Fibo 2.0 Dev vs Fibo 2.0 : vous ne choisissez pas entre deux modèles

Fibo 2.0 Dev et Fibo 2.0 sont le même modèle qui porte deux intitulés de poste. Fibo 2.0 est le nom de version que Bria a donné à la famille de checkpoints de 8,13 milliards de paramètres qu’elle a publiée le 20 octobre 2026 ; Fibo 2.0 Dev est la base complète et non distillée qui porte cette version. La comparaison ne devient réellement pertinente que lorsque vous lisez « Fibo 2.0 » comme la plupart des gens le rencontrent réellement — comme un produit que vous appelez, sur un endpoint hébergé, au prix de 0,032 $ par image — face à la chose que vous pouvez télécharger, jauger et entraîner. L’un est un pipeline que vous contrôlez. L’autre est un compteur que vous louez. C’est là qu’est la décision, et ce n’est pas le nom sur l’emballage qui tranche.

Il y a un troisième objet dans la pièce, et c’est en l’omettant que les gens finissent déçus : Fibo 2.0 Edit Turbo, l’éditeur distillé en quatre étapes qui partage le nom de la version et fait environ un dixième du travail par image. Trois choses, un seul nom, et un score de classement qui décrit la version plutôt que quelque checkpoint pris isolément. Ce qui suit les distingue selon ce qu’ils vous coûtent, ce qu’ils peuvent faire et ce qu’ils vous autorisent légalement à livrer.

Les six dimensions qui diffèrent réellement

Tout ce qui suit constitue une différence sur laquelle vous pouvez agir. Lorsqu’un chiffre provient de Bria plutôt que d’une exécution indépendante, il est signalé comme tel.

• Poids téléchargeables — Fibo 2.0 Dev : oui, à accès restreint sur Hugging Face, CC BY-NC 4.0, environ 25,5 Go, dont un transformer de 16,3 Go, un encodeur Qwen3-VL-4B de 8,9 Go et un VAE FLUX.2 de 0,34 Go. Fibo 2.0 en tant que produit : rien à télécharger.

• Échantillonnage — Dev : 50 étapes avec guidage sans classificateur à 5,0. Le parcours d’édition hébergé et Edit Turbo : 4 étapes, guidage 1,0, aucun guidage sans classificateur du tout.

• Couverture des tâches — Dev : génération d’images à partir de texte et édition à partir d’un même ensemble de poids. Le point de terminaison d’édition déployé et Turbo : édition uniquement. La génération d’images à partir de texte via Turbo n’est pas une voie plus lente, c’est la mauvaise voie.

• Fine-tuning — Dev : le seul checkpoint entraînable, tant pour les fine-tunings complets du DiT que pour LoRA. Turbo : explicitement pas une cible de fine-tuning. Le produit hébergé : vous louez les poids, vous ne leur apprenez rien.

• Prompts négatifs — Dev : ils fonctionnent, car le CFG est activé et il y a un levier sur lequel appuyer. Turbo : le guidage est fixé à 1,0, donc un prompt négatif n'a rien sur quoi agir.

• Prix — le produit hébergé : 32,00 $ par 1 000 images, soit 0,032 $ chacune, le chiffre indiqué par Artificial Analysis. Local Dev : aucun prix par image ; vous payez en heures de GPU et via le téléchargement de 25,5 Go.

Là où Fibo 2.0 Dev l'emporte, et l'écart n'est pas mince

La génération est la première lacune. Fibo 2.0 est commercialisé comme un modèle unique qui dessine et modifie à la fois, et cette affirmation ne vaut que pour Dev. Les endpoints d’édition hébergés et Edit Turbo reposent sur une image d’entrée ; leur demander une image à partir d’une légende, c’est demander quelque chose que la distillation a laissé tomber. Si votre pipeline part de zéro, le choix se porte sur Dev ou sur un autre modèle.

Control est le deuxième. Cinquante étapes avec un guidage à 5,0, c'est plus lent que quatre étapes sans guidage, et cette lenteur est le prix de la contrôlabilité — la capacité de pousser à l'encontre d'un prompt, d'utiliser un prompt négatif et d'échanger des étapes contre de la fidélité. Côté édition, Dev accepte aussi les retouches masquées, les retouches multi-références avec jusqu'à quatre images de contexte, et un mode Inspire qui emprunte le style d'une référence sans transmettre cette image au moteur de rendu.

