Grok Imagine Image Qualityvs.Boogu-Image-0.1-Turbo
Welches ist besser?
In unserer eigenen Bewertung liegt Grok Imagine Image Quality vorn. In der Arena fehlen beide. Boogu-Image-0.1-Turbo hat keinen API-Preis.
Testbilder
Gleicher Auftrag, je das erste Bild. Vorausgewählt ist die Aufgabe mit dem größten Unterschied.
Ergebnis bei „Typografie und Layout“:Grok Imagine Image Quality vorn
Darauf achtet die Bewertung: Lesbarer Text, Hierarchie und Komposition.
„Vorn“: in allen drei Bewertungsrunden besser. „Knapp vorn“: höherer Wert, aber nicht in jeder Runde.
Testprotokoll der Bilder
Jeder Testversuch verwendet denselben archivierten Prompt und einen Auftrag. Es zählt die erste Ausgabe dieses Versuchs. Wiederholungen nach technischen Testfehlern sind bei den betroffenen Bildern vermerkt. Die Dateien werden ohne Beschnitt auf 1.024 × 1.024 Pixel vereinheitlicht. Anbieterabhängige Auflösung, Zufall, Qualitätsstufe und Prompt-Verarbeitung können trotzdem abweichen. Die Bilder sind ein visueller Praxistest, keine Rekonstruktion der Arena-Konfiguration.
Figur und Details
Grok Imagine Image Quality: openrouter, aspect ratio 1:1, resolution 1K, n=1, seed=provider random, actual cost $0.050000, erstellt 14.08.2026, 13:34. Quelle
Boogu-Image-0.1-Turbo: manual, local PyTorch 2.11.0, Diffusers 0.38.0; Boogu/Boogu-Image-0.1-Turbo@47cd26d3c211b030c64ffe60d63b2e17a7c519c2; native 1024x1024, 1:1; one request, first output; steps=4, guidance=1.0, seed=2111621457284287488; mps; native PyTorch fallback is enabled by PYTORCH_ENABLE_MPS_FALLBACK=1; actual CPU operation use is not measured; bfloat16; upstream boogu-project/Boogu-Image@9b327526b1053e1f27f1bd0ae36b20ce2c39cb9e; reviewed MPS device allowlist and empty-reference self-attention only on original CPU SDPA, unchanged arguments and dtype; nonempty attention remains on MPS; no CUDA numeric equivalence claimed; native VAE input saved after scaling and shift, decoded float output finite before native same-size interpolation; native instruction template without rewriting; original DMD student inference, conditioning sigma 0.001, erstellt 02.11.2026, 23:24. Quelle
Protokoll gradually-image-comparison-v1. Prompt SHA 256: 985a75b38642a9f0e5e0c0e0c67f1b7f67780d42bd2168fa24e9a7a7a94b0da6
Grok Imagine Image Quality Bild SHA 256: b6cccae7af9a70af45a46b9e3264fa6971101e04979f7a0539e889ba6521250a
Boogu-Image-0.1-Turbo Bild SHA 256: 0c90d3a3e12870784d8b576ac3ace689b6cb627a4222f7cfc4a0d3793b9e4a37
Infografik
Grok Imagine Image Quality: openrouter, aspect ratio 1:1, resolution 1K, n=1, seed=provider random, actual cost $0.050000, erstellt 14.08.2026, 13:34. Quelle
Boogu-Image-0.1-Turbo: manual, local PyTorch 2.11.0, Diffusers 0.38.0; Boogu/Boogu-Image-0.1-Turbo@47cd26d3c211b030c64ffe60d63b2e17a7c519c2; native 1024x1024, 1:1; one request, first output; steps=4, guidance=1.0, seed=8524023330556932596; mps; native PyTorch fallback is enabled by PYTORCH_ENABLE_MPS_FALLBACK=1; actual CPU operation use is not measured; bfloat16; upstream boogu-project/Boogu-Image@9b327526b1053e1f27f1bd0ae36b20ce2c39cb9e; reviewed MPS device allowlist and empty-reference self-attention only on original CPU SDPA, unchanged arguments and dtype; nonempty attention remains on MPS; no CUDA numeric equivalence claimed; native VAE input saved after scaling and shift, decoded float output finite before native same-size interpolation; native instruction template without rewriting; original DMD student inference, conditioning sigma 0.001, erstellt 02.11.2026, 23:24. Quelle
Protokoll gradually-image-comparison-v1. Prompt SHA 256: ed65cb4e6a51e2336f8b149ad4cbb16e020f07d527ad94362e719d2dcf91d94f
