Fibo 2.0 Dev מגיע ל-ModelScope: הצ'קפוינט שבריה באמת בנתה עבור כוונון עדין

הרשומה של Fibo 2.0 Dev באתר הסיני של ModelScope נוצרה ב-17:03 UTC ב-20 באוקטובר 2026 — באותו יום שבו Bria שחררה את המודל — והעתק באתר הבינלאומי הופיע יומיים לאחר מכן, ב-09:55 UTC ב-22 באוקטובר. אף אחת משתי המראות לא זזה הרבה מאז: הרשומה הסינית הציגה 691 הורדות והבינלאומית 59 כשנבדקו השבוע, ושתיהן כוללות שדה רישיון שקורא, באופן לא מועיל, "other". ספירת ההורדות היא לא הסיפור. הסיפור הוא מה שהסטאק ההנדסי של ModelScope עצמו אומר על הצ'קפוינטים, כי התיעוד של Fibo ב-DiffSynth-Studio מציין כעת במפורש: רק Fibo 2.0 Dev ניתן לאימון.

על זה שווה לעצור לרגע. Bria (החברה שמאחורי המודל) השיקה את Fibo 2.0 ב-20 באוקטובר 2026 כמודל במשקלים פתוחים בעל 8.13 מיליארד פרמטרים, שמבצע יצירת תמונות מטקסט ועריכה לפי הוראות עם מערך משקלים אחד, ופרסמה תחת השם הזה שני צ'קפוינטים — הבסיס המלא ועורך מזוקק. ModelScope, מרכז המודלים הסיני שפרויקט DiffSynth-Studio שלו מספק את סקריפטי האימון, שילבה כעת את שניהם והתוותה את הקו שמפתחים חיכו לראות: הצ'קפוינט המזוקק הוא ארטיפקט פריסה, ואילו הלא-מזוקק הוא זה שאפשר ללמד.

מה בעצם נמצא ב-ModelScope, ומה לא

קיימות שתי רשומות, והן מראה של אותם משקלים, לא בנייה מחדש. האתר הסיני מציג את briaai/Fibo-2.0-dev תחת משימת text-to-image-synthesis עם הספריות pytorch, lora, safetensors ו-diffusers — נוכחותה של lora ברשימה הזו היא רמז קטן לכוונה. האתר הבינלאומי נושא את אותו מזהה מודל עם מונה הורדות משלו, קטן בהרבה. שניהם מפנים חזרה למאגר ה-Hugging Face המוגבל בגישה במקום לארח עותק נפרד, כך שכל מי שצריך את הקבצים בפועל עדיין עובר דרך טופס הגישה הלא-מסחרית של Bria.

שני פרטים ראויים לציון, משום שהם יבלבלו את מי שקורא את הרשומה בבידוד. תג המשימה אומר "טקסט לתמונה בלבד", מה שממעיט בערכו של הצ'קפוינט: Fibo 2.0 Dev מבצע יצירה ועריכה מאותם משקלים, ומסלול העריכה הוא זה שרוב הצוותים מתעניינים בו. ושדה הרישיון אומר "other" ולא "CC BY-NC 4.0", שזהו פער מטא-דאטה, ולא הענקה שונה — ההענקה היא עדיין הרישיון הלא-מסחרי של Bria, והיא המגבלה הגדולה ביותר על כל מה שתבצעו לו כיוונון עדין על גבי הצ'קפוינט הזה.

גם לתזמון יש חשיבות לאופן שבו יש לקרוא את הידיעה. המשקלים הועלו ל-Hub ב-18–19 באוקטובר, ל-Artificial Analysis היה צילום מצב עד 20 באוקטובר, ComfyUI מיזגה תמיכה נייטיבית ב-21 באוקטובר, והמראה הבינלאומית של ModelScope הושלמה ב-22 באוקטובר. Fibo 2.0 Dev הוא צ'קפוינט בן תשעה ימים בשלב הפצה שעדיין בתנועה, ולא מהדורה ישנה שמוחזרת לחיים.

Dev לעומת Edit Turbo הוא פורק אמיתי, ולא מוזרות בשם

Bria פרסמה שני צ'קפוינטים תחת שם מהדורה אחד, וההבדל ביניהם מכריע את כל מה שבהמשך:

• דגימה — Fibo 2.0 Dev מבצע 50 צעדים עם הנחיה ללא מסווג (classifier-free guidance) ברמה 5.0; Fibo 2.0 Edit Turbo מבצע 4 צעדים עם הנחיה קבועה על 1.0, כלומר ללא הנחיה כלל.

