Stable Diffusion vs Leonardo AI 2026: open-weights c ControlNet против Canva-subsidiary с фокусом на геймдев

В нашей карте категории image-ai (см. саму категорию) есть пять подгрупп: премиум-проприетарные модели (Midjourney, DALL-E 3, Imagen 3, FLUX.1 Pro, Adobe Firefly), open-weights (Stable Diffusion и FLUX.1 Dev/Schnell), мульти-модельные агрегаторы (Krea, NightCafe, Lexica), специализированные продукты (Ideogram для текста, Recraft для вектора, Leonardo для геймдева, Playground для канваса) и локализованные (Kandinsky от Сбера). Stable Diffusion и Leonardo сидят в двух разных строках этой таблицы — общая open-weights-модель против узкого облачного специалиста на её же фундаменте.

Stable Diffusion — это платформа, а не сервис. Скачали с Hugging Face веса (репозиторий stabilityai/stable-diffusion-3-5-large или stabilityai/stable-diffusion-xl-base-1.0), запустили в Automatic1111, ComfyUI или Forge UI на собственной видеокарте, навесили ControlNet, IP-Adapter, десяток LoRA с Civitai — получили рабочее место дизайн-студии. Лицензия CreativeML Open RAIL-M на SD 1.5 и SDXL — без ограничений по выручке. На SD3 и SD3.5 — Community License: бесплатно до $1M годовой выручки, дальше нужен Enterprise-договор. По сути, это единственный способ генерировать картинки полностью внутри своего периметра, без отправки промптов и результатов в чужое облако.

Leonardo.AI — это специализированное облако с готовым workflow. Запустился в конце 2022, к 2026 — 20M+ зарегистрированных пользователей (см. dossier). Каталог 50+ моделей под капотом — собственный Phoenix, Vision XL, Albedo Base XL плюс набор fine-tune'ов на основе Stable Diffusion. Главный позиционный акцент — gamedev: character sheets с консистентным героем в разных позах, isometric tiles для тайловых карт, item icons для UI инвентаря, concept art для прототипов. Сверху — Custom Models (обучение на своих данных), Image Guidance (аналог ControlNet), Real-time Canvas после интеграции с Canva. В июле 2024 Canva купила Leonardo за $320M+ — теперь сервис живёт как subsidiary, финансово стабилен.

Сразу по матрице видно, что выбирать «лучший» в этой паре — неверно поставленный вопрос. Шесть параметров, и в трёх из них один 9–10/10, в трёх других — другой. Это не «один сильнее», это «два разных продукта на одном фундаменте». Leonardo под капотом частично использует fine-tune'ы Stable Diffusion (см. dossier), но обернул их в продуктовый workflow с UI, character-sheet-генератором и Canva-интеграцией. SD без обёртки — голая модель плюс открытая экосистема, гибкая, но требующая DevOps. Дальше в обзоре мы сравниваем их по 18 параметрам — большая часть будет выглядеть так же: один уверенно впереди, другой справляется на тройку.

ControlNet — расширение для Stable Diffusion, которое позволяет управлять композицией картинки через дополнительные входы: скелет (OpenPose), карта глубины (Depth), детекция краёв (Canny), скетч (Scribble), сегментация (Segmentation), нормали, hed-edges и ещё десяток моделей. Работает с любой версией SD: SD 1.5, SDXL, SD3, SD3.5. На Civitai лежат тысячи обученных под конкретные стили ControlNet-моделей. Для production-дизайна — это инструмент номер один в категории, и не только в open-weights-нише.

Leonardo.AI предлагает Image Guidance — собственную реализацию того же принципа: загружаете референс-картинку или контурный набросок и модель использует его как направляющую для композиции (см. dossier: «Image Guidance (ControlNet-аналог) — pose, depth, edge control»). Это встроенная функция в платных тарифах, доступна через UI и API. По набору условий она уже ControlNet-стека: в Leonardo нет десятка ControlNet-моделей на каждый случай, нет интеграции с собственными обученными ControlNet-весами с Civitai, нет регионального промптинга уровня ComfyUI. Это инструмент «подаём pose-референс — получаем картинку в этой позе», и он этот сценарий покрывает. Но если ваша задача — связка pose + depth + canny + IP-Adapter в одном workflow с тонкой настройкой весов, у Leonardo такого набора нет.

