Ming-Image-0.1-Design vs MAI Image 2.6 Preview: Öppna vikter som ingen tillhandahåller, mot en förhandsversion som Microsoft redan tar betalt för

Två modeller, båda beskrivna av sina skapare som inte färdiga, och ordet betyder motsatta saker på var sin sida. MAI Image 2.6 Preview är ofärdig i den meningen att Microsoft har släppt den ändå: listad på den oberoende resultattavlan med releasedatum 10 augusti 2026, prissatt till 38,90 dollar per 1 000 bilder, på femte plats i kategorin UI/UX Design med 1 168,8 Elo på 818 blinda jämförelser — en förhandsvisning med ett pris och en poäng. Ming-Image-0.1-Design är ofärdig i den meningen att inclusionAI har publicerat artefakten och ingenting runtomkring den: MIT-licensierade 6B-vikter på Hugging Face sedan 17 september 2026, en validerad konfiguration för en enda GPU, och ingen slutpunkt, inget pris, ingen leverantör, ingen oberoende poäng, och en snabbstart som pekar på ett GitHub-repositorium som returnerar 404. En av dessa är en produkt i beta. Den andra är en viktfil i en mapp. Den här artikeln handlar om vad som skiljer dem åt, vilket visar sig vara nästan helt och hållet infrastruktur snarare än modellkvalitet.

Licens är den enda dimensionen där den öppna modellen vinner

Börja här, för det är den enda platsen där jämförelsen är genuint fördelaktig för Ming-Image-0.1-Design och marginalen är stor.

• Ming-Image-0.1-Design — MIT-licens på vikterna. Ladda ner dem, ändra dem, finjustera dem, leverera dem i en kommersiell produkt, hosta dem åt kunder, utan avgift per anrop till någon och inga användarvillkor att förhandla om. Repositoriets metadata bekräftar licensen och paketeringen med safetensors/diffusers.

• MAI Image 2.6 Preview — ett kommersiellt API på Microsofts villkor. Det finns en prislista och användarvillkor, och modellen nås snarare än ägs. Inget i den offentliga dokumentationen tyder på att Microsoft avser att öppna dessa vikter.

Det är en verklig fördel och den bör inte avfärdas. Ett team med en fast GPU-budget, ett integritetskrav eller ett behov av att finjustera på proprietära designresurser har ingen väg alls till MAI Image 2.6 Preview — API:et kan inte självhostas, och ett förhandsversions-API ger ingen garanti för långsiktig tillgänglighet. Ming-Image-0.1-Design kan köras på din egen hårdvara för alltid, under en licens som jurister har förstått i decennier.

Fördelen omvandlas bara till värde om du kan köra den, vilket för oss vidare till resten av tabellen.

Allt annat, kontrollerat en rad i taget

• Slutpunkt — MAI Image 2.6 Preview serveras via Microsofts egen plattform på en dokumenterad identifierare, till skillnad från Ming-Image-0.1-Design, som inte har någon. Hugging Face rapporterar att repot har inferens inaktiverad och inte är driftsatt av någon inferensleverantör, och modellens egen Snabbstart säger att du ska klona ett tillhörande repo som inte finns.

• Pris — 38,90 USD per 1 000 bilder, ungefär 3,9 cent per bild, vilket är näst billigast bland de fem främsta i kategorin UI/UX Design, efter Muse Image på 10,00 USD och med god marginal under Grok Imagine Image 2.0 på 60,00 USD och GPT Image 2.5 på 210,72 USD mot inget pris, eftersom det inte finns något att köpa. Vikterna är gratis; den 80 GiB CUDA-GPU:n är det inte.

Oberoende poäng — 1 168,8 Elo på 818 blinda röster i kategorin UI/UX Design, femte plats, över Nano Banana 2 på 1 166,6 och under Grok Imagine Image 2.0 på 1 181,8. Modellens syskon, MAI-Image-2.6-Flash, ligger på 1 152,4 på samma resultattavla mot ingenting. Ming-Image-0.1-Designs enda siffra, 1 082 Elo, förekommer uteslutande i en resultattavla-grafik i inclusionAI:s eget arkiv, på en tavla som vi inte kunde hitta på den publika webben, utan visat röstantal.

• Driftsättningsstöd – en hanterad plattform med upptid och support inkluderad, kontra ett modellkort som rekommenderar vLLM-Omni och länkar till en installationsguide som fungerar och ett modellspecifikt recept som ger 404. En halv driftsättningshistoria.

• Upplösning och konfiguration — inte publicerade i de siffror vi kunde verifiera för förhandsvisningen jämfört med 2048 x 2048 rekommenderad eller 1024 x 1024 för hastighet, 12 samplingssteg, CFG 1.0, BF16, en 80 GiB CUDA GPU.

