- Startseite
- Bildmodelle-Vergleich
- Wan 2.7 Image Pro vs. Kandinsky-5.0-T2I-Lite-Pretrain
Wan 2.7 Image Provs.Kandinsky-5.0-T2I-Lite-Pretrain
Welches ist besser?
In unserer eigenen Bewertung liegt Wan 2.7 Image Pro 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.


Ergebnis bei „Infografik“:Wan 2.7 Image Pro 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.
Figur und Details
Wan 2.7 Image Pro: fal, requested 1024x1024, n=1, seed=1941203496, estimated cost $0.075000, erstellt 01.11.2026, 21:25. Quelle
Kandinsky-5.0-T2I-Lite-Pretrain: manual, local PyTorch 2.13.0, Diffusers 0.36.0; kandinskylab/Kandinsky-5.0-T2I-Lite-pretrain-Diffusers@0df26d22e3290e9778b0471457d651a51d83ae3d; native 1024x1024, 1:1; one request, first output; steps=50, guidance=3.5, seed=893590444446603478; mps for text encoder and denoising; cpu for native VAE decode; bfloat16 for text encoders; float32 for transformer and CPU VAE; native tokenizer truncation: CLIP 80 to 77 tokens; archived input unchanged, erstellt 02.11.2026, 20:56. Quelle
Protokoll gradually-image-comparison-v1. Prompt SHA 256: 985a75b38642a9f0e5e0c0e0c67f1b7f67780d42bd2168fa24e9a7a7a94b0da6
Wan 2.7 Image Pro Bild SHA 256: 0bd2cf4922b58d78d0e6ec3d804aaccd427e5317066816fdc039ca5c80f4de28
Kandinsky-5.0-T2I-Lite-Pretrain Bild SHA 256: af9bdf8492b30fdaeb79b8f51d168a948d43ee1bbb29107f50a2f794db91a2e0
Infografik
Wan 2.7 Image Pro: fal, requested 1024x1024, n=1, seed=1839059937, estimated cost $0.075000, erstellt 01.11.2026, 21:26. Quelle
Kandinsky-5.0-T2I-Lite-Pretrain: manual, local PyTorch 2.13.0, Diffusers 0.36.0; kandinskylab/Kandinsky-5.0-T2I-Lite-pretrain-Diffusers@0df26d22e3290e9778b0471457d651a51d83ae3d; native 1024x1024, 1:1; one request, first output; steps=50, guidance=3.5, seed=6008496123190594626; mps for text encoder and denoising; cpu for native VAE decode; bfloat16 for text encoders; float32 for transformer and CPU VAE, erstellt 02.11.2026, 21:08. Quelle
Protokoll gradually-image-comparison-v1. Prompt SHA 256: ed65cb4e6a51e2336f8b149ad4cbb16e020f07d527ad94362e719d2dcf91d94f
Wan 2.7 Image Pro Bild SHA 256: caa6b4e95e0676d9867358db906f1f029dd320960e9dd1b8300283a5e2723077
Kandinsky-5.0-T2I-Lite-Pretrain Bild SHA 256: 6d1a99203c55f6a9ba5853aae207dfc5e264adc73b336253fae874f0243bd60e
Produktfotografie
Wan 2.7 Image Pro: fal, requested 1024x1024, n=1, seed=1277346407, estimated cost $0.075000, erstellt 01.11.2026, 21:24. Quelle
Kandinsky-5.0-T2I-Lite-Pretrain: manual, local PyTorch 2.13.0, Diffusers 0.36.0; kandinskylab/Kandinsky-5.0-T2I-Lite-pretrain-Diffusers@0df26d22e3290e9778b0471457d651a51d83ae3d; native 1024x1024, 1:1; one request, first output; steps=50, guidance=3.5, seed=8854898730028115945; mps for text encoder and denoising; cpu for native VAE decode; bfloat16 for text encoders; float32 for transformer and CPU VAE; native tokenizer truncation: CLIP 80 to 77 tokens; archived input unchanged, erstellt 02.11.2026, 20:46. Quelle
Protokoll gradually-image-comparison-v1. Prompt SHA 256: c67fd71e91304458a2feef5c91efa8677260fab0c0099a29a2c52cb579f5b2f3
