Ming-Image 0.1 Design Layer
Une option solide pour l'auto-hébergement et le contrôle total des données.
Présentation
Ming-Image 0.1 Design Layer, publié le 23 septembre 2026 par inclusionAI (Ant Group), fait l'inverse d'un générateur : il prend une image de design aplatie, comme une affiche, une carte ou une slide, et la décompose en calques RGBA séparés, typiquement un fond et les éléments de premier plan. On lui fournit l'image plus un plan des calques voulus, ou simplement un nombre de calques. La sortie garde les proportions de l'image d'origine. L'usage visé est la retouche : récupérer les calques d'un visuel généré par IA, ou rendre de nouveau modifiable un document livré à plat. Il se combine naturellement avec Ming-Image 0.1 Design, qui génère le visuel, et avec les skills d'agent du même dépôt. Le modèle est lourd : la configuration validée par l'éditeur est un GPU unique de 80 Go de VRAM en BF16, avec 12 étapes d'échantillonnage et une résolution de travail de 1024 pixels (512 pour aller plus vite). La taille des poids n'est pas publiée. Hors d'un serveur de ce calibre, la voie réaliste est une API ; il est proposé gratuitement sur OpenRouter, avec le même point de vigilance sur la destination des données. Poids ouverts sous licence MIT.
Profil de compétences
Non communiqué
Forces
- Open-source et auto-hébergeable
Limites
- Tarification API non publiée
À qui ça s'adresse
- vous voulez maîtriser vos coûts ou auto-héberger
- vos données doivent rester en UE
Cas d'usage idéaux
- Récupérer les calques d'un visuel généré par IA pour le retoucher
- Rendre éditable une affiche ou une slide livrée à plat
Accès & disponibilité
Caractéristiques clés
Combien ça coûte par mois
Estimation à partir des prix API sourcés et d’un palier matériel pour l’auto-hébergement. Hypothèses modifiables.
Hypothèses : 36 mois d’amortissement, 0.25 €/kWh, 22 jours/mois, conversion 1 $ = 0.92 €. Hors main-d’œuvre, hors licences logicielles, hors redondance.
nAIvigate Trust Index
Ce que l’éditeur offre et documente pour un usage professionnel en Europe. Un critère non documenté vaut zéro et reste visible : le score monte quand l’éditeur publie, pas quand nous supposons.
19/19 critères documentés · 100 % · dont 12 posés par règle
Voir les critères▾
Badge Trust Index
Affichez ce score dans votre documentation, votre README ou votre page sécurité. Il se met à jour automatiquement.
[](https://naivigate.com/fr/model/ming-image-0-1-design-layer)Données & conformité
Ce que nous savons, ligne par ligne, avec la source et la date. Ces lignes alimentent les familles Données et Entreprise du Trust Index ci-dessus. La conformité RGPD dépend de votre traitement, pas du modèle seul.
| Résidence des données en UE | Oui |
| Accord de traitement (DPA) | Sans objet· auto-hébergé : les données ne sortent pas |
| Transfert hors UE | Non |
| Entraînement sur vos données | Non |
| Rétention configurable | Sans objet· auto-hébergé : les données ne sortent pas |
| Zero Data Retention | Sans objet· auto-hébergé : les données ne sortent pas |
| Auto-hébergeable | Oui |
| Hébergement déclaré | self |
Qualité des données de la fiche
Ce score mesure la qualité des données de cette fiche : prix, contexte, Elo, licence, documentés, sourcés et récents. Il ne mesure ni le modèle ni sa conformité : pour cela, voir le Trust Index plus haut.
2/8 documentées · 1/8 sources primaires
Faire tourner en local
Déployer
Commandes prêtes à copier, générées depuis la fiche. Ajustez le contexte et le nombre de GPU à votre machine.
Serveur OpenAI-compatible pour la production sur GPU NVIDIA.
pip install vllm
vllm serve inclusionAI/Ming-Image-0.1-Design-Layer \
--max-model-len 32768 \
--tensor-parallel-size 1 \
--dtype autoDonnées avancées · pour expertsArchitecture, modalités, coût détaillé, benchmarks complets▾
| Arena Elo | — |
| MMLU | — |
| GPQA | — |
| HumanEval | — |
| SWE-Bench | — |
| MATH | — |