Ming-Image-0.1-Design vs Nano Banana 2: Lớp mà bạn nhận lại được

Hãy hỏi một nhà thiết kế xem điều gì hỏng sau khi hình ảnh được tạo ra, và câu trả lời gần như không bao giờ là bản thân hình ảnh. Mà là hình ảnh được tạo ra bị phẳng. Mọi thành phần đều bị hàn chặt vào nhau, nên không thể di chuyển tiêu đề, không thể thay logo, không thể đổi màu nền, và phải tạo lại toàn bộ từ một câu lệnh chỉ để đổi một từ. Ming-Image-0.1-Design, được nhóm inclusionAI của Ant Group âm thầm công bố vào ngày 17 tháng 9 năm 2026 theo giấy phép MIT, được xây dựng xoay quanh chính vấn đề đó: 6,15 tỷ tham số, đầu ra RGBA gốc, cùng một kho lưu trữ đồng hành có khả năng nhận một thiết kế đã bị làm phẳng và trả lại nó dưới dạng các lớp riêng biệt. Nano Banana 2 — Gemini 3.1 Flash Image của nhà cung cấp, được phát hành chính thức từ ngày 28 tháng 5 năm 2026 và có thể định tuyến ngày hôm nay dưới tên google/gemini-3.1-flash-image-preview — giải quyết một nửa khác của cùng vấn đề, và sự khác biệt giữa hai nửa ấy chính là điều quyết định xem cái nào thuộc về pipeline của bạn.

Nano Banana 2 thực sự giỏi ở điểm nào, và giá cả ra sao

Mô hình của Google là mô hình có giá được công bố và thành tích triển khai thực tế, và cả hai đều đáng được nêu rõ chính vì chúng là lý do người ta tìm đến nó.

• Giá — khoảng $0,067 cho mỗi ảnh 1024×1024, $0,101 ở 2048×2048, và khoảng $0,151 ở mức 4K, với chế độ batch ở mức xấp xỉ một nửa các con số đó và đầu vào văn bản được tính phí riêng ở mức $0,25 mỗi triệu token. Điều đó quy đổi thành khoảng $101 cho mỗi nghìn ảnh 2K, có thể dự báo chính xác đến từng đô-la trước khi bạn tạo ra bất cứ thứ gì.

• Đầu ra — lên đến 4K, với các preset tỷ lệ bao gồm cả các tỷ lệ cực đoan 1:4 và 1:8 mà định dạng mạng xã hội và banner cần, cùng độ nhất quán được Google báo cáo trên năm nhân vật và mười bốn đối tượng.

• Nguồn gốc xuất xứ — mọi đầu ra đều được gắn watermark SynthID, đây là một tính năng tuân thủ chứ không phải tính năng chất lượng, và là kiểu điều mà một cuộc đánh giá pháp lý sẽ hỏi tới trước cả khi một cuộc đánh giá thiết kế hỏi tới.

• Grounding — nó có thể tìm kiếm trên web trong quá trình tạo, đó là cách nó xử lý một yêu cầu phụ thuộc vào một dữ kiện mà nó chưa ghi nhớ.

Không điều nào trong số đó là một câu chuyện minh bạch. Nano Banana 2 trả về một hình ảnh, và hình ảnh chính là toàn bộ tạo tác.

Ming-Image-0.1-Design trả về gì thay vào đó

Thẻ mô hình đặc biệt cụ thể đối với một bản phát hành chưa được công bố, và mọi chi tiết cụ thể đều hướng vào công việc thiết kế chứ không phải nhiếp ảnh. Suy luận được khuyến nghị là 2048×2048 — hoặc 1024 khi bạn muốn tốc độ — ở 12 bước lấy mẫu, classifier-free guidance ở mức 1.0, BF16 xuyên suốt, trên một GPU CUDA 80 GiB duy nhất. Toàn bộ trọng số là BF16 safetensors, kho lưu trữ khoảng 71.5 GB trải khắp connector/, mllm/, mlp/, scheduler/, transformer/ và vae/, và không có model_index.json — đường dẫn được tài liệu hóa là git clone kho suy luận và python infer.py, với vLLM-Omni được nêu tên cho việc triển khai và một mô hình thị giác-ngôn ngữ riêng biệt (Ling-3.0-flash-VL hoặc qwen3.8-27B) được nêu tên cho việc tăng cường prompt.

