Wan 2.7 Imagevs.LLaDA-Image

Welches ist besser?

In unserer eigenen Bewertung liegt Wan 2.7 Image 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.

Wan 2.7 Image: Produktfotografie, erstes Bild aus dem festen Testlauf — Wan 2.7 Image88 von 100

LLaDA-Image: Produktfotografie, erstes Bild aus dem festen Testlauf — LLaDA-Image35 von 100

Ergebnis bei „Produktfotografie“:Wan 2.7 Image 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

Wan 2.7 Image: fal, requested 1024x1024, n=1, seed=2030081785, estimated cost $0.030000, erstellt 01.11.2026, 21:22. Quelle

LLaDA-Image: manual, 2.13.0 PyTorch, Diffusers 0.39.0, Transformers 4.57.6; inclusionAI/LLaDA-Image@e4e2703f410f7ddb6ee8d6b09dac6a8ec5093039; native 1024x1024, 1:1; one request, first output; steps=50, guidance=5.0; seed=6428048197886116697; MPS generator; BF16 text/diffusion components, FP32 denoising latent, receipt-reported CPU FP32 native VAE decode; negative_prompt argument omitted (None default, not the manufacturer's empty-string example); MPS community PR @ 5395ce055da9975b09f71e21b865973d409bb3cd; official pinned text encoder uses eager MoE fallback and SDPA attention; other image-component attention paths were not independently captured by this review; no CUDA numerical equivalence claimed; MPS fallback permitted, actual fallback operations not measured; two submissions: the original request stopped at the 60-GiB free-space safeguard before image or latent (supervisor exit 143); one technical same-request/same-seed retry produced the retained first completed output; no quality reroll, erstellt 03.11.2026, 08:50. Quelle

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

Wan 2.7 Image Bild SHA 256: 62258e364ab7627aa6c1d0d4214ad1cc32287ede3b059aec041acf4dcdb20cf4

LLaDA-Image Bild SHA 256: a34d96894f5500c5bce2c16cca14ae09748f3aff4d47d15f8aff0d1be5749211

Infografik

Wan 2.7 Image: fal, requested 1024x1024, n=1, seed=1843752681, estimated cost $0.030000, erstellt 01.11.2026, 21:22. Quelle

LLaDA-Image: manual, 2.13.0 PyTorch, Diffusers 0.39.0, Transformers 4.57.6; inclusionAI/LLaDA-Image@e4e2703f410f7ddb6ee8d6b09dac6a8ec5093039; native 1024x1024, 1:1; one request, first output; steps=50, guidance=5.0; seed=1354677768900879717; MPS generator; BF16 text/diffusion components, FP32 denoising latent, receipt-reported CPU FP32 native VAE decode; negative_prompt argument omitted (None default, not the manufacturer's empty-string example); MPS community PR @ 5395ce055da9975b09f71e21b865973d409bb3cd; official pinned text encoder uses eager MoE fallback and SDPA attention; other image-component attention paths were not independently captured by this review; no CUDA numerical equivalence claimed; MPS fallback permitted, actual fallback operations not measured, erstellt 03.11.2026, 08:56. Quelle

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

Wan 2.7 Image Bild SHA 256: f5707f29066b971a3c094495e0ff2a1bdd0479aa5c583a2a4d3b607ce7ca0636

LLaDA-Image Bild SHA 256: cad67ad3f1a475d12bc2152840dc98657f81b5c7318c09a9e9fa40fbb433372f

Produktfotografie

Wan 2.7 Image: fal, requested 1024x1024, n=1, seed=1918862783, estimated cost $0.030000, erstellt 01.11.2026, 21:21. Quelle

LLaDA-Image: manual, 2.13.0 PyTorch, Diffusers 0.39.0, Transformers 4.57.6; inclusionAI/LLaDA-Image@e4e2703f410f7ddb6ee8d6b09dac6a8ec5093039; native 1024x1024, 1:1; one request, first output; steps=50, guidance=5.0; seed=152405017095880227; MPS generator; BF16 text/diffusion components, FP32 denoising latent, receipt-reported CPU FP32 native VAE decode; negative_prompt argument omitted (None default, not the manufacturer's empty-string example); MPS community PR @ 5395ce055da9975b09f71e21b865973d409bb3cd; official pinned text encoder uses eager MoE fallback and SDPA attention; other image-component attention paths were not independently captured by this review; no CUDA numerical equivalence claimed; MPS fallback permitted, actual fallback operations not measured, erstellt 03.11.2026, 01:02. Quelle

