蚂蚁百灵开源 Ming-Image-0.1-Design：6B 模型登顶开放权重 UI/UX 设计榜，支持可编辑图层分解与 Agent Skills

蚂蚁集团百灵团队正式开源 Ming-Image-0.1-Design 系列，包含两个 6B 参数模型及两个配套 Agent Skills。

• Ming-Image-0.1-Design 在 Artificial Analysis UI/UX Design 排行榜开放权重模型中位列第一，可从结构化提示词（≤8K tokens）生成完整 UI、信息图、海报等视觉设计，并原生支持 RGBA 透明背景；
• Ming-Image-0.1-Design-Layer 能将扁平图像分解为 2–9 个独立可编辑 RGBA 图层，在 Crello 测试集全部 12 项评估中取得最优结果，且比 20B Qwen 基线快 4.3 倍。

同步开源的 Ling UI Design Skill 实现“提示词/截图→设计→资产→代码→浏览器验证”全链路视觉编码工作流；Image-to-Editable-PPT Skill 可将幻灯片截图转为原生可编辑 PowerPoint 文件（文本/形状/颜色/布局均可修改），而非简单贴图。

• GitHub：https://github.com/inclusionAI/Ming-Image
• Ming-Image-0.1-Design：https://modelscope.cn/models/inclusionAI/Ming-Image-0.1-Design
• Ming-Image-0.1-Design-Layer：https://modelscope.cn/models/inclusionAI/Ming-Image-0.1-Design-Layer
• ComfyUI：https://huggingface.co/Kijai/Ming-Image-ComfyUI

核心模型能力详解

Ming-Image-0.1-Design（文生设计）

• 输入：结构化提示词（最多 8K tokens），支持布局、排版、配色、图像引用等细粒度控制
• 输出：完整视觉设计（UI/仪表板/信息图/海报），风格一致、元素协调
• RGBA 原生支持：直接生成带透明通道的资产，无需后期抠图
• 应用场景：快速原型、营销物料、数据可视化、品牌视觉系统构建

Ming-Image-0.1-Design-Layer（图层分解）

• 输入：任意扁平化设计图像
• 输出：2–9 个语义化 RGBA 图层（如标题、卡片、主体、背景），每层独立可移动/替换/重着色
• 性能优势：Crello 基准全场景 SOTA；推理速度比 20B Qwen 快 4.3×
• 核心价值：将静态图片转化为可复用设计资产，打通 Figma/Sketch/PPT 等工具链

Agent Skills：从生成到生产的闭环

💡 关键区别：传统 AI PPT 工具仅嵌入图片，此 Skill 还原 PowerPoint 原生对象结构，真正实现“可编辑”。

技术亮点

• 小模型大能力：6B 参数在专业设计任务上超越更大模型，证明领域专精优于通用规模
• 可编辑性优先：Layer 模型输出非像素级分割，而是语义化、设计师友好的图层结构
• Agent 原生集成：Skills 不是独立工具，而是可被 LLM 调用的标准化能力单元，嵌入自动化流水线
• 开源生态补位：填补开放权重模型在“设计生成+可编辑分解”交叉领域的空白

使用建议与边界认知

✅ 强烈推荐：

• 设计师快速出稿与资产复用
• 开发者将设计稿转为可维护代码
• 企业批量转换历史 PPT 为可编辑模板
• 教育/培训内容二次创作
• 开源项目文档视觉化

⚠️ 注意事项：

• 提示词结构化要求高：自由文本效果差，需遵循官方指导
• Layer 分解上限 9 层：超复杂设计可能合并或丢失细节
• PPT Skill 依赖 Office Open XML：非标准格式（如 Keynote 导出图）兼容性未保证
• RGBA 透明度精度：半透明边缘可能有轻微锯齿，生产环境需人工微调
• Agent Skills 需宿主框架：单独运行无效，需接入支持 Skill 调用的 Agent 系统（如 LangChain/AutoGen）

Ming-Image-0.1-Design 的价值不在于“画得更好”，而在于让 AI 生成的设计真正进入人类工作流。它把原本属于黑箱的视觉创作，变成了可拆解、可修改、可验证的工程对象。

对于设计师，这是效率放大器；对于开发者，这是设计-代码鸿沟的桥梁；对于组织，这是知识资产复活的钥匙。