iiPulse

Спецвыпуск «Модели-2026»№ 7 · обновлено 22 июля 2026 г.

СодержаниеГенерация

Генерация

Кто рисует и снимает лучше всех

77 моделей генерации — 43 для изображений и 34 для видео, из них 34 с открытыми весами. Сравниваем по Arena-рейтингам, ключевым бенчмаркам, ценам и требованиям к железу: от GPT-Image и Nano Banana до FLUX, HunyuanVideo и Wan.

Лидеры Text-to-Image Arena

Nano Banana ProGoogle1310arenaтоп-качество, сложный текст, рассуждение при генерации
GPT-5.4 Image 2OpenAI1295arenaточнейший текст и следование промпту, редактирование
Nano Banana 2Google1275arenaбыстрое редактирование, консистентность персонажей

Показано 43 из 43 моделей · изображения

#МодельArenaРазрешениеTXTEDITI2ICONSСкоростьЦена / VRAMПодробнее
0113102048×2048●●●✓✓✓~10–20 с/изображение~$0.13/изображение
0212952048×2048●●●✓✓✓~10–20 с/изображение~$0.03–0.08/изображение ($8/$15 за 1M токенов)
0312752048×2048●●✓✓✓~2–5 с/изображение~$0.04/изображение ($0.5/$3 за 1M токенов)
0412552048×2048●●●✓✓✓~10–20 с/изображение~$0.05–0.10/изображение ($10/$10 за 1M токенов)
0512501536×1024●●●✓✓✓~10–20 с/изображение$0.01–0.17/изображение
0612352048×2048●●●✓✓✓~5–10 с/изображение~$0.03–0.05/изображение
0712052048×2048●●●✓✓—~14 с на A10030 GB
0812052048×2048●●—✓—~10–15 с на A10024 GB
0912001024×1024●●✓✓✓~2–5 с/изображение~$0.04/изображение
1011951024×1024●●●—✓—~20 с на A10040 GB
1111851536×1024●●✓✓—~5–10 с/изображение~$0.01–0.03/изображение ($2.5/$2 за 1M токенов)
1211821024×1024●●●—✓—~15 с на A10028 GB
1311802048×2048●●●✓✓✓~10 с/изображение$0.02–0.06/изображение
1411801024×1024●●✓✓✓~1–3 с/изображение~$0.02/изображение ($0.25/$1.5 за 1M токенов)
1511631024×1024 (до 2048)●●●—✓—~12 с на A10024 GB
1611552048×2048●●●✓✓—~12 с на A10024 GB
1711502048×2048●●●✓✓✓~5–10 с/изображение$0.04–0.18/изображение
1811481024×1024●●—✓—~10 с на A10018 GB
1911401024×1024●●—✓—~2–4 с на A10016 GB
2011302048×2048●●●✓✓✓~10 с/изображение$0.04–0.09/изображение
2111202048×2048●●✓✓✓~30–60 с/изображение$10–120/мес (подписка)
2211201024×1024●●—✓—~3 с на A100 (4 шага)24 GB
2311201024×1024●●—✓—~5–8 с на A10016 GB
2411051024×1024●●—✓—~6 с на A10012 GB
2511002048×2048●●●✓✓✓~5–10 с/изображение$0.03–0.05/изображение
2611001024×1024●●—✓—~8 с на A10016 GB
2710802880×2880 (4MP)●●—✓—~10 с/изображение~$0.06/изображение
2810501024×1024●●✓✓—~10 с/изображениевключено в Grok / X Premium+
2910402048×2048●●●✓✓✓~10 с/изображение$0.04–0.08/изображение (credits)
3010302048×2048●●✓✓—~8–15 с/изображение$0.02–0.04/изображение
3110202048×2048●●●✓✓—~5–10 с/изображение$0.05–0.08/изображение
3210102048×2048●✓✓✓~30–60 с/изображение$10–120/мес (подписка)
3310002048×2048●●✓✓—~10–15 с/изображение$0.04–0.07/изображение (credits)
3410001440×1440●●—✓—~5–10 с/изображение$0.05–0.06/изображение
359801792×1024●●———~10 с/изображение$0.04–0.08/изображение
369501536×1536●—✓—~5–10 с/изображение~$0.08/изображение (credits)
37вне арены1024×1024●●—✓—~5 с на A10010 GB
38вне арены1024×1024●●—✓—~8 с на A10016 GB
39вне арены1024×1024●●—✓—~4 с на A1008 GB
40вне арены1024×1024●●—✓—~6 с на A10012 GB
41вне арены1024×1024●—✓✓~5 с на A1008 GB
42вне арены4096×4096●—✓—~3 с на A1006 GB
43вне арены1024×1024●—✓—~8 с на A10014 GB

✓ — возможность есть— — нет●●● текст: сильный●● хороший● слабыйArena-оценки приблизительные

Как их сравнивают: ключевые бенчмарки

Изображения оценивают и люди (арены), и автоматика (композиция, текст, предпочтения).

Text-to-Image ArenaИзображения

Открытый Arena-лидерборд

Главный живой рейтинг image-моделей по качеству и соответствию промпту.

Методика: Слепые парные сравнения людей (два изображения на один промпт), рейтинг Elo/Bradley-Terry.

Лидеры: Nano Banana Pro · GPT-Image-1 · FLUX 1.1 Pro

LM Arena Text-to-ImageИзображения

LM Arena (LMSYS)

Краудсорсинговый лидерборд по предпочтениям пользователей на реальных промптах.

Методика: Анонимные A/B-сравнения, Elo по агрегированным голосам.

Лидеры: Nano Banana Pro · GPT-Image-1

GenEvalИзображения

MIT / Princeton

Композиционная точность: объекты, подсчёт, цвета, позиции, атрибуция.

Методика: Генерации прогоняются через object detector, проверяются атрибуты; score 0–1.

DPG-BenchИзображения

Tencent

Соответствие длинным и плотным промптам со множеством деталей.

Методика: Промпт разбивается на граф под-вопросов, на которые отвечают VQA-модели.

T2I-CompBenchИзображения

NUS

Композиционная генерация: связывание атрибутов, пространственные отношения.

Методика: Метрики на BLIP-VQA, UniDet и CLIP; баллы по категориям.

HPSv2Изображения

Академическое сообщество

Соответствие человеческим предпочтениям по широкому набору стилей.

Методика: CLIP-модель, дообученная на датасете человеческих предпочтений.

HEIMИзображения

Stanford CRFM

Холистическая оценка: соответствие, качество, оригинальность, токсичность, fairness.

Методика: Комбинация автоматических метрик и ограниченных человеческих оценок.