---
title: ming-image-0-1-design-demo
canonical_url: "https://www.modelscope.cn/studios/inclusionAI/ming-image-0-1-design-demo"
md_url: "https://www.modelscope.cn/studios/inclusionAI/ming-image-0-1-design-demo.md"
repository: inclusionAI/ming-image-0-1-design-demo
chinese_name: "Ming-Image 0.1 Design 设计图生成"
last_updated: 2026-09-23
sdk_type: gradio
sdk_version: 6.17.3
downloads: 0
stars: 57
---

# ming-image-0-1-design-demo

> ming-image-0-1-design-demo - inclusionAI 在 ModelScope 创建的在线 Demo。Ming-Image-0.1-Design 在线体验：面向 UI 界面、信息图、海报等文字密集型视觉设计的文生图模型，直接生成含标题文字的完整画面，并解码为 RGBA 支持透明背景。基于 ModelScope XGPU。

inclusionAI/ming-image-0-1-design-demo 是 ModelScope 魔搭社区上的在线可交互 Demo（创空间），基于 gradio 6.17.3 构建，中文名为「Ming-Image 0.1 Design 设计图生成」。

- **Repository**: inclusionAI/ming-image-0-1-design-demo
- **SDK**: gradio
- **SDK version**: 6.17.3
- **Downloads**: 0
- **Stars**: 57
- **Last updated**: 2026-09-23

Source: https://www.modelscope.cn/studios/inclusionAI/ming-image-0-1-design-demo

---

# Ming-Image 0.1 Design

[`inclusionAI/Ming-Image-0.1-Design`](https://modelscope.cn/models/inclusionAI/Ming-Image-0.1-Design) 的在线体验 Demo。

这是一个面向 **UI 界面、信息图、海报等文字密集型视觉设计** 的文生图模型：它直接生成包含标题文字的完整画面，
并解码为 **RGBA**，透明背景可以完整通过 VAE 往返。

模型卡推荐参数为 **12 步**、**CFG 1.0**、BF16。本创空间提供模型卡中的两档分辨率：**1024 x 1024** 为快速档；
**2048 x 2048** 是作者在 80GB 显卡上验证的配置，耗时明显更长。

## 流水线说明

该 checkpoint 不含 `model_index.json`，模型卡给出的推理仓库（`github.com/inclusionAI/Ming-Image`）也未公开。
本创空间的 `ming/` 复刻自该 checkpoint 的参考实现
[vLLM-Omni PR #8021](https://github.com/vllm-project/vllm-omni/pull/8021)：

1. 一个 BailingMoE-v2 "thinker"（20 层、256 专家）读取**原始提示词**加上 256 个可学习 query token，
   所有 token 使用顺序位置编码。
2. **query 流**：256 个 query 上的最终 hidden state 经过 `proj_in`、双向 Qwen2 connector 和 `proj_out`（宽度 2560）。
3. **direct 流**：提示词自身 token 的 hidden state（取自第 5 层前、第 12 层前以及最终 norm 之后）拼接后经
   `proj_directvlm`（RMSNorm + Linear，宽度 3840）投影。这一路承载需要精确渲染的文字。
4. Z-Image flow-matching DiT（dim 3840，30 层，16 通道 latent）以上述两路拼接作为 caption 条件，
   对齐 padding 置零并在 attention 中屏蔽。采样使用 `FlowMatchEulerDiscreteScheduler`（按分辨率动态
   shifting，`sigma_min = 0`），`noise_pred = -model_out`。
5. 只要 CFG 强度大于 0（包括推荐的 1.0）就启用 CFG，负条件为两路全零。
6. 解码使用 4 通道（RGBA）的 `AutoencoderKLQwenImage`。

## 显存调度

模型以 BF16 加载约需 53GB 显存，而 ModelScope 目前最高可用实例为 48GB。其中 thinker（约 33GB）只在提示词
编码阶段使用，因此它常驻 CPU 内存，仅在该阶段调入显存，编码完成后立即释放；采样阶段显存占用约 19GB。
代价是每次生成多几秒的权重搬运时间。基于同样的原因，本创空间限制单并发。

首次启动需要下载约 53GB 权重并加载，耗时较长；权重缓存在 `/mnt/workspace`，重启后无需重新下载。

## 许可

模型权重为 MIT 许可（见模型卡）。本创空间代码仅用于演示。

原始 Hugging Face Space：[hugging-apps/ming-image-0-1-design-demo](https://huggingface.co/spaces/hugging-apps/ming-image-0-1-design-demo)。