Đầu ra RGBA là nửa đầu của câu trả lời cho bài toán ảnh phẳng. Nửa còn lại là Ming-Image-0.1-Design-Layer, một kho lưu trữ riêng với thẻ pipeline riêng của nó (image-text-to-image), 6.154.908.736 tham số, cùng giấy phép MIT, và một nhiệm vụ duy nhất: nhận một ảnh thiết kế đã được làm phẳng cùng một bản kế hoạch lớp và trả về N lớp RGBA. Nó chạy ở 1024 trong bucket mặc định, 512 để nhanh hơn, 12 bước, guidance ở mức 2.0, với flash_attention_2. Thẻ của nó hiển thị kết quả trên tập kiểm thử Crello dưới dạng hình ảnh thay vì bảng, nên không có con số nào để trích dẫn — đó là trạng thái bằng chứng trung thực và đáng nói thẳng ra.

Ghép hai sự thật đó lại với nhau thì bản chất của sự đánh đổi đã rõ. Nano Banana 2 cho bạn một hình ảnh cuối cùng tốt hơn với ít công sức hơn. Ming-Image-0.1-Design cho bạn một hình ảnh mà sau đó bạn vẫn có thể tách rời, và nó cung cấp cho bạn phần phân rã lớp dưới dạng một mô hình thứ hai mà bạn chạy khi cần.

Bảng, hãy đọc kỹ.

Ming-Image-0.1-Design đứng đầu trên Bảng xếp hạng Text to Image của Artificial Analysis cho Thiết kế UI/UX ở chế độ open-weights, với Elo 1.082, xếp trên Ideogram 4.0 (Quality) ở 1.052, Ideogram 4.0 ở 1.015, HunyuanImage 3.0 Instruct ở 1.005, FLUX.2 [dev] ở 1.000, FLUX.2 [dev] Flash ở 999 và FLUX.2 [dev] Turbo ở 994. Bản sao chúng ta đang đọc là bản được tái hiện trên thẻ của chính mô hình, và nó mang thương hiệu Artificial Analysis.

Hai điều cần lưu ý làm thay đổi mức độ đáng tin của nó. Đây là một bảng xếp hạng chỉ dành cho mô hình trọng số mở, nên một mô hình được lưu trữ như Nano Banana 2 không đủ điều kiện, và việc nó vắng mặt không phải là một thất bại. Còn Elo ưu tiên ẩn danh là điểm trung bình trên một đám đông, không phải phép thử prompt của bạn — nó cho biết một hội đồng thích những kết quả đầu ra này hơn, chứ không phải rằng mô hình sẽ trình bày tiêu đề của bạn bằng đúng kiểu chữ.

Vị thế của Nano Banana 2 được đo trên các bảng xếp hạng hosted và trên các số liệu do chính Google công bố, và không nên gộp lẫn hai thứ này với nhau. Nó đã có mặt trên các bảng xếp hạng từ mùa xuân, và đó mới là dữ kiện hữu ích hơn ở đây: nó đã có nhiều tháng lưu lượng độc lập, còn bản phát hành Ming thì không có chút nào.

Nơi tiền và rủi ro thực sự đổ về

Sự khác biệt về giá không phải là khác biệt về mức độ. Nano Banana 2 tính phí theo lượng dùng và do đó có thể dự báo được: một nghìn ảnh 2K tốn khoảng 101 đô la, và độ phức tạp không làm thay đổi hóa đơn là bao vì đầu ra hình ảnh được token hóa một cách có thể dự đoán. Ming-Image-0.1-Design hoàn toàn không có giá thuê dịch vụ, bởi không có endpoint thuê dịch vụ nào — chi phí chính là thời gian GPU của bạn cho một lượt tải xuống 71,5 GB trên một card 80 GiB, và so sánh cho trung thực không phải là 101 đô la với miễn phí mà là 101 đô la với một con số đã phân bổ mà bạn phải tự tính.

