Ming-Image-0.1-Design 對比 FLUX 3：影像模型無法使用的兩種方式

不論是 Ming-Image-0.1-Design 還是 FLUX 3 的圖像層級，目前都是你無法呼叫的模型。兩者走到這一步的路徑卻正好相反。Ming-Image-0.1-Design 是一件已經完成、卻沒有前門的成品：6B 的 MIT 授權權重由 inclusionAI 於 2026 年 9 月 17 日發布到 Hugging Face，模型卡上也有完整說明，但其中的 Quick Start 卻要你去複製一個會回傳 404 的儲存庫。FLUX 3 則是一扇前門，門後空無一物：Black Forest Labs 於 2026 年 7 月 23 日宣布這個系列，分為四個層級——Video、Image、Action 與 Dev——發布了 video 層級後，此後再也沒有公開任何 FLUX 3 的圖像端點、模型識別碼、請求結構或價格。這是一場「存在卻無法執行」的模型與「承諾卻無法定價」的模型之間的比較，而知道這件事，比單看其中任何一則標題都更有用。

各方實際發布了什麼

版本庫與公告之間的區別很重要，所以這裡將它們並列呈現。

• Artefact — Ming-Image-0.1-Design 具有真實權重：五個 transformer 分片、一個 VAE、一個排程器，以及獨立的 mllm、connector 和 mlp 元件，全部採用 MIT 授權；相較之下，FLUX 3 唯一已推出的元件是影片層級，自 2026 年 8 月初起全面提供。

• 識別碼 — inclusionAI/Ming-Image-0.1-Design，可透過 Hugging Face 儲存庫 ID 呼叫，對比之下完全沒有 FLUX 3 圖像模型 ID。Black Forest Labs 的端點文件列出 /flux-2-max、/flux-2-pro、/flux-2-flex 以及 /flux-2-klein-* 路由；/flux-3 圖像路由則未出現。

• 建議配置 — 2048 x 2048、12 個取樣步驟、CFG scale 1.0、BF16、一張 80 GiB CUDA GPU，而影像層級則未公布任何資訊。

• 價格 — 無。權重可依 MIT 授權免費下載，但沒有可供購買的託管端點；相對地，有一份僅涵蓋影片的公開價目表，720p 草稿約每秒 $0.06，HD 為 $0.17，FHD 為 $0.29。

• 程式碼 —— 一份無法執行的快速入門指南，因為其搭配的 inclusionAI/Ming-Image 儲存庫並未出現在該組織的公開儲存庫清單中，對比之下，另一邊則是一份搶先體驗申請表，以影片優先的方式開啟，其背後卻沒有任何圖像層級的文件支撐。

• 獨立評分——無。截至 2026 年 9 月 23 日，Ming-Image-0.1-Design 未出現在任何 Artificial Analysis 排行榜上，也未出現於任何類別檢視或任何開放權重檢視中；而 FLUX 3 各級別同樣皆無。即時排行榜上最接近的 BFL 項目來自前一代：FLUX.2 [flex] 在 UI/UX 設計類別為 1,065 Elo，在通用文字轉圖像排行榜為 1,026；FLUX.2 [max] 為 1,053，FLUX.2 [dev] 為 1,000。

為何影片方案已推出，而圖片方案卻沒有

Black Forest Labs 已給出一個理由，而這個理由值得明確說出來，因為它會影響我們對後續發展的預期。該公司表示，FLUX 3 超過 95% 的訓練算力都用於影片預測。這為何以影片層級是已有產品支撐的那一個，提供了前後一致的解釋；這也是我們應該質疑以下假設的原因：圖像層級推出時，只會是一個小幅的增補。這項能力是第二個接受訓練的，而附帶於它的路線圖承諾並不小：改進的複雜提示處理、高準確度的多語言文字渲染、風格轉移、無需微調的角色與品牌一致性，以及非破壞性編輯。在有可測試的端點之前，這些每一項都只是宣稱，而非功能。

BFL 目前針對靜態影像實際販售的，是上一代產品線：FLUX.2 的 max、pro、flex 與 klein 版本，再加上較舊的 FLUX Pro、Dev 與 Schnell 版本，依方案等級與解析度不同，每張影像價格約為一美分半到七美分。這些都是真實、可呼叫的產品，也是在 FLUX 3 影像層級尚未問世之際，用來衡量 BFL 影像品質定位的誠實基準。

