Ming-Image-0.1-Design 对比 Meta Muse Image：有论文可查的模型与只有新闻稿的模型

2026年，两个图像模型以截然相反的方式登场。Ming-Image-0.1-Design是蚂蚁集团 inclusionAI 团队推出的一个 61.5 亿参数的文生图模型，于 2026 年 9 月 17 日以 MIT 许可证上传到 Hugging Face，没有公告、没有博客文章，也没有基准测试表——一个 71.5 GB 的仓库，你可以逐文件细看。Meta Muse Image则是 Meta Superintelligence Labs 的首个自研图像模型，于 2026 年 7 月 7 日发布，伴随一轮媒体宣传、厂商自报的基准测试成绩，以及完全没有任何可下载的权重。有趣的问题不在于哪一个能画出更好的海报，而在于：这两个模型中有今天就能被审查的，另一个却只能靠信任接受；而那个可审查的模型，在它唯一出现的独立榜单上位居第一。

一个以文件形式交付。一个以宣称形式交付。

先从每个版本实际包含什么说起，因为其中的差异并不细微。

• Ming-Image-0.1-Design — 6,154,901,056 个参数，MIT 许可证，一个 diffusers 管线，所有权重均为 BF16 safetensors 格式，跨六个组件文件夹总计约 71.5 GB：connector/（2 个分片）、mllm/（7 个分片）、mlp/（124.8 MB）、scheduler/、transformer/（5 个分片）和 vae/（253.8 MB）。没有 model_index.json，因此推荐的路径是 git clone 推理仓库并运行 python infer.py，而不是单行式管线调用。

• Meta Muse Image——没有权重，没有公开的参数数量，没有架构文档，也没有可供查阅的许可证文件。它可以通过服务访问，并且自 2026 年 8 月起，还能通过 Meta 自家的 Model API，在兼容 OpenAI 的端点上访问，每张图片统一收费 0.01 美元。你所知道的关于它内部的一切，都来自 Meta 自己的描述。

这种不对称有一个实际后果，与图像质量毫无关系。借助 Ming 版本，你可以回答厂商从未解答的问题：文本编码器是什么、调度器预期多少采样步数、VAE 输出四通道还是八通道、MLP 连接器是否在做任何你可替换的工作。而面对 Muse Image，这些问题你一个都答不上来，下个季度也依然答不上来，因为根本没有可打开的产物。

那个值得引用的数字，以及它的来源

Ming-Image-0.1-Design 在 Artificial Analysis 文本到图像排行榜的 UI/UX 设计类别中，以 1,082 的 Elo 分数位列开放权重榜第一。紧随其后的排名依次为：Ideogram 4.0 (Quality) 1,052 分，Ideogram 4.0 1,015 分，HunyuanImage 3.0 Instruct 1,005 分，FLUX.2 [dev] 1,000 分，FLUX.2 [dev] Flash 999 分，以及 FLUX.2 [dev] Turbo 994 分。

关于这一点有三点需要坦诚说明，因为这是本次比较中最有力的证据，值得谨慎对待。第一，我们看到的这份排行榜副本，是发布在该模型自己卡片上的版本，带有 Artificial Analysis 的品牌标识——它是由厂商转载的 Artificial Analysis 榜单，而非我们生成的数字。第二，没有任何人独立复现过这个分数，而盲测偏好 Elo 榜单是一种群体统计量，并非针对单条提示词的测试：它告诉你的是人群平均更偏好哪张图，而不是该模型能否正确渲染你那张具体的 infographic。第三，也正是这一点能解释很多问题：该榜单以开放权重为筛选条件。Meta Muse Image 无法出现在上面，所以它的缺席并不是一种结果。

对于 Muse Image，这些数字来自 Meta 自身以及 Artificial Analysis，并且应当按此标注。Meta 报告了 94% 的多图角色一致性数据、支持最多 10 张参考图像，以及长边最高 1600 像素的输出。Artificial Analysis 将该模型列入文生图前五名，并在其图像编辑排行榜上以约 1,105 的 Elo 位列第三。前者是厂商报告的数据，后者是独立测量的数据，二者并非同一类事物。