Vad "förhandsversion" kostar dig på Microsofts sida

En ärlig jämförelse måste notera att Microsoft-kolumnen inte är utan sin egen risk. En förhandsversion är en förhandsversion: identifierare kan ändras, prislistor kan förändras, kvoter kan stramas åt och en förhandsversionsslutpunkt kan dras tillbaka eller ersättas – och Microsoft har redan släppt ett Flash-syskon i samma familj, vilket säger dig att linjen rör sig snabbt. Att bygga en produktionspipeline mot en förhandsversionsidentifierare innebär att acceptera att det du integrerade kan byta namn under dig.

Skillnaden är att Microsoft-risken är en affärsrisk med en motpart, och Ming-Image-0.1-Design-risken är en teknikrisk utan motpart. Om ett preview-API ändras finns det en supportkanal, ett utfasningsfönster och en dokumenterad efterträdare. Om det saknade repot aldrig dyker upp finns det ingen att fråga — modellens dokumenterade körväg är en 404, och det enda alternativet är att själv reverse-engineera pipelinen från filträdet.

Vilket inte är omöjligt. Repositoriet är välstrukturerat för det: en transformer-mapp med fem shards, en VAE, en scheduler och separata mllm-, connector- och mlp-komponenter, vilket är formen av en flerstegspipeline med en multimodal språkmodell som utför textkodningen. Modellkortet noterar att promptförbättring kan hanteras av Ling-3.0-flash-VL eller qwen3.8-27B, båda syskonmodeller från samma organisation. Ett kompetent team skulle kunna få igång detta. Det är bara inte samma sak som en produkt.

Var ett routningslager passar in, och var det inte gör det

Ingen av modellerna i den här jämförelsen är routbar via OrcaRouter i dag, och det är värt att säga utan omskrivningar: vår katalog innehåller ingen post för Microsoft MAI och ingen post för inclusionAI per den 23 september 2026, så varken priset på 38,90 USD eller något annat ovan är ett pris du kan få via oss. Båda siffrorna är leverantörernas egna publicerade eller board-trackade priser.

Vad routinglagret är till för i en matchning som den här är gapet mellan nu och senare. Ekonomin för bildgenerering har glidit ifrån kvaliteten det senaste kvartalet — kategoriledaren kostar 210,72 USD per 1 000 bilder, modellen på femte plats kostar 38,90 USD, och en modell tretton Elo under den kostar 10,00 USD — vilket betyder att rätt modell för en given arbetsbelastning är ett rörligt mål snarare än ett fast val. Att hålla genereringsanropet bakom en slutpunkt för 200+ modeller, med leverantörers listpriser vidarebefordrade med 0 % påslag och automatisk failover när en leverantör krånglar, förvandlar det rörliga målet till ett byte av modell-ID i stället för ett integrationsprojekt. Det är värt mer än någon enskild modell i den här listan, och det är argumentet för att inte svetsa fast din pipeline vid en förhandsvisningsidentifierare från första början.

Vilken ska man välja, och vad skulle ändra svaret

För alla som levererar arbete det här kvartalet är svaret MAI Image 2.6 Preview, och det är inte ens nära. Den går att anropa, den är billig för sin kvalitetsklass, den har 818 oberoende blindröster bakom en femteplatsplacering, och förhandsversionsrisken är en hanterbar kommersiell risk. Det enda du bör göra innan du binder dig är att behandla förhandsversionsidentifieraren som föränderlig – håll den i konfiguration, inte i kod, och ha en andra bildmodell en rad bort ifall identifieraren ändras.

Ming-Image-0.1-Design är värt att ladda ner och inte värt att planera kring. Hämta vikterna om du har ett grafikkort med 80 GiB och en anledning att testa textrik designgenerering under en tillåtande licens, för det är det enda den erbjuder som Microsofts API strukturellt sett inte kan. Sätt inte 1 082 Elo på en slide — det är en leverantörsgrafik på en resultattavla som ingen annan kan granska, och modellens eget arkiv visar noll nedladdningar, vilket är hur ett påstående utan utomstående vittne ser ut i det här skedet. Modellkortets rekommenderade inställningar är åtminstone konkreta och kontrollerbara: 2048 x 2048 vid 12 samplingssteg, CFG 1.0, BF16.

Händelsen som skulle skriva om den här artikeln är samma som skulle skriva om varje jämförelse i den här serien: ett oberoende Ming-Image-0.1-Design-betyg, med ett sampelantal bredvid, på en resultattavla som inclusionAI inte driver. Vid den punkten blir frågan verkligen intressant – en självhostad 6B-modell till noll marginalkostnad mot ett förhandsgransknings-API för 3,9 cent vid 1 169 Elo – och för första gången skulle båda sidorna av jämförelsen ha ett tal som betyder samma sak.