Что это значит на практике. Если ваш workflow — «персонаж по референс-pose + удерживай этот же стиль одежды + сюжетное окружение в сегментации», у Leonardo Image Guidance закроет первую треть задачи, а две оставшиеся придётся доводить вручную через regenerate-и-подправь. У SD + ControlNet + IP-Adapter эти три условия задаются параллельно в одном проходе ComfyUI-графа, и каждое имеет свой регулятор веса. Разница — час работы против десяти минут на партии из 8 поз.

Альтернатива в категории — Recraft и FLUX.1 c ControlNet-расширениями, но в этой паре сравнение однозначное: SD выигрывает по гибкости и точности, Leonardo — по простоте входа без знания ComfyUI.

В dossier Stable Diffusion прямо написано слабое место: «качество ниже Midjourney/FLUX.1 Pro на photorealism, особенно для рук и лиц». Это про базовую SD «как есть» — без LoRA, без ControlNet, без inpainting-доводки. У SD 3.5 Large и SDXL анатомия лиц и рук остаётся ахиллесовой пятой: пальцы периодически сливаются или удваиваются, глаза смотрят немного в разные стороны, кожа пластичнее, чем у Midjourney v7 или FLUX.1 Pro.

Но главное преимущество SD — экосистема LoRA. На Civitai лежат сотни обученных под фотореализм адаптеров: epiCRealism, RealVisXL, JuggernautXL, RealCartoon-3D и ещё десятки. С правильным photoreal-LoRA (плюс негативный промпт против «AI-look» и две-три итерации с inpainting на лице) SD 3.5 Large выходит на уровень, который трудно отличить от Midjourney v7 без специального детектора. Цена этого — полчаса настройки workflow в первый раз и ~10 секунд на каждой генерации после.

В dossier Leonardo прямо зафиксировано: «качество эстетики ниже Midjourney v7 — чуть „синтетическое"». Phoenix — собственная модель Leonardo — даёт приличный photoreal для постового контента и обложек, но на крупных деталях (поры кожи, фактура ткани, отражения в зрачке) заметно усреднение. Vision XL и Albedo Base XL чуть мягче по «AI-tell», но всё равно ощутимо уступают потолку Midjourney и FLUX.1 Pro. Главное структурное ограничение: Leonardo не даёт пользователю выбрать произвольный photoreal-LoRA с Civitai — только встроенный каталог моделей. Тонкой настройки workflow в стиле «SDXL + epiCRealism + inpainting на лице» у Leonardo нет — Custom Models можно обучить, но это про бренд-консистентность, не про photoreal-доводку конкретного портрета.

На практике: «как есть» оба сервиса показывают сравнимый средний уровень — 6/10. Но потолок у SD выше за счёт LoRA-настройки, тогда как у Leonardo потолок жёстко закрыт каталогом — больше, чем умеют встроенные модели, выжать нельзя. Если фотореализм — критичный параметр, базово берётся либо SD + photoreal LoRA, либо вообще другой сервис: Midjourney v7 или FLUX.1 Pro (см. наш обзор Midjourney vs Stable Diffusion).

Стилизация для дизайнера — про управляемость: способность задать картинкам конкретный визуальный язык и удерживать его на серии. Для книги, рекламной кампании или брендинга это критично: один проект — один стиль, без скачков между разворотами. Без управляемости вы получите «красиво» на пятом промпте и «совсем другое красиво» на шестом — а заказчик, который ждал серию, такое в работу не примет.