L'entraînement arrive en troisième position et c'est le plus important. Dev est le checkpoint que cible chaque parcours de fine-tuning : la documentation DiffSynth-Studio de ModelScope indique que seul Fibo-2.0-dev est entraînable, et Bria fournit un entraîneur LoRA sur GPU unique ainsi qu'un guide de préparation des données dans le dépôt. Comme la génération et l'édition partagent des poids, un seul LoRA peut enseigner un style et le comportement d'édition qui l'accompagne. Rien de semblable n'existe pour le produit hébergé, et Turbo est exclu par conception.

La portabilité est le quatrième point. Un checkpoint local s'exécute sous diffusers via le BriaFibo2Pipeline, dans ComfyUI, où la prise en charge native a été fusionnée le 21 octobre et livrée dans la v0.43.0 avec un type de text-encoder dédié et un nœud qui accepte les prompts VGL et les images de référence. Il s'exécute également sous forme quantifiée — les repacks BF16, INT8 et GGUF existent tous — ce qui rend un dépôt de 25,5 Go gérable sur du matériel ordinaire.

Là où le Fibo 2.0 livré l’emporte

Latence et exploitation, surtout. Un parcours d'édition sans guidage en quatre étapes revient en une fraction du temps nécessaire à 50 étapes guidées, et le chiffre de Bria pour l'API hébergée est inférieur à deux secondes de temps de modèle et à cinq secondes de bout en bout — rapporté par le fournisseur, non mesuré indépendamment, et à considérer comme un plafond plutôt qu'une promesse. Quand une file de modifications doit être écoulée avant une échéance, c'est tout l'argument.

Le coût d'investissement vient en second. 0,032 $ par image, sans GPU, sans téléchargement de 25,5 Go, sans réglage de l'offload, sans décisions FP8 contre BF16. Une équipe qui a besoin de 500 retouches par mois dépense 16 $ et n'ouvre jamais un terminal. La même équipe qui achète une carte pour faire tourner Dev en local dépense plusieurs centaines de dollars avant même que la première image n'existe. Dev en local ne gagne cet arbitrage qu'à volume, et seulement si le GPU est déjà amorti sur d'autres travaux.

La justesse de la plomberie vient en troisième. Le chemin hébergé prend en charge les parties ennuyeuses : l’encodeur de texte, le VAE, le calendrier d’échantillonnage et l’expansion des prompts structurés sont le problème de quelqu’un d’autre. Une installation locale doit maintenir en accord un encodeur Qwen3-VL-4B, un VAE FLUX.2 et un DiT à 44 blocs à chaque mise à niveau — ce qui explique pourquoi le simple fait que les intégrations ComfyUI et diffusers existent est structurant, et pourquoi les repacks GGUF comptent.

Cinquante étapes contre quatre : l’arithmétique qui tranche la plupart des cas

Le coût par image est le point où la comparaison se perd souvent en approximations, alors traitez-le comme trois factures distinctes. Hébergé : 0,032 $ par image, tout compris. Dev local : secondes GPU à 50 étapes, plus l’électricité, plus la carte. Turbo local : secondes GPU à 4 étapes, environ un dixième du calcul, mais édition uniquement.

Le point de bascule est réel, mais il survient plus tard qu’on ne le suppose. Si une heure de GPU loué coûte environ un dollar et qu’un rendu mégapixel en 50 étapes prend, disons, vingt secondes, vous êtes à environ 0,005 $ par image en calcul brut — six fois moins cher que le prix de l’hébergement, avant même de compter le temps d’inactivité entre les tâches et le fait que votre temps n’est pas gratuit. À 500 images par mois, cela représente une économie de 2,50 $ sur 16 $, ce qui ne constitue pas un business case. À 50 000 images, c’est une économie de 250 $ sur 1 600 $, et là, c’en est bien un. Le fine-tuning inverse entièrement la donne, car un LoRA que vous avez entraîné ne vaut quelque chose que sur des poids que vous pouvez exécuter.

Un chiffre de plus compte spécifiquement pour le côté Dev : le pipeline diffusers utilise par défaut 30 étapes avec un guidance de 5, alors que le réglage recommandé par Bria pour Dev est de 50. Le réglage par défaut produira des images ; il ne produira pas les images de Bria. Quiconque met en place un pipeline local devrait en décider délibérément plutôt que de l'hériter.

La licence recadre toute la comparaison.

Les deux checkpoints téléchargeables sont sous licence CC BY-NC 4.0 — usage non commercial uniquement ; leur déploiement commercial exige un accord distinct avec Bria, et l’accès est conditionné à la fourniture d’un formulaire sur l’entreprise et l’usage prévu. Le produit hébergé constitue la voie commerciale : vous achetez un droit d’usage plutôt qu’une licence sur les poids.

