Ming-Image-0.1-Design 與 Grok Imagine Image 2.0：一個模型有價格標籤，另一個則有儲存庫

問一個圖像模型要多少錢，只有這兩者之一能回答。Grok Imagine Image 2.0自供應商於 2026 年 8 月 7 日將其列為可計費、可呼叫的產品以來，就在獨立排行榜上以每 1,000 張圖像 60 美元受到追蹤，其 1,182 Elo 背後有 601 次盲測比較，並在 UI/UX Design 類別中名列前五。Ming-Image-0.1-Design有一個於 2026 年 9 月 17 日建立的 Hugging Face 儲存庫、MIT 授權、六十億個參數、經驗證的單 GPU 配置，而且沒有價格，因為沒有東西可買：沒有端點、沒有推論供應商部署、沒有可用的 Quick Start，也沒有任何一票獨立投票。這種不對稱就是整個比較，而且值得以採購問題而非品質問題的角度來細究，因為品質問題在其中一方目前還無法回答。

模型進入產品前，你需要具備的四件事

模型不是因為存在就可使用。唯有四件事到位，它才可使用：能呼叫它的方式、你能預測的價格、來自供應商外部的品質訊號，以及允許你的使用情境的條款。以下是每個候選模型在這四項上的表現。

• 一種呼叫它的方式——Grok Imagine Image 2.0 是透過 xAI 自家的 API、依 xAI 的條款提供服務，具備有文件記錄的識別碼與可用的端點；相較之下，Ming-Image-0.1-Design 則完全沒有端點。該儲存庫已停用推論功能，Hugging Face 回報沒有推論供應商部署，而該模型卡的快速入門指向一個隨附的 GitHub 儲存庫，截至 2026 年 9 月 23 日，該儲存庫會傳回 404。

• 可預測的價格——每 1,000 張圖片 60 美元，以獨立看板追蹤的數據為準，換算下來約每張 6 美分，落在中價位帶：低於 GPT Image 2.5 的 210.72 美元與 MAI-Image-2.6 的 38.9 美元；而相對於根本不存在定價的情況，仍然更便宜。權重以 MIT 授權免費提供，因此真正的成本，取決於一台 80 GiB CUDA GPU 每小時要花你多少錢，再乘上你為部署它所投入的工程時間。

• 一項外部品質訊號——在 601 次盲測投票中，於 UI/UX 設計類別獲得 1,182 Elo；在一般文字轉圖像排行榜上，於 6,006 次投票中獲得 1,154 Elo。兩者皆來自 Artificial Analysis，而另一邊則什麼都沒有。Ming-Image-0.1-Design 唯一附帶的數字是 1,082 Elo，僅出現在 inclusionAI 自家儲存庫內發布的一張排行榜圖表中，而那個排行榜我們在公開網路上找不到。

• 條款 — 商業 API 協議 vs 針對權重的 MIT 授權條款，這正是 Ming-Image-0.1-Design 徹底勝出、且決定性勝出的一欄。如果你的需求是在自己的硬體上執行該模型、修改它，或將它打包進產品中而不產生按次計費的帳單，那麼沒有任何商業端點能比得上寬鬆的開放授權條款。

我們產品目錄中的前代產品與比較中的型號之間的差距

這個區別值得仔細釐清，因為這正是那種一不小心就會被混為一談的事。OrcaRouter 會路由 grok/grok-imagine-image——也就是較早的那個 Grok 圖像模型——每次呼叫收費 $0.20，其模型頁面上的說明是：透過我們與 OpenAI 相容的 API 取用 xAI 的 Grok 圖像生成功能。我們沒有路由的是 Grok Imagine Image 2.0。截至 2026 年 9 月 23 日，該模型並不在我們的目錄中，任何 Ming-Image 或 inclusionAI 的項目也一樣不在。如果你特別想要 2.0 版本，xAI 有直接販售；如果你想要的是能用同一把金鑰、與你呼叫的其他所有服務並用的 Grok 圖像模型，那麼實際架上有的就是前一代那一個。

這個區別之所以重要，除了準確度之外，還有故障轉移。 一把橫跨 200 多個模型、具備自動故障轉移的金鑰，當你的主要圖像端點是仰賴他人正常運行時間、由供應商託管的模型時，就有其特定的價值：如果呼叫失敗，請求會轉往另一個供應商，而不是進到錯誤處理器。這與只有單一供應商、單一端點是截然不同的情況，而這也正是即使你無意更換模型，也該把生成呼叫放在路由層後面的理由。

