Luma Uni-1.1vs.LLaDA-Image
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.
Ergebnis bei „Infografik“:Luma Uni-1.1 vorn
Darauf achtet die Bewertung: Zahlen, Beschriftungen und visuelle Ordnung.
„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
Luma Uni-1.1: fal, aspect ratio 1:1, n=1, seed=provider random, Fal schema does not expose an output-resolution parameter; require square output of at least 1024px, estimated cost $0.042000, source 2048x2048, stored 1024x1024 (Lanczos3 downscale), erstellt 01.11.2026, 20:49. Quelle
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
Protokoll gradually-image-comparison-v1. Prompt SHA 256: 985a75b38642a9f0e5e0c0e0c67f1b7f67780d42bd2168fa24e9a7a7a94b0da6
Luma Uni-1.1 Bild SHA 256: 4210462a5210fcde39e1f78167cb160cd3966176012d0ef2c187c6490d6a47e4
LLaDA-Image Bild SHA 256: a34d96894f5500c5bce2c16cca14ae09748f3aff4d47d15f8aff0d1be5749211
Infografik
Luma Uni-1.1: fal, aspect ratio 1:1, n=1, seed=provider random, Fal schema does not expose an output-resolution parameter; require square output of at least 1024px, estimated cost $0.042000, source 2048x2048, stored 1024x1024 (Lanczos3 downscale), erstellt 01.11.2026, 20:50. Quelle
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
Protokoll gradually-image-comparison-v1. Prompt SHA 256: ed65cb4e6a51e2336f8b149ad4cbb16e020f07d527ad94362e719d2dcf91d94f
Luma Uni-1.1 Bild SHA 256: fef94f2000cb22c90b2a147753ace395ee6c14f3e803e0cc88376556dd5267bc
LLaDA-Image Bild SHA 256: cad67ad3f1a475d12bc2152840dc98657f81b5c7318c09a9e9fa40fbb433372f
Produktfotografie
Luma Uni-1.1: fal, aspect ratio 1:1, n=1, seed=provider random, Fal schema does not expose an output-resolution parameter; require square output of at least 1024px, estimated cost $0.042000, source 2048x2048, stored 1024x1024 (Lanczos3 downscale), erstellt 01.11.2026, 20:47. Quelle
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
Protokoll gradually-image-comparison-v1. Prompt SHA 256: c67fd71e91304458a2feef5c91efa8677260fab0c0099a29a2c52cb579f5b2f3
Luma Uni-1.1 Bild SHA 256: 9e31a8397f6dd1f0a09a0440510edcdbfbac5470f75a78ec6c6b67783099e5c2
LLaDA-Image Bild SHA 256: 888e173c25c26ff1dcbfd07aad01ffc6a71cc7735099d3e943e60dfddfe31553
Typografie und Layout
Luma Uni-1.1: fal, aspect ratio 1:1, n=1, seed=provider random, Fal schema does not expose an output-resolution parameter; require square output of at least 1024px, estimated cost $0.042000, source 2048x2048, stored 1024x1024 (Lanczos3 downscale), erstellt 01.11.2026, 20:46. Quelle
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
Protokoll gradually-image-comparison-v1. Prompt SHA 256: 2e012c3d14ee5dd02203a94f394ca80a5038cdebd6032b25a8b8a221f2255419
Luma Uni-1.1 Bild SHA 256: 97710d52e2207b2bf7db070cf1dfa54af5ce79fd7a1fec12bdb1616c648c01f4
LLaDA-Image Bild SHA 256: 256a88541c9821a6242bb434fb520d4d6f0793c934c66acd1fd2e8edd8086b5d
Die Zahlen im Überblick
Luma Uni-1.1
nicht in der Arena
LLaDA-Image
nicht in der Arena
Luma Uni-1.1
Platz 33 von 108
LLaDA-Image
Platz 63 von 108
Luma Uni-1.1
kein API-Preis
LLaDA-Image
kein API-Preis
Plätze unter den 21 Bildmodellen mit Arena-Wertung und den 108 mit GraduallyBench-Lauf; Preisvergleich mit 28 Modellen mit API-Preis.
Luma Uni-1.1
- Im Abo
- Kein Abo von Luma AI mit diesem Modell. Über andere Anbieter ab 19,04 € im Monat (Magnific Premium, mit begrenztem Guthaben). 6 Tarife in Deutschland.
- Per API
- Kein API-Preis bekannt. Zugang: API.
- Gewichte
- unbekannt.
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.
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 | Luma Uni-1.1 | LLaDA-Image |
|---|---|---|
| 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 | 66 | 48 |
| GraduallyBench je Aufgabe | ||
| Typografie und LayoutLesbarer Text, Hierarchie und Komposition | 67 | 62 |
| ProduktfotografieMaterialien, Reflexionen und kleine Details | 60 | 35 |
| Figur und DetailsAnatomie, Kleidung und räumliche Konsistenz | 49 | 63 |
| InfografikZahlen, Beschriftungen und visuelle Ordnung | 89 | 33 |
| Preis über die API | ||
| Je Bildniedriger ist besser | k. A. | k. A. |
| 100 Bilder | k. A. | k. A. |
| Steckbrief | ||
| Erschienen | 11.05.2026 | 04.09.2026 |
| Gewichteoffen heißt: lokal nutzbar | unbekannt | offen |
| Zugang | API | lokal |
| Parameter | nicht veröffentlicht | 6 Mrd. |
| Größte Ausgabe | nicht einheitlich veröffentlicht | nicht einheitlich veröffentlicht |
| Tarife in Deutschlandmit genau diesem Modellnamen | 6 | k. A. |
API-Preise für ein Bild mit 1.024 × 1.024 Pixeln laut Artificial Analysis.
Quellen: Modellquelle Luma Uni-1.1 (geprüft 01.11.2026) · Modellquelle LLaDA-Image (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 Luma Uni-1.1 und LLaDA-Image enthält die gespeicherte Benchmarkdatenbank noch keine Messung derselben Arena und Kategorie. Ältere Modellversionen werden nicht als Ersatz verwendet.
Weitere Vergleiche
Vergleiche Luma Uni-1.1 und LLaDA-Image mit den Modellen, die am häufigsten mit ihnen verglichen werden.