LLaDA-Imagevs.SANA-1.5 1.6B 1024px

Welches ist besser?

In unserer eigenen Bewertung liegt LLaDA-Image vorn. In der Arena fehlen beide. Beide haben keinen API-Preis.

Testbilder

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

LLaDA-Image: Typografie und Layout, erstes Bild aus dem festen Testlauf — LLaDA-Image62 von 100

SANA-1.5 1.6B 1024px: Typografie und Layout, erstes Bild aus dem festen Testlauf — SANA-1.5 1.6B 1024px3 von 100

Ergebnis bei „Typografie und Layout“:LLaDA-Image vorn

Auftrag an beide Modelle (Original englisch)Create a square editorial poster for an imaginary night train called MONDFALTER. Show the exact German headline MONDFALTER and the exact subline BERLIN NACH LISSABON. Use a restrained midnight-blue and warm-cream palette, one stylized moth, strong Swiss-grid typography, generous negative space, and no additional words or logos.

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

LLaDA-Image: manual, 2.13.0 PyTorch, Diffusers 0.39.0, Transformers 4.57.6; inclusionAI/LLaDA-Image@e4e2703f410f7ddb6ee8d6b09dac6a8ec5093039; native 1024x1024, 1:1; one request, first output; steps=50, guidance=5.0; seed=6428048197886116697; MPS generator; BF16 text/diffusion components, FP32 denoising latent, receipt-reported CPU FP32 native VAE decode; negative_prompt argument omitted (None default, not the manufacturer's empty-string example); MPS community PR @ 5395ce055da9975b09f71e21b865973d409bb3cd; official pinned text encoder uses eager MoE fallback and SDPA attention; other image-component attention paths were not independently captured by this review; no CUDA numerical equivalence claimed; MPS fallback permitted, actual fallback operations not measured; two submissions: the original request stopped at the 60-GiB free-space safeguard before image or latent (supervisor exit 143); one technical same-request/same-seed retry produced the retained first completed output; no quality reroll, erstellt 03.11.2026, 08:50. Quelle

SANA-1.5 1.6B 1024px: manual, local PyTorch 2.13.0, Diffusers 0.36.0; Efficient-Large-Model/SANA1.5_1.6B_1024px_diffusers@b77948f2b4eed5c728e9b828ccff07f7427b43cc; native 1024x1024, 1:1; one request, first output; steps=20, guidance=4.5, seed=4913908686846438154; mps for text encoder and denoising; cpu for native VAE decode; bfloat16 for text encoder and transformer; float32 for VAE; native prompt preprocessing lowercases input; optional instruction disabled, erstellt 02.11.2026, 17:32. Quelle

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

LLaDA-Image Bild SHA 256: a34d96894f5500c5bce2c16cca14ae09748f3aff4d47d15f8aff0d1be5749211

SANA-1.5 1.6B 1024px Bild SHA 256: abc8d1fcb514ea7754211b79030abbf92ef83a61e546f19b217ccb06df0aaf45

Infografik

LLaDA-Image: manual, 2.13.0 PyTorch, Diffusers 0.39.0, Transformers 4.57.6; inclusionAI/LLaDA-Image@e4e2703f410f7ddb6ee8d6b09dac6a8ec5093039; native 1024x1024, 1:1; one request, first output; steps=50, guidance=5.0; seed=1354677768900879717; MPS generator; BF16 text/diffusion components, FP32 denoising latent, receipt-reported CPU FP32 native VAE decode; negative_prompt argument omitted (None default, not the manufacturer's empty-string example); MPS community PR @ 5395ce055da9975b09f71e21b865973d409bb3cd; official pinned text encoder uses eager MoE fallback and SDPA attention; other image-component attention paths were not independently captured by this review; no CUDA numerical equivalence claimed; MPS fallback permitted, actual fallback operations not measured, erstellt 03.11.2026, 08:56. Quelle

SANA-1.5 1.6B 1024px: manual, local PyTorch 2.13.0, Diffusers 0.36.0; Efficient-Large-Model/SANA1.5_1.6B_1024px_diffusers@b77948f2b4eed5c728e9b828ccff07f7427b43cc; native 1024x1024, 1:1; one request, first output; steps=20, guidance=4.5, seed=1936313402304398258; mps for text encoder and denoising; cpu for native VAE decode; bfloat16 for text encoder and transformer; float32 for VAE; native prompt preprocessing lowercases input; optional instruction disabled, erstellt 02.11.2026, 17:33. Quelle

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

LLaDA-Image Bild SHA 256: cad67ad3f1a475d12bc2152840dc98657f81b5c7318c09a9e9fa40fbb433372f

SANA-1.5 1.6B 1024px Bild SHA 256: 828815adaab125d67312b64061f9b5a448558e9ac56ec9aa5ce8cf00cb63c481

Produktfotografie

LLaDA-Image: manual, 2.13.0 PyTorch, Diffusers 0.39.0, Transformers 4.57.6; inclusionAI/LLaDA-Image@e4e2703f410f7ddb6ee8d6b09dac6a8ec5093039; native 1024x1024, 1:1; one request, first output; steps=50, guidance=5.0; seed=152405017095880227; MPS generator; BF16 text/diffusion components, FP32 denoising latent, receipt-reported CPU FP32 native VAE decode; negative_prompt argument omitted (None default, not the manufacturer's empty-string example); MPS community PR @ 5395ce055da9975b09f71e21b865973d409bb3cd; official pinned text encoder uses eager MoE fallback and SDPA attention; other image-component attention paths were not independently captured by this review; no CUDA numerical equivalence claimed; MPS fallback permitted, actual fallback operations not measured, erstellt 03.11.2026, 01:02. Quelle

