Stable Diffusion XL 1.0vs.MOSS-Image-Base

Welches ist besser?

In unserer eigenen Bewertung liegt MOSS-Image-Base vorn. 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: Infografik, erstes Bild aus dem festen Testlauf — Stable Diffusion XL 1.05 von 100

MOSS-Image-Base: Infografik, erstes Bild aus dem festen Testlauf — MOSS-Image-Base71 von 100

Ergebnis bei „Infografik“:MOSS-Image-Base vorn

Auftrag an beide Modelle (Original englisch)Create a square German infographic titled SO FUNKTIONIERT PHOTOSYNTHESE. Show exactly four numbered steps in this order: 1 LICHT, 2 WASSER, 3 CO₂, 4 ZUCKER + SAUERSTOFF. Use a clean editorial science style with one plant cross-section, simple arrows, high contrast, legible labels, and no other text.

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 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

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 XL 1.0 Bild SHA 256: 26d3c3d3e687614e24dd12191246bc1d96c1576d31f9211840a3e02b64d4d507

MOSS-Image-Base Bild SHA 256: 313d95f3e7766e861d46b0563c81bb2a02782708004c24c7aab0c46e8587ff83

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

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 XL 1.0 Bild SHA 256: ebfe8d1c223478c94ff1973ab2600cd4f696b40b8c3388ca40f26f52c83afdb2

MOSS-Image-Base Bild SHA 256: 3175582007cf377490ab51f73a57ebddb312f523ac5bfb54ae7598e72eb3edca

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

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 XL 1.0 Bild SHA 256: f59af9c84f6fbb3e4ca34bf87ebb0f7c088e8caa520fa4cdf815a96d1bffda83

MOSS-Image-Base Bild SHA 256: af9ea47eb1554bcaaaadf8860fecfa5bb69095a58bf346e3d9a73be8240a2a7c

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

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 XL 1.0 Bild SHA 256: c81e5d0d70afcb53fcffb51a0d548041fd0b33df300aed14b8ecd354aaaaec4e

MOSS-Image-Base Bild SHA 256: e87b1d9d7aa09487c6b9be505746dacb2f3be551f29a5d85424a44a2a88089c5

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.

MOSS-Image-Base

nicht in der Arena

GraduallyBenchunsere eigene Bewertung, 0 bis 100 · höher ist besser

Stable Diffusion XL 1.0

Platz 100 von 108

MOSS-Image-Base

Platz 61 von 108

Preis je BildDollar über die API · niedriger ist besser

k. A.

Stable Diffusion XL 1.0

kein API-Preis

k. A.

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 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.

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.

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	MOSS-Image-Base
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	51
GraduallyBench je Aufgabe
Typografie und LayoutLesbarer Text, Hierarchie und Komposition	5	51
ProduktfotografieMaterialien, Reflexionen und kleine Details	13	36
Figur und DetailsAnatomie, Kleidung und räumliche Konsistenz	28	46
InfografikZahlen, Beschriftungen und visuelle Ordnung	5	71
Preis über die API
Je Bildniedriger ist besser	k. A.	k. A.
100 Bilder	k. A.	k. A.
Steckbrief
Erschienen	k. A.	16.10.2026
Gewichteoffen heißt: lokal nutzbar	offen	offen
Lebenszyklus	Älterer offener Checkpoint; Anbieter führt ihn weiterhin in der Legacy-Modellübersicht	kein Statushinweis
Zugang	API, lokal	lokal
Parameter	nicht veröffentlicht	5 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 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 XL 1.0 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 XL 1.0 und MOSS-Image-Base mit den Modellen, die am häufigsten mit ihnen verglichen werden.

Anderes Duell vergleichen

Erstes BildmodellZweites Bildmodell