Ming-Image-0.1-Design 旨在做什么

模型卡对目标定位说得很明确，它并非通用摄影用途。它面向 UI、信息图、海报以及文字密集型设计工作——这类图像的难点在于清晰可读的字体和整洁的排版，而非照片级的人像皮肤质感。推荐设置也反映了这一点：2048×2048 输出，追求速度时则为 1024、12 个采样步数、无分类器引导为 1.0、BF16 精度，以及单块 80 GiB 的 CUDA GPU。提示词增强预计由独立的视觉语言模型提供——模型卡点名了Ling-3.0-flash-VL和qwen3.8-27B——部署预计通过 vLLM-Omni 进行。

还有一个配套模型，Ming-Image-0.1-Design-Layer，它是一个独立仓库，具有不同的 pipeline 标签（image-text-to-image）、6,154,908,736 个参数以及相同的 MIT 许可证。它的任务是图层分解：你给它一张扁平化的设计图以及一份图层规划，它就会返回 RGBA 图层。它在默认分桶下以 1024 运行，或为追求速度以 512 运行，步数为 12，引导系数为 2.0，并使用 flash_attention_2。模型卡片以图像而非表格的形式展示了在 Crello 测试集上的结果，如果你原本希望用数值方式与任何东西进行比较，这一点值得注意。

究竟什么是真正还无法知晓的？

这里必须直截了当地定调。Ming-Image-0.1-Design 没有发布说明，没有公告，没有明确列出的局限性部分，而且截至本文撰写时也没有第三方报道。该仓库上的下载计数器显示为零。厂商没有提供托管端点。唯一独立的测量就是那一个排行榜名次，而其他一切——吞吐量、在你的数据上的提示遵循度、当参考图数量超过少数几张时的表现、RGBA 通道在边缘处是否干净——在公开层面都未被测量。

这给你带来的是一次简短、定义清晰的评估。你可以在一天之内读完架构、把它跑起来，并自行作出判断。它不会给你一个能在采购文件里引用的基准测试结果。

Meta Muse Image 是镜像。它已在两个独立榜单上接受过评测，也已有公布价格，而这两样东西都不会让你检查哪怕一个权重。如果你的限制条件是合规审查，要追问训练数据从何而来，以及模型拿到提示词后会做什么，那么“Meta 说”就是你能得到的全部答案。

路由器可以据此操作的比较版本

这两个模型都不是我们会路由的模型，本文也不会暗示其他情况。Meta Muse Image 是闭源并由 Meta 提供服务的；Ming-Image-0.1-Design 是一个权重下载包，完全没有托管路由。我们今天实际对外提供的图像模型有 OpenAI 的 GPT-Image 系列、Google 的 Imagen 4 各档位与 Gemini 图像预览版，以及 xAI 的 Grok Imagine 图像端点——全都位于一个兼容 OpenAI 的端点之后，按提供商标价、零加价，并支持跨提供商自动故障转移，还有一个路由 DSL，可将多个模型组合成单次调用。

这一点在这里之所以重要，有一个具体原因。一个未经宣布、只有一个榜单排名的开放权重发布，恰恰是团队想要评估、却又不愿把生产路径押注在其上的那种模型。让它在同一个密钥下与一个经过实测的模型并排运行，而不是排在其前面，这就是无需第二份合同、也无需更改代码就能完成评估的办法。

按你能验证的内容来挑选

• 如果你需要一个可以检查、修改、微调或在自有硬件上运行的模型——在这两者之中，Ming-Image-0.1-Design 是唯一的选择，而且对于一款 2026 年的图像发布而言，它的 MIT 许可证宽松得异乎寻常。

• 如果你需要一个有公开定价、且能拿出可引用的独立评分的模型——在这两者中，Meta Muse Image 是唯一的选择，而每张图 $0.01 这个数字能经得起预算审查。

• 如果你需要将透明度作为输出——Ming-Image-0.1-Design 的 RGBA 路径及其 Layer 配套组件正是为此而生；Meta 的透明度方案尚未公布。

• 如果你需要它今天下午就能用——两个都不行。一个没有托管端点，另一个没有下载。

这个悬而未决的问题比表面看起来更具体，而且它关乎的是一个日期，而不是一项基准。Ming-Image-0.1-Design 于 2026 年 9 月 17 日上传，却无人宣布。要么那项公告出现，排行榜名次得到第二次独立解读；要么它不出现，这就仍然是一个只有少数人运行过的仓库。对它的首次第三方评估才是值得关注的事，因为那一刻，记录链不再只是承诺，而开始成为证据。