Cela produit un résultat vraiment délicat, et c’est la raison pour laquelle ce « vs » vaut la peine d’être écrit. Le checkpoint doté des capacités que vous voulez — génération, guidage, fine-tuning — est celui que vous ne pouvez pas commercialiser sans négocier. Le produit qu’il est juridiquement simple de commercialiser est celui qui ne peut pas être fine-tuné et ne peut pas générer à partir de zéro. Si votre cas d’usage est commercial et personnalisé, vous ne choisissez pas entre deux produits Bria ; vous choisissez si vous engagez ou non une discussion sur la licence.

Il faut aussi le dire clairement : la ligne du classement citée pour Fibo 2.0 — 1 088 Elo sur AA-Image-Editing v2.1 d’Artificial Analysis, première parmi les modèles d’édition à poids ouverts et vingt-troisième au classement général sur 5 009 votes à l’aveugle — est un score pour la version publiée, pas pour Dev face à Turbo. Son intervalle de ±14 chevauche presque entièrement celui de Qwen-Image-2.1 (1 081 ±13), si bien que la première place parmi les modèles à poids ouverts est décidée par un départage. En génération d’images à partir de texte, l’ordre s’inverse : le score de 1 039 ±12 de Fibo 2.0 se situe derrière celui de 1 042 ±12 de Qwen-Image-2.1. Aucun des deux checkpoints ne dispose d’un score publié séparé, ce qui signifie que toute affirmation selon laquelle « Dev est meilleur que Fibo 2.0 » est une inférence tirée de la manière dont le checkpoint a été construit, et non une mesure.

Lequel, selon la situation

• Vous avez besoin de génération d'images à partir de texte et vous voulez qu'elle respecte les nombres, les positions et les attributs — Dev. La surface de contrôle JSON structurée est conçue exactement pour cela, et le pipeline renvoie la légende à partir de laquelle il a effectué le rendu.

• Vous effectuez un fine-tuning pour une marque, un style ou un secteur — Dev, avec LoRA en premier. L'entraînement complet de DiT existe, mais un adaptateur à rang limité sur un encodeur gelé est la première expérience raisonnable.

• Vous effectuez des modifications d’instructions à haut volume sans comportement personnalisé — via la solution hébergée, ou Turbo en local si les images ne peuvent pas quitter votre réseau. Quatre étapes et aucune consigne : c’est ici un atout, pas une limitation.

• Vous avez besoin d’un déploiement commercial — engagez la conversation avec Bria, ou prévoyez de louer. Le téléchargement des poids ne règle pas la question de la licence.

• Vous voulez juste voir si le modèle est bon — le point de terminaison hébergé à $0.032 par image coûte moins cher que le téléchargement, la configuration et la soirée que vous perdrez à charger en FP8. Dépensez $5 avant de sacrifier un week-end.

Un point de terminaison pour la moitié texte, quel que soit le côté que vous choisissez.

Les deux voies partagent une dépendance que personne ne mesure : le modèle de langage qui rédige le VGL. Fibo a été entraîné sur des légendes Visual GenAI Language, où l’éclairage, la composition, la caméra et les objets sont des champs adressables, et l’utilité de la sortie dépend de la qualité de ce JSON. La rédaction manuelle est envisageable pour une douzaine de prompts et pénible pour un millier, d’où l’intégration du générateur de légendes au système.

C'est la partie que couvre OrcaRouter. Une seule API pour plus de 200 modèles, 0 % de marge — le prix catalogue du fournisseur répercuté tel quel, de sorte qu'un changement de tarif fournisseur se répercute sur votre facture le jour même — avec le DSL de routage capable d'envoyer le légendage en masse vers un modèle bon marché et d'escalader les lignes difficiles, et la fusion de modèles disponible lorsqu'un seul générateur de légendes ne cesse d'aplatir un champ qui compte pour vous. Il rend aussi la comparaison vérifiable : faites passer la même image dans deux générateurs de légendes, comparez les JSON et voyez quel ensemble de champs a réellement fait bouger le rendu. Fibo 2.0 lui-même ne figure pas à notre catalogue, donc le côté image reste là où vous le placez — c'est le côté texte qui se consolide.

Le verdict en bref : choisissez Fibo 2.0 Dev si vous développez, et choisissez Fibo 2.0 endpoint si vous achetez. Le nom est partagé, la licence ne l’est pas, et le checkpoint avec la boucle d’entraînement est le seul qui sera encore à vous dans six mois.