Stable Diffusion 3.5 Large Turbovs.LLaDA-Image
Welches ist besser?
In unserer eigenen Bewertung liegt LLaDA-Image 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“:LLaDA-Image 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
Stable Diffusion 3.5 Large Turbo: fal, image_size=square_hd, num_inference_steps=4, guidance_scale=0, n=1, seed=provider random, Estimate reserves 2 MP at Fal's $0.015 per MP rate, estimated cost $0.030000, erstellt 02.11.2026, 15:28. 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
Stable Diffusion 3.5 Large Turbo Bild SHA 256: 312460ab73a4a22292bf6fbce099d86a22b0b8418f1516351f12f181b5574c76
LLaDA-Image Bild SHA 256: a34d96894f5500c5bce2c16cca14ae09748f3aff4d47d15f8aff0d1be5749211
Infografik
Stable Diffusion 3.5 Large Turbo: fal, image_size=square_hd, num_inference_steps=4, guidance_scale=0, n=1, seed=provider random, Estimate reserves 2 MP at Fal's $0.015 per MP rate, estimated cost $0.030000, erstellt 02.11.2026, 15:28. 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
Stable Diffusion 3.5 Large Turbo Bild SHA 256: 16be803360e5a8025715fd221a0a623d1d68dc1ef38063d12c5abc1298e68d69
LLaDA-Image Bild SHA 256: cad67ad3f1a475d12bc2152840dc98657f81b5c7318c09a9e9fa40fbb433372f
Produktfotografie
Stable Diffusion 3.5 Large Turbo: fal, image_size=square_hd, num_inference_steps=4, guidance_scale=0, n=1, seed=provider random, Estimate reserves 2 MP at Fal's $0.015 per MP rate, estimated cost $0.030000, erstellt 02.11.2026, 15:28. 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
Stable Diffusion 3.5 Large Turbo Bild SHA 256: 1d9665660c7b05a58edc1b68c7f9d773ec4fbcaa41f15d3d691df764d5314b82
LLaDA-Image Bild SHA 256: 888e173c25c26ff1dcbfd07aad01ffc6a71cc7735099d3e943e60dfddfe31553
Typografie und Layout
Stable Diffusion 3.5 Large Turbo: fal, image_size=square_hd, num_inference_steps=4, guidance_scale=0, n=1, seed=provider random, Estimate reserves 2 MP at Fal's $0.015 per MP rate, estimated cost $0.030000, erstellt 02.11.2026, 15:28. 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
Stable Diffusion 3.5 Large Turbo Bild SHA 256: e50fd19573ee42b2d6419b51f45bf29e04931ae1b583868d340fc05d973975ea
LLaDA-Image Bild SHA 256: 256a88541c9821a6242bb434fb520d4d6f0793c934c66acd1fd2e8edd8086b5d
Die Zahlen im Überblick
Stable Diffusion 3.5 Large Turbo
nicht in der Arena
LLaDA-Image
nicht in der Arena
Stable Diffusion 3.5 Large Turbo
Platz 88 von 108
LLaDA-Image
Platz 63 von 108
Stable Diffusion 3.5 Large Turbo
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.
Stable Diffusion 3.5 Large Turbo
- Im Abo
- k. A. Kein Tarif in Deutschland nennt genau dieses Modell.
- Per API
- Kein API-Preis bekannt. Zugang: API, lokal.
- Lizenz
- Offene Gewichte.
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 | Stable Diffusion 3.5 Large Turbo | 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 | 27 | 48 |
| GraduallyBench je Aufgabe | ||
| Typografie und LayoutLesbarer Text, Hierarchie und Komposition | 26 | 62 |
| ProduktfotografieMaterialien, Reflexionen und kleine Details | 15 | 35 |
| Figur und DetailsAnatomie, Kleidung und räumliche Konsistenz | 51 | 63 |
| InfografikZahlen, Beschriftungen und visuelle Ordnung | 17 | 33 |
| Preis über die API | ||
| Je Bildniedriger ist besser | k. A. | k. A. |
| 100 Bilder | k. A. | k. A. |
| Steckbrief | ||
| Erschienen | 22.10.2024 | 04.09.2026 |
| Gewichteoffen heißt: lokal nutzbar | offen | offen |
| Zugang | API, lokal | lokal |
| Parameter | nicht veröffentlicht | 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 Stable Diffusion 3.5 Large Turbo (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 Stable Diffusion 3.5 Large Turbo und LLaDA-Image enthält die gespeicherte Benchmarkdatenbank noch keine Messung derselben Arena und Kategorie. Ältere Modellversionen werden nicht als Ersatz verwendet.
Weitere Vergleiche
Vergleiche Stable Diffusion 3.5 Large Turbo und LLaDA-Image mit den Modellen, die am häufigsten mit ihnen verglichen werden.