• כיסוי משימות — Dev מבצע המרת טקסט לתמונה ועריכה; Turbo מבצע עריכה בלבד, כך שפרומפט של טקסט לתמונה שמופנה ל-Turbo הוא הכלי הלא נכון ולא תשובה איטית יותר.

• פרומפטים שליליים — הם עובדים ב-Dev כי CFG פעיל; ב-Turbo אין CFG לכוון איתו, ולכן לפרומפט שלילי אין מנוף למשוך.

• יכולת אימון — זהו הפיצול שמשנה כאן. העמוד Fibo של DiffSynth-Studio מבהיר במפורש שרק Fibo-2.0-dev הוא יעד לאימון; Turbo מתואר כלא מיועד לכוונון עדין.

• עלות לכל תמונה בהסקה — Turbo זול בערך בסדר גודל אחד להרצה עבור הדבר המצומצם שהוא עושה, וזו בדיוק הסיבה שאף אחד לא צריך לכוונן אותו כדי לרדוף אחרי הפער הזה.

מתחת לפני השטח, מדובר באותו מבנה: טרנספורמר דיפוזיה מסוג flow-matching הפועל במרחב הלטנטי של FLUX.2 VAE, DiT BF16 בעל 8,127,342,213 פרמטרים עם 44 בלוקים חד-זרימיים, שחמישה מהם מבצעים cross-attention אל מקודד טקסט Qwen3-VL-4B-Instruct, שפלטו נדחס ל-256–512 טוקני "gist" באמצעות Perceiver resampler דו-שכבתי. המאגר תופס כ-25.5 GB בסך הכול — טרנספורמר של 16.3 GB, מקודד טקסט של 8.9 GB ו-VAE של 0.34 GB — וזה הנתון שצריך לתקצב, ולא כותרת ה-8B.

מתכון האימון: מקודדים קפואים, DiT שניתן לאמן

התרומה של ModelScope אינה עוד מירור אלא סט סקריפטים, והוא בנוי באופן קונבנציונלי שהופך אותו לשמיש. האימון משתמש מחדש באותו FiboPipeline המשמש להסקה ומופעל דרך examples/fibo/model_training/train.py. ה-VAE ומקודד הטקסט קפואים; ה-DiT מאומן באמצעות flow matching. הבחירה הזו היא ההגיונית — כוונון עדין של מקודד Qwen3-VL-4B לצד טרנספורמר של 16 GB על צומת יחיד הוא פרויקט אחר — אך היא גם אומרת שכוונון עדין יכול לכוון מחדש סגנון, קומפוזיציה והתנהגות עריכה בלי ללמד את המודל שפה חדשה באמת של פרומפטים.

שתי רמות נתמכות, ושתיהן מיועדות ל-DiT בלבד:

• כיונון עדין מלא — העבר את ‎--trainable_models "dit" ותן ל-Accelerate לטפל בתצורה המבוזרת; הטרנספורמר כולו זז, ושום דבר אחר לא.

• LoRA — צירוף אדפטרים ל-DiT באמצעות --lora_base_model "dit", קביעת מודולי היעד וה-rank, ואפשרות להמשיך מ-checkpoint; סקריפטי ה-LoRA המסופקים מוגדרים כברירת מחדל ל-GPU יחיד.

עריכה היא יעד אימון מרכזי ולא מחשבה שנייה. הרצות עריכה מזריקות edit_image ומסכה אופציונלית דרך --extra_inputs, ו-UnifiedDataset קורא את העמודות הללו ממטא-דאטה; שורות ללא מסכות מאומנות כדגימות עריכה רגילות במקום להימחק. מכיוון שיצירה ועריכה חולקות משקלים, כיוונון עדין אחד יכול ללמד תחום חדש וגם איך לערוך בתוכו — כרטיס המודל של Bria עצמה מציג את הרעיון הזה עבור LoRA של מיתוג וסגנון, מתמחים אנכיים ועורכי משימות צרים, ומספק מאמן LoRA ל-GPU יחיד עם מדריך להכנת נתונים בתיקיית fine_tuning/ של המאגר.

