Stable Diffusion 3.5 Largevs.MOSS-Image-Base
Welches ist besser?
In unserer eigenen Bewertung liegt MOSS-Image-Base vorn. MOSS-Image-Base 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“:MOSS-Image-Base 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
MOSS-Image-Base: manual, local PyTorch 2.13.0, Diffusers 0.41.0; OpenMOSS-Team/MOSS-Image-Base@85975793d8b3d432f1b6e27f352abaa4c2a4c0d3; native 1024x1024, 1:1; one request, first output; steps=50, guidance=3.0, seed=921965437095743280; mps for text encoder and denoising; cpu for native VAE decode; bfloat16 for text encoder and transformer; float32 for VAE; unconditional skip layers=[22]; CPU operator fallback permitted, actual fallback use was not measured; official experimental MPS compatibility runtime OpenMOSS/MOSS-Image@1961ca3d111b828e65278656cde0c8f94484f4dd, erstellt 02.11.2026, 22:39. Quelle
Protokoll gradually-image-comparison-v1. Prompt SHA 256: 985a75b38642a9f0e5e0c0e0c67f1b7f67780d42bd2168fa24e9a7a7a94b0da6
Stable Diffusion 3.5 Large Bild SHA 256: e748006fe56e442ad347e3f994f18b86ee1739f20dcee063aa7a03ee710c5d54
MOSS-Image-Base Bild SHA 256: 313d95f3e7766e861d46b0563c81bb2a02782708004c24c7aab0c46e8587ff83
Infografik
Stable Diffusion 3.5 Large: fal, requested 1024x1024, n=1, seed=12166653711354006000, estimated cost $0.068157, erstellt 14.08.2026, 14:37. Quelle
MOSS-Image-Base: manual, local PyTorch 2.13.0, Diffusers 0.41.0; OpenMOSS-Team/MOSS-Image-Base@85975793d8b3d432f1b6e27f352abaa4c2a4c0d3; native 1024x1024, 1:1; one request, first output; steps=50, guidance=3.0, seed=2567672344276262662; mps for text encoder and denoising; cpu for native VAE decode; bfloat16 for text encoder and transformer; float32 for VAE; unconditional skip layers=[22]; CPU operator fallback permitted, actual fallback use was not measured; official experimental MPS compatibility runtime OpenMOSS/MOSS-Image@1961ca3d111b828e65278656cde0c8f94484f4dd, erstellt 02.11.2026, 22:43. Quelle
Protokoll gradually-image-comparison-v1. Prompt SHA 256: ed65cb4e6a51e2336f8b149ad4cbb16e020f07d527ad94362e719d2dcf91d94f
Stable Diffusion 3.5 Large Bild SHA 256: 4eb0fd741ef42e6d3fee4b1280cdfb098a0a04009b139051963895892e349f1e
MOSS-Image-Base Bild SHA 256: 3175582007cf377490ab51f73a57ebddb312f523ac5bfb54ae7598e72eb3edca
Produktfotografie
Stable Diffusion 3.5 Large: fal, requested 1024x1024, n=1, seed=13346308312015933000, estimated cost $0.068157, erstellt 14.08.2026, 14:37. Quelle
MOSS-Image-Base: manual, local PyTorch 2.13.0, Diffusers 0.41.0; OpenMOSS-Team/MOSS-Image-Base@85975793d8b3d432f1b6e27f352abaa4c2a4c0d3; native 1024x1024, 1:1; one request, first output; steps=50, guidance=3.0, seed=8912274556852986311; mps for text encoder and denoising; cpu for native VAE decode; bfloat16 for text encoder and transformer; float32 for VAE; unconditional skip layers=[22]; CPU operator fallback permitted, actual fallback use was not measured; official experimental MPS compatibility runtime OpenMOSS/MOSS-Image@1961ca3d111b828e65278656cde0c8f94484f4dd, erstellt 02.11.2026, 22:35. Quelle
Protokoll gradually-image-comparison-v1. Prompt SHA 256: c67fd71e91304458a2feef5c91efa8677260fab0c0099a29a2c52cb579f5b2f3
Stable Diffusion 3.5 Large Bild SHA 256: ea9a7401dee8859ec2cb96af9f7ca29a177ef2202f52f629d8ce9f5839bd4061
MOSS-Image-Base Bild SHA 256: af9ea47eb1554bcaaaadf8860fecfa5bb69095a58bf346e3d9a73be8240a2a7c
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
MOSS-Image-Base: manual, local PyTorch 2.13.0, Diffusers 0.41.0; OpenMOSS-Team/MOSS-Image-Base@85975793d8b3d432f1b6e27f352abaa4c2a4c0d3; native 1024x1024, 1:1; one request, first output; steps=50, guidance=3.0, seed=9219943416610765538; mps for text encoder and denoising; cpu for native VAE decode; bfloat16 for text encoder and transformer; float32 for VAE; unconditional skip layers=[22]; CPU operator fallback permitted, actual fallback use was not measured; official experimental MPS compatibility runtime OpenMOSS/MOSS-Image@1961ca3d111b828e65278656cde0c8f94484f4dd, erstellt 02.11.2026, 22:31. Quelle
Protokoll gradually-image-comparison-v1. Prompt SHA 256: 2e012c3d14ee5dd02203a94f394ca80a5038cdebd6032b25a8b8a221f2255419
Stable Diffusion 3.5 Large Bild SHA 256: e2994b1883a245b1c8c447957d121ea89d93aafff149029aa4e8507dbb769f9a
MOSS-Image-Base Bild SHA 256: e87b1d9d7aa09487c6b9be505746dacb2f3be551f29a5d85424a44a2a88089c5
Die Zahlen im Überblick
Stable Diffusion 3.5 Large
Platz 21 von 21
MOSS-Image-Base
nicht in der Arena
Stable Diffusion 3.5 Large
Platz 87 von 108
MOSS-Image-Base
Platz 61 von 108
Stable Diffusion 3.5 Large
kein API-Preis
MOSS-Image-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.
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.
MOSS-Image-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.
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 | MOSS-Image-Base |
|---|---|---|
| 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 | 51 |
| GraduallyBench je Aufgabe | ||
| Typografie und LayoutLesbarer Text, Hierarchie und Komposition | 31 | 51 |
| ProduktfotografieMaterialien, Reflexionen und kleine Details | 17 | 36 |
| Figur und DetailsAnatomie, Kleidung und räumliche Konsistenz | 23 | 46 |
| InfografikZahlen, Beschriftungen und visuelle Ordnung | 39 | 71 |
| Preis über die API | ||
| Je Bildniedriger ist besser | k. A. | k. A. |
| 100 Bilder | k. A. | k. A. |
| Steckbrief | ||
| Erschienen | 22.10.2024 | 16.10.2026 |
| Gewichteoffen heißt: lokal nutzbar | offen | offen |
| Zugang | API, lokal | lokal |
| Parameter | 8,1 Mrd. | 5 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 MOSS-Image-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 Stable Diffusion 3.5 Large und MOSS-Image-Base 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 MOSS-Image-Base mit den Modellen, die am häufigsten mit ihnen verglichen werden.