Ein Reddit-Nutzer hat auf einem Apple M1 Max mit 64 GB RAM zehn Bildgenerierungsmodelle systematisch verglichen – von SD 1.5 über SDXL Turbo und Flux dev bis hin zu Qwen-Image und dem Cloud-Modell Gemini. Testkriterien waren Fotorealismus, Textwiedergabe (Kanji/Schriftzeichen) sowie kulturelle Korrektheit bei japanischen und asiatischen Motiven. Das auffälligste Ergebnis: Qwen-Image Lightning, eine 8-Step-Distillation, übertrumpft das vollständige Qwen-Image-Modell in der wahrgenommenen Qualität und ist dabei rund 9-mal schneller (ca. 10 Minuten vs. 93 Minuten). Flux dev liefert lokal den besten Fotorealismus, zeigt aber deutliche anglozentrische Verzerrungen: Es platziert Koriander in Ramen-Gerichte und verwandelt Izakayas in Teehäuser – ein Symptom unausgewogener Trainingsdaten. Gemini beherrscht Kanji-Rendering und kulturellen Kontext am besten, ist jedoch ein Cloud-Dienst und damit für rein lokale Setups keine Option. SDXL Turbo punktet mit einer Generierungszeit von nur 5 Sekunden, liefert aber vergleichsweise grobe Qualität. Der Autor schlussfolgert, dass die geografische Zusammensetzung der Trainingsdaten für nicht-englische Inhalte wichtiger ist als die reine Modellgröße.