Đây là chỗ duy nhất trong so sánh này mà một lớp định tuyến làm được điều gì đó cụ thể thay vì chỉ nói suông. Bản xem trước ảnh Gemini phục vụ Nano Banana 2 nằm trên endpoint của chúng tôi, và nó nằm đó đúng theo giá niêm yết của nhà cung cấp, không cộng thêm đồng nào — nên nếu Google thay đổi mức giá theo từng ảnh, con số phía chúng tôi sẽ thay đổi ngay trong ngày chứ không phải đợi đến kỳ gia hạn hợp đồng tiếp theo. Tự động chuyển đổi dự phòng giữa các nhà cung cấp là nửa còn lại của câu chuyện: một tuyến có thể chạy lưu lượng sản xuất trên một mô hình đã có nhiều tháng lịch sử vận hành, trong khi một bản phát hành open-weights chưa được công bố vẫn được đánh giá song song bên cạnh, nghĩa là việc đánh giá không bao giờ nằm trên đường tới hạn và một buổi chiều tệ hại ở bất kỳ phía nào cũng không biến thành sự cố ngừng dịch vụ. Đó là một cách sắp đặt thực sự, và đó chính là cách sắp đặt mà cặp mô hình cụ thể này đang đòi hỏi.

Không mô hình nào là mặc định an toàn, vì những lý do khác nhau

Ming-Image-0.1-Design được tải lên vào ngày 17 tháng 9 năm 2026 mà không có thông báo, không có ghi chú phát hành, không có giới hạn nào được nêu ra và bộ đếm lượt tải hiển thị số không tại thời điểm viết bài. Vị trí trên bảng xếp hạng ở trên là phép đo độc lập duy nhất hiện có. Mọi thứ khác — thông lượng trên card của bạn, cách nó hoạt động khi vượt quá một vài ảnh tham chiếu, liệu kênh alpha có sạch ở các cạnh của một vùng cắt hay không — đều chưa được đo đạc công khai, và chưa có bên thứ ba nào viết về nó.

Nano Banana 2 có đặc điểm hoàn toàn ngược lại. Nó có điểm số độc lập, mức giá được công bố, giấy phép thương mại và SynthID, và nó sẽ không trả lại cho bạn một lớp. Nếu quy trình của bạn dừng lại ở chỗ "hình trông ổn rồi", thì đó không phải là một khoản chi phí. Nếu quy trình của bạn tiếp tục vượt qua điểm đó để đi vào một công cụ dàn trang, thì đó chính là toàn bộ chi phí.

• Cần một PNG trong suốt hoặc một thiết kế mà bạn có thể tách lớp — Ming-Image-0.1-Design là cái duy nhất trong hai, và bạn đồng hành Layer chính là lý do để nhìn vào nó thay vì vị trí của nó trên bảng xếp hạng.

• Cần một mức giá dự đoán được cho từng ảnh, đầu ra 4K, các tỷ lệ khung hình khác thường và việc đóng dấu thủy vân nguồn gốc — Nano Banana 2, với khoảng $0.067 cho mỗi 1K ảnh, và nó nằm trên cùng endpoint với mọi thứ khác mà bạn gọi.

• Cần bán được những gì tạo ra — giấy phép MIT của Ming-Image-0.1-Design cho phép điều đó, một điểm hiếm thấy ở một bản phát hành mô hình ảnh năm 2026 và đáng để bạn đối chiếu với lập trường pháp lý của chính mình thay vì mặc định rằng được.

• Cần một trong hai thứ phải có thể xác minh được trước khi bạn cam kết — chỉ một trong hai có thể như vậy, và đó là thứ không có thông báo.

Điều cần theo dõi không phải là một benchmark. Mà là liệu kho Layer có hóa ra là nửa hữu ích của bản phát hành này hay không. Phân rã Layer là bước mà công việc thiết kế được tạo ra không còn là một bức ảnh và bắt đầu trở thành một tài sản, và nếu mô hình đó làm được những gì thẻ của nó ngụ ý, thì vấn đề ảnh phẳng chính là phần của so sánh này sẽ lỗi thời nhanh nhất.