23 september 2026
Het inclusionAI-lab van Ant Group publiceerde Ming-Image-0.1-Design en Ming-Image-0.1-Design-Layer op Hugging Face op 22 september 2026. Het zijn allebei beeldmodellen van 6 miljard parameters onder de MIT-licentie, die commercieel gebruik zonder voorwaarden toestaat. Het tweetal mikt op ontwerpwerk met veel tekst, niet op foto’s.
Wat doet Ming-Image-0.1-Design?
Het is een tekst-naar-beeldmodel voor schermontwerpen, infographics, posters en ander werk waarin de woorden leesbaar moeten zijn. De meeste open beeldmodellen maken er bij kleine letters nog een potje van. Ming-Image-0.1-Design genereert de hele compositie inclusief de tekst, en kan RGBA-beelden geven. Dat betekent dat de achtergrond transparant is in plaats van wit.
De modelkaart raadt output van 2048 bij 2048 aan, of 1024 bij 1024 als je het sneller wilt, met 12 sampling steps en een CFG-schaal van 1,0. Twaalf stappen is weinig voor een diffusiemodel, dus het genereren gaat vlot zodra de gewichten geladen zijn. Het draait via de gebruikelijke diffusers-bibliotheek en ondersteunt ook vLLM-Omni.
Wat je nodig hebt om het te draaien:
- Licentie: MIT, dus commercieel gebruik mag zonder extra voorwaarden
- Hardware: een CUDA-GPU met 80 GiB VRAM is de enige opstelling die Ant Group heeft getest
- Precisie: BF16
- Download: de inclusionAI-organisatie op Hugging Face
- Code: de Ming-Image-repository op GitHub
- Binnen enkele uren verschenen INT4-, INT8-, FP8-, GGUF- en ComfyUI-versies uit de community
Wat is Ming-Image-0.1-Design-Layer?
Het tweede model is het bijzondere van de twee. Ming-Image-0.1-Design-Layer neemt een afgerond, platgeslagen ontwerp en splitst het terug in een set transparante lagen. Je geeft zelf een lagenplan mee dat zegt hoeveel lagen je wilt. Wat je terugkrijgt lijkt meer op een werkbaar ontwerpbestand dan op een platte PNG.
Dat is belangrijk, want juist die platte afbeelding is de reden dat beeldmodellen bij echt ontwerpwerk blijven steken. Wil een klant de kop verplaatsen en het logo vervangen, dan dwingt een PNG je tot opnieuw genereren en ben je al het andere op het canvas kwijt. Met lagen pas je alleen dat ene ding aan. Ant Group meet dit op de Crello-testset, en kijkt hoe dicht elke teruggewonnen laag in kleur en vorm bij het origineel ligt.
Wat Ant Group niet vertelt over de benchmarks
Er zijn geen cijfers die je kunt aanhalen. De modelkaart verwijst naar het UI/UX Design-klassement van Artificial Analysis en naar de Crello-resultaten, maar publiceert die alleen als grafiekafbeeldingen, zonder getallen in de tekst en zonder concurrenten bij naam. Uit de release kun je niet opmaken hoe Ming-Image-0.1-Design zich verhoudt tot Qwen-Image, Seedream of welk commercieel beeldmodel dan ook. Geen van beide claims is te controleren zonder de test zelf over te doen.
Ook de hardware-uitleg heeft een gat. Een GPU met 80 GiB is de enige geteste opstelling voor een model van 6 miljard parameters, en dat is veel meer ruimte dan die omvang doet vermoeden. Ant Group geeft geen enkele aanwijzing voor consumentenkaarten met 24 GB, terwijl de community daar binnen enkele uren al gekwantiseerde versies voor had staan.
Wat dit betekent
Het testen waard als je op schaal ontwerpmateriaal maakt en de tekst leesbaar moet zijn. Een marketingteam van drie mensen dat social cards, advertentievarianten en interne decks uitdraait, past er het beste bij, en de MIT-licentie legt je niets in de weg om het resultaat commercieel te gebruiken. Begin met Ming-Image-0.1-Design-Layer, want output in lagen is precies wat je huidige beeldtool vrijwel zeker niet kan.
Beschouw de kwaliteitsclaims als onbewezen tot je zelf hebt vergeleken. Ant Group publiceert een plek in een klassement als plaatje en verder niets, en dat is geen bewijs. Wij zouden als eerste testen hoe kleine tekst eruitziet in een andere taal dan het Engels, want daar gaan modellen in deze klasse meestal de mist in en de release zegt er niets over. Maak je vooral fotografisch werk in plaats van typografisch, dan kun je dit rustig overslaan.
Voor meer informatie, bekijk de officiële release in de modelkaart van Ming-Image-0.1-Design.
