Wan 2.6 Text to Imagevs.LLaDA-Image-Turbo
Welches ist besser?
In unserer eigenen Bewertung liegt Wan 2.6 Text to Image vorn. In der Arena fehlen beide. LLaDA-Image-Turbo hat keinen API-Preis.
Testbilder
Gleicher Auftrag, je das erste Bild. Vorausgewählt ist die Aufgabe mit dem größten Unterschied.
Ergebnis bei „Infografik“:Wan 2.6 Text to Image 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.
Typografie und Layout
Wan 2.6 Text to Image: together, requested 1280x1280, stored 1024x1024 (Lanczos3 downscale), n=1, seed=provider random, provider default steps, erstellt 14.08.2026, 14:01. 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
Wan 2.6 Text to Image Bild SHA 256: 7e9557478ee297369d7680b31ab3b23a13c984981c0e0c922ef07372999122a7
LLaDA-Image-Turbo Bild SHA 256: de0c780506575a32050ce9ca3d3c4dd1a0c4cc7ccf7f7f2f6aaf17ad01295901
Produktfotografie
Wan 2.6 Text to Image: together, requested 1280x1280, stored 1024x1024 (Lanczos3 downscale), n=1, seed=provider random, provider default steps, erstellt 14.08.2026, 12:29. 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
Wan 2.6 Text to Image Bild SHA 256: e8dbcfd0ce965814d72d676eddf74f723d476c1f78c5928c7b6efbc4eca4765e
LLaDA-Image-Turbo Bild SHA 256: e61fb35e0c12941d28d32b0e0125b934bc0857fc49216a7945406e3bf58b4316
Figur und Details
Wan 2.6 Text to Image: together, requested 1280x1280, stored 1024x1024 (Lanczos3 downscale), n=1, seed=provider random, provider default steps, erstellt 14.08.2026, 12:30. 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
Wan 2.6 Text to Image Bild SHA 256: cf49d7136a442f4f1c1ae29af99e917aa83bcbf501fdacfe3a13a3b3e74d7f9a
LLaDA-Image-Turbo Bild SHA 256: aac02152ef0efc45749b3d0a626e9f4114418394aeb6a92d492651c564f40fee
Infografik
Wan 2.6 Text to Image: together, requested 1280x1280, stored 1024x1024 (Lanczos3 downscale), n=1, seed=provider random, provider default steps, erstellt 14.08.2026, 12:30. 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
Wan 2.6 Text to Image Bild SHA 256: 28eecbf460194ec047237c35415d934929baee9de9938bdff435cd21a4416435
LLaDA-Image-Turbo Bild SHA 256: 4e8939998310be86b1ad3dc0744a5e3ceee95a00a9113ee6732f9c06cb6b3618
Die Zahlen im Überblick
Wan 2.6 Text to Image
nicht in der Arena
LLaDA-Image-Turbo
nicht in der Arena
Wan 2.6 Text to Image
Platz 44 von 108
LLaDA-Image-Turbo
Platz 83 von 108
Wan 2.6 Text to Image
günstig
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.
Wan 2.6 Text to Image
- Im Abo
- k. A. Kein Tarif in Deutschland nennt genau dieses Modell.
- Per API
- 0,03 $ je Bild, 100 Bilder 3 $.
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 · API-Preise vom 06.11.2026 · 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 | Wan 2.6 Text to Image | 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 | 63 | 31 |
| GraduallyBench je Aufgabe | ||
| Typografie und LayoutLesbarer Text, Hierarchie und Komposition | 41 | 8 |
| ProduktfotografieMaterialien, Reflexionen und kleine Details | 54 | 27 |
| Figur und DetailsAnatomie, Kleidung und räumliche Konsistenz | 79 | 53 |
| InfografikZahlen, Beschriftungen und visuelle Ordnung | 77 | 36 |
| Preis über die API | ||
| Je Bildniedriger ist besser | 0,03 $ | k. A. |
| 100 Bilder | 3 $ | k. A. |
| Steckbrief | ||
| Erschienen | Januar 2026 | 04.09.2026 |
| Gewichteoffen heißt: lokal nutzbar | proprietär | offen |
| Zugang | API | lokal |
| Parameter | nicht veröffentlicht | 6 Mrd. |
| Größte Ausgabe | 2K | 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 Wan 2.6 Text to Image (geprüft 15.08.2026) · 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 Wan 2.6 Text to Image 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 Wan 2.6 Text to Image und LLaDA-Image-Turbo mit den Modellen, die am häufigsten mit ihnen verglichen werden.