Fibo 2.0 מוביל בעריכת תמונות במשקלים פתוחים עם 8B פרמטרים — קראו את הרווח, לא את הדירוג

Bria שחררה את Fibo 2.0 ב-20 באוקטובר 2026, ובתוך יום הוא כבר הדיח את כל שאר הרשומות עם משקולות פתוחות בשני לוחות התמונות של Artificial Analysis. בלוח AA-Image-Editing v2.1 הוא ניצב במקום ה-20 הכללי עם Elo של 1,087.05, מה שהופך אותו למודל המדורג הגבוה ביותר שאת משקולותיו ניתן להוריד — Q​wen-Image-2.1 הוא הבא בתור עם 1,082.74 ובמקום ה-21. בלוח AA-Image-T2I v2.1 הוא מגיע למקום ה-21 עם 1,038.79, מקום אחד אחרי Q​wen-Image-2.1 עם 1,042.13. שני אלה הם קפיצות עצומות לעומת קו Fibo מהדור הראשון של Bria: FIBO Edit היה ב-912.82 בעריכה, ו-FIBO ב-848.86 בטקסט-לתמונה. הכותרת מתבקשת. החלק ששווה להאט בגללו הוא שבאף אחד מהלוחות הפער למודל שמתחתיו אינו גדול מפסי השגיאה, ושהמונח "משקולות פתוחות" כאן אינו אומר את מה שהוא אומר עבור רוב המודלים שהוא זה עתה עקף.מיקומים בלוח הדירוג אינם מתעדים כיצד מודלי תמונה נכשלים בסביבת ייצור, והתקריות המתועדות מקוטלגות בארכיון התקריות של OrcaRouter AI שבו לכל רשומה יש מקורות, חומרה, דרגת ביטחון וסימון מחלוקת משלה.

מה אומרים שני הלוחות, כולל החלקים שההכרזה של בריה משלימה.

לוח העריכה הוא התוצאה החזקה יותר. הערך 1,087.05 של Fibo 2.0 מגיע עם רווח סמך של 95% בין 1,073.05 ל-1,101.05 על פני 4,819 קרבות. הערך 1,082.74 של Qwen-Image-2.1 נושא רווח של 1,069.74 עד 1,095.74 על מדגם דומה. הרווחים האלה חופפים לאורך רוב אורכם. לכן הקריאה הישרה של "ראשון מבין המשקלים הפתוחים" היא דירוג, לא פער מוכח: Fibo 2.0 מקדים את Qwen-Image-2.1 בסדר, והסדר עדיין אינו יכול להבחין ביניהם. המודל שהוא באמת ובאופן חד-משמעי מקדים הוא קודמו שלו — 174 Elo הם בערך פי ארבעה־עשר מחצי־הרוחב של רווח הסמך של עצמו, ושום כמות של רעש דגימה לא מסבירה זאת.

• Elo לעריכה — Fibo 2.0 1,087.05, מקום 20 בדירוג הכללי, מקום 1 מבין המשקלים הפתוחים; Q​wen-Image-2.1 1,082.74, מקום 21 בדירוג הכללי, מקום 2 מבין המשקלים הפתוחים.

• מרווחי עריכה — 1,073.05–1,101.05 לעומת 1,069.74–1,095.74. הם חופפים, לכן יש להתייחס לשניים כשווים ולדירוג כשובר שוויון.

• Elo של טקסט לתמונה — Fibo 2.0: 1,038.79, במקום ה-21 בסך הכול; Q​wen-Image-2.1: 1,042.13, במקום ה-20 בסך הכול. כאן Q​wen לכאורה מוביל, שוב בתוך מרווחים חופפים (1,026.79–1,050.79 לעומת 1,030.13–1,054.13).

• שינוי מהדור הראשון — FIBO Edit 912.82 ל-Fibo 2.0 1,087.05 בעריכה, +174. FIBO 848.86 ל-1,038.79 בטקסט לתמונה, +190. FIBO Lite, ה-SKU הזול יותר של הדור הראשון, עמד על 813.06 בטקסט לתמונה.

