Ming-Image设计大模型开源：重塑UI工作流与最新AI资讯

type

status

date

slug

summary

category

icon

password

网址

过去，在灵光闪应用中，用户需要等到应用生成完成，才能看到完整的页面设计和视觉效果。

在画眉的专业设计场景中，设计师拿到成图后，还要经过拆层处理，通常需要 5 分钟以上才能继续编辑。

一个需要更早看见设计，一个需要继续编辑设计。两个场景指向同一个问题：AI 设计还需要从“能够生成”，进一步走向“可预览、可编辑、可交付”。

今天，我们正式开源 Ming-Image-0.1-Design 系列，包含两个参数量均为 6B 的模型：

• Ming-Image-0.1-Design（下文简称 Design）：从文字需求生成 UI、信息图、海报和完整视觉设计； • Ming-Image-0.1-Design-Layer（下文简称 Layer）：将创意图或者设计图拆成可独立编辑的透明图层。

同时开源 Design Skill 和 PPT Skill，将模型能力继续连接到前端页面与可编辑演示文稿。

从生成设计、拆解图层，到进入 Coding、PPT 和设计工具，这次发布希望解决的不是“再生成一张图”，而是怎样让生成结果继续被使用。

两个 6B 模型，

把设计生成和后续编辑接起来

Design 先把完整设计画出来

UI、Dashboard 和信息图不同于普通图片。模型需要同时处理文字、功能模块、视觉层级、配色和布局；少一个字、按钮位置偏移或卡片关系混乱，都可能让结果无法直接使用。

Ming-Image-0.1-Design 因此重点增强了四项能力：

• 支持 8K 长结构化提示词增强，将自然语言需求组织为文案、模块、布局和视觉风格； • 优化标题、按钮、卡片和多区域信息的文字渲染与版式稳定性； • 通过端到端生成一次性完成整体设计，统一配色、构图和素材风格； • 创建原生 RGBA VAE，直接生成人物、商品、图标和装饰等透明背景素材。

相比通过代码多次调用通用生图模型，分别生成背景、插画和装饰，端到端生成拥有更完整的全局控制，能够减少素材之间色系冲突和画风不一致。

Layer 将设计变成可编辑资产

它做的不是普通抠图，而是在恢复一张设计图背后的结构。

设计生成后，文字还会修改，人物需要移动，背景可能替换，商品和装饰也需要单独复用。

Ming-Image-0.1-Design-Layer 可以将设计图拆成 2—9 个语义独立的 RGBA 图层，侧重广告海报、PPT、UI/UX、信息图、电商主视觉和模板再创作等场景。

模型按照文字、卡片、主体和背景等设计角色组织图层，保留透明边缘，补全被遮挡区域，并保障所有图层重新组合后的结果一致性。

Layer 为什么能够拆得更准

模型通过 Type Token 告诉每个图层自己承担的设计角色；Alpha-Aware Layer Optimization 重点优化透明区域和边缘；Composite-Layer Stack Consistency 则通过重新合成检查各图层能否还原原图。

对应到使用体验，就是内容分得更清楚、边缘更干净，叠回去以后也更接近原始设计。

图1：Ming-Image-0.1-Design-Layer 模型架构。模型结合图层类型条件、Alpha 感知优化和重组一致性约束，使各图层保持语义独立和透明边界，并在重新合成后尽可能还原原始设计。

6B 参数进入设计模型第一梯队

Design 位列 AA UI/UX Design 榜单开源第一

在 Artificial Analysis 于 2026 年 9 月 18 日更新的 UI/UX Design 专项评测中，Ming-Image-0.1-Design 位列开源模型第 1，Elo 得分为 1082。

模型在 UI/UX 场景中的版式胜率达到 67.4%，复杂构图达到 67.0%，文字渲染达到 66.7%。

这些能力对应的正是真实页面中的核心问题：信息能否排清楚，多模块能否保持协调，文字能否准确呈现，多张页面能否使用同一套视觉语言。

在具体案例中：

• 同时包含果园地图、采摘状态、图表和操作按钮的桌面 Dashboard，Ming-Image-0.1-Design 对照 Nano Banana 2 Lite、FLUX.2 [max] 和 Krea 2 Medium，获得 12 / 12 胜出。 • 三个连续步骤页组成的食谱 App，Ming-Image-0.1-Design 对照 Nano Banana 2、Nano Banana Pro 和 MAI-Image-2.5-Flash，获得 10 / 10 胜出。