שני מערכי הנתונים לדוגמה מציגים את הסכימה שמצפים ממך להפיק: {{1}}DiffSynth-Studio/diffsynth_example_dataset{{/1}}, עם חלוקת {{2}}fibo/Fibo-2.0-dev{{/2}} הנושאת קובץ CSV של מטא-נתונים של תמונה ופרומפט, ועם חלוקת {{3}}fibo/Fibo-2.0-dev-Edit{{/3}} הנושאת קובץ JSON של מטא-נתונים של תמונה, פרומפט, edit_image ומסכה אופציונלית. אין שום דבר אקזוטי בסכימה הזו; העבודה היא בהפקת הכיתובים.

VRAM: החלק שכרטיס המודל אינו מכמת

אין מינימום מפורסם. התיעוד של DiffSynth ממליץ על תצורות עם VRAM נמוך ועל ניהול VRAM אוטומטי מול הזיכרון הנותר במקום לנקוב ברף תחתון, ותצורת הדוגמה אומרת לך מה הם מצפים: לטעון ולהכין ב-FP8 E4M3, לחשב ב-BF16, לבצע offload לדיסק, ולהגביל את השימוש הכולל לזיכרון CUDA הכולל פחות 0.5 GB. זהו מתכון שנכתב בידי אנשים שיודעים שהתשובה תלויה בכרטיס שלך, ברזולוציה שלך ובאם gradient checkpointing מופעל — והוא ישר לגבי זה. יש לתכנן offload ולקבל שכיוונון עדין ברזולוציה של מגה-פיקסל אחד יהיה איטי לפני שיהיה טוב.

JSON מובנה הוא הממשק, אז מערך הנתונים שלך חייב לדבר בו

משטח הבקרה של Fibo אינו תיבת פרומפט. המודל אומן על כיתובים בשפת Visual GenAI Language (VGL) — JSON מובנה שבו תאורה, קומפוזיציה, סגנון, מצלמה ואובייקטים הם שדות הניתנים להתייחסות בנפרד — וצינור האינפרנס מחזיר את הכיתוב לצד התמונה שהפיק. עוזר bria-vgl חושף את create() ליצירה ואת modify() לעריכות, כך שאין מצפים מכם לכתוב את ה-JSON ביד; VLM מתארח מבצע את ההרחבה, אלא אם כן אתם כותבים אותו בעצמכם.

לכך יש השלכה ישירה על כוונון עדין — כזו שרוב סיקור ההשקה דילג עליה. אם אתה מאמן על פרומפטים בטקסט חופשי, אתה מאמן את ה-DiT כנגד פורמט כיתוב שהוא לא נבנה סביבו, והשליטה שקיווית לקבל היא הדבר הראשון שנעלם. אחסון כיתובי VGL במטא-דאטה שלך — בין אם נוצרו על ידי הפייפליין ואז נערכו, ובין אם נכתבו בכוונה — שומר על התנהגות השדה הניתן למיקוד ללא שינוי, וזה ההבדל בין LoRA שמשנה סגנון לבין LoRA שמשנה סגנון בלי להרוס את שאר הפריים. אם מערך האימון שלך מורכב מתמונות ללא כיתובים, שלב הכיתוב הוא השלב היקר, וזו עבודה של מודל שפה.

הכלים נחתו מהר יותר ממה שרוב הצ'קפוינטים החדשים מקבלים

עבור מודל בן תשעה ימים, המערך שמסביבו שלם באופן בלתי שגרתי, וזה חלק מהסיבה לכך שהאינטגרציה של ModelScope היא עניין קטן ממה שנראה, ושימושי יותר מאשר שיקוף בלבד.

• diffusers — BriaFibo2Pipeline נכנס כ-PR #14991, וזהו הנתיב שרוב קוד האינפרנס ילך בו.

• ComfyUI — תמיכה מקורית מוזגה ב-21 באוקטובר כ-PR #17240 ויצאה לאור ב-v0.43.0, ומוסיפה סוג מקודד-טקסט fibo2 שטוען את Qwen3-VL-4B הרשמי וצומת TextEncodeFibo2 שמטפל בפרומפטים של VGL ובתמונות ייחוס. אריזות מחדש BF16 ו-INT8 עוקבות אחר פריסת הטוען הזו, וקיימת תמיכה בארכיטקטורת GGUF עבור הרצות מקומיות מכומתות.

• ModelScope / DiffSynth-Studio — סקריפטים של הסקה ואימון במקום אחד, וזה בדיוק החלק שצוות שמאמץ את DiffSynth כסטנדרט צריך לפני שהוא יכול לתכנן כיוונון עדין.