• המרחק מהפסגה של כל טבלה — 111.66 Elo מאחורי GPT Image 2.5 Sunburst (max) בעריכה, ו-183.17 מאחורי אותו מודל בטקסט-לתמונה. ההובלה בקרב מודלי הקוד הפתוח וההובלה הכוללת הן שתי שיחות שונות.

• גודל מדגם — 4,819 קרבות על עריכה, 5,113 על טקסט לתמונה. מספיק כדי שהמרווחים יהיו צרים; לא מספיק כדי שהבדל של חמש נקודות Elo יאמר משהו.

Artificial Analysis מציינת את תאריך השחרור כ-20 באוקטובר 2026 בשני לוחות הדירוג ומסמנת את המודל כחדש. כרטיס המודל של Bria עצמה טוען למקום הראשון בעריכת תמונות ולמקום השני בטקסט לתמונה בקרב מודלים במשקלים פתוחים נכון לאותו תאריך. זוהי טענה של ספק לגבי לוח דירוג של צד שלישי ולא מבחן של הספק, אך עדיין מדובר בספק שמאפיין את התוצאה של עצמו, והדירוגים אכן מחזיקים מעמד כשמאמתים אותם ישירות.

מה בעצם נמצא בתוך ה-8B

מספר הפרמטרים הוא המספר הכי פחות מעניין בגרסה. Fibo 2.0 הוא מודל flow-matching שפועל במרחב הלטנטי של FLUX.2 VAE, עם מודל Qwen3-VL-4B-Instruct כמקודד הפרומפטים שלו. במקום להתנות את טרנספורמר הדיפוזיה על אסימוני טקסט גולמיים, הוא מכווץ את פלט המקודד דרך Perceiver resampler דו-שכבתי ל-256 עד 512 אסימוני "gist", והטרנספורמר החד-זרמי בעל 44 הבלוקים מפעיל עליהם קשב, כשחמישה מהבלוקים מקבלים בנוסף קלט מקשב צולב. התוצאה המעשית היא שתיאור ארוך ומובנה כמעט לא מוסיף עלות: ההתניה מוגבלת ל-512 אסימונים, לא משנה כמה תכתבו.

• ארכיטקטורה — התאמת זרימה במרחב הלטנטי של FLUX.2 VAE,‏ DiT חד-זרימי בעל 44 בלוקים, חמישה בלוקים עם קשב צולב לייצוג הפרומפט.

• מקודד טקסט — Qwen3-VL-4B-Instruct, דחוס ל־256–512 אסימוני gist באמצעות Perceiver resampler דו־שכבתי.

• גודל — 8,127,342,213 פרמטרים ב-BF16 safetensors, כלומר בערך 16 GB של משקלים לפני כל תקורת זמן ריצה.

• נתוני אימון — מאגר התמונות של Bria המונה כמיליארד תמונות, שאותו מתארת החברה כבעל רישיון מלא. הטענה הזו היא של החברה, והיא הסיבה שהרישיון שלהלן אינו תוספת מאוחרת.

• מצבים — עריכה, עריכה עם מסכה, עריכה עם ריבוי הפניות עם עד ארבע תמונות ייחוס, יצירה, ומצב "inspire" שמציע וריאציות. סט משקלים אחד מכסה יצירה ועריכה, וזה חדש למשפחה הזו; הדור הראשון הפריד ביניהם.

הצ'קפוינט המאוחד הוא השינוי ההנדסי המהותי. Fibo 1 סיפקה יצירה ועריכה כיכולות נפרדות עם חוזקות נפרדות, והשיפור של 174 נקודות בעריכה לעומת FIBO Edit הוא בחלקו סיפור על כך שעריכה מקבלת דגש אימוני משלה בתוך מודל שגם מייצר. השאלה אם שני המצבים מפריעים זה לזה היא בדיוק מסוג השאלות שטבלת דירוג אינה יכולה לענות עליהן, ושבוע של שימוש בייצור יכול.

Dev ו־Edit Turbo הם שני מוצרים שונים החולקים שם.

