Stable Diffusion Turbovs.Boogu-Image-0.1-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 Turbo: Typografie und Layout, erstes Bild aus dem festen Testlauf — Stable Diffusion Turbo0 von 100

Boogu-Image-0.1-Turbo: Typografie und Layout, erstes Bild aus dem festen Testlauf — Boogu-Image-0.1-Turbo18 von 100

Ergebnis bei „Typografie und Layout“:Boogu-Image-0.1-Turbo vorn

Auftrag an beide Modelle (Original englisch)Create a square editorial poster for an imaginary night train called MONDFALTER. Show the exact German headline MONDFALTER and the exact subline BERLIN NACH LISSABON. Use a restrained midnight-blue and warm-cream palette, one stylized moth, strong Swiss-grid typography, generous negative space, and no additional words or logos.

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 Turbo: manual, local PyTorch 2.13.0, Diffusers 0.36.0; stabilityai/sd-turbo@b261bac6fd2cf515557d5d0707481eafa0485ec2; native 1024x1024, 1:1; one request, first output; steps=1, guidance=0.0, seed=5483236571890770311; mps for text encoder and denoising; cpu for native VAE decode; float16 for text encoder and transformer; float32 for VAE; native tokenizer truncation: tokenizer 80 to 77 tokens; archived input unchanged, erstellt 02.11.2026, 18:17. 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 Turbo Bild SHA 256: 291b69ba3d375bfa017c782f61521b705d67708ed5e1be9350d55d486ad6f1d1

Boogu-Image-0.1-Turbo Bild SHA 256: 0c90d3a3e12870784d8b576ac3ace689b6cb627a4222f7cfc4a0d3793b9e4a37

Infografik

Stable Diffusion Turbo: manual, local PyTorch 2.13.0, Diffusers 0.36.0; stabilityai/sd-turbo@b261bac6fd2cf515557d5d0707481eafa0485ec2; native 1024x1024, 1:1; one request, first output; steps=1, guidance=0.0, seed=8161577731918994504; mps for text encoder and denoising; cpu for native VAE decode; float16 for text encoder and transformer; float32 for VAE, erstellt 02.11.2026, 18:18. 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 Turbo Bild SHA 256: 80a2687dbc408395b416994d4853332427d09fccead1a6229564cc25b32de7e6

Boogu-Image-0.1-Turbo Bild SHA 256: 096ae82e5a28ef1095f159019c41983c84a0c670a76e752fb3a1f9600fa7c45a

Produktfotografie

Stable Diffusion Turbo: manual, local PyTorch 2.13.0, Diffusers 0.36.0; stabilityai/sd-turbo@b261bac6fd2cf515557d5d0707481eafa0485ec2; native 1024x1024, 1:1; one request, first output; steps=1, guidance=0.0, seed=2124044582169182899; mps for text encoder and denoising; cpu for native VAE decode; float16 for text encoder and transformer; float32 for VAE; native tokenizer truncation: tokenizer 80 to 77 tokens; archived input unchanged, erstellt 02.11.2026, 18:16. 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 Turbo Bild SHA 256: 13dcbe6eb77495317a03f3eed013c4358ae7466fca00d9f869e512279a8a2af6

Boogu-Image-0.1-Turbo Bild SHA 256: 50719aadf378d21848c83dbdb510a8134c80be05cbb2b718182a95e9cbb28164

Typografie und Layout

Stable Diffusion Turbo: manual, local PyTorch 2.13.0, Diffusers 0.36.0; stabilityai/sd-turbo@b261bac6fd2cf515557d5d0707481eafa0485ec2; native 1024x1024, 1:1; one request, first output; steps=1, guidance=0.0, seed=2303175353176269810; mps for text encoder and denoising; cpu for native VAE decode; float16 for text encoder and transformer; float32 for VAE, erstellt 02.11.2026, 18:16. 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 Turbo Bild SHA 256: 7def19e4f4adf68244ff69e5873b9f465ecd158fb4abab0273443bfc3804438e

Boogu-Image-0.1-Turbo Bild SHA 256: cec0e99f796e6d0e4dafc517afc93fd93041aecbd52cef74a421ea9c3a15ab69

Die Zahlen im Überblick

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

k. A.

Stable Diffusion Turbo

nicht in der Arena

k. A.

Boogu-Image-0.1-Turbo

nicht in der Arena

GraduallyBenchunsere eigene Bewertung, 0 bis 100 · höher ist besser

Stable Diffusion Turbo

Platz 108 von 108

Boogu-Image-0.1-Turbo

Platz 104 von 108

Preis je BildDollar über die API · niedriger ist besser

k. A.

Stable Diffusion Turbo

kein API-Preis

k. A.

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 Turbo

Im Abo: k. A. Kein Tarif in Deutschland nennt genau dieses Modell.
Per API: Kein API-Preis bekannt. Zugang: 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.

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 Turbo	Boogu-Image-0.1-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	3	9
GraduallyBench je Aufgabe
Typografie und LayoutLesbarer Text, Hierarchie und Komposition	0	18
ProduktfotografieMaterialien, Reflexionen und kleine Details	1	6
Figur und DetailsAnatomie, Kleidung und räumliche Konsistenz	5	5
InfografikZahlen, Beschriftungen und visuelle Ordnung	5	8
Preis über die API
Je Bildniedriger ist besser	k. A.	k. A.
100 Bilder	k. A.	k. A.
Steckbrief
Erschienen	k. A.	k. A.
Gewichteoffen heißt: lokal nutzbar	offen	offen
Lebenszyklus	Älterer offener Schnell-Checkpoint; keine aktive Hosted-API-ID in der hier geprüften Modellliste behauptet	kein Statushinweis
Zugang	lokal	lokal
Parameter	nicht veröffentlicht	10 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 Turbo, Statusquelle (geprüft 01.11.2026) · 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 Turbo 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 Turbo und Boogu-Image-0.1-Turbo mit den Modellen, die am häufigsten mit ihnen verglichen werden.

Anderes Duell vergleichen

Erstes BildmodellZweites Bildmodell