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

Wan 2.7 Image Bild SHA 256: 6b7d5e90e75158d052d09c570b3af8fbb633ed1e20d9d84b8d23e864aeb446ac

LLaDA-Image Bild SHA 256: 888e173c25c26ff1dcbfd07aad01ffc6a71cc7735099d3e943e60dfddfe31553

Typografie und Layout

Wan 2.7 Image: fal, requested 1024x1024, n=1, seed=457490918, estimated cost $0.030000, erstellt 01.11.2026, 21:21. Quelle

LLaDA-Image: manual, 2.13.0 PyTorch, Diffusers 0.39.0, Transformers 4.57.6; inclusionAI/LLaDA-Image@e4e2703f410f7ddb6ee8d6b09dac6a8ec5093039; native 1024x1024, 1:1; one request, first output; steps=50, guidance=5.0; seed=8778315039365154420; MPS generator; BF16 text/diffusion components, FP32 denoising latent, receipt-reported CPU FP32 native VAE decode; negative_prompt argument omitted (None default, not the manufacturer's empty-string example); MPS community PR @ 5395ce055da9975b09f71e21b865973d409bb3cd; official pinned text encoder uses eager MoE fallback and SDPA attention; other image-component attention paths were not independently captured by this review; no CUDA numerical equivalence claimed; MPS fallback permitted, actual fallback operations not measured, erstellt 03.11.2026, 00:40. Quelle

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

Wan 2.7 Image Bild SHA 256: 60d9602757484b80c9a30506243d50d74d1160ff6998e80ba21aeb99338f5587

LLaDA-Image Bild SHA 256: 256a88541c9821a6242bb434fb520d4d6f0793c934c66acd1fd2e8edd8086b5d

Die Zahlen im Überblick

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

k. A.

Wan 2.7 Image

nicht in der Arena

k. A.

LLaDA-Image

nicht in der Arena

GraduallyBenchunsere eigene Bewertung, 0 bis 100 · höher ist besser

Wan 2.7 Image

Platz 2 von 108

LLaDA-Image

Platz 63 von 108

Preis je BildDollar über die API · niedriger ist besser

k. A.

Wan 2.7 Image

kein API-Preis

k. A.

LLaDA-Image

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

Im Abo: Bei Alibaba ab ≈ 6,36 € im Monat (Token Plan Individual Lite, mit begrenztem Guthaben). Über andere Anbieter ab 6,83 € im Monat (Poe Basic, mit begrenzten Punkten). 12 Tarife in Deutschland.
Per API: Kein API-Preis bekannt. Zugang: API.
Gewichte: unbekannt.

LLaDA-Image

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	LLaDA-Image
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	81	48
GraduallyBench je Aufgabe
Typografie und LayoutLesbarer Text, Hierarchie und Komposition	94	62
ProduktfotografieMaterialien, Reflexionen und kleine Details	88	35
Figur und DetailsAnatomie, Kleidung und räumliche Konsistenz	63	63
InfografikZahlen, Beschriftungen und visuelle Ordnung	79	33
Preis über die API
Je Bildniedriger ist besser	k. A.	k. A.
100 Bilder	k. A.	k. A.
Steckbrief
Erschienen	k. A.	04.09.2026
Gewichteoffen heißt: lokal nutzbar	unbekannt	offen
Zugang	API	lokal
Parameter	nicht veröffentlicht	6 Mrd.
Größte Ausgabe	2K	nicht einheitlich veröffentlicht
Tarife in Deutschlandmit genau diesem Modellnamen	12	k. A.

API-Preise für ein Bild mit 1.024 × 1.024 Pixeln laut Artificial Analysis.

Quellen: Modellquelle Wan 2.7 Image (geprüft 01.11.2026) · Modellquelle LLaDA-Image (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 und LLaDA-Image 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 und LLaDA-Image mit den Modellen, die am häufigsten mit ihnen verglichen werden.

Anderes Duell vergleichen

Erstes BildmodellZweites Bildmodell