Ming-Image 0.1 Design：ComfyUI 中的 6B UI 与海报模型

来自官方模型卡的设计示例。

Ming-Image 0.1 Design 是什么

Ming-Image 0.1 Design 出自 inclusionAI，即 Ling 和 Bailing 模型系列背后的团队，它瞄准的是常规图像模型处理得很差的任务：排版出干净、可读的设计，而不是一张照片。界面、仪表盘、响应式卡片布局、信息图面板、产品海报和 logo 图集都是它的目标内容，官方示例中大量强调渲染文字清晰可读、排版合理。

• 6B diffusion transformer。 该 DiT 为 30 层、3840 维设计，具有 16 个输入通道和 2x2 patching，并搭配一个独立的视觉语言编码器及其专属 connector。Kijai 认为其基础源自 Z-Image，并配有新的文本编码器。
• 设计优先的训练数据，而非通用照片语料，因此输出读起来像是带有真实文字块的编排布局。
• 两种原生输出档位：1024 和 2048，完整布局推荐使用 2048。
• 采样默认值很短： 12 步、CFG 1.0，因此只需少量迭代就能得到设计结果。
• 提示词增强是推荐流程的一部分。 官方 pipeline 建议在生成前用 Ling-3.0-flash-VL 或 qwen3.8-27B 重写提示词，这一点在需要放置大量文字的密集布局中尤为重要。

响应式卡片布局，官方文生图示例之一。

透明背景作为一等输出

除了普通图像，Ming-Image 0.1 Design 还能输出带真实 alpha 通道的 RGBA 图像，因此生成的海报元素、产品抠图或 UI 素材到手即可合成，无需再单独做一次抠图处理。模型卡提供了一组推荐的触发短语，并要求你在提示词前只添加其中一条，这与 Qwen-Image 2.1 的透明度模式做法一致。

透明背景输出。棋盘格用于预览 alpha 通道，并非生成图像的一部分。

Layer 同系列模型：把设计转成可编辑图层

该系列还有第二个 6B checkpoint：Ming-Image 0.1 Design Layer，它反向解决这个问题：输入一张已合并的设计图像，将其拆解为多个可独立编辑的透明图层。这一步能把生成的设计稿变成真正可以在设计工具中加工的内容，inclusionAI 为它配了两套已发布的智能代理工作流：一个 Ling UI Design skill，利用生成的参考图加图层拆解来构建并可视化检查 UI 代码；以及一个 image-to-editable-PPT skill，把生成的页面重建为原生 PowerPoint 元素。

Layer checkpoint 使用的采样默认值与设计模型不同：12 步、CFG 2.0，可用档位为 512 和 1024。

它在 UI/UX 排行榜上的位置

inclusionAI 在发布模型的同时，也把它提交到了 Artificial Analysis UI/UX Design 排行榜，这是判断该模型与谁竞争最清晰的信号。

Ming-Image 0.1 Design 在 UI/UX Design 排行榜上的排位，来自官方仓库。

ComfyUI 可用性

Ming-Image 的 ComfyUI 支持仍在进行中，因此目前还没有合并进核心的实现或官方工作流模板。不过有两件事让它现在就能用：

• Kijai 在 Kijai/Ming-Image-ComfyUI 发布了权重的 ComfyUI 重打包版本，包含 transformer 和文本编码器的 BF16、int8_convrot 与 w4a8 变体，以及配套 VAE，按通常的 diffusion_models / text_encoders / vae 文件夹结构组织。
• 核心实现位于 ComfyUI PR #16482，Kijai 在其中表示该节点已能处理 RGBA 输出。该 pull request 仍处于开放状态，因此未经修改的 ComfyUI 安装还无法加载该模型。

Banodoco #ming-image 通道中的早期测试表明，这里采样器的影响比平时更大：Kijai 指出 LCM 输出干净但过度平滑，并且在 INT8 下随机文字错误仍然常见；而 RuneX 报告说该模型能响应边界框风格的提示词，并且凭借较小的体量编辑速度很快。Layer checkpoint 目前尚未被打包，因为 Kijai 认为额外的文本编码器和 projector 处理会带来相当多的复杂度，而适用场景又相对狭窄。