以每千張圖片 60 美元來說，實際上能買到什麼

價格是唯一一個能讓兩位候選者與整體群體對照、而非彼此互相比較的面向，因此值得妥善處理。以下所有數據都來自 Artificial Analysis 的 UI/UX Design 類別，而這正是兩個模型都會被拿來評判的排行榜。

• GPT Image 2.5 Flare (max) — 在 1,227 Elo 下，每 1,000 張圖片為 $210.72

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

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

• MAI-Image-2.6 — 1,169 Elo 下為 $38.90

• Muse Image — 1,133 Elo 下為 $10.00

• Ming-Image-0.1-設計 — 無價格、無看板項目

讀完那個專欄，有趣的地方不在於 Grok Imagine Image 2.0 很便宜。而是在於它以 1,182 Elo 的表現只要 60 美元，而比它高 45 Elo 的模型要價是它的三倍半，比它低 13 Elo 的模型價格則不到它的三分之二。這是一個品質與價格已然脫鉤的市場，而這正是以 0% 加成直接轉嫁供應商定價的路由器值得擁有的環境：針對特定任務最便宜且可信的模型每個月都在變，而要善用這一點的方法，就是別讓你的整合被焊死在當初建置時最便宜的那一個模型上。

廠商編號，如實讀出

Ming-Image-0.1-Design 的單一效能宣稱，應與其他任何宣稱受到同樣的檢視。其儲存庫內的圖表標題為「Text to Image Leaderboard: UI/UX Design」，帶有「Open Weights Leaderboard」徽章，頁腳則寫著「Elo scores from blind preference votes in our Image Arena」。它將該模型列於首位，Elo 為 1,082，高於 1,052 的 Ideogram 4.0（Quality）、1,005 的 HunyuanImage 3.0 Instruct，以及介於 994 與 1,000 之間的 FLUX.2 dev 變體。

三點觀察，都不是指控。這個排行榜由該模型自家的發行商營運，所以「盲」描述的是投票者，而不是營運者。沒有顯示投票數，因此無法判斷那 1,082 裡有多少是訊號；相較之下，Grok 條目在某個類別中有 601 次比較，在一般排行榜上則有 6,006 次，而且那些數字是公開的。而且分數不可轉移：Elo 是依各排行榜分別計算的，這就是為什麼同一個 FLUX.2 版本在一個 Artificial Analysis 排行榜上顯示 1,026，在另一個上卻顯示 1,065。在我們無法檢視的排行榜上的 1,082，無法與在我們能檢視的排行榜上的 1,182 相比。

這個決定，直白地說

如果你是在為必須交付的工作在這兩者之間做選擇，這個選擇毫無懸念，而且問題不在品質。Grok Imagine Image 2.0 是可購買的、有定價、有獨立評分，也有支援。Ming-Image-0.1-Design 則無論出價多少都買不到，而唯一與它相關的數字，是由訓練它的人所發布的。一個本季需要設計品質圖像生成的團隊，應該把 Grok Imagine Image 2.0 拿來跟 GPT Image 2.5 和 MAI-Image-2.6 比較成本與品質，而不是拿來跟一個儲存庫比較。

話雖如此，第二個模型並非毫無價值，而且它的價值很具體。它是在 MIT 授權下、擁有 6B 參數的模型，具備經過驗證的單一 GPU 配置，可在 2048 x 2048 與 12 個取樣步驟下運作，而且它鎖定的正是代管模型收費最高的文字密集型設計工作。如果你會執行評估測試框架，或者你的使用案例中，每次呼叫計費而非品質才是關鍵限制，那麼這些權重現在就值得下載，並在你自己的硬體上測試——授權允許這麼做，而且還沒有人發表過任何會讓你卻步的數字。

能改變局面的是第三方跑分。當 Ming-Image-0.1-Design 出現在 Artificial Analysis 排行榜上、旁邊附有樣本數的那一刻，比較才變得真實，問題也才變成：一個零邊際成本、可自架設的 6B 模型，是否能在 1,182 Elo 上擊敗每張圖片 6 美分的 API。在那之前，誠實的立場是：這兩個模型中，一個有價格標籤，另一個有程式碼儲存庫，而其中只有一個是你今天就能做出的決定。