Stable Diffusion даёт уровень управляемости, которого нет ни у кого в категории. Слой первый — встроенные стили в SDXL/SD 3.5 через слова в промпте. Слой второй — Civitai LoRA: на сегодня там размещено более 100 тысяч стилевых LoRA, от пиксельной графики до импрессионизма. Слой третий — IP-Adapter: подаёте картинку-референс, модель повторяет её стиль на новых промптах. Слой четвёртый — обучение собственного LoRA на 20–50 ваших картинках за 15–30 минут на RTX 4090. Эта четырёхуровневая система — главный аргумент в пользу SD для профессионального production-дизайна.

Leonardo даёт каталог 50+ моделей и Custom Models для обучения. В dossier зафиксировано: «свои модели — Phoenix, Vision XL, Albedo Base XL и др. (50+ моделей в каталоге)». Это покрывает большинство типовых стилей: фотореализм, аниме, концепт-арт, изометрия, акварель, oil painting, киберпанк, фэнтези. Загрузить произвольный LoRA с Civitai нельзя — каталог управляется самим Leonardo. Custom Models позволяет обучить свою модель на 20+ ваших картинках через UI (требует Apprentice тариф $10/мес и выше) — это закрывает задачу «выдержи бренд-стиль на серии», но порог сложности у такого обучения выше, чем у LoRA-обучения в kohya_ss, потому что параметров для тонкой настройки меньше.

Цена этой управляемости — порог входа. Чтобы пользоваться четырьмя слоями SD, нужно понимать, что такое CFG-scale, как сочетать веса LoRA, и не пугаться слова ComfyUI. У Leonardo такого порога нет — и в этом его собственная сила для не-художников: 50+ готовых моделей в выпадающем списке закрывают большинство типовых задач без знания терминологии. Для иллюстратора, который уже знает Photoshop и Procreate, добавить SD-стек к workflow занимает неделю; для маркетолога без графической базы Leonardo — намного быстрее в первый успешный рабочий результат.

Stable Diffusion даёт три уровня кастомизации модели. Уровень 1: LoRA — обучение лёгкого адаптера на 20–50 ваших картинках за 15–30 минут на RTX 4090. Уровень 2: DreamBooth / textual inversion — встраивание конкретного субъекта (человек, объект, бренд-логотип) в модель. Уровень 3: full fine-tuning — переобучение модели на крупном корпусе ваших данных (например, 1000 картинок бренд-стиля). Civitai к 2026 хранит сотни тысяч обученных LoRA, многие из них — выложены сообществом и переиспользуются бесплатно.

Leonardo Custom Models — встроенная функция обучения на ваших данных. В dossier зафиксировано: «Custom Models — fine-tune на своих данных. Один из лучших инструментов категории для бренд- консистентности». Через UI вы загружаете 10–50 ваших картинок, ставите тег и через 30–60 минут получаете обученную модель, доступную в вашем аккаунте. Не нужно ComfyUI, не нужен GPU, не нужно знать слово «kohya_ss». Это серьёзное преимущество для маркетолога, который никогда не открывал терминал. Цена: Custom Models доступен с Apprentice тарифа ($10/мес) и выше; обучение тратит токены из месячного пула.

Разница между двумя подходами не в «у кого есть, у кого нет» — у обоих есть. Разница в гибкости и в порогe входа. SD: бесплатно, но требует знаний ComfyUI/kohya_ss, открытый стек с настройкой каждого гиперпараметра, готовых LoRA на Civitai больше, чем вы успеете посмотреть. Leonardo: $10/мес и выше, но обучение запускается в три клика через UI, никакого DevOps. Для бренд-стиля «обученного один раз и использующегося потом в продакшн» оба подхода работают; для тонкой итерации с переобучением каждую неделю SD выигрывает за счёт бесплатности и контроля.

Дополнительная разница: с SD-LoRA вы получаете файл `.safetensors`, который можно перенести на другой сервис (Replicate, Runware, локальный ComfyUI) или сохранить как актив бренда. С Leonardo Custom Models обученная модель живёт только в вашем Leonardo-аккаунте — её нельзя экспортировать или перенести. При смене сервиса (или закрытии Leonardo-аккаунта) вы теряете тренировочный труд.

