SenseNova U1.5 Litevs.Boogu-Image-0.1-Base
Welches ist besser?
In unserer eigenen Bewertung liegt SenseNova U1.5 Lite 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 „Typografie und Layout“:SenseNova U1.5 Lite vorn
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
SenseNova U1.5 Lite: manual, local stable-diffusion.cpp@3be23788fc0c9f35a2c24b1211caae11d4a54dbc, ggml@d49c49e1dd361ba3c0a77c90b5b1404b83969aa8; sensenova/SenseNova-U1.5-8B-MoT@9feeeab8a2792514d109cd34589342a2cc1d4ab2; native 2048x2048, 1:1; one request, first output; steps=50, guidance=4.0, seed=8087247682796819534; Apple M5 Max Metal MTL0 requested through the native backend option; automatic placement remains enabled, and actual placement is recorded in the CLI log; Original BF16 checkpoint. The exact two SenseNova vision convolution weights use a targeted lossless BF16-to-F32 rule; other eligible weights use the native unquantized f16 option. This BF16-to-F16 conversion rounds values, as quantified by the linked complete-checkpoint GGML preflight; excluded weights remain BF16 if used. Operation precision follows the backend.; Euler, flow shift 3; CPU Philox RNG (CLI cuda RNG option, no CUDA hardware); original BF16 weights without requested quantization; observational latent and pre-clipping finite checks; native prompt template without rewriting; empty unconditional prompt, source 2048x2048, stored 1024x1024 (Lanczos3 downscale), erstellt 02.11.2026, 22:17. Quelle
Boogu-Image-0.1-Base: manual, local PyTorch 2.11.0, Diffusers 0.38.0; Boogu/Boogu-Image-0.1-Base@334ad7e5c6343d33308b306127e047b133e86926; native 1024x1024, 1:1; one request, first output; steps=50, guidance=4.0, seed=895870850114772015; mps; native PyTorch fallback is enabled by PYTORCH_ENABLE_MPS_FALLBACK=1; actual CPU operation use is not measured; bfloat16; upstream boogu-project/Boogu-Image@9b327526b1053e1f27f1bd0ae36b20ce2c39cb9e; reviewed MPS device allowlist and empty-reference self-attention only on original CPU SDPA, unchanged arguments and dtype; nonempty attention remains on MPS; no CUDA numeric equivalence claimed; native VAE input saved after scaling and shift, decoded float output finite before native same-size interpolation; native instruction template without rewriting; original Base sampling, no Turbo DMD inference, erstellt 02.11.2026, 23:56. Quelle
Protokoll gradually-image-comparison-v1. Prompt SHA 256: 985a75b38642a9f0e5e0c0e0c67f1b7f67780d42bd2168fa24e9a7a7a94b0da6
SenseNova U1.5 Lite Bild SHA 256: c092b333f479c5b28ad33958d0e45f0fb0989970af02690079cf1398742c55b8
Boogu-Image-0.1-Base Bild SHA 256: 5ca2782a121b2ffdd620953a4453df06769a5d51778c7980e1cddc8b8e79e0dd
Infografik
SenseNova U1.5 Lite: manual, local stable-diffusion.cpp@3be23788fc0c9f35a2c24b1211caae11d4a54dbc, ggml@d49c49e1dd361ba3c0a77c90b5b1404b83969aa8; sensenova/SenseNova-U1.5-8B-MoT@9feeeab8a2792514d109cd34589342a2cc1d4ab2; native 2048x2048, 1:1; one request, first output; steps=50, guidance=4.0, seed=2640628636372692680; Apple M5 Max Metal MTL0 requested through the native backend option; automatic placement remains enabled, and actual placement is recorded in the CLI log; Original BF16 checkpoint. The exact two SenseNova vision convolution weights use a targeted lossless BF16-to-F32 rule; other eligible weights use the native unquantized f16 option. This BF16-to-F16 conversion rounds values, as quantified by the linked complete-checkpoint GGML preflight; excluded weights remain BF16 if used. Operation precision follows the backend.; Euler, flow shift 3; CPU Philox RNG (CLI cuda RNG option, no CUDA hardware); original BF16 weights without requested quantization; observational latent and pre-clipping finite checks; native prompt template without rewriting; empty unconditional prompt, source 2048x2048, stored 1024x1024 (Lanczos3 downscale), erstellt 02.11.2026, 22:25. Quelle
