PixArt-Sigma-XL-2-1024-MSvs.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.

PixArt-Sigma-XL-2-1024-MS: Typografie und Layout, erstes Bild aus dem festen Testlauf — PixArt-Sigma-XL-2-1024-MS3 von 100

Lumina-Image 2.0: Typografie und Layout, erstes Bild aus dem festen Testlauf — Lumina-Image 2.018 von 100

Ergebnis bei „Typografie und Layout“:Lumina-Image 2.0 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

PixArt-Sigma-XL-2-1024-MS: manual, local PyTorch 2.13.0, Diffusers 0.36.0; PixArt-alpha/PixArt-Sigma-XL-2-1024-MS@e102b3591cc82e97071b8b4cb90d834d0c487207; native 1024x1024, 1:1; one request, first output; steps=20, guidance=4.5, seed=7226279879395584696; mps for text encoder and denoising; cpu for native VAE decode; float16 for text encoder and transformer; float32 for VAE; native prompt preprocessing lowercases input, erstellt 02.11.2026, 17:58. 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

PixArt-Sigma-XL-2-1024-MS Bild SHA 256: bde9f05db045ee4e3776436ec99b67b4ab2b1e1d98e7f3b9b389116880584dfa

Lumina-Image 2.0 Bild SHA 256: 8747df0401d91598486735bfff5d6bac6c139727a8bc50c60bf7f697f678b85f

Infografik

PixArt-Sigma-XL-2-1024-MS: manual, local PyTorch 2.13.0, Diffusers 0.36.0; PixArt-alpha/PixArt-Sigma-XL-2-1024-MS@e102b3591cc82e97071b8b4cb90d834d0c487207; native 1024x1024, 1:1; one request, first output; steps=20, guidance=4.5, seed=3371899936485956023; mps for text encoder and denoising; cpu for native VAE decode; float16 for text encoder and transformer; float32 for VAE; native prompt preprocessing lowercases input, erstellt 02.11.2026, 17:59. 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

PixArt-Sigma-XL-2-1024-MS Bild SHA 256: a1a6e8b2545200a59deb0cef3614e7421a91014fcb31e4e2725cc40ca1730017

Lumina-Image 2.0 Bild SHA 256: b937b28f3c3209280c5828e18c85341d3ca443175020ca1e407dae035b5df14f

Produktfotografie

PixArt-Sigma-XL-2-1024-MS: manual, local PyTorch 2.13.0, Diffusers 0.36.0; PixArt-alpha/PixArt-Sigma-XL-2-1024-MS@e102b3591cc82e97071b8b4cb90d834d0c487207; native 1024x1024, 1:1; one request, first output; steps=20, guidance=4.5, seed=2926417222682566089; mps for text encoder and denoising; cpu for native VAE decode; float16 for text encoder and transformer; float32 for VAE; native prompt preprocessing lowercases input, erstellt 02.11.2026, 17:58. 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

PixArt-Sigma-XL-2-1024-MS Bild SHA 256: 2012912767607d877602f52cd6766af87520f70db960cda065baa5282c377b51

Lumina-Image 2.0 Bild SHA 256: 74b79fcbad7565e29995c941d2b488d2edde884b307ed99e47fad994424e9dfc

Typografie und Layout

PixArt-Sigma-XL-2-1024-MS: manual, local PyTorch 2.13.0, Diffusers 0.36.0; PixArt-alpha/PixArt-Sigma-XL-2-1024-MS@e102b3591cc82e97071b8b4cb90d834d0c487207; native 1024x1024, 1:1; one request, first output; steps=20, guidance=4.5, seed=154650094805927878; mps for text encoder and denoising; cpu for native VAE decode; float16 for text encoder and transformer; float32 for VAE; native prompt preprocessing lowercases input, erstellt 02.11.2026, 17:57. 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

PixArt-Sigma-XL-2-1024-MS Bild SHA 256: 07f61240d9329bf99f8a3d21b7b437c65c4eeb1780c8f1164e0c8baf2a0f7085

Lumina-Image 2.0 Bild SHA 256: f132c159d659fb76c94cd82f1decb617c475b9c4095b177d02b73f09f2954df0

Die Zahlen im Überblick

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

k. A.

PixArt-Sigma-XL-2-1024-MS

nicht in der Arena

k. A.

Lumina-Image 2.0

nicht in der Arena

GraduallyBenchunsere eigene Bewertung, 0 bis 100 · höher ist besser

PixArt-Sigma-XL-2-1024-MS

Platz 99 von 108

Lumina-Image 2.0

Platz 97 von 108

Preis je BildDollar über die API · niedriger ist besser

k. A.

PixArt-Sigma-XL-2-1024-MS

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.

PixArt-Sigma-XL-2-1024-MS

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	PixArt-Sigma-XL-2-1024-MS	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	13	18
GraduallyBench je Aufgabe
Typografie und LayoutLesbarer Text, Hierarchie und Komposition	3	18
ProduktfotografieMaterialien, Reflexionen und kleine Details	16	16
Figur und DetailsAnatomie, Kleidung und räumliche Konsistenz	27	23
InfografikZahlen, Beschriftungen und visuelle Ordnung	5	16
Preis über die API
Je Bildniedriger ist besser	k. A.	k. A.
100 Bilder	k. A.	k. A.
Steckbrief
Erschienen	09.04.2024	25.01.2025
Gewichteoffen heißt: lokal nutzbar	offen	offen
Zugang	lokal	lokal
Parameter	0,6 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 PixArt-Sigma-XL-2-1024-MS (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 PixArt-Sigma-XL-2-1024-MS 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 PixArt-Sigma-XL-2-1024-MS und Lumina-Image 2.0 mit den Modellen, die am häufigsten mit ihnen verglichen werden.

Anderes Duell vergleichen

Erstes BildmodellZweites Bildmodell