Grok Imagine Image Quality Bild SHA 256: 03fbeae7859be72584048dfc23fba0651220ab44c707da66c386b77d90cc86f7
Boogu-Image-0.1-Turbo Bild SHA 256: 096ae82e5a28ef1095f159019c41983c84a0c670a76e752fb3a1f9600fa7c45a
Produktfotografie
Grok Imagine Image Quality: openrouter, aspect ratio 1:1, resolution 1K, n=1, seed=provider random, actual cost $0.050000, erstellt 14.08.2026, 13:34. Quelle
Boogu-Image-0.1-Turbo: manual, local PyTorch 2.11.0, Diffusers 0.38.0; Boogu/Boogu-Image-0.1-Turbo@47cd26d3c211b030c64ffe60d63b2e17a7c519c2; native 1024x1024, 1:1; one request, first output; steps=4, guidance=1.0, seed=9219148100655939974; mps; native PyTorch fallback is enabled by PYTORCH_ENABLE_MPS_FALLBACK=1; actual CPU operation use is not measured; bfloat16; upstream boogu-project/Boogu-Image@9b327526b1053e1f27f1bd0ae36b20ce2c39cb9e; reviewed MPS device allowlist and empty-reference self-attention only on original CPU SDPA, unchanged arguments and dtype; nonempty attention remains on MPS; no CUDA numeric equivalence claimed; native VAE input saved after scaling and shift, decoded float output finite before native same-size interpolation; native instruction template without rewriting; original DMD student inference, conditioning sigma 0.001, erstellt 02.11.2026, 23:23. Quelle
Protokoll gradually-image-comparison-v1. Prompt SHA 256: c67fd71e91304458a2feef5c91efa8677260fab0c0099a29a2c52cb579f5b2f3
Grok Imagine Image Quality Bild SHA 256: 0ea1e48f20bf61ff10414398b5248b0496c9040b3868c915580efd11d0dbaf11
Boogu-Image-0.1-Turbo Bild SHA 256: 50719aadf378d21848c83dbdb510a8134c80be05cbb2b718182a95e9cbb28164
Typografie und Layout
Grok Imagine Image Quality: openrouter, aspect ratio 1:1, resolution 1K, n=1, seed=provider random, actual cost $0.050000, erstellt 14.08.2026, 14:05. Quelle
Boogu-Image-0.1-Turbo: manual, local PyTorch 2.11.0, Diffusers 0.38.0; Boogu/Boogu-Image-0.1-Turbo@47cd26d3c211b030c64ffe60d63b2e17a7c519c2; native 1024x1024, 1:1; one request, first output; steps=4, guidance=1.0, seed=4970356096182813142; mps; native PyTorch fallback is enabled by PYTORCH_ENABLE_MPS_FALLBACK=1; actual CPU operation use is not measured; bfloat16; upstream boogu-project/Boogu-Image@9b327526b1053e1f27f1bd0ae36b20ce2c39cb9e; reviewed MPS device allowlist and empty-reference self-attention only on original CPU SDPA, unchanged arguments and dtype; nonempty attention remains on MPS; no CUDA numeric equivalence claimed; native VAE input saved after scaling and shift, decoded float output finite before native same-size interpolation; native instruction template without rewriting; original DMD student inference, conditioning sigma 0.001; two local attempts: original MPSGraph SIGABRT before output; one identical-prompt, identical-seed technical repeat after reviewed backend-only correction, first output retained; exact failing original operator is not proven, erstellt 02.11.2026, 23:18. Quelle
Protokoll gradually-image-comparison-v1. Prompt SHA 256: 2e012c3d14ee5dd02203a94f394ca80a5038cdebd6032b25a8b8a221f2255419
Grok Imagine Image Quality Bild SHA 256: 84d88fb03bdbba672fc91268f4c120b17a19e4c9d637425aeca8ed44b2397d9f
Boogu-Image-0.1-Turbo Bild SHA 256: cec0e99f796e6d0e4dafc517afc93fd93041aecbd52cef74a421ea9c3a15ab69
Die Zahlen im Überblick
Grok Imagine Image Quality
nicht in der Arena
Boogu-Image-0.1-Turbo
nicht in der Arena
Grok Imagine Image Quality
Platz 54 von 108
Boogu-Image-0.1-Turbo
Platz 104 von 108
Grok Imagine Image Quality
eher günstig
Boogu-Image-0.1-Turbo
kein API-Preis
Plätze unter den 21 Bildmodellen mit Arena-Wertung und den 108 mit GraduallyBench-Lauf; Preisvergleich mit 28 Modellen mit API-Preis.
