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

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 s2 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 s3 s4 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 s3 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 s3 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 s3 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. s2 s3 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 s5