EN DIRECT
Anthropic affirme que Claude a permis de retracer l'origine des graines ECDSA du NIST16/10/26 · Anthropic|Reflection AI dévoile Beam, un modèle ouvert de 501 milliards de paramètres16/10/26 · Reflection AI|Meta publie Muse Spark Open, un modèle MoE taillé pour tourner en local sur Mac Studio15/10/26 · Meta|Meta publie Muse Spark Open, un modèle multimodal à poids ouverts15/10/26 · Meta|Google DeepMind détaille les mesures de sécurité entourant Gemini 4 Argon13/10/26 · Google DeepMind|Tev-Gym : une méthode pour corriger les récompenses éparses des agents à long horizon13/10/26|Google DeepMind évoque Gemini 4, nom de code « Argon »13/10/26 · Google DeepMind|Google DeepMind dévoile Gemini 4 Argon, une variante dédiée à la robotique13/10/26 · Google DeepMind|Character.AI dépose le bilan et cède des actifs à Disney13/10/26 · Character.AI|Une étude démontre que des modèles d'IA peuvent dissimuler n'importe quelle capacité de façon prouvable13/10/26|De plus en plus de sites web ferment leurs portes aux agents IA18/10/26|NVIDIA RTX Spark : des laptops Windows taillés pour l'IA locale17/10/26 · NVIDIA|Anthropic affirme que Claude a permis de retracer l'origine des graines ECDSA du NIST16/10/26 · Anthropic|Reflection AI dévoile Beam, un modèle ouvert de 501 milliards de paramètres16/10/26 · Reflection AI|Meta publie Muse Spark Open, un modèle MoE taillé pour tourner en local sur Mac Studio15/10/26 · Meta|Meta publie Muse Spark Open, un modèle multimodal à poids ouverts15/10/26 · Meta|Google DeepMind détaille les mesures de sécurité entourant Gemini 4 Argon13/10/26 · Google DeepMind|Tev-Gym : une méthode pour corriger les récompenses éparses des agents à long horizon13/10/26|Google DeepMind évoque Gemini 4, nom de code « Argon »13/10/26 · Google DeepMind|Google DeepMind dévoile Gemini 4 Argon, une variante dédiée à la robotique13/10/26 · Google DeepMind|Character.AI dépose le bilan et cède des actifs à Disney13/10/26 · Character.AI|Une étude démontre que des modèles d'IA peuvent dissimuler n'importe quelle capacité de façon prouvable13/10/26|De plus en plus de sites web ferment leurs portes aux agents IA18/10/26|NVIDIA RTX Spark : des laptops Windows taillés pour l'IA locale17/10/26 · NVIDIA|
SkillNouveauéditeur officiel

Ling UI Design (Ming-Image)

Skill : Une méthode réutilisable : instructions, procédures, parfois scripts ou modèles

Skill d'agent qui génère une maquette visuelle d'interface, la découpe en calques puis s'en sert pour écrire le code de l'UI et vérifier visuellement le rendu.

Une approche intéressante pour les agents de code qui produisent des interfaces fades : ils partent d'une maquette générée au lieu d'improviser. Réservé à qui sait faire tourner un agent de code et un service de modèle ; la destination des données dépend du service choisi.

Score global
6.4 /10
Sécu : une réserve, lire la fiche
Utilité
6.0
Fiabilité
10.0
Sécurité
Une réserve
Facilité
Technique · Technique

La sécurité reflète la destination des données, les permissions demandées et les incidents recensés à la date de vérification. Ce n’est pas une garantie d’absence de risque : vérifiez le mode de déploiement et les connexions que vous activez.

Ce que ça fait, concrètement

Les agents de code produisent souvent des interfaces fonctionnelles mais visuellement pauvres, car ils génèrent du code sans partir d'une référence visuelle. Ling UI Design répond à ce problème en donnant à l'agent une maquette générée avant qu'il n'écrive la moindre ligne.

Concrètement, le skill s'appuie sur deux modèles open source de 6 milliards de paramètres : Ming-Image-0.1-Design génère une image de l'interface à partir d'une description textuelle, puis Ming-Image-0.1-Design-Layer décompose cette image en calques transparents indépendants. L'agent utilise ensuite ces calques comme référence pour écrire le code de l'interface, puis vérifie visuellement que le rendu correspond à la maquette.

Cet outil s'adresse aux développeurs et aux équipes techniques qui font tourner des agents de code et souhaitent obtenir des interfaces plus soignées sans dessiner manuellement une maquette. Il suppose de disposer d'un service de modèle compatible et d'un environnement Python configuré.

Il ne convient pas aux personnes qui cherchent un outil graphique clé en main ou qui n'ont pas l'habitude de configurer des pipelines d'inférence. La mise en route demande une machine avec un GPU d'au moins 80 Gio de mémoire pour faire tourner les modèles localement.

Ce que ça propose

  • ·Génération d'une maquette visuelle d'interface (UI), d'infographie ou d'affiche à partir d'une description textuelle.
  • ·Décomposition d'une image de design aplatie en calques transparents indépendants et éditables.
  • ·Réécriture automatique d'une description courte en prompt structuré au format Figma (JSON avec coordonnées, hiérarchie, couleurs) via un VLM.
  • ·Génération d'images avec canal alpha (fond transparent) en ajoutant un préfixe spécifique au prompt.
  • ·Vérification visuelle du rendu du code UI par l'agent après génération, en comparant au visuel de référence.
  • ·Skill complémentaire de conversion d'une image en présentation PowerPoint éditable (textes et formes simples convertis en éléments natifs).
  • ·Disponibilité des modèles sur Hugging Face et ModelScope, avec démo en ligne pour chaque modèle.

En pratique

Prix
GratuitSkill gratuit (MIT) ; le coût dépend du service de modèle et de l'agent de code utilisés.
Usage commercial
Usage commercial : oui
Disponible sur
GitHub
Licence
MIT
Interface FR
Non

Sécurité et données

Pastille
Sécu : une réserve, lire la fiche
Vos données
Local ou cloud selon usage
Permissions
L'agent génère des images, écrit du code dans votre projet et lance un rendu pour le vérifier ; prompts et images partent chez le service de modèle configuré si ce n'est pas un déploiement local.
Maintenance
Active

Liens et dépôt vérifiés le 11 octobre 2026 · ajoutée le 29 septembre 2026

Comment installer Ling UI Design (Ming-Image)

1. Vérifiez que Python 3.10 ou une version plus récente est installé et qu'un GPU compatible CUDA est disponible. 2. Clonez le dépôt GitHub inclusionAI/Ming-Image et placez-vous dans le dossier. 3. Créez un environnement virtuel propre, puis installez les dépendances : pip install -r requirements.txt 4. Téléchargez les poids des modèles depuis Hugging Face ou ModelScope, ou indiquez l'identifiant du dépôt Hub dans la commande d'inférence. 5. Consultez le README du skill Ling UI Design (ling-cookbook) pour configurer l'agent de code et le service de modèle associé. 6. Précaution : si vous utilisez un service de modèle tiers, vos prompts et images quittent votre machine ; préférez un déploiement local si vos données sont sensibles.
pip install -r requirements.txt

Documentation officielle ↗

Dans la même catégorie

Toute la catégorie Design & présentations →