Grok Imagine Image Quality
- Im Abo
- k. A. Kein Tarif in Deutschland nennt genau dieses Modell.
- Per API
- 0,05 $ je Bild, 100 Bilder 5 $.
Boogu-Image-0.1-Turbo
- Im Abo
- k. A. Kein Tarif in Deutschland nennt genau dieses Modell.
- Per API
- Kein API-Preis bekannt. Zugang: lokal.
- Lizenz
- Offene Gewichte.
Im Abo zählen nur Tarife, die genau dieses Modell nennen. Abo-Preise inkl. USt, API-Preise in Dollar.
GraduallyBench vom 03.11.2026 · API-Preise vom 06.11.2026 · Abo-Datenbank vom 29.09.2026 (38 Tage alt)
Alle Daten im Vergleich
Der bessere Wert ist fett. Bei den Wertungen nur, wenn der Abstand klar ist.
| Kennzahl | Grok Imagine Image Quality | Boogu-Image-0.1-Turbo |
|---|---|---|
| Wertungen | ||
| Arena-Wertungaus Stimmen von Nutzerinnen und Nutzern, höher ist besser | k. A. | k. A. |
| Platz in der Arena | k. A. | k. A. |
| Stimmen in der Arenamehr Stimmen, sicherere Wertung | k. A. | k. A. |
| GraduallyBenchunsere eigene Bewertung, 0 bis 100 | 60 | 9 |
| GraduallyBench je Aufgabe | ||
| Typografie und LayoutLesbarer Text, Hierarchie und Komposition | 88 | 18 |
| ProduktfotografieMaterialien, Reflexionen und kleine Details | 37 | 6 |
| Figur und DetailsAnatomie, Kleidung und räumliche Konsistenz | 56 | 5 |
| InfografikZahlen, Beschriftungen und visuelle Ordnung | 61 | 8 |
| Preis über die API | ||
| Je Bildniedriger ist besser | 0,05 $ | k. A. |
| 100 Bilder | 5 $ | k. A. |
| Steckbrief | ||
| Erschienen | April 2026 | k. A. |
| Gewichteoffen heißt: lokal nutzbar | proprietär | offen |
| Lebenszyklus | Veraltet: xAI zieht die Modellkennung am 2. November 2026 zurück; Anfragen laufen danach auf grok-imagine-image-2.0 (quality=low) | kein Statushinweis |
| Zugang | API, Web-App | lokal |
| Parameter | nicht veröffentlicht | 10 Mrd. |
| Größte Ausgabe | 2K | nicht einheitlich veröffentlicht |
| Tarife in Deutschlandmit genau diesem Modellnamen | k. A. | k. A. |
API-Preise für ein Bild mit 1.024 × 1.024 Pixeln laut Artificial Analysis.
Quellen: Modellquelle Grok Imagine Image Quality, Statusquelle (geprüft 15.08.2026) · Modellquelle Boogu-Image-0.1-Turbo (geprüft 01.11.2026)
Arena-Wertungen je Kategorie
Aus blinden Abstimmungen bei LMArena. „Vorn“ heißt: der Vorsprung ist klar.
Kein gemeinsamer Arena-Wert im gespeicherten Stand
Für Grok Imagine Image Quality und Boogu-Image-0.1-Turbo enthält die gespeicherte Benchmarkdatenbank noch keine Messung derselben Arena und Kategorie. Ältere Modellversionen werden nicht als Ersatz verwendet.
Weitere Vergleiche
Vergleiche Grok Imagine Image Quality und Boogu-Image-0.1-Turbo mit den Modellen, die am häufigsten mit ihnen verglichen werden.