Ming-Image-0.1-Design 与 Grok Imagine Image 2.0：一个模型标着价格，另一个则拥有代码仓库

问一个图像模型要多少钱，这两者中只有一个能回答。Grok Imagine Image 2.0自厂商于 2026 年 8 月 7 日将其上架以来，一直是一款计费、可调用的产品，在独立榜单上以每 1,000 张图像 60 美元的价格被追踪，其 1,182 的 Elo 分数背后有 601 次盲测对比，并在 UI/UX 设计类别中跻身前五。Ming-Image-0.1-Design有一个创建于 2026 年 9 月 17 日的 Hugging Face 仓库、MIT 许可证、六十亿参数、经过验证的单 GPU 配置，却没有价格，因为根本没有东西可买：没有端点，没有推理服务商部署，没有可用的快速入门，也没有一张独立投票。这种不对称就是整个对比的全部，而且值得把它当作采购问题而非质量问题来梳理，因为质量问题在其中一方还无法回答。

在模型投入产品之前，你需要的四样东西

一个模型并不会仅仅因为它存在就可用了。只有当四件事都到位时，它才可用：一种调用它的方式、一个你可以预测的价格、一个来自供应商外部的质量信号，以及允许你的使用场景的条款。以下是每个候选模型在这四个方面的情况。

• 调用途径——Grok Imagine Image 2.0 通过 xAI 自家的 API、按 xAI 的条款对外提供服务，拥有已记录的标识符和可用的实时端点；而 Ming-Image-0.1-Design 则完全没有任何端点。该仓库的推理功能已被禁用，Hugging Face 显示没有任何推理提供方部署，模型卡的快速上手指向一个配套的 GitHub 仓库，而截至 2026 年 9 月 23 日，该仓库返回 404。

• 可预测的价格——每 1,000 张图片 60 美元，依据独立榜单的追踪数据，大约每张 6 美分，落在市场中等水平：低于 GPT Image 2.5 的 210.72 美元，而 MAI-Image-2.6 的 38.9 美元相比之下还要更便宜，若无定价则无从比较。权重在 MIT 许可下免费，因此真实成本取决于一块 80 GiB CUDA GPU 每小时的花费，再乘以你部署它所投入的工程时间。

• 一个外部质量信号 — 在 UI/UX 设计类别中，基于 601 次盲投获得 1,182 Elo，在通用文生图榜单上基于 6,006 次投票获得 1,154 Elo，两者均来自 Artificial Analysis，而另一边则一无所有。与 Ming-Image-0.1-Design 关联的那个单一数字——1,082 Elo——仅出现在 inclusionAI 自有仓库内发布的一张排行榜图片上，且该榜单我们在公开网络上无法找到。

• 条款——商业 API 协议与权重上的 MIT 许可证相比，这是 Ming-Image-0.1-Design 完胜且决定性胜出的那一栏。如果你需要在自己的硬件上运行该模型、修改它，或将其打包进产品中且无需按调用付费，那么没有任何商业端点能比得上宽松的开源许可证。

我们产品目录中的前代机型与对比中的型号之间的差距

这个区分值得仔细说明，因为它属于那种很容易被含糊带过的事情。OrcaRouter 对 grok/grok-imagine-image——较早的 Grok 图像模型——的调用按每次 0.20 美元计费，其模型页面上的描述是：通过我们兼容 OpenAI 的 API 访问 xAI 的 Grok 图像生成能力。我们不提供路由的是 Grok Imagine Image 2.0。截至 2026 年 9 月 23 日，该模型不在我们的目录中，任何 Ming-Image 或 inclusionAI 条目也同样不在。如果你特别想要 2.0 版本，xAI 直接对外销售；如果你希望在同一个密钥下，让 Grok 图像模型与你调用的其他所有服务并存，那么实际可用的正是它的前代版本。

这种区分之所以在准确性之外还有意义，原因在于故障转移。一个密钥覆盖 200 多个模型，并具备自动故障转移，当你的主图像端点是一个由供应商托管、正常运行时间取决于他人的模型时，就具有特定的价值：如果调用失败，请求会转移到另一个提供商，而不是交给错误处理器。这与只有一个供应商和一个端点的情况截然不同，也正是即使你无意切换模型、也应当将生成调用置于路由层之后的理由。

