Stable Diffusion 3.5 Largevs.Boogu-Image-0.1-Turbo
Welches ist besser?
In unserer eigenen Bewertung liegt Stable Diffusion 3.5 Large vorn. Boogu-Image-0.1-Turbo hat noch keine Arena-Wertung. Beide haben keinen API-Preis.
Testbilder
Gleicher Auftrag, je das erste Bild. Vorausgewählt ist die Aufgabe mit dem größten Unterschied.
Ergebnis bei „Infografik“:Stable Diffusion 3.5 Large 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
Stable Diffusion 3.5 Large: fal, requested 1024x1024, n=1, seed=7087247023770270000, estimated cost $0.068157, erstellt 14.08.2026, 14:37. Quelle
Boogu-Image-0.1-Turbo: manual, local PyTorch 2.11.0, Diffusers 0.38.0; Boogu/Boogu-Image-0.1-Turbo@47cd26d3c211b030c64ffe60d63b2e17a7c519c2; native 1024x1024, 1:1; one request, first output; steps=4, guidance=1.0, seed=2111621457284287488; 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 DMD student inference, conditioning sigma 0.001, erstellt 02.11.2026, 23:24. Quelle
Protokoll gradually-image-comparison-v1. Prompt SHA 256: 985a75b38642a9f0e5e0c0e0c67f1b7f67780d42bd2168fa24e9a7a7a94b0da6
Stable Diffusion 3.5 Large Bild SHA 256: e748006fe56e442ad347e3f994f18b86ee1739f20dcee063aa7a03ee710c5d54
Boogu-Image-0.1-Turbo Bild SHA 256: 0c90d3a3e12870784d8b576ac3ace689b6cb627a4222f7cfc4a0d3793b9e4a37
Infografik
Stable Diffusion 3.5 Large: fal, requested 1024x1024, n=1, seed=12166653711354006000, estimated cost $0.068157, erstellt 14.08.2026, 14:37. Quelle
Boogu-Image-0.1-Turbo: manual, local PyTorch 2.11.0, Diffusers 0.38.0; Boogu/Boogu-Image-0.1-Turbo@47cd26d3c211b030c64ffe60d63b2e17a7c519c2; native 1024x1024, 1:1; one request, first output; steps=4, guidance=1.0, seed=8524023330556932596; 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 DMD student inference, conditioning sigma 0.001, erstellt 02.11.2026, 23:24. Quelle
Protokoll gradually-image-comparison-v1. Prompt SHA 256: ed65cb4e6a51e2336f8b149ad4cbb16e020f07d527ad94362e719d2dcf91d94f
Stable Diffusion 3.5 Large Bild SHA 256: 4eb0fd741ef42e6d3fee4b1280cdfb098a0a04009b139051963895892e349f1e
Boogu-Image-0.1-Turbo Bild SHA 256: 096ae82e5a28ef1095f159019c41983c84a0c670a76e752fb3a1f9600fa7c45a
Produktfotografie
Stable Diffusion 3.5 Large: fal, requested 1024x1024, n=1, seed=13346308312015933000, estimated cost $0.068157, erstellt 14.08.2026, 14:37. Quelle
Boogu-Image-0.1-Turbo: manual, local PyTorch 2.11.0, Diffusers 0.38.0; Boogu/Boogu-Image-0.1-Turbo@47cd26d3c211b030c64ffe60d63b2e17a7c519c2; native 1024x1024, 1:1; one request, first output; steps=4, guidance=1.0, seed=9219148100655939974; 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 DMD student inference, conditioning sigma 0.001, erstellt 02.11.2026, 23:23. Quelle
Protokoll gradually-image-comparison-v1. Prompt SHA 256: c67fd71e91304458a2feef5c91efa8677260fab0c0099a29a2c52cb579f5b2f3
Stable Diffusion 3.5 Large Bild SHA 256: ea9a7401dee8859ec2cb96af9f7ca29a177ef2202f52f629d8ce9f5839bd4061
Boogu-Image-0.1-Turbo Bild SHA 256: 50719aadf378d21848c83dbdb510a8134c80be05cbb2b718182a95e9cbb28164
