Stable Diffusion 3.5 Largevs.Kandinsky-5.0-T2I-Lite-Pretrain
Welches ist besser?
In unserer eigenen Bewertung liegen beide gleichauf. Kandinsky-5.0-T2I-Lite-Pretrain 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 „Produktfotografie“:Kandinsky-5.0-T2I-Lite-Pretrain vorn
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
Stable Diffusion 3.5 Large: fal, requested 1024x1024, n=1, seed=7087247023770270000, estimated cost $0.068157, erstellt 14.08.2026, 14:37. Quelle
Kandinsky-5.0-T2I-Lite-Pretrain: manual, local PyTorch 2.13.0, Diffusers 0.36.0; kandinskylab/Kandinsky-5.0-T2I-Lite-pretrain-Diffusers@0df26d22e3290e9778b0471457d651a51d83ae3d; native 1024x1024, 1:1; one request, first output; steps=50, guidance=3.5, seed=893590444446603478; mps for text encoder and denoising; cpu for native VAE decode; bfloat16 for text encoders; float32 for transformer and CPU VAE; native tokenizer truncation: CLIP 80 to 77 tokens; archived input unchanged, erstellt 02.11.2026, 20:56. Quelle
Protokoll gradually-image-comparison-v1. Prompt SHA 256: 985a75b38642a9f0e5e0c0e0c67f1b7f67780d42bd2168fa24e9a7a7a94b0da6
Stable Diffusion 3.5 Large Bild SHA 256: e748006fe56e442ad347e3f994f18b86ee1739f20dcee063aa7a03ee710c5d54
Kandinsky-5.0-T2I-Lite-Pretrain Bild SHA 256: af9bdf8492b30fdaeb79b8f51d168a948d43ee1bbb29107f50a2f794db91a2e0
Infografik
Stable Diffusion 3.5 Large: fal, requested 1024x1024, n=1, seed=12166653711354006000, estimated cost $0.068157, erstellt 14.08.2026, 14:37. Quelle
Kandinsky-5.0-T2I-Lite-Pretrain: manual, local PyTorch 2.13.0, Diffusers 0.36.0; kandinskylab/Kandinsky-5.0-T2I-Lite-pretrain-Diffusers@0df26d22e3290e9778b0471457d651a51d83ae3d; native 1024x1024, 1:1; one request, first output; steps=50, guidance=3.5, seed=6008496123190594626; mps for text encoder and denoising; cpu for native VAE decode; bfloat16 for text encoders; float32 for transformer and CPU VAE, erstellt 02.11.2026, 21:08. Quelle
Protokoll gradually-image-comparison-v1. Prompt SHA 256: ed65cb4e6a51e2336f8b149ad4cbb16e020f07d527ad94362e719d2dcf91d94f
Stable Diffusion 3.5 Large Bild SHA 256: 4eb0fd741ef42e6d3fee4b1280cdfb098a0a04009b139051963895892e349f1e
Kandinsky-5.0-T2I-Lite-Pretrain Bild SHA 256: 6d1a99203c55f6a9ba5853aae207dfc5e264adc73b336253fae874f0243bd60e
Produktfotografie
Stable Diffusion 3.5 Large: fal, requested 1024x1024, n=1, seed=13346308312015933000, estimated cost $0.068157, erstellt 14.08.2026, 14:37. Quelle
Kandinsky-5.0-T2I-Lite-Pretrain: manual, local PyTorch 2.13.0, Diffusers 0.36.0; kandinskylab/Kandinsky-5.0-T2I-Lite-pretrain-Diffusers@0df26d22e3290e9778b0471457d651a51d83ae3d; native 1024x1024, 1:1; one request, first output; steps=50, guidance=3.5, seed=8854898730028115945; mps for text encoder and denoising; cpu for native VAE decode; bfloat16 for text encoders; float32 for transformer and CPU VAE; native tokenizer truncation: CLIP 80 to 77 tokens; archived input unchanged, erstellt 02.11.2026, 20:46. Quelle
Protokoll gradually-image-comparison-v1. Prompt SHA 256: c67fd71e91304458a2feef5c91efa8677260fab0c0099a29a2c52cb579f5b2f3
Stable Diffusion 3.5 Large Bild SHA 256: ea9a7401dee8859ec2cb96af9f7ca29a177ef2202f52f629d8ce9f5839bd4061
Kandinsky-5.0-T2I-Lite-Pretrain Bild SHA 256: 83169f5969d6ed636c5ba8ff01236290417a5942deec1089b4725cfeb0dc2b76
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
Kandinsky-5.0-T2I-Lite-Pretrain: manual, local PyTorch 2.13.0, Diffusers 0.36.0; kandinskylab/Kandinsky-5.0-T2I-Lite-pretrain-Diffusers@0df26d22e3290e9778b0471457d651a51d83ae3d; native 1024x1024, 1:1; one request, first output; steps=50, guidance=3.5, seed=9114026266664490789; mps for text encoder and denoising; cpu for native VAE decode; bfloat16 for text encoders; float32 for transformer and CPU VAE, erstellt 02.11.2026, 20:36. Quelle
Protokoll gradually-image-comparison-v1. Prompt SHA 256: 2e012c3d14ee5dd02203a94f394ca80a5038cdebd6032b25a8b8a221f2255419
Stable Diffusion 3.5 Large Bild SHA 256: e2994b1883a245b1c8c447957d121ea89d93aafff149029aa4e8507dbb769f9a
Kandinsky-5.0-T2I-Lite-Pretrain Bild SHA 256: 89cd2a1137d4d2ceb46c44b030f889bb3b14ac96ae190d2eb271dff02cfb5b74
Die Zahlen im Überblick
Stable Diffusion 3.5 Large
Platz 21 von 21
Kandinsky-5.0-T2I-Lite-Pretrain
nicht in der Arena
Stable Diffusion 3.5 Large
Platz 87 von 108
Kandinsky-5.0-T2I-Lite-Pretrain
Platz 86 von 108
Stable Diffusion 3.5 Large
kein API-Preis
Kandinsky-5.0-T2I-Lite-Pretrain
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.
Kandinsky-5.0-T2I-Lite-Pretrain
- 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 | Kandinsky-5.0-T2I-Lite-Pretrain |
|---|---|---|
| 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 | 28 |
| GraduallyBench je Aufgabe | ||
| Typografie und LayoutLesbarer Text, Hierarchie und Komposition | 31 | 16 |
| ProduktfotografieMaterialien, Reflexionen und kleine Details | 17 | 58 |
| Figur und DetailsAnatomie, Kleidung und räumliche Konsistenz | 23 | 14 |
| InfografikZahlen, Beschriftungen und visuelle Ordnung | 39 | 23 |
| 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. | 6 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 Kandinsky-5.0-T2I-Lite-Pretrain (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 Kandinsky-5.0-T2I-Lite-Pretrain 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 Kandinsky-5.0-T2I-Lite-Pretrain mit den Modellen, die am häufigsten mit ihnen verglichen werden.