60美元一千张图片，放在背景下能买到什么

价格是唯一一个可以把两位候选者与整个领域进行比较、而不是彼此比较的维度，因此值得认真对待。以下所有数据均来自 Artificial Analysis 的 UI/UX Design 类别，而这也正是这两款模型将被评判所依据的榜单。

• GPT Image 2.5 Flare (max) — 每 1,000 张图像 $210.72，Elo 达 1,227

• MAI-Image-2.5-Pro — 1,129 Elo 下 $108.54

• Grok Imagine Image 2.0 — 在 1,182 Elo 下为 $60.00

• MAI-Image-2.6 — 售价 $38.90，Elo 达到 1,169

• Muse Image — 售价 $10.00，Elo 评分 1,133

• Ming-Image-0.1-Design — 无价格，无榜单条目

读读那篇专栏，有趣的地方并不在于 Grok Imagine Image 2.0 便宜。而在于它以 60 美元的价格坐拥 1,182 Elo，而比它高 45 Elo 的模型价格却是它的三倍半，比它低 13 Elo 的模型价格不到它的三分之二。这是一个质量与价格已经脱钩的市场，而这恰恰是那种以 0% 的加价率直接透传供应商标价的路由器值得拥有的环境：对于特定任务而言，最便宜的可靠模型每个月都在变，而要利用这一点，办法就是别让你的集成死死焊在你当初搭建时最便宜的那个模型上。

供应商编号，如实读取

Ming-Image-0.1-Design 的单一性能声明也应与其他任何声明受到同等对待。其代码仓库内的图表标题为“文本到图像排行榜：UI/UX 设计”，带有“开放权重排行榜”徽章，底部写着“Elo 分数来自我们 Image Arena 中的盲选偏好投票”。它将该模型以 1,082 Elo 排在首位，高于 Ideogram 4.0 (Quality) 的 1,052、HunyuanImage 3.0 Instruct 的 1,005，以及 FLUX.2 dev 各变体的 994 到 1,000。

三点观察，没有一条是指控。该榜单由模型自家发行方运营，所以“盲测”形容的是投票者，而非运营者。榜单不显示投票数，因此无从判断那 1,082 分里有多少是有效信号——相比之下，Grok 的条目在一个类别中带有 601 次比较、在总榜上有 6,006 次，而这些数字是公开的。而且分数不可迁移：Elo 是按榜单分别计算的，这正是同一个 FLUX.2 版本在一个 Artificial Analysis 榜单上读数为 1,026、在另一个榜单上为 1,065 的原因。在一个我们无法查验的榜单上得到 1,082 分，与在一个我们可以查验的榜单上得到 1,182 分，二者不可同日而语。

这个决定，直白地说

如果你是在为需要交付的工作在这两者之间做选择，那么选择毫无悬念，而且这与质量无关。Grok Imagine Image 2.0 可以购买、有定价、有独立评分，并且获得支持。Ming-Image-0.1-Design 无论出什么价都买不到，而唯一与其相关的数字，是由训练它的人发布的。一个本季度需要设计级图像生成的团队，应该把 Grok Imagine Image 2.0 与 GPT Image 2.5 和 MAI-Image-2.6 在成本和质量上进行比较，而不是与一个代码仓库比较。

话虽如此，第二个模型并非没有价值，而且这种价值有其特定之处。它是在 MIT 许可证下发布的 6B 参数模型，已验证可在单 GPU 上以 2048 x 2048 分辨率和 12 个采样步数运行，并且它瞄准的正是托管模型收费最高的文本密集型设计工作。如果你运行评估测试框架，或者你的用例中，约束条件是按调用计费而非质量，那么这些权重现在就值得拉取，并在你自己的硬件上测试——许可证允许这样做，而且还没有人公布过任何会阻止你这样做的数字。

能改变局面的，是第三方评测。一旦 Ming-Image-0.1-Design 出现在 Artificial Analysis 榜单上，旁边带有样本数量，比较就会变得真实，问题也就变成：一个边际成本为零的自托管 6B 模型，是否能击败每张图像 6 美分、Elo 为 1,182 的 API。在那之前，诚实的立场是：这两个模型中，一个带有价签，另一个只有一个代码仓库，而其中只有一个是你今天就能做出的决定。