Editing-функции — это inpainting (перерисовка области по маске), outpainting (расширение картинки за её исходные границы), generative fill (замена объекта в маске по текстовому промпту). Для production это ровно те функции, на которых делается 80% реальной работы: чистый макет редко рождается с первой генерации, чаще он собирается из двух-трёх итераций редактирования.

Stable Diffusion — золотой стандарт editing-функций в категории. Inpainting через специально обученные веса (sd-1.5-inpainting, SDXL inpaint) — стандарт с 2022 года. Outpainting в Forge UI и ComfyUI работает прямо в интерфейсе. Generative fill через ControlNet с Inpaint-моделью — точнее, чем Adobe Generative Fill, при правильной настройке. Для пакетной работы (200 снимков с одинаковой маской) — ComfyUI-граф решает задачу за один прогон через batch-input.

Leonardo даёт Canvas Editor — встроенный редактор с inpainting по маске и базовым outpainting. После интеграции с Canva в 2024 году функциональность усилилась — частично доступны связанные Canva-инструменты ретуши. Но пакетной работы уровня ComfyUI у Leonardo нет: редактирование делается по одной картинке через UI. Точечный inpainting работает, но качество маски ниже SDXL Inpaint при сложных запросах. Outpainting работает на простых расширениях кадра, сложные случаи (расширение на 50%+ в неоднородную сцену) дают видимые швы.

На практике: editing — это второй главный аргумент в пользу SD после ControlNet, и заметная слабость Leonardo. Если ваш workflow на 30%+ состоит из «отретушировать существующее фото или собранный макет» — Stable Diffusion безальтернативен в этой паре. Альтернатива вне пары — Adobe Firefly Generative Fill в Photoshop (см. страницу Firefly), но это уже совсем другой инструмент с другой экономикой подписки.

Сравнение «по таблице» обманывает. Stable Diffusion в бесплатном self-host-варианте стоит $0/мес — но требует видеокарты от $400 до $1700 и часа на настройку. На API через DreamStudio при типичной нагрузке 50 картинок в месяц SDXL обойдётся в ~$0.10–0.30/мес — фактически бесплатно. Но та же нагрузка через SD3.5 Large API уже $3.25/мес, а через Replicate/Runware — на уровне Leonardo Apprentice.

Leonardo даёт предсказуемый месячный бюджет в долларах: $120 / $288 / $576 в год за основные тарифы. Структура — токены: один токен = одна базовая генерация в стандартной модели; продвинутые модели и большие разрешения тратят больше. В dossier зафиксирован известный нюанс: «Token-based billing confusing — пользователи путаются в стоимости разных моделей». Это значит, что на одинаковом тарифе вы можете уложиться в 100 картинок или в 400 — зависит от модели. На лёгкие задачи (Phoenix base) лимита хватает; на Custom Models и Real-time Canvas — токены кончатся быстрее.

Stable Diffusion Free. Self-host — $0 буквально, без лимитов: скачали с Hugging Face, запустили локально, генерируете сколько угодно. Не хотите ставить локально — Hugging Face Spaces даёт бесплатные демо-инстансы (с queue в часы пик), Google Colab Free даёт ноутбуки с T4/GPU. DreamStudio при регистрации даёт 25–200 free credits на старт, после — $10 = 1000 credits. То есть «попробовать SD без вложения денег» — это десятки разных способов от нуля затрат.

Leonardo Free. 150 tokens/день — это ~20–30 картинок в стандартной модели или 5–10 в продвинутой (Phoenix, Vision XL). Лимит дневной, накапливать нельзя: пропустил день — токены сгорели. Custom Models на free-тарифе недоступен, Real-time Canvas — тоже. Доступ к 50+ моделям каталога есть, но в slow-queue: в часы пик генерация может идти 30–60 секунд. Этого хватит, чтобы понять «работает ли это для моих задач», и для лёгких личных проектов — 20 картинок в день это много для среднего пользователя.

Для пользователя, который хочет «потестировать неделю обоих сервисов не тратя денег», план такой: SD через Hugging Face Spaces (без регистрации) + Leonardo Free аккаунт на 150 tokens/день. За неделю наберётся понимание, какой из двух подходит вашим задачам и хочется ли потом вкладываться в GPU или платить $10/мес.

