Zum Hauptinhalt springen

Kandinsky LabTongyi-MAI, AlibabaBildmodell-Duell

Kandinsky-5.0-T2I-Lite-Pretrainvs.Z-Image Base

Welches ist besser?

In unserem eigenen Benchmark GraduallyBench Image v2 liegt Z-Image Base leicht vorn, aber nicht sicher. In der Arena fehlen beide. Beide haben keinen API-Preis.

GraduallyBench Image v2Eigener Benchmark0 bis 100 · höher ist besser
25

Kandinsky-5.0-T2I-Lite-Pretrain

Platz 90 von 108

36

Z-Image Base

Platz 72 von 108

Plätze unter den 21 Bildmodellen mit Arena-Wertung und den 108 mit Lauf in GraduallyBench Image v2; Preisvergleich mit 28 Modellen mit API-Preis.

Testbilder aus GraduallyBench Image v2

Eigener BenchmarkDie Bilder stammen aus GraduallyBench Image v2, unserem eigenen Benchmark: Jedes Modell bekommt dieselben vier Aufgaben, und zwei KI-Prüfer vergleichen die Bilder paarweise und blind.

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

Kandinsky-5.0-T2I-Lite-Pretrain: Figur und Details, erstes Bild aus dem festen Testlauf
Kandinsky-5.0-T2I-Lite-Pretrain12 von 100
Z-Image Base: Figur und Details, erstes Bild aus dem festen Testlauf
Z-Image Base60 von 100

Ergebnis bei „Figur und Details“:Z-Image Base 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“: die 95-%-Bereiche beider Werte überschneiden sich nicht. „Knapp vorn“: höherer Wert, aber die Bereiche überschneiden sich.

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

Kandinsky-5.0-T2I-Lite-Pretrain: manual, local PyTorch 2.13.0, Diffusers 0.36.0; kandinskylab/Kandinsky-5.0-T2I-Lite-pretrain-Diffusers@0df26d22e3290e9778b0471457d651a51d83ae3d; native 1024x1024, 1:1; one request, first output; steps=50, guidance=3.5, seed=893590444446603478; mps for text encoder and denoising; cpu for native VAE decode; bfloat16 for text encoders; float32 for transformer and CPU VAE; native tokenizer truncation: CLIP 80 to 77 tokens; archived input unchanged, erstellt 02.11.2026, 20:56. Quelle

Z-Image Base: fal, requested 1024x1024, n=1, seed=1788591829, estimated cost $0.020000, erstellt 01.11.2026, 21:35. Quelle

Protokoll gradually-image-comparison-v1. Prompt SHA 256: 985a75b38642a9f0e5e0c0e0c67f1b7f67780d42bd2168fa24e9a7a7a94b0da6

Kandinsky-5.0-T2I-Lite-Pretrain Bild SHA 256: af9bdf8492b30fdaeb79b8f51d168a948d43ee1bbb29107f50a2f794db91a2e0

Z-Image Base Bild SHA 256: 7a9c8b160230e302e618ad99ed1047d36b66bdc759d8455d0479048c442cdf75

Infografik

Kandinsky-5.0-T2I-Lite-Pretrain: manual, local PyTorch 2.13.0, Diffusers 0.36.0; kandinskylab/Kandinsky-5.0-T2I-Lite-pretrain-Diffusers@0df26d22e3290e9778b0471457d651a51d83ae3d; native 1024x1024, 1:1; one request, first output; steps=50, guidance=3.5, seed=6008496123190594626; mps for text encoder and denoising; cpu for native VAE decode; bfloat16 for text encoders; float32 for transformer and CPU VAE, erstellt 02.11.2026, 21:08. Quelle

Z-Image Base: fal, requested 1024x1024, n=1, seed=2013338091, estimated cost $0.020000, erstellt 01.11.2026, 21:35. Quelle

Protokoll gradually-image-comparison-v1. Prompt SHA 256: ed65cb4e6a51e2336f8b149ad4cbb16e020f07d527ad94362e719d2dcf91d94f

Kandinsky-5.0-T2I-Lite-Pretrain Bild SHA 256: 6d1a99203c55f6a9ba5853aae207dfc5e264adc73b336253fae874f0243bd60e

Z-Image Base Bild SHA 256: b306143deb4d133e60ff4840e5fb8271d445f5a4944b98e89346763d84a19d30

Produktfotografie

Kandinsky-5.0-T2I-Lite-Pretrain: manual, local PyTorch 2.13.0, Diffusers 0.36.0; kandinskylab/Kandinsky-5.0-T2I-Lite-pretrain-Diffusers@0df26d22e3290e9778b0471457d651a51d83ae3d; native 1024x1024, 1:1; one request, first output; steps=50, guidance=3.5, seed=8854898730028115945; mps for text encoder and denoising; cpu for native VAE decode; bfloat16 for text encoders; float32 for transformer and CPU VAE; native tokenizer truncation: CLIP 80 to 77 tokens; archived input unchanged, erstellt 02.11.2026, 20:46. Quelle

Z-Image Base: fal, requested 1024x1024, n=1, seed=1140297503, estimated cost $0.020000, erstellt 01.11.2026, 21:35. Quelle