这说明 6B 并不意味着降低对复杂设计任务的要求。通过面向文字、版式和多元素组合进行专项训练，小参数模型同样可以进入大模型竞争区间。

图2：Artificial Analysis UI/UX Design 开源模型排名

图3：果园dashboard要同时画出果园地图、采摘状态、图表和操作按钮。

图4：三个步骤页的食谱 App 要共用同一套视觉语言。

Layer 在 Crello 12 项指标中全部最优

对于 Ming-Image-0.1-Design-Layer，我们关注三个问题：

• 不同内容是否被正确分开； • Alpha 边界是否准确； • 所有图层重新叠加后，是否接近原图。

在 Crello-Test 图层解耦评测中，Ming-Image-0.1-Design-Layer 在 RGB L1、Alpha soft IoU 两项指标，以及 MLM-0 至 MLM-5 六档设置下均取得最优结果，即 12 项结果全部排名第一。

即使与未开源、并使用 Crello 训练集微调的 Qwen-Image-Layered-I2L 版本相比，Ming-Image-0.1-Design-Layer 仍全面保持领先。

在相同软硬件和统一评测条件下，6B 的 Ming-Image-0.1-Design-Layer 在质量优于 20B Qwen 官方开源版本的同时，将单次推理时间从 795 秒降低至 183 秒，速度提升约 4.3 倍。经过工程优化，当前 1024 分辨率的端到端服务通常约 20 秒即可返回完整结果。

走进真实业务，

改变不只发生在效果上

灵光闪应用：提前预览设计，最终应用高度还原

灵光闪应用让用户通过自然语言生成可实际操作的小应用。

过去，在应用生成过程中，系统虽然会持续展示编写进度，但用户要等到应用完成后，才能看到页面的布局、配色与整体效果。

接入 Ming-Image-0.1-Design 系列后，设计预览被前置到应用生成的初始阶段。Design 根据用户需求，端到端生成布局完整、风格统一的应用预览，让用户提前看到应用最终的视觉方向。随后，Agent 调用 Layer 拆解设计素材，并结合设计文档完成代码生成，使最终应用在页面结构、视觉风格与细节元素上和预览保持高度一致，带来更接近“所见即所得”的体验。

这一变化不只是让用户“更早看见”。Design 能够从全局统筹布局、配色与素材风格，减少多次生成和代码拼装造成的风格割裂、模板感与拼接感，让 AI 生成的应用拥有更完整的主题表达和更统一的设计语言，更接近经过系统设计的产品。

注：接入 Ming-Image-0.1-Design 系列模型的闪应用目前正在内测，将于近期与大家见面，带来更统一、更可控、更高效的应用生成体验。

画眉：从先出图再拆解，变成约 40 秒获得可编辑图层

在专业设计中，生成图片通常只是起点。文案会继续调整，主体需要移动，背景和颜色可能替换，设计也会随着需求不断完善。

旧流程需要先生成图片，再进行抠图、拆层和调整。首次获得可编辑图层通常需要 5 分钟以上。

画眉接入 Ming-Image-0.1-Design-Layer 后，可以直接将图片转换为语义独立的可编辑图层。文字、主体、背景和装饰能够分别修改、移动、隐藏或替换，通常约 40 秒即可获得分层结果。

如果只是修改少量文字，可以使用“改字”；文案需要持续调整时，可以使用“转文字”；需要移动主体、替换背景或继续精细编辑时，则可以使用“图像分层”。

在当前内部测试口径下：

• 首次获得图层：5 分钟以上降至约 40 秒，提速约 7.5 倍； • 过去用 GPT-image2 完成改字操作，成本高出 Ming-Image 模型的 7 倍。

设计，不止于生成。支持图层编辑与文案调整，可导出 PSD 源文件，让创意持续完善。

注：画眉是蚂蚁集团内部面向设计师和业务团队的智能设计应用，支持 AI 生图、文案调整、图像分层、图层编辑和 PSD 导出等能力。

从模型能力继续走向前端和办公交付

本次还同步开源 Design Skill 和 PPT Skill。

Design Skill支持Text-to-Page和Image-to-Page（Visual Coding），把 Design、Layer 和 Coding 串成一条完整链路，直接生成可运行、可继续修改的前端页面。传统 AI Coding 往往是先生成代码、再打开页面看效果，如果风格或布局不对，就要回头改代码、换素材，改动大时甚至需要重新生成。Text-to-Page 把这个过程前置成“先设计、再写代码”：用户输入一句需求，约15 秒就能先看到完整页面方案，确认风格和布局后，再提取素材并交给 Coding 构建页面。这样首次看到结果可以从约5 分钟降到 15 秒，在启动Coding 前先把方向选对，减少无效生成和后续返工。