Stable Diffusion API — это не один API, а целый рынок провайдеров. Stability AI: platform.stability.ai — родной официальный API. Цены: SDXL $0.002–0.006/картинка, SD3 ~$0.035, SD3.5 Large 6.5 credits = $0.065. Replicate, Runware, RunPod, fal.ai — независимые провайдеры, у каждого свои тарифы (от $0.01 до $0.05 за картинку), свой SLA, свои дополнительные модели. Можно поднять собственный API на RunPod или Modal с self-hosted SD за $0.5–1/час GPU-time. Если один провайдер падает — переключаетесь на другого за 5 минут.

Leonardo API — три тарифа от одного поставщика. В dossier: Basic API $9/мес (3500 credits), Standard $49/мес (25 000 credits), Pro $299/мес (200 000 credits). Один SDK, одна точка отказа, одна точка цены. Это нормальный production-API — есть REST, есть webhooks, есть документация. Для типового SaaS, который генерирует 1000–10 000 картинок в месяц с Phoenix-моделью, Leonardo API будет работать без сюрпризов и не требует поднимать инфраструктуру. Цена в пересчёте на картинку — около $0.0026 на Basic, $0.002 на Standard, $0.0015 на Pro (приблизительно, зависит от модели и разрешения). На лёгких задачах это дороже SDXL через Stability AI, на тяжёлых — конкурентоспособно.

Stable Diffusion на собственной GPU. RTX 4090 (24 GB VRAM): SDXL 1024×1024 за 1.5–3 секунды; SD 3.5 Large — 4–8 секунд. RTX 3060 (12 GB): SDXL за 6–12 секунд. На cloud-API: Replicate выдаёт SDXL за 3–6 секунд, fal.ai за 2–4 секунды. Точные цифры зависят от настроек (steps, sampler, разрешение), но порядок такой.

Leonardo.AI. На free и Apprentice — slow-queue в часы пик: генерация может занять 30–60 секунд (наблюдение редакции). На Artisan и Maestro — обычно 8–20 секунд за картинку. Real-time Canvas после интеграции с Canva работает на отдельном fast-path с задержкой около 1–2 секунд на лёгких моделях, но это отдельная функция, не обычный режим генерации. Точных публичных бенчмарков по latency на разных тарифах в dossier нет (data gap), поэтому конкретные миллисекунды мы не приводим — но сам факт дифференциации тарифа по скорости подтверждает, что free и Apprentice работают заметно медленнее платных.

Self-host — это запуск модели на собственной инфраструктуре без отправки данных вовне. В категории image-AI на 2026 это единственная открытая возможность для регуляторных задач: 152-ФЗ для российского B2B, медицинская тайна, банковские данные, корпоративный конфиденциал, оборонка. У большинства проприетарных конкурентов self-host исключён как класс — модели наружу не выкладывают.

Stable Diffusion — основа open-weights-подгруппы категории. Веса SD 1.5, SDXL, SD3, SD3.5 свободно лежат на Hugging Face (stabilityai/stable-diffusion-3-5-large и др.). Лицензия: SD 1.5 / SDXL — CreativeML Open RAIL-M (без ограничений по выручке); SD3 / SD3.5 — Community License (бесплатно до $1M годовой выручки, дальше Enterprise). Запускается локально на RTX 3060 (12 GB) и старше, в сервере с A100 или в Kubernetes-кластере. Альтернатива в той же подгруппе — FLUX.1 Dev/Schnell (тоже open-weights), но экосистема ControlNet/LoRA вокруг SD пока шире.

Leonardo — закрытое облако. Self-host принципиально невозможен: моделей наружу не выкладывали (включая собственные Phoenix и Vision XL — обученные внутри Leonardo и не выложенные публично), Custom Models живут только в Leonardo-аккаунте пользователя, API закрытый, Enterprise on-prem-вариант в dossier не зафиксирован. Для регуляторных задач Leonardo не подходит вообще, и это не «можно договориться» — это архитектурное решение продукта.