SANA-1.5 1.6B 1024px: manual, local PyTorch 2.13.0, Diffusers 0.36.0; Efficient-Large-Model/SANA1.5_1.6B_1024px_diffusers@b77948f2b4eed5c728e9b828ccff07f7427b43cc; native 1024x1024, 1:1; one request, first output; steps=20, guidance=4.5, seed=1353667313865032696; mps for text encoder and denoising; cpu for native VAE decode; bfloat16 for text encoder and transformer; float32 for VAE; native prompt preprocessing lowercases input; optional instruction disabled, erstellt 02.11.2026, 17:32. Quelle

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

LLaDA-Image Bild SHA 256: 888e173c25c26ff1dcbfd07aad01ffc6a71cc7735099d3e943e60dfddfe31553

SANA-1.5 1.6B 1024px Bild SHA 256: a43c512ad071c0d7526e16f69874b653f073c532403114299c8fde43770a72c8

Typografie und Layout

LLaDA-Image: manual, 2.13.0 PyTorch, Diffusers 0.39.0, Transformers 4.57.6; inclusionAI/LLaDA-Image@e4e2703f410f7ddb6ee8d6b09dac6a8ec5093039; native 1024x1024, 1:1; one request, first output; steps=50, guidance=5.0; seed=8778315039365154420; MPS generator; BF16 text/diffusion components, FP32 denoising latent, receipt-reported CPU FP32 native VAE decode; negative_prompt argument omitted (None default, not the manufacturer's empty-string example); MPS community PR @ 5395ce055da9975b09f71e21b865973d409bb3cd; official pinned text encoder uses eager MoE fallback and SDPA attention; other image-component attention paths were not independently captured by this review; no CUDA numerical equivalence claimed; MPS fallback permitted, actual fallback operations not measured, erstellt 03.11.2026, 00:40. Quelle

SANA-1.5 1.6B 1024px: manual, local PyTorch 2.13.0, Diffusers 0.36.0; Efficient-Large-Model/SANA1.5_1.6B_1024px_diffusers@b77948f2b4eed5c728e9b828ccff07f7427b43cc; native 1024x1024, 1:1; one request, first output; steps=20, guidance=4.5, seed=2028788407160516328; mps for text encoder and denoising; cpu for native VAE decode; bfloat16 for text encoder and transformer; float32 for VAE; native prompt preprocessing lowercases input; optional instruction disabled; two submissions: first attempt produced no image after a documented MPS VAE decoding crash; technical repeat kept the same prompt and seed, erstellt 02.11.2026, 17:31. Quelle

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

LLaDA-Image Bild SHA 256: 256a88541c9821a6242bb434fb520d4d6f0793c934c66acd1fd2e8edd8086b5d

SANA-1.5 1.6B 1024px Bild SHA 256: 7c58a1c863d5b8d22d06ed159b89aa64d13cf9a44f7b3d4871683f491f0bb75c

Die Zahlen im Überblick

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

k. A.

LLaDA-Image

nicht in der Arena

k. A.

SANA-1.5 1.6B 1024px

nicht in der Arena

GraduallyBenchunsere eigene Bewertung, 0 bis 100 · höher ist besser

LLaDA-Image

Platz 63 von 108

SANA-1.5 1.6B 1024px

Platz 107 von 108

Preis je BildDollar über die API · niedriger ist besser

k. A.

LLaDA-Image

kein API-Preis

k. A.

SANA-1.5 1.6B 1024px

kein API-Preis

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

LLaDA-Image

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

SANA-1.5 1.6B 1024px

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 · 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	LLaDA-Image	SANA-1.5 1.6B 1024px
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	48	4
GraduallyBench je Aufgabe
Typografie und LayoutLesbarer Text, Hierarchie und Komposition	62	3
ProduktfotografieMaterialien, Reflexionen und kleine Details	35	0
Figur und DetailsAnatomie, Kleidung und räumliche Konsistenz	63	4
InfografikZahlen, Beschriftungen und visuelle Ordnung	33	7
Preis über die API
Je Bildniedriger ist besser	k. A.	k. A.
100 Bilder	k. A.	k. A.
Steckbrief
Erschienen	04.09.2026	16.03.2025
Gewichteoffen heißt: lokal nutzbar	offen	offen
Zugang	lokal	lokal
Parameter	6 Mrd.	1,6 Mrd.
Größte Ausgabe	nicht einheitlich veröffentlicht	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 LLaDA-Image (geprüft 01.11.2026) · Modellquelle SANA-1.5 1.6B 1024px (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 LLaDA-Image und SANA-1.5 1.6B 1024px enthält die gespeicherte Benchmarkdatenbank noch keine Messung derselben Arena und Kategorie. Ältere Modellversionen werden nicht als Ersatz verwendet.

Weitere Vergleiche

Vergleiche LLaDA-Image und SANA-1.5 1.6B 1024px mit den Modellen, die am häufigsten mit ihnen verglichen werden.

Anderes Duell vergleichen

Erstes BildmodellZweites Bildmodell