/ Модель

Характеристики

Лицензия
MIT
Базовая модель
Ming-Image-0.1-Design
Библиотека
mflux
Опубликована
25 сен 2026

Ming-Image-0.1-Design-mflux-q8-te4

Генерация изображенийТекст → изображение

Квантованный вариант Ming-Image-0.1-Design для генерации графического дизайна и изображений с типографикой по текстовому запросу на Apple Silicon.

157скачиваний за 30 дней0лайковвеса обновлены25 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

joeynyc/Ming-Image-0.1-Design-mflux-q8-te4 — вариант модели Ming-Image-0.1-Design, подготовленный для запуска через mflux на Apple Silicon. Это конверсия с квантизацией: DiT использует 8-битные веса, текстовый энкодер Ling-mini-2.0 MoE — 4-битные, коннектор Qwen2 — 8-битные, а проекционные слои — bf16. Общий размер репозитория составляет 17,3 ГБ; модель генерирует изображения с альфа-каналом RGBA по текстовому запросу.

Модель предназначена для создания графического дизайна, в том числе постеров, карточек, интерфейсных макетов и изображений с типографикой. По данным README, на базовом Mac mini с M4 генерация изображения 512×512 занимает около минуты, а 1024×1024 — 4–4,5 минуты. Типографика сохраняется чёткой, но детали сцены и кадрирование могут отличаться от официального PyTorch-пайплайна. Для запуска требуется mflux с поддержкой семейства Ming-Image. Лицензия — MIT.

Сценарии применения

  • создание постеров с текстовыми заголовками
  • генерация карточек и рекламных изображений
  • создание интерфейсных макетов по описанию
  • подготовка изображений с типографикой и прозрачным фоном

Ограничения

Детали фона и кадрирование могут отличаться от официального PyTorch-пайплайна. Для запуска нужна версия mflux с поддержкой Ming-Image; README рекомендует вариант с 5-битным текстовым энкодером, если доступна память.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Ming-Image-0.1-Design — MLX (8-bit DiT, 4-bit text encoder)

An MLX conversion of inclusionAI/Ming-Image-0.1-Design for mflux — 17.3 GB in total. Ming-Image is a design-focused text-to-image model (posters, cards, UI, typography) that outputs RGBA images.

ComponentPrecisionSize
Ling-mini-2.0 MoE text encoder (mllm/)4-bit (routers, norms, query tokens full precision)9.0 GB
Qwen2 connector (connector/)8-bit1.4 GB
Projection heads (mlp/)bf160.06 GB
DiT (transformer/)8-bit6.5 GB
RGBA VAE (vae/)bf160.25 GB

The checkpoint's Qwen2.5 ViT, lm_head and audio router are not used for text-to-image and are not included.

Usage

Requires mflux with Ming-Image support (the ming-image model family; until it is merged upstream, install mflux from the branch that adds it).

mflux-generate-ming \
  --model path/to/this/repo \
  --prompt "A modern tech conference poster titled 'MLX SUMMIT 2026' ..." \
  --width 1024 --height 1024 --seed 42

Defaults follow the official pipeline: 12 steps, guidance 1.0, flow-match Euler with the checkpoint's static shift of 6. PNGs keep the alpha channel (--flatten-alpha for RGB).

Performance

The DiT stage is identical to the 5-bit-text-encoder variant: on a base M4 Mac mini (24 GB) 512² takes ~1 min (9.8 GB peak) and 1024² 4–4.5 min (14.5 GB peak). The text encoder is freed after encoding the prompt.

Fidelity

The MLX implementation was checked stage by stage against tensors dumped from the official PyTorch pipeline: DiT, VAE and connector at cosine similarity ≥ 0.9999, and the text encoder within the official model's own eager-vs-flash-attention spread (this includes reproducing the official pipeline's autocast-bf16 MoE routing exactly). Smallest variant. Typography stays clean, but compared with the official pipeline from the same noise, scene details (background, framing) can drift; prefer the 5-bit text encoder when it fits.

The DiT is deliberately kept at 8 bits: at 4 bits large headline lettering degrades.

License

MIT, as the original model. Credit to inclusionAI for Ming-Image.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · mflux

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов
d768a0f

0 моделей