Boogu-Image-0.1-Base: manual, local PyTorch 2.11.0, Diffusers 0.38.0; Boogu/Boogu-Image-0.1-Base@334ad7e5c6343d33308b306127e047b133e86926; native 1024x1024, 1:1; one request, first output; steps=50, guidance=4.0, seed=7796952798756533109; mps; native PyTorch fallback is enabled by PYTORCH_ENABLE_MPS_FALLBACK=1; actual CPU operation use is not measured; bfloat16; upstream boogu-project/Boogu-Image@9b327526b1053e1f27f1bd0ae36b20ce2c39cb9e; reviewed MPS device allowlist and empty-reference self-attention only on original CPU SDPA, unchanged arguments and dtype; nonempty attention remains on MPS; no CUDA numeric equivalence claimed; native VAE input saved after scaling and shift, decoded float output finite before native same-size interpolation; native instruction template without rewriting; original Base sampling, no Turbo DMD inference, erstellt 03.11.2026, 00:04. Quelle
Protokoll gradually-image-comparison-v1. Prompt SHA 256: ed65cb4e6a51e2336f8b149ad4cbb16e020f07d527ad94362e719d2dcf91d94f
SenseNova U1.5 Lite Bild SHA 256: dcf8206386da05d11c35a6950309e61f08a504d440366226eac316328718f5ae
Boogu-Image-0.1-Base Bild SHA 256: 7b4a49a08dcb03776edaf18345ffe94ee7ae0293be8b3611bf676aa6c76c6405
Produktfotografie
SenseNova U1.5 Lite: manual, local stable-diffusion.cpp@3be23788fc0c9f35a2c24b1211caae11d4a54dbc, ggml@d49c49e1dd361ba3c0a77c90b5b1404b83969aa8; sensenova/SenseNova-U1.5-8B-MoT@9feeeab8a2792514d109cd34589342a2cc1d4ab2; native 2048x2048, 1:1; one request, first output; steps=50, guidance=4.0, seed=1950293105094404455; Apple M5 Max Metal MTL0 requested through the native backend option; automatic placement remains enabled, and actual placement is recorded in the CLI log; Original BF16 checkpoint. The exact two SenseNova vision convolution weights use a targeted lossless BF16-to-F32 rule; other eligible weights use the native unquantized f16 option. This BF16-to-F16 conversion rounds values, as quantified by the linked complete-checkpoint GGML preflight; excluded weights remain BF16 if used. Operation precision follows the backend.; Euler, flow shift 3; CPU Philox RNG (CLI cuda RNG option, no CUDA hardware); original BF16 weights without requested quantization; observational latent and pre-clipping finite checks; native prompt template without rewriting; empty unconditional prompt, source 2048x2048, stored 1024x1024 (Lanczos3 downscale), erstellt 02.11.2026, 22:11. Quelle
Boogu-Image-0.1-Base: manual, local PyTorch 2.11.0, Diffusers 0.38.0; Boogu/Boogu-Image-0.1-Base@334ad7e5c6343d33308b306127e047b133e86926; native 1024x1024, 1:1; one request, first output; steps=50, guidance=4.0, seed=6866357448264114469; mps; native PyTorch fallback is enabled by PYTORCH_ENABLE_MPS_FALLBACK=1; actual CPU operation use is not measured; bfloat16; upstream boogu-project/Boogu-Image@9b327526b1053e1f27f1bd0ae36b20ce2c39cb9e; reviewed MPS device allowlist and empty-reference self-attention only on original CPU SDPA, unchanged arguments and dtype; nonempty attention remains on MPS; no CUDA numeric equivalence claimed; native VAE input saved after scaling and shift, decoded float output finite before native same-size interpolation; native instruction template without rewriting; original Base sampling, no Turbo DMD inference, erstellt 02.11.2026, 23:47. Quelle
Protokoll gradually-image-comparison-v1. Prompt SHA 256: c67fd71e91304458a2feef5c91efa8677260fab0c0099a29a2c52cb579f5b2f3
SenseNova U1.5 Lite Bild SHA 256: d425ed5236325ee28633f83cb00f3fd39181f7dd6df0e5408d8b1c07c6796107
Boogu-Image-0.1-Base Bild SHA 256: d0e66f73a26844f514cb97bbbd69bb8f4bf39bd875ac8fca0f04989949a64478
Typografie und Layout
SenseNova U1.5 Lite: manual, local stable-diffusion.cpp@3be23788fc0c9f35a2c24b1211caae11d4a54dbc, ggml@d49c49e1dd361ba3c0a77c90b5b1404b83969aa8; sensenova/SenseNova-U1.5-8B-MoT@9feeeab8a2792514d109cd34589342a2cc1d4ab2; native 2048x2048, 1:1; one request, first output; steps=50, guidance=4.0, seed=8328647217678382438; Apple M5 Max Metal MTL0 requested through the native backend option; automatic placement remains enabled, and actual placement is recorded in the CLI log; Original BF16 checkpoint. The exact two SenseNova vision convolution weights use a targeted lossless BF16-to-F32 rule; other eligible weights use the