Stable Diffusion 3.5 Mediumvs.LLaDA-Image-Turbo

Welches ist besser?

In unserer eigenen Bewertung liegen beide gleichauf. 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.

Stable Diffusion 3.5 Medium: Figur und Details, erstes Bild aus dem festen Testlauf — Stable Diffusion 3.5 Medium31 von 100

LLaDA-Image-Turbo: Figur und Details, erstes Bild aus dem festen Testlauf — LLaDA-Image-Turbo53 von 100

Ergebnis bei „Figur und Details“:LLaDA-Image-Turbo knapp vorn

Auftrag an beide Modelle (Original englisch)Create a square cinematic full-body portrait of a fictional bicycle courier waiting under a transparent umbrella at a rainy tram stop in Hamburg at blue hour. She wears a mustard raincoat, navy trousers, red sneakers, a silver helmet, and carries a teal messenger bag. Keep both hands visible, render the bicycle correctly, use realistic wet-street reflections, and include no readable brand names.

Darauf achtet die Bewertung: Anatomie, Kleidung und räumliche Konsistenz.

„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.

Typografie und Layout

Stable Diffusion 3.5 Medium: fal, requested 1024x1024, n=1, seed=provider random, estimated cost $0.020000, erstellt 01.11.2026, 21:16. Quelle

LLaDA-Image-Turbo: manual, 1:1, native 1024x1024, one request in the successful technical repeat, first output; two total submissions after a local download failure; seed 0 (fixed provider default, randomize_seed=false); BF16 transformer, FP8 text encoder; 4 steps, CFG 1.0; HF Space commit 7b02431121944d65b8065873b48eec736a0c1022; source PNG SHA-256 d1866b4994a664728de07f1c1897776bbf04409b4a00ad7fa98666036a78816d, erstellt 02.11.2026, 15:03. Quelle

Protokoll gradually-image-comparison-v1. Prompt SHA 256: 2e012c3d14ee5dd02203a94f394ca80a5038cdebd6032b25a8b8a221f2255419

Stable Diffusion 3.5 Medium Bild SHA 256: bc854c3269ea8bada6f764545f4a09abedc110219018c09f2fa5708a14d9af7e

LLaDA-Image-Turbo Bild SHA 256: de0c780506575a32050ce9ca3d3c4dd1a0c4cc7ccf7f7f2f6aaf17ad01295901

Produktfotografie

Stable Diffusion 3.5 Medium: fal, requested 1024x1024, n=1, seed=provider random, estimated cost $0.020000, erstellt 01.11.2026, 21:16. Quelle

LLaDA-Image-Turbo: manual, PyTorch 2.13.0, Diffusers 0.39.0, Transformers 4.57.6; inclusionAI/LLaDA-Image-Turbo@f4afc52d925bbac4e22a1c947111fc1f127e37e5; native 1024x1024, 1:1; one request per local attempt, first output; steps=4, guidance=1.0; seed=0; separate MPS initial-latent generator and global MPS scheduler RNG streams with the same integer seed; original Turbo scheduler, stochastic_sampling=true, uniform sigmas, shift=3; BF16 text encoder and diffusion components, FP32 denoising latent and CPU FP32 VAE decode; historical poster uses FP8 text encoder and remains unchanged; no CUDA equivalence claimed; MPS fallback permitted, actual fallback operations not measured; historical Hugging Face Space product-photo attempt used the same archived prompt and seed 0 but a different request body and backend; its AppError left the output unresolved; this is not an exact request replay or a numerical-equivalence comparison, erstellt 03.11.2026, 09:48. Quelle

Protokoll gradually-image-comparison-v1. Prompt SHA 256: c67fd71e91304458a2feef5c91efa8677260fab0c0099a29a2c52cb579f5b2f3

Stable Diffusion 3.5 Medium Bild SHA 256: 2412a20e61c118ce7ab7ff83e285b96eb32d5c0f1171cc769e153db6655b8f67

LLaDA-Image-Turbo Bild SHA 256: e61fb35e0c12941d28d32b0e0125b934bc0857fc49216a7945406e3bf58b4316

Figur und Details

Stable Diffusion 3.5 Medium: fal, requested 1024x1024, n=1, seed=provider random, estimated cost $0.020000, erstellt 01.11.2026, 21:17. Quelle