Wan 2.7 Image Pro Bild SHA 256: 1ed875886c86963322fdf329bf809943b96886fb4f373197e1654256316ac67c
Kandinsky-5.0-T2I-Lite-Pretrain Bild SHA 256: 83169f5969d6ed636c5ba8ff01236290417a5942deec1089b4725cfeb0dc2b76
Typografie und Layout
Wan 2.7 Image Pro: fal, requested 1024x1024, n=1, seed=1291974856, estimated cost $0.075000, erstellt 01.11.2026, 21:23. Quelle
Kandinsky-5.0-T2I-Lite-Pretrain: manual, local PyTorch 2.13.0, Diffusers 0.36.0; kandinskylab/Kandinsky-5.0-T2I-Lite-pretrain-Diffusers@0df26d22e3290e9778b0471457d651a51d83ae3d; native 1024x1024, 1:1; one request, first output; steps=50, guidance=3.5, seed=9114026266664490789; mps for text encoder and denoising; cpu for native VAE decode; bfloat16 for text encoders; float32 for transformer and CPU VAE, erstellt 02.11.2026, 20:36. Quelle
Protokoll gradually-image-comparison-v1. Prompt SHA 256: 2e012c3d14ee5dd02203a94f394ca80a5038cdebd6032b25a8b8a221f2255419
Wan 2.7 Image Pro Bild SHA 256: 4e860e01ecb53ed47d9a3ad2be57e9f2567e8dc010e44780615f71e30713f648
Kandinsky-5.0-T2I-Lite-Pretrain Bild SHA 256: 89cd2a1137d4d2ceb46c44b030f889bb3b14ac96ae190d2eb271dff02cfb5b74
Die Zahlen im Überblick
Wan 2.7 Image Pro
nicht in der Arena
Kandinsky-5.0-T2I-Lite-Pretrain
nicht in der Arena
Wan 2.7 Image Pro
Platz 1 von 108
Kandinsky-5.0-T2I-Lite-Pretrain
Platz 86 von 108
Wan 2.7 Image Pro
kein API-Preis
Kandinsky-5.0-T2I-Lite-Pretrain
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 2.7 Image Pro
- Im Abo
- Bei Alibaba ab ≈ 6,36 € im Monat (Token Plan Individual Lite, mit begrenztem Guthaben). 7 Tarife in Deutschland.
- Per API
- Kein API-Preis bekannt. Zugang: API.
- Gewichte
- unbekannt.
Kandinsky-5.0-T2I-Lite-Pretrain
- 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 | Wan 2.7 Image Pro | Kandinsky-5.0-T2I-Lite-Pretrain |
|---|---|---|
| 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 | 84 | 28 |
| GraduallyBench je Aufgabe | ||
| Typografie und LayoutLesbarer Text, Hierarchie und Komposition | 81 | 16 |
| ProduktfotografieMaterialien, Reflexionen und kleine Details | 87 | 58 |
| Figur und DetailsAnatomie, Kleidung und räumliche Konsistenz | 78 | 14 |
| InfografikZahlen, Beschriftungen und visuelle Ordnung | 89 | 23 |
| 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 | unbekannt | offen |
| Zugang | API | lokal |
| Parameter | nicht veröffentlicht | 6 Mrd. |
| Größte Ausgabe | 4K | nicht einheitlich veröffentlicht |
| Tarife in Deutschlandmit genau diesem Modellnamen | 7 | k. A. |
API-Preise für ein Bild mit 1.024 × 1.024 Pixeln laut Artificial Analysis.
Quellen: Modellquelle Wan 2.7 Image Pro (geprüft 01.11.2026) · Modellquelle Kandinsky-5.0-T2I-Lite-Pretrain (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 2.7 Image Pro und Kandinsky-5.0-T2I-Lite-Pretrain enthält die gespeicherte Benchmarkdatenbank noch keine Messung derselben Arena und Kategorie. Ältere Modellversionen werden nicht als Ersatz verwendet.
Weitere Vergleiche
Vergleiche Wan 2.7 Image Pro und Kandinsky-5.0-T2I-Lite-Pretrain mit den Modellen, die am häufigsten mit ihnen verglichen werden.