Typografie und Layout
Stable Diffusion 3.5 Large: fal, requested 1024x1024, n=1, seed=16632333557910893000, estimated cost $0.068157, erstellt 14.08.2026, 14:37. Quelle
Boogu-Image-0.1-Turbo: manual, local PyTorch 2.11.0, Diffusers 0.38.0; Boogu/Boogu-Image-0.1-Turbo@47cd26d3c211b030c64ffe60d63b2e17a7c519c2; native 1024x1024, 1:1; one request, first output; steps=4, guidance=1.0, seed=4970356096182813142; 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 DMD student inference, conditioning sigma 0.001; two local attempts: original MPSGraph SIGABRT before output; one identical-prompt, identical-seed technical repeat after reviewed backend-only correction, first output retained; exact failing original operator is not proven, erstellt 02.11.2026, 23:18. Quelle
Protokoll gradually-image-comparison-v1. Prompt SHA 256: 2e012c3d14ee5dd02203a94f394ca80a5038cdebd6032b25a8b8a221f2255419
Stable Diffusion 3.5 Large Bild SHA 256: e2994b1883a245b1c8c447957d121ea89d93aafff149029aa4e8507dbb769f9a
Boogu-Image-0.1-Turbo Bild SHA 256: cec0e99f796e6d0e4dafc517afc93fd93041aecbd52cef74a421ea9c3a15ab69
Die Zahlen im Überblick
Stable Diffusion 3.5 Large
Platz 21 von 21
Boogu-Image-0.1-Turbo
nicht in der Arena
Stable Diffusion 3.5 Large
Platz 87 von 108
Boogu-Image-0.1-Turbo
Platz 104 von 108
Stable Diffusion 3.5 Large
kein API-Preis
Boogu-Image-0.1-Turbo
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
- Im Abo
- k. A. Kein Tarif in Deutschland nennt genau dieses Modell.
- Per API
- Kein API-Preis bekannt. Zugang: API, lokal.
- Lizenz
- Offene Gewichte.
Boogu-Image-0.1-Turbo
- 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.
Arena-Wertung (LMArena) vom 06.11.2026 · 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 | Boogu-Image-0.1-Turbo |
|---|---|---|
| Wertungen | ||
| Arena-Wertungaus Stimmen von Nutzerinnen und Nutzern, höher ist besser | 938 | k. A. |
| Platz in der Arena | Platz 21 von 21 | k. A. |
| Stimmen in der Arenamehr Stimmen, sicherere Wertung | 23.396 | k. A. |
| GraduallyBenchunsere eigene Bewertung, 0 bis 100 | 27 | 9 |
| GraduallyBench je Aufgabe | ||
| Typografie und LayoutLesbarer Text, Hierarchie und Komposition | 31 | 18 |
| ProduktfotografieMaterialien, Reflexionen und kleine Details | 17 | 6 |
| Figur und DetailsAnatomie, Kleidung und räumliche Konsistenz | 23 | 5 |
| InfografikZahlen, Beschriftungen und visuelle Ordnung | 39 | 8 |
| Preis über die API | ||
| Je Bildniedriger ist besser | k. A. | k. A. |
| 100 Bilder | k. A. | k. A. |
| Steckbrief | ||
| Erschienen | 22.10.2024 | k. A. |
| Gewichteoffen heißt: lokal nutzbar | offen | offen |
| Zugang | API, lokal | lokal |
| Parameter | 8,1 Mrd. | 10 Mrd. |
| Größte Ausgabe | 1 Megapixel | 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 (geprüft 15.08.2026) · Modellquelle Boogu-Image-0.1-Turbo (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 und Boogu-Image-0.1-Turbo 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 und Boogu-Image-0.1-Turbo mit den Modellen, die am häufigsten mit ihnen verglichen werden.