Hy Image3.5 對比 Ming-Image-0.1-Design：一個可以租，另一個卻買不到

Hy Image3.5 與 Ming-Image-0.1-Design 於 2026 年 9 月相隔五天先後上線，兩者的散布方式卻天差地遠。騰訊的模型是計量制的 API：在騰訊雲國際站上，2K 影像每張 $0.024，該預覽於 9 月 22 日開放，如今可透過騰訊自家產品與雲端介面取用。inclusionAI 的 Ming-Image-0.1-Design 則是一個 repository：自 9 月 17 日起在 Hugging Face 上以 MIT 授權釋出權重，約 71.5 GB 的 BF16 safetensors，沒有端點、沒有價格、沒有供應商，而 Quick Start 指向的伴隨 repository 還回傳 404。一個是你今天下午就能呼叫的產品。另一個是你今天下午就能下載的檔案。

那就是比較，而且那不是一場品質競賽——兩個模型都沒有獨立評分，所以無法依輸出排名。可以比較的是每個模型讓你能做什麼，以及各自在哪裡止步。這樣看，這兩個模型在生產團隊所關心的每一個軸線上幾乎完全相反。

開放模型完勝的那一個層面

先從授權條款開始，因為這是唯一比較起來並不接近的地方。

Ming-Image-0.1-Design 採用 MIT 授權。下載權重，在你自己的產品目錄上微調，把成果包進商業產品出貨，為客戶代管，保留衍生模型——沒有按次計費，沒有使用條款要談，沒有供應商能從你腳下廢止那個端點。對一個有隱私限制、固定 GPU 預算，或需要以專有設計資產進行訓練的團隊而言，這不是偏好問題，而是有路可走與無路可走的差別。沒有任何託管式圖像 API 做得到，騰訊的也不例外。

那張許可證的代價，就是文章剩下的內容。

其他一切，一次一行

• 存取 — Hy Image3.5 已透過騰訊雲 TokenHub、Media Processing Service 與 Video on Demand 上線，另外也可經由 Yuanbao、ima、Miora、WorkRally、OnSolo 與 WorkBuddy 使用，其中三項在 2026 年 10 月 7 日前設有免費使用期；Ming-Image-0.1-Design 則在任何地方都沒有託管端點、沒有任何推論服務供應商的部署，而且它自家的模型卡還叫你自己複製一個推論儲存庫並執行腳本。

• 成本 —— 每張交付的 2K 圖像 $0.024，失敗與被過濾掉的生成不計費，也沒有輸入計量，相較之下是免費的權重，以及一張你得自己想辦法弄到的 80 GiB CUDA GPU。第二個數字並不是零；它是那個等級顯卡的租金或折舊，再加上把整座技術堆疊架設起來所需的工程時數。

• 輸出 — Hy Image3.5 在標準長寬比下可達 2K，且沒有 4K 等級；Ming-Image-0.1-Design 為了速度，建議使用 2048×2048 或 1024×1024，並在 BF16 下採用 12 個取樣步驟與 CFG 1.0。

• 透明度 —— Ming-Image-0.1-Design 會原生輸出帶有透明背景的 RGBA，這對圖示、精靈圖與圖層合成作業而言是真正具備的能力；Hy Image3.5 則沒有文件記載的透明背景模式。

• 條件控制 — Hy Image3.5 每次請求最多可接收五張參考圖像，並在多輪編輯工作階段中保留先前的輪次；Ming-Image-0.1-Design 的條件控制則是靠其文字編碼器，也就是管線中的多模態 LLM，而提示增強預期由同系列模型提供，而非內建。

• 部署支援 — 一套附帶正常運作時間的託管 API，相較於一條 vLLM-Omni 路徑：其安裝指南能解析，而模型專屬的操作指南則否。

• 獨立證據——雙方皆無。

證據問題，比看起來更糟

兩個模型都在沒有第三方評測的情況下發布，但它們失敗的方式不同，而這個差異頗具啟示意義。

騰訊的說法，是一項盲測的 GSB 偏好研究，由自家數百名專業設計師執行，其中 Hy Image3.5 勝過 Hy Image3.0 約 30%，與 Seedream 5.0 Pro 打平，並微幅領先 Nano-Banana Pro 與 Qwen-Image-3.0 Pro。方法論嚴謹，參與者任職於騰訊，提示詞集未公開，而結果是一個公司以外沒有人能重跑的數字。在 2026 年 9 月 23 日讀取的 Artificial Analysis 文字生圖排行榜上，根本沒有 Hy Image3.5 這一列；前一代的 HunyuanImage 3.0 Instruct 則以 964 Elo 位居 156 名中的第 65 名。

Ming-Image-0.1-Design 的說法是其自家儲存庫內發布的一張排行榜圖表，標題為「文字轉圖像排行榜：UI/UX 設計」，頁腳寫著「Elo 分數來自我們 Image Arena 中的盲測偏好投票」，並帶有「開放權重排行榜」徽章。它將該模型列於第一，Elo 為 1,082，高於 Ideogram 4.0（Quality）的 1,052、Ideogram 4.0 的 1,015，以及 HunyuanImage 3.0 Instruct 的 1,005。該圖表帶有 Artificial Analysis 的品牌標識；該模型並未出現在 Artificial Analysis 的即時排行榜上。我們無法在公開網路上找到它所描繪的排行榜，而且圖中未顯示任何投票數。

