HiDream-O1-Imagevs.Boogu-Image-0.1-Turbo

Welches ist besser?

In unserer eigenen Bewertung liegt HiDream-O1-Image vorn. Boogu-Image-0.1-Turbo hat noch keine Arena-Wertung. Boogu-Image-0.1-Turbo hat keinen API-Preis.

Testbilder

Gleicher Auftrag, je das erste Bild. Vorausgewählt ist die Aufgabe mit dem größten Unterschied.

HiDream-O1-Image: Figur und Details, erstes Bild aus dem festen Testlauf — HiDream-O1-Image45 von 100

Boogu-Image-0.1-Turbo: Figur und Details, erstes Bild aus dem festen Testlauf — Boogu-Image-0.1-Turbo5 von 100

Ergebnis bei „Figur und Details“:HiDream-O1-Image vorn

Auftrag an beide Modelle (Original englisch)Create a square cinematic full-body portrait of a fictional bicycle courier waiting under a transparent umbrella at a rainy tram stop in Hamburg at blue hour. She wears a mustard raincoat, navy trousers, red sneakers, a silver helmet, and carries a teal messenger bag. Keep both hands visible, render the bicycle correctly, use realistic wet-street reflections, and include no readable brand names.

Darauf achtet die Bewertung: Anatomie, Kleidung und räumliche Konsistenz.

„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

HiDream-O1-Image: fal, requested 1024x1024, n=1, seed=1735022440, estimated cost $0.010486, erstellt 14.08.2026, 13:53. 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

HiDream-O1-Image Bild SHA 256: 9ac2cbe23ee6a63b0daacd665a40c3471c52c52fd6ad23e46d3027bb95f8c880

Boogu-Image-0.1-Turbo Bild SHA 256: 0c90d3a3e12870784d8b576ac3ace689b6cb627a4222f7cfc4a0d3793b9e4a37

Infografik

HiDream-O1-Image: fal, requested 1024x1024, n=1, seed=1456348218, estimated cost $0.010486, erstellt 14.08.2026, 13:53. 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

HiDream-O1-Image Bild SHA 256: 258eece8b53e4df0c990b78dee2e02ec57569b1c823c3feff2ab54671240d66f

Boogu-Image-0.1-Turbo Bild SHA 256: 096ae82e5a28ef1095f159019c41983c84a0c670a76e752fb3a1f9600fa7c45a

Produktfotografie

HiDream-O1-Image: fal, requested 1024x1024, n=1, seed=124666889, estimated cost $0.010486, erstellt 14.08.2026, 13:53. 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

HiDream-O1-Image Bild SHA 256: 5a9cd3c59556412e4de93a3ef5c4121ec12b6cc02730cad527619c2d8a889783

Boogu-Image-0.1-Turbo Bild SHA 256: 50719aadf378d21848c83dbdb510a8134c80be05cbb2b718182a95e9cbb28164

Typografie und Layout

HiDream-O1-Image: fal, requested 1024x1024, n=1, seed=2131088503, estimated cost $0.010486, erstellt 14.08.2026, 14:41. 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

HiDream-O1-Image Bild SHA 256: 418a9b974b87b751ad2e4e98cdf6b8d7e2f8f352aed63d25be84c02377f310d1

Boogu-Image-0.1-Turbo Bild SHA 256: cec0e99f796e6d0e4dafc517afc93fd93041aecbd52cef74a421ea9c3a15ab69

Die Zahlen im Überblick

Arena-Wertungaus Stimmen von Nutzerinnen und Nutzern · höher ist besser

1.115

HiDream-O1-Image

Platz 19 von 21

k. A.

Boogu-Image-0.1-Turbo

nicht in der Arena

GraduallyBenchunsere eigene Bewertung, 0 bis 100 · höher ist besser

HiDream-O1-Image

Platz 77 von 108

Boogu-Image-0.1-Turbo

Platz 104 von 108

Preis je BildDollar über die API · niedriger ist besser

0,04 $

HiDream-O1-Image

eher günstig

k. A.

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.

HiDream-O1-Image

Im Abo: k. A. Kein Tarif in Deutschland nennt genau dieses Modell.
Per API: 0,04 $ je Bild, 100 Bilder 4 $.
Lizenz: Offene Gewichte.

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.

Arena-Wertung (LMArena) vom 06.11.2026 · 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	HiDream-O1-Image	Boogu-Image-0.1-Turbo
Wertungen
Arena-Wertungaus Stimmen von Nutzerinnen und Nutzern, höher ist besser	1.115	k. A.
Platz in der Arena	Platz 19 von 21	k. A.
Stimmen in der Arenamehr Stimmen, sicherere Wertung	79.970	k. A.
GraduallyBenchunsere eigene Bewertung, 0 bis 100	34	9
GraduallyBench je Aufgabe
Typografie und LayoutLesbarer Text, Hierarchie und Komposition	18	18
ProduktfotografieMaterialien, Reflexionen und kleine Details	31	6
Figur und DetailsAnatomie, Kleidung und räumliche Konsistenz	45	5
InfografikZahlen, Beschriftungen und visuelle Ordnung	43	8
Preis über die API
Je Bildniedriger ist besser	0,04 $	k. A.
100 Bilder	4 $	k. A.
Steckbrief
Erschienen	Mai 2026	k. A.
Gewichteoffen heißt: lokal nutzbar	offen	offen
Zugang	API, lokal	lokal
Parameter	8 Mrd.	10 Mrd.
Größte Ausgabe	2.048 × 2.048 Pixel	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 HiDream-O1-Image (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 HiDream-O1-Image 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 HiDream-O1-Image und Boogu-Image-0.1-Turbo mit den Modellen, die am häufigsten mit ihnen verglichen werden.

Anderes Duell vergleichen

Erstes BildmodellZweites Bildmodell