# Ming-Image на Mac: Swift/MLX-порт 0.2.0 и два 4-битных пакета

Источник: https://modelium.tech/zhurnal/ming-image-0-1-swift-mlx-4bit-apple-silicon/

27 сентября 2026 года проект ming-image-swift выпустил тег v0.2.0, а mlx-community разместило 4-битные пакеты для Ming-Image 0.1 Design и Design-Layer. Это отдельный Swift/MLX-порт двух уже известных моделей для Apple Silicon, а не новый релиз исходных весов inclusionAI. Автор заявляет запуск 4-битного уровня на Mac с 36 ГБ объединённой памяти по собственным испытаниям; совместимость с меньшими конфигурациями отсюда не следует.

## Что появилось

27 сентября 2026 года опубликован тег **ming-image-swift v0.2.0** — сторонний Swift/MLX-порт моделей inclusionAI Ming-Image 0.1 для Apple Silicon. В тот же день в `mlx-community` появились отдельные 4-битные пакеты **Design** (генерация графики по тексту с возможностью RGBA) и **Design-Layer** (разложение готового изображения на слои). Это новый путь локального инференса на Mac, а **не** новая базовая модель: оригинальные Design и Design-Layer уже выходили и освещены отдельно [s1](#src-s1) [s2](#src-s2) [s3](#src-s3) [s4](#src-s4).

На закреплённых ревизиях обоих репозиториев есть файлы модели, индексы весов, конфигурации компонентов и LICENSE. У Design индекс MLLM ссылается на семь шардов, индекс диффузионного трансформера — на пять; у Layer индекс трансформера — на девять. Эти числа сверены с перечнем файлов в HF API. Репозитории не требуют разрешения на скачивание [s2](#src-s2) [s3](#src-s3).

## Что значит «4-bit»

Это не равномерное преобразование всех компонентов в четыре бита. По карточкам и конфигурациям порта, MoE-компонент MLLM квантизован до 4 бит; connector и слои внимания/feed-forward диффузионного трансформера остаются 8-битными. Маршрутизаторы, embeddings, нормы, ViT, VAE и часть conditioning сохраняют более высокую точность. Автор описывает weight-only affine, группу 64; на закреплённом Design-пакете конфигурация MLLM показывает `bits: 4`, а transformer — `bits: 8` [s1](#src-s1) [s2](#src-s2).

Порт выбирает уровень через `quant: .int4` в Swift-пакете `MingImageT2IPackage` либо `MingImageLayerPackage`; загрузчик сопоставляет конфигурацию уровня с сохранёнными весами. Пример в карточках предназначен для интеграции Swift/MLXEngine, а не для обычного Python Diffusers или штатного `mlx-lm`. В самом репозитории Swift минимальная платформа в `Package.swift` — macOS 26. Modelium не запускал порт и не проверял его на собственной машине [s1](#src-s1) [s2](#src-s2) [s3](#src-s3).

## Память, скорость и качество — данные автора

Создатель порта заявляет размер каждого 4-битного пакета около **20,5 ГБ на диске** против 49,8 ГБ у собственного bf16-пакета. В его опытах на **M5 Max** с ограничением кэша MLX до 2 ГБ максимальный `phys_footprint` составил 19,7 ГБ для Design и 20,0–20,6 ГБ для Layer в указанных сценариях. По этим тестам MLXEngine допускает уровень на Mac с 36 ГБ объединённой памяти. Это **не** независимо установленная минимальная конфигурация: дисковый размер не равен требованию к RAM, а измеренный процесс не описывает все параллельные нагрузки и версии оборудования [s1](#src-s1) [s2](#src-s2) [s3](#src-s3).

Для Design автор сообщает 116/122 точных строк и 10/16 полностью правильных текстовых плакатов на своём тесте 4-bit против 117/122 и 12/16 у bf16. Для генерации прозрачных объектов: 4/6 против 5/6; сам разработчик рекомендует 8-bit или bf16, если важна альфа-прозрачность. Для разложения слоёв на собственном наборе вывесок автор сообщает отличие не более 0,2 дБ от bf16, но также отмечает лишний текст вне текстового слоя на сложном кадре. Эти выборки, критерии и изображения принадлежат разработчику; независимого воспроизведения здесь нет [s1](#src-s1) [s2](#src-s2) [s3](#src-s3).

## Как принять решение

Если нужен локальный монтаж постеров или многослойная графика на Apple Silicon, сначала проверьте версию macOS, поддержку Swift/MLXEngine и совместимость вашего приложения с `MingImageT2IPackage` или `MingImageLayerPackage`. Скачивайте **соответствующий задаче** пакет: Design для генерации, Design-Layer для раскладки изображения. Не подменяйте один другим и проверяйте правописание текста и альфа-канал на итоговом экспорте. Авторская граница слоя — 12 элементов; тесты крупного декодирования относятся к версии порта 0.2.0, не к универсальной гарантии для любых размеров [s1](#src-s1) [s2](#src-s2) [s3](#src-s3).

Оба набора производных весов содержат MIT LICENSE исходного inclusionAI. Код Swift-порта отдельно опубликован под MIT. Это открытые веса и доступный исходный код с разрешением на коммерческое использование при сохранении уведомлений лицензии; утверждение о качестве и пригодности в конкретном продукте лицензией не подтверждается [s2](#src-s2) [s3](#src-s3) [s4](#src-s4) [s5](#src-s5).

## Источники

1. [xocialize/ming-image-swift: тег v0.2.0, README, Package.swift и код порта](https://github.com/xocialize/ming-image-swift/tree/v0.2.0) — получено 2026-09-28
2. [mlx-community: Ming-Image-0.1-Design-4bit, закреплённая ревизия 94c7a1e](https://huggingface.co/mlx-community/Ming-Image-0.1-Design-4bit/tree/94c7a1eadad71d08ee9eeb696665ff108f8752b4) — получено 2026-09-28
3. [mlx-community: Ming-Image-0.1-Design-Layer-4bit, закреплённая ревизия c5741a9](https://huggingface.co/mlx-community/Ming-Image-0.1-Design-Layer-4bit/tree/c5741a9af389b5cacde9c64445be426242ce4085) — получено 2026-09-28
4. [inclusionAI: исходная Ming-Image-0.1-Design и лицензия](https://huggingface.co/inclusionAI/Ming-Image-0.1-Design/blob/208087ada1486931692c1896f38d4cd16ff3df82/LICENSE) — получено 2026-09-28
5. [xocialize/ming-image-swift: MIT LICENSE на код порта](https://github.com/xocialize/ming-image-swift/blob/v0.2.0/LICENSE) — получено 2026-09-28