# Ming-Image 0.1 пришла на Mac: Swift/MLX-порт для RGBA-графики и слоёв

Источник: https://modelium.tech/zhurnal/ming-image-0-1-mlx-swift-mac-rgba-layers/

26 сентября вышел Swift/MLX-порт Ming-Image 0.1 с двумя отдельными пакетами весов: Design генерирует RGBA-графику по тексту, Design-Layer раскладывает готовый макет на редактируемые слои. Это новый локальный способ запуска на Apple Silicon, а не выпуск новых базовых моделей. Пока доступны только тяжёлые bf16-чекпойнты; оценки скорости и памяти принадлежат автору порта.

Ming-Image 0.1 на Apple Silicon: появился Swift/MLX-порт

26 сентября 2026 года автор проекта `ming-image-swift` пометил тегом **v0.1.0** нативный Swift/MLX-порт двух ранее выпущенных моделей inclusionAI. В тот же день появились два отдельных репозитория весов в `mlx-community`: **Ming-Image-0.1-Design-bf16** для генерации изображений по тексту и **Ming-Image-0.1-Design-Layer-bf16** для разложения готовой картинки на слои. Это новость о способе локального запуска на Mac, **не** о новой версии исходных весов. [s1](#src-s1) [s2](#src-s2) [s3](#src-s3)

## Что меняется для локального использования

Первый пакет предназначен для постеров, карточек и других графических макетов: выход — RGBA PNG, в том числе с прозрачным фоном. Второй принимает исходное изображение и текстовое описание желаемых слоёв, возвращая отдельные RGBA-слои и собранную композицию. Код разделён на ядро `MingImage` и пакет `MLXMingImage` для MLXEngine; манифест Swift Package требует **macOS 26** и Metal GPU. Оба пакета весов содержат полные деревья компонентов, включая MLLM, коннектор, трансформер и VAE. [s2](#src-s2) [s3](#src-s3) [s4](#src-s4) [s7](#src-s7)

Автор приводит пример подключения Swift Package по тегу `v0.1.0` и использования `MingImageT2IPackage` либо `MingImageLayerPackage`. Для весов конфигурации по умолчанию выбирают репозитории `mlx-community/...-bf16`; можно указать локальный `snapshotPath`. Прежде чем переносить пример в приложение, нужно скачать соответствующий пакет и проверить место на диске: каждый репозиторий — **около 49,8 ГБ файлов**, причём это объём весового пакета, а не универсальное требование к RAM или VRAM. Перепутанные Design/Layer-чекпойнты загрузчик отвергает. [s2](#src-s2) [s3](#src-s3) [s4](#src-s4)

## Что именно проверено, а что пока нет

По документации **автора порта**, сравнения с эталонным PyTorch-пайплайном прошли на контрольных примерах; он сообщает близость результата генерации и слоёв на тестовых входах, а также замеры на M5 Max. Для 1024² у Design заявлено около **2 секунд на шаг**, для разложения четырёх слоёв при размере 512 — около **2,3 минуты**. Это не независимые испытания Modelium и не обещание такой скорости на любом Mac. Тесты прозрачности также ограничены: стекло и другие полупрозрачные объекты могут получиться непрозрачными или с нарисованной шахматной подложкой. [s2](#src-s2) [s3](#src-s3) [s5](#src-s5)

В авторском smoke-тесте процесса при 2048² указано **44 ГБ** пикового потребления с ограничением кэша MLX до 4 ГБ и **110 ГБ** без него. Поэтому автор рекомендует ориентироваться на Mac с 64 ГБ или более для bf16, но это **рекомендация по его условиям испытания**, а не установленный минимум. В `PORTING-SPEC.md` измерение памяти внутри приложения ещё помечено как незавершённое; в тестовой утилите лимит кэша выставляется явно. Не переносите число из тестового стенда в требования ко всем сценариям. Квантованные версии только запланированы: сейчас доступны bf16-пакеты. [s2](#src-s2) [s3](#src-s3) [s5](#src-s5)

## Лицензия и выбор сценария

Включённый в веса `LICENSE` и лицензия кода порта — **MIT**; это разрешительная лицензия, допускающая коммерческое использование при сохранении текста лицензии и уведомления об авторстве. Открытые веса и открытый код здесь есть, но сам по себе статус репозитория не означает бесплатных вычислений или готового приложения. Для генерации графики выбирайте Design, для редактируемых слоёв — Design-Layer. Если Mac не подходит по памяти или нужна оригинальная среда PyTorch/CUDA, исходные модели и их запуск разобраны в нашей [предыдущей статье](/zhurnal/ming-image-0-1-design-rgba-layers/). [s2](#src-s2) [s3](#src-s3) [s6](#src-s6)

**Итог:** реальная новинка — нативный путь Swift/MLX для двух задач Ming-Image на Apple Silicon. Сначала оцените дисковый объём двух независимых пакетов и ограничения bf16; авторские цифры качества и производительности не являются универсальным бенчмарком. [s1](#src-s1) [s5](#src-s5)

## Источники

1. [xocialize/ming-image-swift: аннотированный тег v0.1.0](https://github.com/xocialize/ming-image-swift/releases/tag/v0.1.0) — получено 2026-09-27
2. [MLX Community: Ming-Image-0.1-Design-bf16, закреплённая ревизия](https://huggingface.co/mlx-community/Ming-Image-0.1-Design-bf16/tree/313b1ac7a3fc85ab879e1372fc6a79382e966107) — получено 2026-09-27
3. [MLX Community: Ming-Image-0.1-Design-Layer-bf16, закреплённая ревизия](https://huggingface.co/mlx-community/Ming-Image-0.1-Design-Layer-bf16/tree/3f5fd6b09fa10ceacabdba9245f3d45ba6e621e9) — получено 2026-09-27
4. [ming-image-swift: исходный код порта v0.1.0](https://github.com/xocialize/ming-image-swift/tree/v0.1.0) — получено 2026-09-27
5. [ming-image-swift: PORTING-SPEC и условия авторских проверок](https://github.com/xocialize/ming-image-swift/blob/v0.1.0/PORTING-SPEC.md) — получено 2026-09-27
6. [MLX Community: включённый MIT LICENSE весов Design](https://huggingface.co/mlx-community/Ming-Image-0.1-Design-bf16/blob/313b1ac7a3fc85ab879e1372fc6a79382e966107/LICENSE) — получено 2026-09-27
7. [ming-image-swift: Swift Package manifest v0.1.0](https://github.com/xocialize/ming-image-swift/blob/v0.1.0/Package.swift) — получено 2026-09-27