Visual Coding 是“从参考图直接还原页面”：输入设计稿或截图后，通过Layer的模型先理解页面结构和视觉关系，正确拆解背景和插画等素材，再进入Coding环节；页面生成后还会通过截图与原图做视觉校验并继续修正。相比传统“看图写代码”，Design Skill把视觉理解、素材拆解、代码生成和视觉验证做成闭环，提升页面还原度，同时减少反复调代码和换素材的成本。

PPT Skill可以将图片中的文字、色块和布局关系还原为 PowerPoint 中可编辑的元素。复刻所需的图标、插画等视觉资产可直接从源图中分离提取，无需额外重复生成，在保留原有视觉细节的同时，支持用户继续修改文案、字体、配色、图片和页面布局。

用于将一张设计图直接还原成可编辑的 PowerPoint 页面。它会识别图片中的文字、色块、图片和布局关系，并转换为 PPT 中可单独编辑的元素；其中的图标、插画等视觉素材可以直接从原图中提取复用，不需要重新生成。转换完成后，用户可以继续修改文案、字体、配色、图片和页面布局，在尽量保留原图视觉效果的同时，把一张“只能看”的图片变成一页“可以继续改”的 PPT。

四项能力既可以独立使用，也可以组合：

文字需求或参考图 → Design 生成完整视觉 → Layer 拆出独立素材 → 继续编辑与复用 → 生成前端页面或可编辑 PPT

对外部开发者而言，6B 参数降低了部署和二次开发门槛；模型权重与 Skills 同步开源，则提供了一套从视觉生成到应用交付的基础能力。开发者可以基于它构建设计工具、商家营销产品、办公应用和前端生成服务。

当前局限与未来计划

Ming-Image-0.1-Design 系列仍有明确的能力边界。

Design 目前最稳定的是排版和文字；但遇到复杂的人手动作、连续操作步骤，或者需要很精细的阴影、反光效果时，效果还不够稳定。

在 Layer 模型中，分层不存在唯一答案。有人只需要背景、主体、文字三层，也有人希望将每段文字和每个图标分别拆开。大量叠加光效、特殊透明材质和复杂遮挡，也可能出现边缘残留或图层缺失。

下一步，我们将继续提升文字与复杂布局稳定性，扩展图层语义和可控分层能力，优化透明效果、遮挡补全和推理效率，并将模型接入更多设计、办公与应用生成场景。

我们关注的不只是模型还能生成什么，而是生成结果能否真正进入下一步：继续改、继续用、继续交付。

即刻体验

在线体验

为方便开发者快速体验，Ming-Image-0.1-Design 已在 OpenRouter 开放为期两周的免费 API 调用。

• https://openrouter.ai/inclusionai/ming-image-0.1-design

🤗 Hugging Face

• https://huggingface.co/inclusionAI/Ming-Image-0.1-Design • https://huggingface.co/inclusionAI/Ming-Image-0.1-Design-Layer

🤖 ModelScope

• https://www.modelscope.cn/models/inclusionAI/Ming-Image-0.1-Design • https://www.modelscope.cn/models/inclusionAI/Ming-Image-0.1-Design-Layer

Design Skill

• https://github.com/inclusionAI/ling-cookbook/tree/main/resources/recommended-skills/ling-ui-design

PPT Skill

• https://github.com/inclusionAI/ling-cookbook/tree/main/resources/recommended-skills/image-to-editable-ppt

如果你正在制作 UI、信息图、海报、演示文稿或设计资产，或者手里已经有一张希望继续修改的设计图，欢迎体验 Ming-Image-0.1-Design 系列。

也欢迎把真实项目里最难生成、最难修改或最难分层的案例留给我们。

让 AI 不只生成一张图，也能理解设计，并把设计继续交付下去。

文章来自于微信公众号 “蚂蚁开源”，作者 “蚂蚁开源”