Stable Diffusion XL 1.0vs.BAGEL-7B-MoT

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 XL 1.0: Produktfotografie, erstes Bild aus dem festen Testlauf — Stable Diffusion XL 1.013 von 100

BAGEL-7B-MoT: Produktfotografie, erstes Bild aus dem festen Testlauf — BAGEL-7B-MoT88 von 100

Ergebnis bei „Produktfotografie“:BAGEL-7B-MoT vorn

Auftrag an beide Modelle (Original englisch)Create a square premium product photograph of a brushed titanium wristwatch standing upright on dark green marble. The watch has a cream dial, thin black hands set to 10:10, twelve distinct hour markers, a realistic crown, and a dark brown leather strap. Soft window light from the left, controlled reflections, shallow depth of field, no text, no logo, no extra objects.

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 XL 1.0: manual, local PyTorch 2.13.0, Diffusers 0.36.0; stabilityai/stable-diffusion-xl-base-1.0@462165984030d82259a11f4367a4eed129e94a7b; native 1024x1024, 1:1; one request, first output; steps=50, guidance=5.0, seed=268378870826470633; 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, tokenizer_2 80 to 77 tokens; archived input unchanged, erstellt 02.11.2026, 18:07. Quelle

BAGEL-7B-MoT: fal, provider-default image size; one output sampled; use_thought=false, one request, first output, seed=1668381318, Fal schema does not expose image size or image count fields, estimated cost $0.100000, erstellt 02.11.2026, 15:22. Quelle

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

Stable Diffusion XL 1.0 Bild SHA 256: 26d3c3d3e687614e24dd12191246bc1d96c1576d31f9211840a3e02b64d4d507

BAGEL-7B-MoT Bild SHA 256: f9a99e0e983d8731377afdf880911fc993d516b55c18059fd5cb3390fd01fd31

Infografik

Stable Diffusion XL 1.0: manual, local PyTorch 2.13.0, Diffusers 0.36.0; stabilityai/stable-diffusion-xl-base-1.0@462165984030d82259a11f4367a4eed129e94a7b; native 1024x1024, 1:1; one request, first output; steps=50, guidance=5.0, seed=5455008934753613262; mps for text encoder and denoising; cpu for native VAE decode; float16 for text encoder and transformer; float32 for VAE, erstellt 02.11.2026, 18:08. Quelle

BAGEL-7B-MoT: fal, provider-default image size; one output sampled; use_thought=false, one request, first output, seed=1401806471, Fal schema does not expose image size or image count fields, estimated cost $0.100000, erstellt 02.11.2026, 15:23. Quelle

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

Stable Diffusion XL 1.0 Bild SHA 256: ebfe8d1c223478c94ff1973ab2600cd4f696b40b8c3388ca40f26f52c83afdb2

BAGEL-7B-MoT Bild SHA 256: fd19fd4a68dfc264705c92209fcf45e3c8be4384c02433888b066683ee57c2ba

Produktfotografie

Stable Diffusion XL 1.0: manual, local PyTorch 2.13.0, Diffusers 0.36.0; stabilityai/stable-diffusion-xl-base-1.0@462165984030d82259a11f4367a4eed129e94a7b; native 1024x1024, 1:1; one request, first output; steps=50, guidance=5.0, seed=490593220006868735; 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, tokenizer_2 80 to 77 tokens; archived input unchanged, erstellt 02.11.2026, 18:06. Quelle

BAGEL-7B-MoT: fal, provider-default image size; one output sampled; use_thought=false, one request, first output, seed=1385391411, Fal schema does not expose image size or image count fields, estimated cost $0.100000, erstellt 02.11.2026, 15:22. Quelle

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

Stable Diffusion XL 1.0 Bild SHA 256: f59af9c84f6fbb3e4ca34bf87ebb0f7c088e8caa520fa4cdf815a96d1bffda83

BAGEL-7B-MoT Bild SHA 256: e8ef4e099fe8329b2bba090a2b8fee5cf926dfc5f91ad8e8694b4a4c78ab8455

Typografie und Layout

Stable Diffusion XL 1.0: manual, local PyTorch 2.13.0, Diffusers 0.36.0; stabilityai/stable-diffusion-xl-base-1.0@462165984030d82259a11f4367a4eed129e94a7b; native 1024x1024, 1:1; one request, first output; steps=50, guidance=5.0, seed=253938565953989943; mps for text encoder and denoising; cpu for native VAE decode; float16 for text encoder and transformer; float32 for VAE, erstellt 02.11.2026, 18:05. Quelle

BAGEL-7B-MoT: fal, provider-default image size; one output sampled; use_thought=false, one request, first output, seed=425487007, Fal schema does not expose image size or image count fields, estimated cost $0.100000, erstellt 02.11.2026, 15:21. Quelle

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

Stable Diffusion XL 1.0 Bild SHA 256: c81e5d0d70afcb53fcffb51a0d548041fd0b33df300aed14b8ecd354aaaaec4e

BAGEL-7B-MoT Bild SHA 256: 401dd23a2e6578a4e676d10543a9fea92d94d0f535dee90d6c7a25e56143257a

Die Zahlen im Überblick

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

k. A.

Stable Diffusion XL 1.0

nicht in der Arena

k. A.

BAGEL-7B-MoT

nicht in der Arena

GraduallyBenchunsere eigene Bewertung, 0 bis 100 · höher ist besser

Stable Diffusion XL 1.0

Platz 100 von 108

BAGEL-7B-MoT

Platz 76 von 108

Preis je BildDollar über die API · niedriger ist besser

k. A.

Stable Diffusion XL 1.0

kein API-Preis

k. A.

BAGEL-7B-MoT

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 XL 1.0

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

BAGEL-7B-MoT

Im Abo: k. A. Kein Tarif in Deutschland nennt genau dieses Modell.
Per API: Kein API-Preis bekannt. Zugang: lokal, Web-App.
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 XL 1.0	BAGEL-7B-MoT
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	13	34
GraduallyBench je Aufgabe
Typografie und LayoutLesbarer Text, Hierarchie und Komposition	5	11
ProduktfotografieMaterialien, Reflexionen und kleine Details	13	88
Figur und DetailsAnatomie, Kleidung und räumliche Konsistenz	28	32
InfografikZahlen, Beschriftungen und visuelle Ordnung	5	6
Preis über die API
Je Bildniedriger ist besser	k. A.	k. A.
100 Bilder	k. A.	k. A.
Steckbrief
Erschienen	k. A.	20.05.2025
Gewichteoffen heißt: lokal nutzbar	offen	offen
Lebenszyklus	Älterer offener Checkpoint; Anbieter führt ihn weiterhin in der Legacy-Modellübersicht	kein Statushinweis
Zugang	API, lokal	lokal, Web-App
Parameter	nicht veröffentlicht	14 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 XL 1.0, Statusquelle (geprüft 01.11.2026) · Modellquelle BAGEL-7B-MoT (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 XL 1.0 und BAGEL-7B-MoT enthält die gespeicherte Benchmarkdatenbank noch keine Messung derselben Arena und Kategorie. Ältere Modellversionen werden nicht als Ersatz verwendet.

Weitere Vergleiche

Vergleiche Stable Diffusion XL 1.0 und BAGEL-7B-MoT mit den Modellen, die am häufigsten mit ihnen verglichen werden.

Anderes Duell vergleichen

Erstes BildmodellZweites Bildmodell