Protokoll gradually-image-comparison-v1. Prompt SHA 256: c67fd71e91304458a2feef5c91efa8677260fab0c0099a29a2c52cb579f5b2f3

Kandinsky-5.0-T2I-Lite-Pretrain Bild SHA 256: 83169f5969d6ed636c5ba8ff01236290417a5942deec1089b4725cfeb0dc2b76

Z-Image Base Bild SHA 256: 11b631f154a0ddff86df21d6d8ffab0d208d51df894f3563dd6818d20b450aae

Typografie und Layout

Kandinsky-5.0-T2I-Lite-Pretrain: manual, local PyTorch 2.13.0, Diffusers 0.36.0; kandinskylab/Kandinsky-5.0-T2I-Lite-pretrain-Diffusers@0df26d22e3290e9778b0471457d651a51d83ae3d; native 1024x1024, 1:1; one request, first output; steps=50, guidance=3.5, seed=9114026266664490789; mps for text encoder and denoising; cpu for native VAE decode; bfloat16 for text encoders; float32 for transformer and CPU VAE, erstellt 02.11.2026, 20:36. Quelle

Z-Image Base: fal, requested 1024x1024, n=1, seed=194884257, estimated cost $0.010486, erstellt 01.11.2026, 21:20. Quelle

Protokoll gradually-image-comparison-v1. Prompt SHA 256: 2e012c3d14ee5dd02203a94f394ca80a5038cdebd6032b25a8b8a221f2255419

Kandinsky-5.0-T2I-Lite-Pretrain Bild SHA 256: 89cd2a1137d4d2ceb46c44b030f889bb3b14ac96ae190d2eb271dff02cfb5b74

Z-Image Base Bild SHA 256: 62dbb49a07e3efe0f82ae9051fac20fce00a8f82b57ebe37a526b5176523c84f

Im Abo und per API

Kandinsky-5.0-T2I-Lite-Pretrain

Im Abo
k. A. Kein Tarif in Deutschland nennt genau dieses Modell.
Per API
Kein API-Preis bekannt (Zugang: lokal).
Gewichte
Offene Gewichte.

Z-Image Base

Im Abo
k. A. Kein Tarif in Deutschland nennt genau dieses Modell.
Per API
Kein API-Preis bekannt (Zugang: lokal).
Gewichte
Offene Gewichte.

Im Abo zählen nur Tarife, die genau dieses Modell nennen. Abo-Preise inkl. USt, API-Preise in Dollar.

GraduallyBench Image v2 vom 07.11.2026 · Abo-Datenbank vom 29.09.2026 (47 Tage alt)

Alle Daten im Vergleich

Der bessere Wert ist fett. Bei den Wertungen nur, wenn der Abstand klar ist.

KennzahlKandinsky-5.0-T2I-Lite-PretrainZ-Image Base
Wertungen
Arena-Wertungaus Stimmen von Nutzerinnen und Nutzern, höher ist besserk. A.k. A.
Platz in der Arenak. A.k. A.
Stimmen in der Arenamehr Stimmen, sicherere Wertungk. A.k. A.
GraduallyBench Image v2unser eigener Benchmark, 0 bis 1002536
GraduallyBench Image v2 je Aufgabe
Typografie und Layoutlesbaren Text, Hierarchie und Komposition935
ProduktfotografieMaterialien, Reflexionen und kleine Details5125
Figur und DetailsAnatomie, Kleidung und räumliche Konsistenz1260
InfografikZahlen, Beschriftungen und visuelle Ordnung2625
Preis über die API
Je Bildniedriger ist besserk. A.k. A.
100 Bilderk. A.k. A.
Steckbrief
Erschienenk. A.27.01.2026
Gewichteoffen heißt: lokal nutzbaroffenoffen
Zuganglokallokal
Parameter6 Mrd.6 Mrd.
Größte Ausgabenicht einheitlich veröffentlichtnicht einheitlich veröffentlicht
Tarife in Deutschlandmit genau diesem Modellnamenk. A.k. A.

API-Preise für ein Bild mit 1.024 × 1.024 Pixeln laut Artificial Analysis.

Quellen: Modellquelle Kandinsky-5.0-T2I-Lite-Pretrain (geprüft 01.11.2026) · Modellquelle Z-Image Base (geprüft 01.11.2026)

Arena-Wertungen je Kategorie

Aus blinden Abstimmungen bei Artificial Analysis und LMArena, die Quellen stehen unter der Karte. „Vorn“ heißt: der Vorsprung ist klar.

Kein gemeinsamer Arena-Wert im gespeicherten Stand

Für Kandinsky-5.0-T2I-Lite-Pretrain und Z-Image Base enthält die gespeicherte Benchmarkdatenbank noch keine Messung derselben Arena und Kategorie. Ältere Modellversionen werden nicht als Ersatz verwendet.

Weitere Vergleiche

Vergleiche Kandinsky-5.0-T2I-Lite-Pretrain und Z-Image Base mit den Modellen, die am häufigsten mit ihnen verglichen werden.

Anderes Duell vergleichen

Die beliebtesten Vergleiche

  1. 1Anima Base v1.0 vs. Z-Image Base