vilket spelar roll när skillnaden mellan två kandidater är 21 cent mot 6 cent per bild och båda kan förändras.

Vad du faktiskt kan anropa i dag, och var vi befinner oss i det

Tillgänglighet är där den här jämförelsen upphör att vara ett tankeexperiment.

GPT Image 2.5 är en riktig produkt med ett riktigt API bakom sig, som säljs av OpenAI på deras egna villkor. Den är inte routbar via OrcaRouter — vår katalog innehåller ingen post för GPT Image 2.5 per den 23 september 2026 — och vi kommer inte att beskriva en rutt vi inte har. Vad katalogen däremot har från samma serie är den föregående generationen, openai/gpt-image-2 till $8.00 per miljon input-tokens och $30.00 per miljon output-tokens, tillsammans med openai/gpt-image-1.5, och de ligger bakom samma nyckel som allt annat vi routar.

Ming-Image-0.1-Design går inte att dirigera någonstans. Repositoriet har inferens inaktiverad, Hugging Face rapporterar ingen driftsättning av inferensleverantör, och Snabbstart pekar på ett medföljande GitHub-repositorium som returnerar 404. Ingen inclusionAI-modell av något slag finns i vår katalog. Det enda sättet att köra den är att ladda ner shardarna och servera dem själv.

Så formen på valet är: ett alternativ du kan köpa i dag till högsta marknadspris, och ett alternativ du kan köra i dag för priset av en GPU och din egen ingenjörstid, utan oberoende bevis för att det presterar. Den som säger att Ming-Image-0.1-Design är ett billigare alternativ till GPT Image 2.5 har inte prissatt det andra alternativet.

Hur man håller båda utan att satsa på någon av dem

Det praktiska rådet här är snävare än en dom, eftersom de två modellerna ännu inte är utbytbara.

Om du behöver bildgenerering för UI eller designkvalitet i produktion är GPT Image 2.5 det försvarbara valet, och priset är det du bör förhandla med dig själv om, inte kvaliteten – den leder den oberoende resultattavlan med en sådan marginal att rangordningen inte kan ifrågasättas. Om du vill veta om Ming-Image-0.1-Design är bra har du två alternativ, och bara ett av dem är fritt från gissningar: hämta MIT-vikterna till ett 80 GiB-kort och kör din egen utvärderingsuppsättning, eller vänta på att någon annan gör det. Betrakta inte 1 082 som ett resultat under tiden. Och om ditt verkliga krav är valfrihet snarare än någon av modellerna specifikt, är den disciplin som lönar sig att hålla genereringsanropet bakom ett enda gränssnitt – en nyckel för 200+ modeller, ett byte av modell-ID i stället för en omskrivning, automatisk failover när en slutpunkt krånglar – så att det, oavsett vilken av dessa två som först levererar en oberoende siffra, kostar dig en konfigurationsrad och inte en sprint att ta den i bruk.

En avslutande kommentar om vad som skulle förändra den här texten. En rad för Ming-Image-0.1-Design som dyker upp på Artificial Analysis UI/UX Design-tavlan, med antalet prover bredvid sig, skulle förvandla leverantörens 1 082 från ett påstående till en datapunkt — och det skulle vara första gången någon utanför inclusionAI har sagt något mätbart om modellen. Det är den händelse man bör hålla utkik efter, och det är en mer användbar sak att bevaka än nedladdningsräknaren.