LLaDA-Image-Turbovs.SANA-1.5 4.8B 1024px
Welches ist besser?
In unserer eigenen Bewertung liegt LLaDA-Image-Turbo 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.
Ergebnis bei „Figur und Details“:LLaDA-Image-Turbo vorn
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
SANA-1.5 4.8B 1024px: manual, local PyTorch 2.13.0, Diffusers 0.36.0; Efficient-Large-Model/SANA1.5_4.8B_1024px_diffusers@9468102c3cebb657f8c4b5f1e5a71e989a15f10d; native 1024x1024, 1:1; one request, first output; steps=20, guidance=4.5, seed=6914427587596023045; 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, 17:42. Quelle
Protokoll gradually-image-comparison-v1. Prompt SHA 256: 985a75b38642a9f0e5e0c0e0c67f1b7f67780d42bd2168fa24e9a7a7a94b0da6
LLaDA-Image-Turbo Bild SHA 256: aac02152ef0efc45749b3d0a626e9f4114418394aeb6a92d492651c564f40fee
SANA-1.5 4.8B 1024px Bild SHA 256: 97badf740db81367de7d6af73cc9313f1dfc4fe8383183ddbd9fc12cc67b35ee
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
SANA-1.5 4.8B 1024px: manual, local PyTorch 2.13.0, Diffusers 0.36.0; Efficient-Large-Model/SANA1.5_4.8B_1024px_diffusers@9468102c3cebb657f8c4b5f1e5a71e989a15f10d; native 1024x1024, 1:1; one request, first output; steps=20, guidance=4.5, seed=3447101042619426797; 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, 17:43. Quelle
Protokoll gradually-image-comparison-v1. Prompt SHA 256: ed65cb4e6a51e2336f8b149ad4cbb16e020f07d527ad94362e719d2dcf91d94f
LLaDA-Image-Turbo Bild SHA 256: 4e8939998310be86b1ad3dc0744a5e3ceee95a00a9113ee6732f9c06cb6b3618
SANA-1.5 4.8B 1024px Bild SHA 256: 6c23b2df82d085e155c012c16915d04dd3a1aacdb78c9604eb74668309e07b38
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
SANA-1.5 4.8B 1024px: manual, local PyTorch 2.13.0, Diffusers 0.36.0; Efficient-Large-Model/SANA1.5_4.8B_1024px_diffusers@9468102c3cebb657f8c4b5f1e5a71e989a15f10d; native 1024x1024, 1:1; one request, first output; steps=20, guidance=4.5, seed=1122699157863902383; 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, 17:41. Quelle
Protokoll gradually-image-comparison-v1. Prompt SHA 256: c67fd71e91304458a2feef5c91efa8677260fab0c0099a29a2c52cb579f5b2f3
LLaDA-Image-Turbo Bild SHA 256: e61fb35e0c12941d28d32b0e0125b934bc0857fc49216a7945406e3bf58b4316
SANA-1.5 4.8B 1024px Bild SHA 256: 0ceaa96a83bc85d12c7f56b925226a346ee9b42f831fa5a9592edc4fc1e7ce81
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
SANA-1.5 4.8B 1024px: manual, local PyTorch 2.13.0, Diffusers 0.36.0; Efficient-Large-Model/SANA1.5_4.8B_1024px_diffusers@9468102c3cebb657f8c4b5f1e5a71e989a15f10d; native 1024x1024, 1:1; one request, first output; steps=20, guidance=4.5, seed=623973358981804157; 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, 17:40. Quelle
Protokoll gradually-image-comparison-v1. Prompt SHA 256: 2e012c3d14ee5dd02203a94f394ca80a5038cdebd6032b25a8b8a221f2255419
LLaDA-Image-Turbo Bild SHA 256: de0c780506575a32050ce9ca3d3c4dd1a0c4cc7ccf7f7f2f6aaf17ad01295901
SANA-1.5 4.8B 1024px Bild SHA 256: 8371e0e35ad4472b71165cedd1940eb0339b19c24f801c3b956874c090a327fc
Die Zahlen im Überblick
LLaDA-Image-Turbo
nicht in der Arena
SANA-1.5 4.8B 1024px
nicht in der Arena
LLaDA-Image-Turbo
Platz 83 von 108
SANA-1.5 4.8B 1024px
Platz 106 von 108
LLaDA-Image-Turbo
kein API-Preis
SANA-1.5 4.8B 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-Turbo
- 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 4.8B 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-Turbo | SANA-1.5 4.8B 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 | 31 | 4 |
| GraduallyBench je Aufgabe | ||
| Typografie und LayoutLesbarer Text, Hierarchie und Komposition | 8 | 8 |
| ProduktfotografieMaterialien, Reflexionen und kleine Details | 27 | 1 |
| Figur und DetailsAnatomie, Kleidung und räumliche Konsistenz | 53 | 0 |
| InfografikZahlen, Beschriftungen und visuelle Ordnung | 36 | 6 |
| 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. | 4,8 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 SANA-1.5 4.8B 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-Turbo und SANA-1.5 4.8B 1024px 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 SANA-1.5 4.8B 1024px mit den Modellen, die am häufigsten mit ihnen verglichen werden.