native unquantized f16 option. This BF16-to-F16 conversion rounds values, as quantified by the linked complete-checkpoint GGML preflight; excluded weights remain BF16 if used. Operation precision follows the backend.; Euler, flow shift 3; CPU Philox RNG (CLI cuda RNG option, no CUDA hardware); original BF16 weights without requested quantization; observational latent and pre-clipping finite checks; native prompt template without rewriting; empty unconditional prompt; three local execution attempts: original Metal BF16 attempt aborted on a missing matrix kernel before output; same-seed CPU retry deliberately interrupted before its first sampling step without image or latent; first image retained after the reviewed loader compatibility correction and disclosed F16 runtime conversion with unchanged prompt and seed, source 2048x2048, stored 1024x1024 (Lanczos3 downscale), erstellt 02.11.2026, 22:04. Quelle
Boogu-Image-0.1-Base: manual, local PyTorch 2.11.0, Diffusers 0.38.0; Boogu/Boogu-Image-0.1-Base@334ad7e5c6343d33308b306127e047b133e86926; native 1024x1024, 1:1; one request, first output; steps=50, guidance=4.0, seed=5844980489998903917; mps; native PyTorch fallback is enabled by PYTORCH_ENABLE_MPS_FALLBACK=1; actual CPU operation use is not measured; bfloat16; upstream boogu-project/Boogu-Image@9b327526b1053e1f27f1bd0ae36b20ce2c39cb9e; reviewed MPS device allowlist and empty-reference self-attention only on original CPU SDPA, unchanged arguments and dtype; nonempty attention remains on MPS; no CUDA numeric equivalence claimed; native VAE input saved after scaling and shift, decoded float output finite before native same-size interpolation; native instruction template without rewriting; original Base sampling, no Turbo DMD inference, erstellt 02.11.2026, 23:36. Quelle
Protokoll gradually-image-comparison-v1. Prompt SHA 256: 2e012c3d14ee5dd02203a94f394ca80a5038cdebd6032b25a8b8a221f2255419
SenseNova U1.5 Lite Bild SHA 256: df5c50fc54f03b972796f424999bd5991ff758a6b7abc00c212864aca3b124bc
Boogu-Image-0.1-Base Bild SHA 256: b9abc77788966e5c8425e7a94c12632b4e4ec11e6d41c7afd0e1acdc37602db3
Die Zahlen im Überblick
SenseNova U1.5 Lite
nicht in der Arena
Boogu-Image-0.1-Base
nicht in der Arena
SenseNova U1.5 Lite
Platz 14 von 108
Boogu-Image-0.1-Base
Platz 103 von 108
SenseNova U1.5 Lite
kein API-Preis
Boogu-Image-0.1-Base
kein API-Preis
Plätze unter den 21 Bildmodellen mit Arena-Wertung und den 108 mit GraduallyBench-Lauf; Preisvergleich mit 28 Modellen mit API-Preis.
SenseNova U1.5 Lite
- Im Abo
- k. A. Kein Tarif in Deutschland nennt genau dieses Modell.
- Per API
- Kein API-Preis bekannt. Zugang: API, Web-App, lokal.
- Lizenz
- Offene Gewichte.
Boogu-Image-0.1-Base
- 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 | SenseNova U1.5 Lite | Boogu-Image-0.1-Base |
|---|---|---|
| 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 | 73 | 10 |
| GraduallyBench je Aufgabe | ||
| Typografie und LayoutLesbarer Text, Hierarchie und Komposition | 93 | 9 |
| ProduktfotografieMaterialien, Reflexionen und kleine Details | 84 | 8 |
| Figur und DetailsAnatomie, Kleidung und räumliche Konsistenz | 35 | 8 |
| InfografikZahlen, Beschriftungen und visuelle Ordnung | 80 | 16 |
| Preis über die API | ||
| Je Bildniedriger ist besser | k. A. | k. A. |
| 100 Bilder | k. A. | k. A. |
| Steckbrief | ||
| Erschienen | k. A. | k. A. |
| Gewichteoffen heißt: lokal nutzbar | offen | offen |
| Zugang | API, Web-App, lokal | lokal |
| Parameter | nicht veröffentlicht | 10 Mrd. |
| Größte Ausgabe | 4K | 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 SenseNova U1.5 Lite (geprüft 02.11.2026) · Modellquelle Boogu-Image-0.1-Base (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 SenseNova U1.5 Lite und Boogu-Image-0.1-Base enthält die gespeicherte Benchmarkdatenbank noch keine Messung derselben Arena und Kategorie. Ältere Modellversionen werden nicht als Ersatz verwendet.
Weitere Vergleiche
Vergleiche SenseNova U1.5 Lite und Boogu-Image-0.1-Base mit den Modellen, die am häufigsten mit ihnen verglichen werden.