Ming Image 0.1 Design: modelo open de 6B cria pôsteres e camadas editáveis (testei)

Autoria: Prompt Engineer 48 · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Ming Image 0.1 Design: 6B Open Model Makes Posters + Editable Layers (I Tested It) · Canal: Prompt Engineer 48 · 03:08 · Assistir no YouTube

Tópicos: Geração de conteúdo com IA, Inferência e otimização de modelos, Modelos locais e open source

Resumo

O vídeo testa o Ming Image 0.1 Design, modelo de 6 bilhões de parâmetros da equipe Inclusion AI, do Ant Group, que cria imagens com texto e composições completas. O apresentador executa os modelos Design e Design Layer em uma GPU A100 de 80 GB alugada, após fazer dois ajustes na configuração. Nos testes, o modelo reproduz bem o texto especificado, mas pode gerar texto sem sentido para elementos não descritos e inventar objetos ao separar camadas. O custo total do teste foi de cerca de US$ 3.

Pontos-chave

Ming Image 0.1 Design e Design Layer têm 6 bilhões de parâmetros e licença MIT.
O modelo Design gera composições completas com texto a partir de um prompt.
O Design Layer separa uma imagem em camadas transparentes e preenche partes ocultas.
Os pesos ocupam cerca de 49 GB; o cartão do modelo recomenda uma GPU de 180 GB.
O teste foi executado em uma A100 de 80 GB alugada pelo RunPod, por US$ 1,59 por hora.
O texto solicitado foi renderizado corretamente em geral, mas textos não especificados podiam virar caracteres sem sentido.
No teste do pôster, o modelo escreveu “tickets $25” em vez de “dollars”.
Ao pedir uma camada de painel holográfico que não existia na imagem, o modelo inventou esse elemento.
O teste completo custou cerca de US$ 3; o apresentador alerta que a disponibilidade da API no OpenRouter pode variar.

Capítulos

Início	Capítulo	Resumo
00:00	Apresentação dos modelos	O vídeo apresenta os modelos Ming Image 0.1 Design e Design Layer, seus usos e a posição do primeiro em um ranking de modelos open weights.
01:02	Configuração e primeiros testes	O apresentador explica como alugou uma A100 de 80 GB e testa a geração de uma página de apresentação e de um pôster.
02:06	Teste de imagem e separação em camadas	O modelo gera uma cena cinematográfica e, em seguida, separa a imagem em cinco camadas, mas inventa um elemento que não estava presente.
02:36	API, custo e conclusão	O apresentador comenta a disponibilidade da API no OpenRouter, informa o custo total do teste e resume os resultados.

Citações

Ele desenha pôsteres e páginas da web completos com o texto realmente legível. — 00:00

Ele é muito bom no texto que você fornece e inventa o restante. — 01:34

É um resultado cinematográfico realmente ótimo para um modelo de 6 bilhões de parâmetros. — 02:06

Descreva apenas o que realmente está lá. — 02:36

Conceitos e entidades

Ming Image 0.1 Design (modelo): Modelo de 6 bilhões de parâmetros que gera composições visuais completas, incluindo texto.
Ming Image 0.1 Design Layer (modelo): Modelo que separa uma imagem em camadas transparentes e pode reconstruir partes ocultas.
InclusionAI (empresa): Equipe associada ao Ant Group responsável pelos modelos apresentados.
Ant Group (empresa): Empresa à qual pertence a equipe Inclusion AI mencionada no vídeo.
RunPod (ferramenta): Serviço usado para alugar uma GPU A100 de 80 GB para os testes.
OpenRouter (ferramenta): Serviço cuja API o apresentador tentou usar para acessar o modelo.
A100 (ferramenta): GPU de 80 GB alugada para executar os modelos durante o teste.
Artificial Analysis (empresa): Fonte do ranking de design de UI e UX citado no vídeo.

Tradução completa (pt-BR)

00:00 Certo, neste vídeo vamos conhecer o Ming Image 0.1 Design, um modelo de 6 bilhões de parâmetros do Ant Group. Como você pode ver, ele cria pôsteres e páginas da web completos, com texto realmente legível. Mas vale lembrar: todas as imagens que você verá aqui foram geradas por mim em uma GPU de 80 GB alugada. Vamos testar. Este é o Ming Image 0.1 Design, da Inclusion AI, equipe do Ant Group. Ele foi lançado em 22 de setembro. Há dois modelos, ambos com 6 bilhões de parâmetros e ambos sob licença MIT

00:31 licensed. O primeiro, Design, recebe um prompt e cria a composição inteira, incluindo o texto. O segundo se chama Design Layer: ele recebe uma imagem achatada e a separa em camadas transparentes distintas. E, no ranking de design de UI/UX da Artificial Analysis, está em primeiro lugar entre os modelos de pesos abertos. Este é o clipe que me chamou a atenção. É do Leo Wang, no X, então os créditos são dele. Uma frase, uma imagem, cinco camadas. Agora, vamos ver o que ele faz com os meus próprios prompts. Mas há um porém: os pesos ocupam cerca de 49 GB, e o cartão do modelo recomenda usar uma GPU de 180 GB.

