inclusionAI 开源 Ming Image 0.1：自带透明通道，还能把设计图拆成图层

Ming-Image-0.1 是 inclusionAI 开源的 6B 视觉设计模型系列，专门用来做 UI 界面、信息图表、海报以及带有丰富文字的设计图。

普通文生图模型吐出来的是一张焊死的扁平图片，要改个文案或者抠个元素非常麻烦。Ming-Image-0.1 包含两个 60 亿参数（6B）的模型，分别解决生成和编辑问题：一个叫 Ming-Image-0.1-Design，负责直接生成设计图；另一个叫 Ming-Image-0.1-Design-Layer，负责把现有的整张平面图逆向拆解成彼此独立的透明图层。

它能做什么

主模型 Ming-Image-0.1-Design 支持最高 2K 分辨率输出，预设了 2048 级别的常见比例，也支持 1:4 到 4:1 之间的任意比例。

它最实用的能力是直接生成带有 Alpha 通道的 4 通道 RGBA 图像。在提示词开头加上「带透明通道，4通道RGBA图像」或「透明背景，alpha通道，无底图」等固定词，它就能直接输出背景透明的抠图素材或独立元素，省去后期手动抠图的步骤。

另一个模型 Ming-Image-0.1-Design-Layer 则是平面图的拆解器。给它一张已经压平成单层的设计图，再指定拆成几层，它能把文字、前景主体、背景衬底以及装饰卡片分别抽离，导出为一组单独的透明 RGBA PNG 图层。文字会在最上层，辅助卡片在文字下方，背景层垫底。

项目还延伸出了配套的工作流技能，比如 Ling UI Design 可以结合图层拆解辅助智能体根据提示词或截图写 UI 代码，Image to Editable PPT 则能把生成的单页图转成包含原生文本和形状的可编辑 PowerPoint 幻灯片。

怎么做到的与硬件门槛

为了精准控制排版和文字，它引入了类似 Figma 的结构化 JSON 提示词流程。官方建议先用 Ling-3.0-flash-VL 或 qwen3.8-27B 这类视觉语言模型做提示词增强，把简单的一句话扩展成包含图层坐标、层级关系、颜色色值和逐字文本的结构化描述，再喂给图像模型渲染。

图层拆解同样依赖这种指令引导。视觉语言模型会先分析原始图片，生成严格的层级规划，确保文字逐字保留在最前层，主体和背景分离开来。

根据报道，在 Artificial Analysis 的 UI/UX 设计开源权重排行榜上，Ming Image Design 目前排在首位。开源授权采用宽松的 MIT License。

部署规格上，基础版 Ming Image Design 模型文件约 12GB，Design Layer 模型约 24GB。官方验证推荐的默认运行环境是单张至少 80 GiB 显存的 GPU，采用 BF16 精度推理，支持 FlashAttention 2。

代码和权重已发布在 GitHub、Hugging Face 和 ModelScope，官方也提供了在线 Demo。

为什么重要

我们认为这个项目打中了视觉生成落地里最痛的一个环节：可编辑性。过去的文生图工具更像在生成插画，设计师拿到一张图后很难二次修改，文字改不动，图层分不开。Ming Image 把生成和图层解耦结合在一起，配合透明通道，让 AI 产物能够真正放进 Figma 或 PPT 这样的生产工具里继续加工。

它的主要门槛在运行成本上。官方推荐的单卡 80 GiB 显存对个人开发者和轻量设计工作室来说偏高，本地跑起来并不轻松。但如果你正在为应用搭建自动生成界面、海报模板或制作信息图的工作流，它目前开源的权重和工作流非常值得接入测试。