LLaDA-Image-Turbo: manual, PyTorch 2.13.0, Diffusers 0.39.0, Transformers 4.57.6; inclusionAI/LLaDA-Image-Turbo@f4afc52d925bbac4e22a1c947111fc1f127e37e5; native 1024x1024, 1:1; one request per local attempt, first output; steps=4, guidance=1.0; seed=7961710876241130415; separate MPS initial-latent generator and global MPS scheduler RNG streams with the same integer seed; original Turbo scheduler, stochastic_sampling=true, uniform sigmas, shift=3; BF16 text encoder and diffusion components, FP32 denoising latent and CPU FP32 VAE decode; historical poster uses FP8 text encoder and remains unchanged; no CUDA equivalence claimed; MPS fallback permitted, actual fallback operations not measured, erstellt 03.11.2026, 09:54. Quelle

Protokoll gradually-image-comparison-v1. Prompt SHA 256: 985a75b38642a9f0e5e0c0e0c67f1b7f67780d42bd2168fa24e9a7a7a94b0da6

Stable Diffusion 3.5 Medium Bild SHA 256: 6b8aa732e94479ad302904096c5031908141e4083ee099f080185aa04c2ea800

LLaDA-Image-Turbo Bild SHA 256: aac02152ef0efc45749b3d0a626e9f4114418394aeb6a92d492651c564f40fee

Infografik

Stable Diffusion 3.5 Medium: fal, requested 1024x1024, n=1, seed=provider random, estimated cost $0.020000, erstellt 01.11.2026, 21:17. Quelle

LLaDA-Image-Turbo: manual, PyTorch 2.13.0, Diffusers 0.39.0, Transformers 4.57.6; inclusionAI/LLaDA-Image-Turbo@f4afc52d925bbac4e22a1c947111fc1f127e37e5; native 1024x1024, 1:1; one request per local attempt, first output; steps=4, guidance=1.0; seed=5156250474893981751; separate MPS initial-latent generator and global MPS scheduler RNG streams with the same integer seed; original Turbo scheduler, stochastic_sampling=true, uniform sigmas, shift=3; BF16 text encoder and diffusion components, FP32 denoising latent and CPU FP32 VAE decode; historical poster uses FP8 text encoder and remains unchanged; no CUDA equivalence claimed; MPS fallback permitted, actual fallback operations not measured, erstellt 03.11.2026, 09:56. Quelle

Protokoll gradually-image-comparison-v1. Prompt SHA 256: ed65cb4e6a51e2336f8b149ad4cbb16e020f07d527ad94362e719d2dcf91d94f

Stable Diffusion 3.5 Medium Bild SHA 256: 61b12e227431387098e51c6ce6d059be9d8df9c85263b994bee62602e2ddfd16

LLaDA-Image-Turbo Bild SHA 256: 4e8939998310be86b1ad3dc0744a5e3ceee95a00a9113ee6732f9c06cb6b3618

Die Zahlen im Überblick

Arena-Wertungaus Stimmen von Nutzerinnen und Nutzern · höher ist besser

k. A.

Stable Diffusion 3.5 Medium

nicht in der Arena

k. A.

LLaDA-Image-Turbo

nicht in der Arena

GraduallyBenchunsere eigene Bewertung, 0 bis 100 · höher ist besser

Stable Diffusion 3.5 Medium

Platz 90 von 108

LLaDA-Image-Turbo

Platz 83 von 108

Preis je BildDollar über die API · niedriger ist besser

k. A.

Stable Diffusion 3.5 Medium

kein API-Preis

k. A.

LLaDA-Image-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 Medium

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-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.

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 Medium	LLaDA-Image-Turbo
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	25	31
GraduallyBench je Aufgabe
Typografie und LayoutLesbarer Text, Hierarchie und Komposition	22	8
ProduktfotografieMaterialien, Reflexionen und kleine Details	29	27
Figur und DetailsAnatomie, Kleidung und räumliche Konsistenz	31	53
InfografikZahlen, Beschriftungen und visuelle Ordnung	20	36
Preis über die API
Je Bildniedriger ist besser	k. A.	k. A.
100 Bilder	k. A.	k. A.
Steckbrief
Erschienen	29.10.2024	04.09.2026
Gewichteoffen heißt: lokal nutzbar	offen	offen
Zugang	API, lokal	lokal
Parameter	2,5 Mrd.	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 Medium (geprüft 01.11.2026) · Modellquelle LLaDA-Image-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 Medium und LLaDA-Image-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 Medium und LLaDA-Image-Turbo mit den Modellen, die am häufigsten mit ihnen verglichen werden.

Anderes Duell vergleichen

Erstes BildmodellZweites Bildmodell