Stable Diffusion из России. Self-host — никаких блокировок: вы качаете веса с Hugging Face (HF доступен из РФ без VPN на момент написания), запускаете локально, и весь дальнейший workflow проходит внутри вашей машины. Никакого Stripe, никакой геоблокировки. API через Stability AI / Replicate / Runware — нужны зарубежная карта и VPN (Stripe и Cloudflare режут российский трафик и российские BIN).

Leonardo из России. В dossier зафиксировано: «Регистрация без VPN — работает; оплата российскими картами — Stripe блокирует; через зарубежную карту — работает». То есть сервис не закрыт для российских пользователей географически, но платить в нём стандартными средствами невозможно. Реальные пути: зарубежная Visa/Mastercard через посредников, корпоративная карта оффшорного юрлица, оплата через сервисы-реселлеры подписок.

Real-time canvas — генерация под 100–500 миллисекунд: пользователь рисует или меняет промпт, картинка обновляется почти мгновенно. Для итеративной работы (раскадровки, концепт-арт, brainstorm) это меняет ощущение инструмента — вы не «промптите», вы «лепите».

Leonardo — один из лидеров категории по этой функции. В dossier: «Real-time Canvas (после интеграции с Canva)». После acquihire 2024 года Leonardo получил доступ к Canva-инфраструктуре и выкатил Real-time Canvas как отдельную функцию: рисуете на холсте, и картинка достраивается под рисунок в реальном времени. Это работает на лёгких моделях (Phoenix Fast и др.), на тяжёлых photoreal-моделях real-time режим недоступен. В категории сравнимое качество real-time есть у Krea (см. Krea); у других сервисов real-time canvas либо отсутствует, либо реализован существенно слабее.

Stable Diffusion из коробки real-time canvas не даёт. На RTX 4090 SDXL генерируется за 1.5–3 секунды — это достаточно быстро для приличных итераций, но не real-time. Существуют ускоренные варианты: SDXL-Turbo и SDXL-Lightning — модели, оптимизированные на 1–4 шагов вместо 50, дающие генерацию за 100–500 мс на топовых GPU. С ними можно собрать workflow, близкий к real-time, в ComfyUI с правильным графом и сэмплером. Но это требует ручной настройки, понимания, что такое LCM-LoRA, и нескольких часов экспериментов с параметрами. Из коробки SD-стек этой функции не закрывает.

Главные числа из таблицы. На лёгком профиле (50/мес) Leonardo Apprentice $120/год дешевле, чем покупать GPU специально под SD — RTX 3060 за $400 окупится только если вы будете генерировать ещё и для других задач. На среднем профиле (500/мес) — близкий паритет: SD на собственной GPU $0/год после капексной покупки vs Leonardo Artisan $288/год. На тяжёлом профиле (10 000/мес) — SD через Replicate выходит дешевле и гибче ($2000/год против $588 Standard или $3588 Pro). На геймдеве с character sheets Leonardo за счёт встроенного workflow выигрывает по часам работы, даже если по деньгам дороже. На регуляторике — у Leonardo нет ответа в принципе.

Stable Diffusion / Stability AI — иск Getty Images с 2023 года. В dossier зафиксировано: «Иск Getty Images vs Stability AI — обучение на копирайт-материалах, юр. риски». Иск касается тренировки SD на датасете LAION-5B, где значительная часть картинок — это контент Getty с водяными знаками. Дело идёт несколько лет, окончательного решения на момент написания обзора нет, но прецедент создан: обучение на скрейпе интернета — юридически серая зона. Дополнительный момент: SD3/SD3.5 имеют необычное для open-weights лицензионное ограничение — Community License с порогом $1M годовой выручки, дальше нужен Enterprise-договор.