הקיר שאיש לא מזכיר: CC BY-NC 4.0

Fibo 2.0 הוא משקלים פתוחים, לא קוד פתוח, והפער בין שני הביטויים האלה הוא כל השאלה המסחרית. הצ'קפוינטים הם CC BY-NC 4.0: שימוש לא-מסחרי בלבד, כאשר פריסה מסחרית מחייבת הסכם נפרד עם Bria, ומאגרי Hugging Face חסומים מאחורי חברה וטופס שימוש מיועד. LoRA של מותג שאומן על Fibo 2.0 Dev הוא פריט מחקרי עד שההסכם הזה קיים — וזה מקום מוזר להציב בו "בדיוק את מה שמפתחים רוצים לבנות עליו", אבל זה המקום המדויק. השוו את חלופות המשקלים הפתוחים שמתירות שימוש מסחרי ללא סייג, והרישיון, לא ה-Elo, הופך לקו המכריע עבור כל מי שמשחרר לשוק.

תמונת האיכות גם היא צרה יותר מהכותרת. ב-AA-Image-Editing v2.1 של Artificial Analysis, Fibo 2.0 מקבל 1,088 Elo עם מרווח של ±14 על פני 5,009 הצבעות עיוורות — מקום 23 בכללי וראשון מבין עורכי התמונות עם משקולות פתוחות, אף שירד מקום או שניים מאז תמונת המצב בהשקה. Qwen-Image-2.1 נמצא ב-1,081 ±13, והמרווחים חופפים כמעט לחלוטין, כך שהיתרון של משקולות פתוחות הוא שובר שוויון ולא הוכחה. ב-AA-Image-T2I v2.1 הסדר מתהפך: 1,039 ±12 ל-Fibo 2.0 לעומת 1,042 ±12 של Qwen-Image-2.1. כרטיס המודל של Bria עצמו מחמיא עוד פחות בקטגוריות הצרות — הוא מפרט רינדור טקסט ופריסה במקומות 17–19 עד 21–23, ואנטומיה אנושית במקום ה-18. כיוונון עדין יכול לרדוף אחר החולשות האלה, אבל הוא לא יכול לחרוג ממה שהמקודד מבין.

היכן ניתוב מתאים, והיכן הוא לא

ההבחנה הכנה: Fibo 2.0 עצמו אינו בקטלוג של OrcaRouter, אז אין כאן שום הצעה מסוג "קראו ל-Fibo דרכנו". מה שהניתוב קונה הוא החצי השני של הצינור. שתי משימות מודל השפה סביב הצ'קפוינט הזה — כתיבת כיתובי VGL עבור מערך אימון והרחבת פרומפטים קצרים ל-JSON מובנה בזמן אינפרנס — הן עומסי טקסט שגרתיים, והן אלה שקובעות אם כוונון עדין אפשרי בכלל. OrcaRouter מציע API אחד ל-200+ מודלים עם 0% תוספת, כך שמחירי המחירון של הספקים עוברים ישירות ונתח של ספק מגיע לחשבון שלך באותו יום; מעבר אוטומטי בין ספקים במקרה כשל פירושו שריצת כיתוב על כמה אלפי תמונות לא נכשלת בגלל ספק במעלה הזרם; וה-DSL של הניתוב יכול לנעוץ מודל זול לכיתוב בכמות גדולה בעוד שהמקרים הקשים נשלחים למשהו חזק יותר, עם מיזוג מודלים זמין כאשר מודל כיתוב בודד ממשיך להחמיץ שדה. מודל התמונות נשאר במקומו; הטקסט סביבו ניתן לניתוב.

מה שכדאי לעקוב אחריו בהמשך הוא מפת הדרכים של Bria עצמה, שאותה מפרט כרטיס המודל כעריכה מקומית רב-תורית, הסרת רקע, LoRA לצילומי מוצר, מחיקת מסכות ו-outpainting — כל אלה יגיעו תחילה ל-Dev checkpoint, מפני ש-Dev הוא זה שיש לו לופ אימון. מראות ה-ModelScope הם החצי המשעמם של הסיפור הזה. המשפט של DiffSynth "רק Fibo-2.0-dev ניתן לאימון" הוא החצי השימושי, וזו הסיבה להוריד את המאגר של 25.5 GB במקום לקרוא ל-API.