同一套设计流程上的两个环节

9 月 23 日开源的 Ming-Image-0.1-Design 系列包含两个模型，都是 6B 参数：Design 负责从文字生成完整的视觉设计，Design-Layer 负责把一张已经扁平化的设计图拆回可编辑的图层。两者共用同一个代码仓库（GitHub 上的 inclusionAI/Ming-Image），权重分别发布在 Hugging Face 与 ModelScope 上。

Design：面向「排版密集」的设计稿

它的场景不是泛泛的文生图，而是 UI、信息图、海报这类文字密集的视觉设计：要出的是完整构图，而不是一张好看的插图。官方能力清单里两项值得注意——一是支持 RGBA 输出，也就是直接生成带透明背景的成品，省掉抠图这一道；二是配有 UI/UX 设计榜的对比图，用来支撑它在开源模型里的位次。落地前建议自己看模型卡里的榜单与对比样例，别只看结论。

Design-Layer：把成品拆回可编辑

第二个模型解决更现实的问题：拿到一张设计图，怎么继续改。它接受一张扁平图和一个拆层计划，输出指定数量的 RGBA 图层（官方示例给了六层的卡片制作案例），让设计师能在图层上继续编辑，而不是对着导出的位图重画。注意拆层数量在提供提示词时由提示词里声明的层数决定，也可以不写提示词、直接用参数指定层数。

怎么跑起来，以及硬件底线

git clone https://github.com/inclusionAI/Ming-Image
cd Ming-Image
pip install -r requirements.txt

# 文生图
python infer.py --model inclusionAI/Ming-Image-0.1-Design \
  --task text-to-image --prompt assets/t2i_four_seasons_cabin_prompt.json \
  --resolution 2048 --output-dir outputs/t2i

# 拆图层
python infer.py --model inclusionAI/Ming-Image-0.1-Design-Layer \
  --task layer-decompose --input-image assets/layer_samples/card_making_input.png \
  --prompt assets/layer_samples/card_making_prompt.txt \
  --attn-implementation flash_attention_2 --resolution 1024 --output-dir outputs/layers
  • 推荐参数：文生图分辨率 2048×2048（要快可用 1024）、采样步数 12、CFG 1.0；拆层推荐工作分辨率 1024（512 更快）、采样步数 12、CFG 2.0；
  • 精度与硬件：BF16，官方验证配置是单张 80GB 显存的 CUDA 卡；
  • 许可：两个模型都是 MIT 许可，用于商用前仍建议按自己的合规流程再确认一次；
  • 服务化：官方推荐用 vLLM-Omni 部署，仓库里有对应的 recipe。
这套模型的价值不在「生成一张图」，而在把「改稿」从重画变成编辑——交付物从图片变成可继续编辑的文件。