部署落差才是有趣的不對稱。

這裡就是這兩個模型不再互為鏡像的地方。Ming-Image-0.1-Design 沒有可運作的程式碼，但它確實有一套推論服務的說法：模型卡推薦 vLLM-Omni，而且在 9 月 22 日，該儲存庫新增了連往該框架安裝指南及模型專屬 recipe 的連結。安裝指南可以正常開啟。那個 recipe 則不行——截至 9 月 23 日，它會回傳 404——所以你所擁有的是：一個已認可該模型的框架，以及一個尚未撰寫的模型專屬頁面。這仍比一份申請表更進一步。

FLUX 3 的圖像層級則呈現相反的概況。Black Forest Labs 是一家擁有可運作 API、有文件記載的端點清單，且已有正式上線的影片層級在其上運作的公司。FLUX 3 圖像端點的基礎設施顯然已經存在。不存在的是將其開放出來的決定。沒有需要申請的受限模型 ID，沒有候補名單確認日期，也沒有任何經得起請求結構描述檢驗的已發布功能清單。

實際後果是：想提供 Ming-Image-0.1-Design 服務的團隊，今天就能開始，只要閱讀 vLLM-Omni 快速入門指南，並自行在自己的硬體上、自付成本地把模型接起來，而允許這麼做的寬鬆授權條款也具備。想提供 FLUX 3 Image 服務的團隊，則無論出多少錢都無法開始，因為根本沒有東西可供服務。

正在閱讀這組中唯一的一項效能宣稱

Ming-Image-0.1-Design 在其儲存庫中附有一張排行榜圖表：一個標題為「Text to Image Leaderboard: UI/UX Design」的 UI/UX 設計排行榜，頁腳註明「Elo scores from blind preference votes in our Image Arena」，並帶有「Open Weights Leaderboard」徽章。其中，該模型以 1,082 Elo 位居第一，領先 1,052 的 Ideogram 4.0（Quality），以及介於 994 至 1,000 之間的 FLUX.2 dev 各版本。

將那個解讀為結果，有兩個問題。第一是出處：那是廠商在自己的儲存庫中發布的圖稿，而我們是在描述該檔案，而不是驗證那項研究。第二是，我們在9月23日時，在線上的 Artificial Analysis 排行榜上完全找不到那個模型，而且線上的 UI/UX Design 類別是不同的量表——其榜首是 GPT Image 2.5 Flare，1,227 Elo，而卡片所列的 FLUX.2 項目在同一張線上排行榜上，[flex] 顯示為 1,065、[max] 為 1,053、[dev] 為 1,000。一個排名若是在我們找不到的排行榜上呈現，且比我們能找到的排行榜低約 150 Elo，那並不是基準測試結果。那是一項尚待外部跑分驗證的主張。

在 FLUX 3 這邊，沒什麼可檢查的，而這正是重點。沒有解析度目標，沒有步數，沒有參考圖片上限，也沒有影像層級的參數數量。這份路線圖只是一串形容詞。

當兩者都無法使用時該怎麼辦

這項比較的任一方，目前都無法透過 OrcaRouter 進行路由，而這一點值得直言不諱，而不是讓某個模型頁面暗示相反的情況：我們的目錄中沒有 inclusionAI 模型，也沒有 FLUX 層級，因此上述數字是供應商自家的數據，這裡沒有任何可透過我們呼叫的路由。在這樣的落差中，路由層真正有價值的地方，在於落差消弭之後的那一天。因為 OrcaRouter 以 0% 加價將供應商的定價直接傳遞出去，供應商的價格調整當天就會在我們這邊生效，而不必等到重新定價週期之後；而且由於生成呼叫位於橫跨 200 多個模型的單一端點之後，要換上這兩者中率先推出的一方，只是變更模型 ID，而不是一次遷移。自動容錯移轉之所以重要，理由和它面對未經證實的模型時一向相同：如果首發的圖像端點在負載下不穩定，請求會轉移，而不是失敗。

今天的決定，比這樣的框架所暗示的更為狹窄。如果你這一季就需要在生產環境中做圖像生成，那這兩個候選者都不合格，而誠實的答案是 FLUX.2 等級——真實存在、有明確定價、可呼叫，且有獨立評分——並把 FLUX 3 Image 列為未來的替換選項。如果你是在打造評估測試框架，Ming-Image-0.1-Design 是這對組合中更有意思的那個：權重現在就能下載，授權條款允許你做任何你想做的事，而任何人為它發布的第一份可信 Elo 分數，都會是真正的新聞。而如果你正在觀察 BFL，該留意的訊號不是一篇部落格文章。/flux-3路徑與/flux-2-*路徑一同出現在端點文件中，因為那正是圖像層級不再只是路線圖的那一刻。