LLaDA-Image-Turbovs.Lumina-Image 2.0

Welches ist besser?

In unserer eigenen Bewertung liegen beide gleichauf. 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-Turbo: Figur und Details, erstes Bild aus dem festen Testlauf — LLaDA-Image-Turbo53 von 100

Lumina-Image 2.0: Figur und Details, erstes Bild aus dem festen Testlauf — Lumina-Image 2.023 von 100

Ergebnis bei „Figur und Details“:LLaDA-Image-Turbo knapp 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

LLaDA-Image-Turbo: manual, PyTorch 2.13.0, Diffusers 0.39.0, Transformers 4.57.6; inclusionAI/LLaDA-Image-Turbo@f4afc52d925bbac4e22a1c947111fc1f127e37e5; native 1024x1024, 1:1; one request per local attempt, first output; steps=4, guidance=1.0; seed=7961710876241130415; separate MPS initial-latent generator and global MPS scheduler RNG streams with the same integer seed; original Turbo scheduler, stochastic_sampling=true, uniform sigmas, shift=3; BF16 text encoder and diffusion components, FP32 denoising latent and CPU FP32 VAE decode; historical poster uses FP8 text encoder and remains unchanged; no CUDA equivalence claimed; MPS fallback permitted, actual fallback operations not measured, erstellt 03.11.2026, 09:54. Quelle

Lumina-Image 2.0: fal, requested 1024x1024, n=1, seed=provider random, estimated cost $0.150000, erstellt 01.11.2026, 21:38. Quelle

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

LLaDA-Image-Turbo Bild SHA 256: aac02152ef0efc45749b3d0a626e9f4114418394aeb6a92d492651c564f40fee

Lumina-Image 2.0 Bild SHA 256: 8747df0401d91598486735bfff5d6bac6c139727a8bc50c60bf7f697f678b85f

Infografik

LLaDA-Image-Turbo: manual, PyTorch 2.13.0, Diffusers 0.39.0, Transformers 4.57.6; inclusionAI/LLaDA-Image-Turbo@f4afc52d925bbac4e22a1c947111fc1f127e37e5; native 1024x1024, 1:1; one request per local attempt, first output; steps=4, guidance=1.0; seed=5156250474893981751; separate MPS initial-latent generator and global MPS scheduler RNG streams with the same integer seed; original Turbo scheduler, stochastic_sampling=true, uniform sigmas, shift=3; BF16 text encoder and diffusion components, FP32 denoising latent and CPU FP32 VAE decode; historical poster uses FP8 text encoder and remains unchanged; no CUDA equivalence claimed; MPS fallback permitted, actual fallback operations not measured, erstellt 03.11.2026, 09:56. Quelle

Lumina-Image 2.0: fal, requested 1024x1024, n=1, seed=provider random, estimated cost $0.150000, erstellt 01.11.2026, 21:38. Quelle

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

LLaDA-Image-Turbo Bild SHA 256: 4e8939998310be86b1ad3dc0744a5e3ceee95a00a9113ee6732f9c06cb6b3618

Lumina-Image 2.0 Bild SHA 256: b937b28f3c3209280c5828e18c85341d3ca443175020ca1e407dae035b5df14f

Produktfotografie

LLaDA-Image-Turbo: manual, PyTorch 2.13.0, Diffusers 0.39.0, Transformers 4.57.6; inclusionAI/LLaDA-Image-Turbo@f4afc52d925bbac4e22a1c947111fc1f127e37e5; native 1024x1024, 1:1; one request per local attempt, first output; steps=4, guidance=1.0; seed=0; separate MPS initial-latent generator and global MPS scheduler RNG streams with the same integer seed; original Turbo scheduler, stochastic_sampling=true, uniform sigmas, shift=3; BF16 text encoder and diffusion components, FP32 denoising latent and CPU FP32 VAE decode; historical poster uses FP8 text encoder and remains unchanged; no CUDA equivalence claimed; MPS fallback permitted, actual fallback operations not measured; historical Hugging Face Space product-photo attempt used the same archived prompt and seed 0 but a different request body and backend; its AppError left the output unresolved; this is not an exact request replay or a numerical-equivalence comparison, erstellt 03.11.2026, 09:48. Quelle

Lumina-Image 2.0: fal, requested 1024x1024, n=1, seed=provider random, estimated cost $0.150000, erstellt 01.11.2026, 21:38. Quelle

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

LLaDA-Image-Turbo Bild SHA 256: e61fb35e0c12941d28d32b0e0125b934bc0857fc49216a7945406e3bf58b4316

Lumina-Image 2.0 Bild SHA 256: 74b79fcbad7565e29995c941d2b488d2edde884b307ed99e47fad994424e9dfc

Typografie und Layout

LLaDA-Image-Turbo: manual, 1:1, native 1024x1024, one request in the successful technical repeat, first output; two total submissions after a local download failure; seed 0 (fixed provider default, randomize_seed=false); BF16 transformer, FP8 text encoder; 4 steps, CFG 1.0; HF Space commit 7b02431121944d65b8065873b48eec736a0c1022; source PNG SHA-256 d1866b4994a664728de07f1c1897776bbf04409b4a00ad7fa98666036a78816d, erstellt 02.11.2026, 15:03. Quelle

Lumina-Image 2.0: fal, requested 1024x1024, n=1, seed=provider random, estimated cost $0.150000, erstellt 01.11.2026, 21:37. Quelle

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

LLaDA-Image-Turbo Bild SHA 256: de0c780506575a32050ce9ca3d3c4dd1a0c4cc7ccf7f7f2f6aaf17ad01295901

Lumina-Image 2.0 Bild SHA 256: f132c159d659fb76c94cd82f1decb617c475b9c4095b177d02b73f09f2954df0

Die Zahlen im Überblick

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

k. A.

LLaDA-Image-Turbo

nicht in der Arena

k. A.

Lumina-Image 2.0

nicht in der Arena

GraduallyBenchunsere eigene Bewertung, 0 bis 100 · höher ist besser

LLaDA-Image-Turbo

Platz 83 von 108

Lumina-Image 2.0

Platz 97 von 108

Preis je BildDollar über die API · niedriger ist besser

k. A.

LLaDA-Image-Turbo

kein API-Preis

k. A.

Lumina-Image 2.0

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-Turbo

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

Lumina-Image 2.0

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-Turbo	Lumina-Image 2.0
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	31	18
GraduallyBench je Aufgabe
Typografie und LayoutLesbarer Text, Hierarchie und Komposition	8	18
ProduktfotografieMaterialien, Reflexionen und kleine Details	27	16
Figur und DetailsAnatomie, Kleidung und räumliche Konsistenz	53	23
InfografikZahlen, Beschriftungen und visuelle Ordnung	36	16
Preis über die API
Je Bildniedriger ist besser	k. A.	k. A.
100 Bilder	k. A.	k. A.
Steckbrief
Erschienen	04.09.2026	25.01.2025
Gewichteoffen heißt: lokal nutzbar	offen	offen
Zugang	lokal	lokal
Parameter	6 Mrd.	2,6 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-Turbo (geprüft 01.11.2026) · Modellquelle Lumina-Image 2.0 (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-Turbo und Lumina-Image 2.0 enthält die gespeicherte Benchmarkdatenbank noch keine Messung derselben Arena und Kategorie. Ältere Modellversionen werden nicht als Ersatz verwendet.

Weitere Vergleiche

Vergleiche LLaDA-Image-Turbo und Lumina-Image 2.0 mit den Modellen, die am häufigsten mit ihnen verglichen werden.

Anderes Duell vergleichen

Erstes BildmodellZweites Bildmodell