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
Показано 43 из 43 моделей · изображения
| # | Модель | Arena | Разрешение | TXT | EDIT | I2I | CONS | Скорость | Цена / VRAM | Подробнее |
|---|---|---|---|---|---|---|---|---|---|---|
| 01 | 1310 | 2048×2048 | ●●● | ✓ | ✓ | ✓ | ~10–20 с/изображение | ~$0.13/изображение | ||
| 02 | 1295 | 2048×2048 | ●●● | ✓ | ✓ | ✓ | ~10–20 с/изображение | ~$0.03–0.08/изображение ($8/$15 за 1M токенов) | ||
| 03 | 1275 | 2048×2048 | ●● | ✓ | ✓ | ✓ | ~2–5 с/изображение | ~$0.04/изображение ($0.5/$3 за 1M токенов) | ||
| 04 | 1255 | 2048×2048 | ●●● | ✓ | ✓ | ✓ | ~10–20 с/изображение | ~$0.05–0.10/изображение ($10/$10 за 1M токенов) | ||
| 05 | 1250 | 1536×1024 | ●●● | ✓ | ✓ | ✓ | ~10–20 с/изображение | $0.01–0.17/изображение | ||
| 06 | 1235 | 2048×2048 | ●●● | ✓ | ✓ | ✓ | ~5–10 с/изображение | ~$0.03–0.05/изображение | ||
| 07 | 1205 | 2048×2048 | ●●● | ✓ | ✓ | — | ~14 с на A100 | 30 GB | ||
| 08 | 1205 | 2048×2048 | ●● | — | ✓ | — | ~10–15 с на A100 | 24 GB | ||
| 09 | 1200 | 1024×1024 | ●● | ✓ | ✓ | ✓ | ~2–5 с/изображение | ~$0.04/изображение | ||
| 10 | 1195 | 1024×1024 | ●●● | — | ✓ | — | ~20 с на A100 | 40 GB | ||
| 11 | 1185 | 1536×1024 | ●● | ✓ | ✓ | — | ~5–10 с/изображение | ~$0.01–0.03/изображение ($2.5/$2 за 1M токенов) | ||
| 12 | 1182 | 1024×1024 | ●●● | — | ✓ | — | ~15 с на A100 | 28 GB | ||
| 13 | 1180 | 2048×2048 | ●●● | ✓ | ✓ | ✓ | ~10 с/изображение | $0.02–0.06/изображение | ||
| 14 | 1180 | 1024×1024 | ●● | ✓ | ✓ | ✓ | ~1–3 с/изображение | ~$0.02/изображение ($0.25/$1.5 за 1M токенов) | ||
| 15 | 1163 | 1024×1024 (до 2048) | ●●● | — | ✓ | — | ~12 с на A100 | 24 GB | ||
| 16 | 1155 | 2048×2048 | ●●● | ✓ | ✓ | — | ~12 с на A100 | 24 GB | ||
| 17 | 1150 | 2048×2048 | ●●● | ✓ | ✓ | ✓ | ~5–10 с/изображение | $0.04–0.18/изображение | ||
| 18 | 1148 | 1024×1024 | ●● | — | ✓ | — | ~10 с на A100 | 18 GB | ||
| 19 | 1140 | 1024×1024 | ●● | — | ✓ | — | ~2–4 с на A100 | 16 GB | ||
| 20 | 1130 | 2048×2048 | ●●● | ✓ | ✓ | ✓ | ~10 с/изображение | $0.04–0.09/изображение | ||
| 21 | 1120 | 2048×2048 | ●● | ✓ | ✓ | ✓ | ~30–60 с/изображение | $10–120/мес (подписка) | ||
| 22 | 1120 | 1024×1024 | ●● | — | ✓ | — | ~3 с на A100 (4 шага) | 24 GB | ||
| 23 | 1120 | 1024×1024 | ●● | — | ✓ | — | ~5–8 с на A100 | 16 GB | ||
| 24 | 1105 | 1024×1024 | ●● | — | ✓ | — | ~6 с на A100 | 12 GB | ||
| 25 | 1100 | 2048×2048 | ●●● | ✓ | ✓ | ✓ | ~5–10 с/изображение | $0.03–0.05/изображение | ||
| 26 | 1100 | 1024×1024 | ●● | — | ✓ | — | ~8 с на A100 | 16 GB | ||
| 27 | 1080 | 2880×2880 (4MP) | ●● | — | ✓ | — | ~10 с/изображение | ~$0.06/изображение | ||
| 28 | 1050 | 1024×1024 | ●● | ✓ | ✓ | — | ~10 с/изображение | включено в Grok / X Premium+ | ||
| 29 | 1040 | 2048×2048 | ●●● | ✓ | ✓ | ✓ | ~10 с/изображение | $0.04–0.08/изображение (credits) | ||
| 30 | 1030 | 2048×2048 | ●● | ✓ | ✓ | — | ~8–15 с/изображение | $0.02–0.04/изображение | ||
| 31 | 1020 | 2048×2048 | ●●● | ✓ | ✓ | — | ~5–10 с/изображение | $0.05–0.08/изображение | ||
| 32 | 1010 | 2048×2048 | ● | ✓ | ✓ | ✓ | ~30–60 с/изображение | $10–120/мес (подписка) | ||
| 33 | 1000 | 2048×2048 | ●● | ✓ | ✓ | — | ~10–15 с/изображение | $0.04–0.07/изображение (credits) | ||
| 34 | 1000 | 1440×1440 | ●● | — | ✓ | — | ~5–10 с/изображение | $0.05–0.06/изображение | ||
| 35 | 980 | 1792×1024 | ●● | — | — | — | ~10 с/изображение | $0.04–0.08/изображение | ||
| 36 | 950 | 1536×1536 | ● | — | ✓ | — | ~5–10 с/изображение | ~$0.08/изображение (credits) | ||
| 37 | вне арены | 1024×1024 | ●● | — | ✓ | — | ~5 с на A100 | 10 GB | ||
| 38 | вне арены | 1024×1024 | ●● | — | ✓ | — | ~8 с на A100 | 16 GB | ||
| 39 | вне арены | 1024×1024 | ●● | — | ✓ | — | ~4 с на A100 | 8 GB | ||
| 40 | вне арены | 1024×1024 | ●● | — | ✓ | — | ~6 с на A100 | 12 GB | ||
| 41 | вне арены | 1024×1024 | ● | — | ✓ | ✓ | ~5 с на A100 | 8 GB | ||
| 42 | вне арены | 4096×4096 | ● | — | ✓ | — | ~3 с на A100 | 6 GB | ||
| 43 | вне арены | 1024×1024 | ● | — | ✓ | — | ~8 с на A100 | 14 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.