SDXL Turbovs.SANA-1.5 1.6B 1024px

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.

SDXL Turbo: Produktfotografie, erstes Bild aus dem festen Testlauf — SDXL Turbo3 von 100

SANA-1.5 1.6B 1024px: Produktfotografie, erstes Bild aus dem festen Testlauf — SANA-1.5 1.6B 1024px0 von 100

Ergebnis bei „Produktfotografie“:SDXL Turbo vorn

Auftrag an beide Modelle (Original englisch)Create a square premium product photograph of a brushed titanium wristwatch standing upright on dark green marble. The watch has a cream dial, thin black hands set to 10:10, twelve distinct hour markers, a realistic crown, and a dark brown leather strap. Soft window light from the left, controlled reflections, shallow depth of field, no text, no logo, no extra objects.

Darauf achtet die Bewertung: Materialien, Reflexionen und kleine Details.

„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

SDXL Turbo: manual, local PyTorch 2.13.0, Diffusers 0.36.0; stabilityai/sdxl-turbo@71153311d3dbb46851df1931d3ca6e939de83304; native 1024x1024, 1:1; one request, first output; steps=1, guidance=0.0, seed=660064698563452219; mps for text encoder and denoising; cpu for native VAE decode; float16 for text encoder and transformer; float32 for VAE; native tokenizer truncation: tokenizer 80 to 77 tokens, tokenizer_2 80 to 77 tokens; archived input unchanged, erstellt 02.11.2026, 18:23. 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

SDXL Turbo Bild SHA 256: 9ee6443f4690649e93bdca408e5e8d317b312244636a3af47a02fe14eaf6c20c

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

Infografik

SDXL Turbo: manual, local PyTorch 2.13.0, Diffusers 0.36.0; stabilityai/sdxl-turbo@71153311d3dbb46851df1931d3ca6e939de83304; native 1024x1024, 1:1; one request, first output; steps=1, guidance=0.0, seed=6060807684445796734; mps for text encoder and denoising; cpu for native VAE decode; float16 for text encoder and transformer; float32 for VAE, erstellt 02.11.2026, 18:23. 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

SDXL Turbo Bild SHA 256: 20395d858252aa131f235baa1f514039503a52dfec958c8f5b299db708bf4090

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

Produktfotografie

SDXL Turbo: manual, local PyTorch 2.13.0, Diffusers 0.36.0; stabilityai/sdxl-turbo@71153311d3dbb46851df1931d3ca6e939de83304; native 1024x1024, 1:1; one request, first output; steps=1, guidance=0.0, seed=4654331835179858246; mps for text encoder and denoising; cpu for native VAE decode; float16 for text encoder and transformer; float32 for VAE; native tokenizer truncation: tokenizer 80 to 77 tokens, tokenizer_2 80 to 77 tokens; archived input unchanged, erstellt 02.11.2026, 18:22. 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

SDXL Turbo Bild SHA 256: 75e5b85283110815e51a0470c937c3e42407244b50d918a3c0c54e10998a4b4c

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

Typografie und Layout

SDXL Turbo: manual, local PyTorch 2.13.0, Diffusers 0.36.0; stabilityai/sdxl-turbo@71153311d3dbb46851df1931d3ca6e939de83304; native 1024x1024, 1:1; one request, first output; steps=1, guidance=0.0, seed=1511362670078321145; mps for text encoder and denoising; cpu for native VAE decode; float16 for text encoder and transformer; float32 for VAE, erstellt 02.11.2026, 18:21. 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

SDXL Turbo Bild SHA 256: 963088c72f75c98a95fd71be5f8d6e14fdf17061ae984f1109522a39be24ac76

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.

SDXL Turbo

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

SDXL Turbo

Platz 105 von 108

SANA-1.5 1.6B 1024px

Platz 107 von 108

Preis je BildDollar über die API · niedriger ist besser

k. A.

SDXL Turbo

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.

SDXL 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 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	SDXL Turbo	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	4	4
GraduallyBench je Aufgabe
Typografie und LayoutLesbarer Text, Hierarchie und Komposition	3	3
ProduktfotografieMaterialien, Reflexionen und kleine Details	3	0
Figur und DetailsAnatomie, Kleidung und räumliche Konsistenz	3	4
InfografikZahlen, Beschriftungen und visuelle Ordnung	8	7
Preis über die API
Je Bildniedriger ist besser	k. A.	k. A.
100 Bilder	k. A.	k. A.
Steckbrief
Erschienen	k. A.	16.03.2025
Gewichteoffen heißt: lokal nutzbar	offen	offen
Lebenszyklus	Älterer offener Schnell-Checkpoint; keine aktive Hosted-API-ID in der hier geprüften Modellliste behauptet	kein Statushinweis
Zugang	lokal	lokal
Parameter	nicht veröffentlicht	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 SDXL Turbo, Statusquelle (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 SDXL Turbo 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 SDXL Turbo und SANA-1.5 1.6B 1024px mit den Modellen, die am häufigsten mit ihnen verglichen werden.

Anderes Duell vergleichen

Erstes BildmodellZweites Bildmodell