Leonardo.AI. В dossier публичных исков на момент проверки не зафиксировано. После acquihire Canva в июле 2024 года Leonardo получил юридическую крышу Canva (публичной компании со своим юр- отделом и due-diligence процессами). Точный состав датасета Leonardo публично не раскрывается — собственные Phoenix и Vision XL обучены внутри, использовался ли в обучении публичный скрейп интернета или лицензионный материал, dossier не уточняет (data gap). Но в любом случае Leonardo как часть Canva имеет более серьёзный legal-фундамент, чем Stability AI в кризисе. На горизонте 1–2 года юридические риски у Leonardo субъективно ниже.

Stability AI — кризис после ухода Mostaque. В dossier зафиксировано: «Финансирование: ~$100M+ Series A (2022), последующие раунды. После ухода Mostaque — кризис финансирования, перестройка». Emad Mostaque (основатель и CEO до марта 2024) ушёл, последовали публичные финансовые проблемы, смена руководства, неопределённость с roadmap. Stability AI текущие финансовые показатели публично не раскрывает. Open-weights природа SD частично страхует пользователя: даже если Stability AI закроется, веса SD 1.5, SDXL, SD3 и SD3.5 уже выложены и останутся работать без них. Но обновлений новых моделей и поддержки ожидать не приходится.

Leonardo — Canva subsidiary с июля 2024. В dossier: «Acquihire: июль 2024 — Canva купила Leonardo за $320M+. Leonardo продолжает работать как subsidiary, но с интеграцией в Canva Business». Canva — устоявшаяся компания с многомиллиардной оценкой и десятками миллионов платных пользователей. Финансовый бэк Leonardo после acquihire — один из самых стабильных в категории image-AI на 2026 год. Риск закрытия в горизонте 1–2 года — низкий. Главный нюанс: Canva может постепенно интегрировать Leonardo в собственный продукт и отказаться от отдельного бренда — это уже происходит частично (Real-time Canvas работает через Canva-инфраструктуру).

Шесть сценариев, где SD выигрывает у Leonardo с большим отрывом:

1. Точный контроль композиции — ControlNet (OpenPose, Depth, Canny, IP-Adapter) с регулируемыми весами в ComfyUI. Многоусловные графы из 5+ ControlNet-входов одновременно. У Leonardo Image Guidance — один уровень управления, без региональной точности.
2. Self-host под 152-ФЗ — единственная возможность в этой паре. Банки, медицина, российский B2B, оборонка. Leonardo как закрытое облако сюда не подходит вообще.
3. Editing-функции — inpainting, outpainting, generative fill через ControlNet Inpaint. Пакетная обработка 100+ снимков. Ретушь, доводка макетов, замена объектов.
4. Большие объёмы дешёвой генерации — self-host на собственной GPU при 5000+ картинках в месяц выходит дешевле любой подписки Leonardo.
5. Фотореализм с тонкой настройкой — SD + photoreal LoRA + inpainting на лицах поднимает потолок до 9/10, у Leonardo потолок жёстко закрыт каталогом моделей.
6. Портативность обученной модели — LoRA-файл `.safetensors` можно перенести на любой сервис. Leonardo Custom Models живут только в Leonardo-аккаунте.

Пять сценариев, где Leonardo выигрывает у SD с большим отрывом:

1. Готовый gamedev-workflow — character sheets с консистентным героем, isometric tiles, item icons, concept art. Встроенные tools в UI без ComfyUI-графа. Главная позиционная сила Leonardo в категории.
2. Real-time Canvas — рисуете на холсте, картинка обновляется почти мгновенно. У SD без ручной настройки SDXL-Turbo/Lightning в ComfyUI этой функции из коробки нет.
3. 50+ моделей в одном UI — Phoenix, Vision XL, Albedo Base XL и другие fine-tune'ы доступны через выпадающий список. Не нужно искать на Civitai, скачивать веса, разбираться в совместимости версий.
4. Финансовая стабильность через Canva — после acquihire 2024 года Leonardo живёт под крышей публичной компании. Для production-зависимости на 2+ года это серьёзный плюс.
5. Без DevOps и без GPU — открыли браузер, выбрали модель, сгенерировали, скачали. Никакого ComfyUI, никаких 12 GB VRAM, никакой установки моделей.