/ Модель

Характеристики

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

Ming-Image-0.1-Design-mflux-q8-te6

Генерация изображенийТекст → изображение3 профессии

Конвертированная для MLX модель генерирует RGBA-изображения графического дизайна по текстовым запросам, включая плакаты и макеты с типографикой.

550скачиваний 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

Это конвертированная для MLX версия модели inclusionAI/Ming-Image-0.1-Design, подготовленная для запуска через mflux на компьютерах Apple Silicon. Модель преобразует текстовые запросы в изображения с альфа-каналом RGBA и ориентирована на графический дизайн: плакаты, открытки, интерфейсы и изображения с типографикой.

В сборке используется текстовый энкодер Ling-mini-2.0 MoE с 6-битным представлением, коннектор Qwen2 с 8-битным представлением и DiT, намеренно оставленный в 8 битах для сохранения качества крупных надписей. Репозиторий занимает 21,2 ГБ; для работы требуется версия mflux с поддержкой семейства Ming-Image. В README приведены замеры на Mac mini M4 с 24 ГБ памяти: генерация изображения 512×512 занимает около минуты, а 1024×1024 — 4–4,5 минуты.

Модель предназначена для генерации дизайнерских изображений по текстовому описанию, включая композиции с читаемыми заголовками и текстом. Автор сообщает о поэтапной проверке реализации MLX относительно официального конвейера PyTorch с высокой близостью тензоров и воспроизведением компоновки, типографики и текста. Лицензия — MIT.

Сценарии применения

  • создание рекламных и конференционных плакатов по описанию
  • генерация открыток с заголовками и декоративным текстом
  • создание графических макетов пользовательского интерфейса
  • подготовка изображений с крупной типографикой
  • генерация дизайнерских иллюстраций с прозрачностью

Ограничения

Для запуска необходимы mflux с поддержкой Ming-Image и компьютер Apple Silicon; репозиторий занимает 21,2 ГБ. Приведённые показатели производительности относятся к Mac mini M4 с 24 ГБ памяти.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

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, 6-bit text encoder)

An MLX conversion of inclusionAI/Ming-Image-0.1-Design for mflux — 21.2 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/)6-bit (routers, norms, query tokens full precision)13.0 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). From the same initial noise it reproduces the official images' layout, typography and text; a little more text-encoder precision than the 5-bit variant, still fits 24 GB Macs.

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
a0ec762

0 моделей