01:02 Só para lembrar, meu laptop tem uma GPU de 8 GB. Então, essa opção está fora de cogitação. Primeiro, tentei usar o OpenRouter, mas o provedor respondeu que não havia saldo suficiente. Então, aluguei uma A100 com 80 GB na RunPod, por US$ 1,59 por hora. Para configurar, foram necessários dois pequenos ajustes: a versão correta do Flash Attention e um patch de uma linha, porque o repo está fixado em uma versão mais antiga do torch. Primeiro teste: a página inicial de um aplicativo chamado Flow, direto do cartão do modelo. Foram 12 etapas, com resolução de 2048 por 2048 pixels, e levou cerca de 36 segundos. Se

01:34 você olhar aqui, o logo, os links de navegação, o título e o botão estão exatamente com o texto que pedi, mas o subtítulo e o texto dos cartões, que eu não especifiquei, são um monte de caracteres sem sentido. Então, ele é muito bom com o texto que você fornece, mas inventa o resto. Segundo teste: um pôster de jazz, com título, data, local, preço e uma linha no rodapé. E dá para ver que ele ficou muito bom. O título em fonte serifada está limpo, o layout é equilibrado e o saxofone ficou ótimo. Um deslize: ele escreveu “tickets $25” em vez de “dollars”, então revise o texto antes de imprimir.

02:06 Terceiro teste: o robô do post, um humanoide em uma fábrica abandonada, com um drone e uma caixa de ferramentas laranja. É um resultado cinematográfico muito bom para um modelo de 6 bilhões de parâmetros. O rótulo embaixo da caixa de ferramentas é um absurdo de novo, seguindo o mesmo padrão de antes. Agora, o modelo de camadas: dei a ele esta imagem e um plano com cinco camadas. Levou cerca de 3 minutos e me devolveu cinco arquivos PNG transparentes: o drone, o robô, a caixa de ferramentas e o fundo, com as partes ocultas preenchidas. Agora, a parte honesta: pedi um painel holográfico, que não está nesta

02:36 imagem, e ele inventou um. Então, descreva apenas o que realmente está lá. Se alugar uma GPU parece trabalhoso, você pode usar a API no OpenRouter. O ID do modelo é inclusion.ai/mingimage0.1design. O post dizia que havia um período de acesso gratuito, mas, quando tentei, o provedor estava sem saldo, então confira se está funcionando antes de contar com isso. O custo total deste teste foi de cerca de US$ 3. Neste vídeo, vimos como executar o Ming Image Design e o Design Layer em uma GPU de 80 GB alugada e criar

03:08 páginas, pôsteres e camadas editáveis. Se tiver interesse, você também pode testar no seu próprio sistema e me contar como foi. Créditos à Inclusion.ai e à equipe do Ant Group, e ao Leo Wang pelo clipe. Vejo vocês em outro vídeo. Confira o próximo vídeo.

Transcrição original

[00:00] All right, in this video we will see Ming Image 0.1 Design, a 6 billion parameter model from Ant Group, and you can see that it draws full posters and web pages with the text actually readable. Now, mind you, every image you will see here, I generated myself on a rented 80 GB GPU. Let’s go ahead and test this out. So, this is Ming Image 0.1 Design from Inclusion AI, the Ant Group team. It came out on September 22nd. There are two models, both 6 billion parameters, and both are MIT

[00:31] licensed. The first one, Design, takes a prompt and draws the whole composition, text included. The second one is called Design Layer, and it takes a flat image and splits it into separate transparent layers. And on the artificial analysis UI UX design leaderboard, it sits first among the open weights models. This is the clip that got me interested. It is from Leo Wang on X, so credit to them. One sentence, one image, five layers. Now, let’s see what it does on my own prompts. Now, the catch, the weights are about 49 GB, and the model card says to

[01:02] use 180 GB GPU. Mind you, my laptop has an 8 GB GPU. So, that is a no. I tried OpenRouter first, but the provider came back with not enough balance. So, what I did is rent an A100 with 80 GB on RunPod at $1.59 an hour. Setting it up needed two small fixes, the right flash attention version, and a one-line patch, because the repo is pinned to an older torch. First test, the landing page for an app called Flow, straight from the model card. 12 steps at 2048 pixels square, and it took about 36 seconds. If

[01:34] you look here, the logo, the nav links, the headline, and the button are exactly the text I asked for, but the subheading and the card text, which I did not specify, are gibberish. So, it is really good at the text you give it, and it makes up the rest. Second test, a jazz poster, title, date, venue, price, and a footer line. And you can see that it It really good. The serif title is clean, the layout is balanced, and the saxophone looks great. One slip, it wrote tickets $25 instead of dollars, so proofread your text before you print.

[02:06] Third test, the robot from the post, a humanoid in an abandoned factory with a drone and an orange toolbox. That is a really great cinematic result for a 6 billion parameter model. The label under toolbox is nonsense again, same pattern as before. Now, the layer model, I give it this image and a plan for five layers. It took about 3 minutes and gave me back five transparent PNG files, the drone, the robot, the toolbox, and the background with the hidden parts filled in. Now, the honest part, I asked for a holographic panel, which is not in this

[02:36] picture, and it invented one. So, describe only what is really there. Now, if renting a GPU feels like a lot, what you can do is use the API on Open Router. The model ID is inclusion.ai/mingimage0.1design. The post said there is a free window, but when I tried, the provider was out of balance, so check it works before you plan around it. My total cost for this whole test was about $3. So, in this video, we have seen how we can run Ming Image Design and Design Layer on a rented 80 GB GPU and make

[03:08] pages, posters, and editable layers. If you’re interested, you can go ahead and try this out on your own system as well, and let me know how it goes. Credit to Inclusion.ai and the end group team, and to Lawang for the clip. I’ll see you in another one. Check out the next video.