Ming-Image 0.1 Design: ComfyUI용 6B UI 및 포스터 모델

공식 모델 카드의 디자인 예시.

Ming-Image 0.1 Design이란

Ming-Image 0.1 Design은 Ling과 Bailing 모델 제품군을 만든 팀인 inclusionAI에서 나왔으며, 일반 이미지 모델이 잘 처리하지 못하는 작업, 즉 사진이 아닌 깔끔하고 읽기 쉬운 디자인을 배치하는 일을 목표로 합니다. 화면, 대시보드, 반응형 카드 레이아웃, 인포그래픽 패널, 제품 포스터, 로고 시트가 대상 콘텐츠이며, 공식 샘플은 렌더링된 텍스트가 읽기 쉽고 타이포그래피가 제대로 잡히는 것에 크게 의존합니다.

• 6B diffusion transformer. DiT는 16개 입력 채널과 2x2 패칭을 갖춘 30레이어, 3840차원 설계이며, 별도의 비전-언어 인코더와 자체 커넥터가 결합됩니다. Kijai는 이 베이스를 새로운 텍스트 인코더를 사용한 Z-Image 파생 모델이라고 설명합니다.
• 일반 사진 코퍼스가 아닌 디자인 우선 학습 데이터를 사용하며, 그래서 출력이 실제 텍스트 블록이 있는 구성된 레이아웃으로 읽힙니다.
• 두 가지 기본 출력 버킷인 1024와 2048을 제공하며, 전체 레이아웃에는 2048을 권장합니다.
• 샘플링 기본값이 짧습니다. CFG 1.0에서 12 스텝이므로 적은 횟수의 패스로 디자인이 나옵니다.
• 프롬프트 강화는 의도된 흐름의 일부입니다. 공식 pipeline은 생성 이전에 Ling-3.0-flash-VL 또는 qwen3.8-27B로 프롬프트를 다시 작성할 것을 권장하며, 이는 배치할 텍스트가 많은 밀집 레이아웃에서 가장 중요합니다.

공식 텍스트 기반 이미지 생성 샘플 중 하나인 반응형 카드 레이아웃.

일급 출력으로서의 투명 배경

일반 이미지와 함께 Ming-Image 0.1 Design은 실제 알파 채널이 있는 RGBA 이미지를 출력할 수 있어, 생성된 포스터 요소, 제품 컷아웃 또는 UI 에셋이 별도의 매팅 패스 없이 바로 합성할 수 있는 상태로 나옵니다. 모델 카드에는 권장 트리거 문구 세트가 포함되어 있으며 그중 정확히 하나를 앞에 붙이라고 안내합니다. 이는 Qwen-Image 2.1이 투명도 모드에 사용하는 것과 동일한 패턴입니다.

투명 배경 출력. 체커보드는 알파 채널을 미리 보여주는 것이며 생성된 이미지의 일부가 아닙니다.

Layer 자매 모델: 디자인을 편집 가능한 레이어로

이 시리즈에는 두 번째 6B checkpoint인 Ming-Image 0.1 Design Layer가 있으며, 이는 문제를 반대로 풉니다. 평탄화된 디자인 이미지를 받아 각각 편집 가능한 투명 레이어로 분해합니다. 이것이 생성된 목업을 디자인 도구에서 실제로 작업할 수 있는 것으로 바꿔 주는 단계이며, inclusionAI는 이를 두 가지 공개 에이전트 워크플로와 함께 제공합니다. 생성된 레퍼런스와 레이어 분해를 활용해 UI 코드를 만들고 시각적으로 확인하는 Ling UI Design skill과, 생성된 페이지를 네이티브 PowerPoint 요소로 재현하는 image-to-editable-PPT skill입니다.

Layer checkpoint는 디자인 모델과 다른 샘플링 기본값을 사용합니다. CFG 2.0에서 12 스텝이며, 512와 1024 버킷이 작동합니다.

UI/UX 리더보드에서의 위치

inclusionAI는 이 모델을 출시와 함께 Artificial Analysis UI/UX Design 리더보드에 공개했으며, 이는 이 모델이 누구와 경쟁하는지 보여 주는 가장 명확한 신호입니다.

공식 저장소에서 가져온 UI/UX Design 리더보드에서의 Ming-Image 0.1 Design 순위.

ComfyUI 사용 가능 여부

Ming-Image의 ComfyUI 코어 지원이 2026년 9월 24일에 Comfy-Org/ComfyUI PR #16482로 병합되어, 이제 수정되지 않은 ComfyUI에서도 두 checkpoint를 모두 불러올 수 있습니다.

• 재패키징된 가중치는 Comfy-Org/Ming-Image에 공개되어 있습니다. Design과 Layer transformer의 BF16 및 int8_convrot 빌드, Ling-Mini-2.0 텍스트 인코더(w4a8 빌드와 Layer 전용 변형 포함), VAE가 일반적인 diffusion_models / text_encoders / vae 폴더 구조로 배치되어 있습니다. Kijai의 이전 재패키징 Kijai/Ming-Image-ComfyUI도 같은 내용을 담고 있습니다.
• 코어 구현에는 Text Encode Ming Image Edit node(TextEncodeMingImageEdit)가 추가되었습니다. clip, 최대 8장의 참조 이미지, 선택적 VAE를 입력으로 받습니다. VAE를 연결하지 않으면 참조 이미지는 비전 타워를 통해서만 텍스트 인코더에 전달됩니다. 연결하면 참조 이미지가 인코딩되어 깨끗한 참조 프레임으로 latent 시퀀스에 추가됩니다. Design과 Layer는 재패키징 메타데이터로 구분되므로 Layer도 같은 경로로 로드됩니다.
• 공식 워크플로 템플릿은 아직 제공되지 않으므로, 워크플로는 checkpoint 로더를 중심으로 직접 구성해야 합니다.

Banodoco #ming-image 채널의 초기 테스트는 여기서 샘플러가 평소보다 더 중요하다는 것을 시사합니다. Kijai는 LCM 출력이 깔끔하지만 지나치게 부드럽고 INT8에서 무작위 텍스트 실패가 여전히 흔하다고 언급했으며, RuneX는 이 모델이 바운딩 박스 스타일 프롬프트에 반응하고 작은 크기 덕분에 빠르게 편집된다고 보고합니다.