所以騰訊的數字至少描述了一項該公司實際做過的研究。Ming 的數字所描述的，則是一項可能只存在於其自家儲存庫裡的研究——這是更棘手的問題，因為它不僅未經審核，甚至無處可尋。兩者都不該被當作基準來引用，而對兩者最誠實的立場是：品質這個問題仍未有定論。

為什麼這個架構無論如何都值得一看

Ming-Image-0.1-Design 管線中的一個細節，是兩份公告中最有趣的技術重點，而且它可見於儲存庫，而非任何新聞資料。第三方 vLLM-Omni 提交將 ByT5 位元組級字形編碼器接入名為 `ming_flash_omni` 的管線，以字型與顏色標記擴展分詞器詞彙。那是你能直接讀出的設計意圖：該模型似乎將渲染後的文字視為帶有排版屬性的字形，而非提示詞的湧現特性——這正是幾乎每一個圖像模型所產生、渲染不佳的海報背後的失敗模式。

這也與模型所述的用途——UI、資訊圖表、海報及其他文字密集的設計工作——以及建議的 2048×2048 輸出相符，因為清晰易讀的字型需要像素。但這是意圖，而非證據。儲存庫佈局顯示六個元件資料夾，且沒有 `model_index.json`，這意味著該模型是多階段管線，而非單次呼叫，且字符編碼器的接線存在於他人的推論框架中，而非模型卡中。直到第三方運行它並展示文字之前，這都只是一種架構上的主張。

Hy Image3.5 的對應說法較為傳統，也同樣未經證實：騰訊表示，圖像內的中文與英文字樣有所改善，同時依提示詞指定的版面配置更佳，對真實照片的編輯能力也更強。同樣是廠商自行回報，同樣未經重現。

如何實際使用其中任一個

實際答案完全取決於你選擇了哪個模型，而這兩個答案都不涉及排行榜。

如果你想用 Hy Image3.5，就把握這個免費期間。Miora、WorkRally 和 OnSolo 從 2026 年 9 月 22 日到 10 月 7 日免費開放，這段時間足以讓你用真實的提示詞對它實際測試，並形成 Tencent 的研究無法給你的判斷。接著再決定：一個你無法自行託管、無法微調、也無法獨立衡量的預覽版，是否該納入正式生產流程——如果該納入，就把生成呼叫放在一個你能重新指向的介面之後，因為預覽版不帶任何可用性承諾，價格或模型都可能在你腳下變動。

如果你想要 Ming-Image-0.1-Design，第一項任務不是生成，而是部署。請以單張 80 GiB CUDA GPU 編列預算，預期會是複製一個推論儲存庫，而不是呼叫管線，並且在你圍繞它規劃之前，先檢查 vLLM-Omni recipe 連結，因為我們查看時它解析失敗。你在另一端得到的，是這兩個模型中唯一可以微調、唯一會輸出透明度通道，也是唯一無法從你手中被奪走的那一個。

最後這項特性也正是為什麼路由層與開放權重模型是相輔相成，而非彼此替代。OrcaRouter 是負責管理的那一半——一組金鑰即可通行超過 200 個模型，供應商定價以 0% 加成原樣轉遞，因此廠商調整費率當天即時生效，並具備自動容錯移轉，讓未經實證的預覽版本能置於正式呼叫之後，而不致成為單點故障。它並不是提供權重的那一半。準確說明我們的型錄：Hy Image3.5 與 Ming-Image-0.1-Design 都無法在此進行路由。OrcaRouter 並未託管任何騰訊圖像模型，也沒有 inclusionAI 模型，而我們確實提供的託管靜態圖像模型是 Google 的 Nano Banana 2（即 google/gemini-3.1-flash-image-preview）、GPT-Image-2、Imagen 4 Ultra 以及 Grok Imagine Image。

每個的用途是什麼

Hy Image3.5 適合想要便宜取得圖片、又不想自行運行任何東西的團隊：2K 輸出、按張計費且捨棄的嘗試不收費、現在就能用的 API，以及一個你得自行測試的品質宣稱。它是這個類別中摩擦最低的選項，而且完全不附帶任何所有權。

Ming-Image-0.1-Design 是為那些限制不在於價格、而在於控制權的團隊而設——一份他們能藉以建立事業的授權、一個他們能微調的模型、一條沒有任何託管 API 提供的透明度管道，以及一張 GPU 帳單，而不是按呼叫計費的帳單。它不附帶支援、沒有端點，而且部署方案只完成了一半。

這兩者並不爭奪同一個位置，原因不在於品質。而在於其中一個是服務，另一個是資產，而你需要哪一個這個問題，在你查看任何基準測試之前就已經有答案了。