יש שני צ'קפוינטים ב-Hugging Face תחת השם Fibo 2.0, ובחירה בצ'קפוינט הלא נכון היא הדרך הסבירה ביותר להגיע למסקנה שהמודל מאכזב.

• Fibo 2.0 Dev — בסיס ה-base הלא מזוקק. חמישים צעדי דגימה עם הנחיה ללא מסווג בעוצמה 5.0, גם יצירה וגם עריכה, וה-checkpoint ש-Bria מפנה אליו עבור כוונון עדין. איטי וניתן לשליטה.

• Fibo 2.0 Edit Turbo — מזוקק לארבעה שלבים ללא הנחיה ללא מסווג, עריכה בלבד. זול יותר בסדר גודל בערך לכל תמונה בהסקה, והוא אינו יכול ליצור מאפס.

• כלים — ה-pipeline הוא BriaFibo2Pipeline ב-diffusers, שנכנס דרך בקשת משיכה 14991, עם חבילת bria-vgl נלווית עבור פורמט הכיתוב המובנה המתואר להלן. תמיכת ComfyUI הגיעה דרך אריזה מחדש קהילתית ב-20 באוקטובר.

הפרומפטים אמורים להיות JSON, וזהו שינוי אמיתי בתהליך העבודה

Bria מאמנת ומתעדת את Fibo 2.0 מול מה שהיא מכנה VGL — Visual GenAI Language — פורמט כיתוב JSON מובנה שמפריד בין נושא, קומפוזיציה, תאורה, מצלמה, סגנון וטקסט בתוך התמונה לשדות בעלי שמות, במקום משפט ארוך ורציף אחד. המודל יקבל פרומפט פשוט. הוא צפוי יותר באופן מדיד עם הצורה המובנית, מכיוון שצוואר הבקבוק של Perceiver משמר גבולות שדות שמשפט שטוח מטשטש יחד.

זה הפרט עם הזנב הארוך ביותר. המשמעות היא שהצרכן הטבעי של Fibo 2.0 אינו אדם שמקליד לתיבה, אלא מודל שפה שפולט אובייקט תואם סכימה, וזה אומר שהנדסת פרומפטים עבור המודל הזה נראית כמו כתיבת סכימת JSON ואימות מולה. כל מי שמעריך את Fibo 2.0 באמצעות קומץ פרומפטים בטקסט חופשי מודד מצב שהמודל לא מותאם עבורו, ויפחית מערכו.

מה בדיוק המשמעות של "משקלים פתוחים" כאן

כרטיס המודל מציין CC BY-NC 4.0 לשימוש לא מסחרי, כאשר שימוש מסחרי מחייב הסכם נפרד עם Bria. מאגר Hugging Face מוגבל ברמת "auto" עם טופס חברה ומטרת שימוש. ניתן להוריד את המשקולות, לקרוא אותן, לכוונן אותן ולהריץ אותן; לא ניתן להשיק מוצר המבוסס עליהן בלי לדבר קודם עם Bria.

זו הפצה לגיטימית של משקולות פתוחות, והיא אינה הפצה בקוד פתוח, וההבחנה חשובה יותר מהרגיל משום שהמודלים ש-Fibo 2.0 זה עתה עקף נמצאים תחת רישיונות שמתירים שימוש מסחרי ללא סייג. אם אתם בוחרים מודל תמונות למוצר ולא למחקר, סדר הדירוג בטבלת המובילים אינו האילוץ. הרישיון הוא האילוץ. הוא גם מתמחר את המודל בעקיפין: הסכם מסחרי הוא משא ומתן, ומשא ומתן הוא עלות שאינה מופיעה בשום מחירון.

יש קריאה ניתנת להגנה של הסיבה ש-Bria עשתה זאת כך. קורפוס האימון הוא חומר ברישיון שהחברה שילמה עבורו; שחרור משקולות שמאפשרים לכל אחד להתחרות ב-API של החברה עצמה על אותו קורפוס, בחינם, יהיה מסירת הנכס שהקורפוס קנה. התנאי הלא-מסחרי הוא המנגנון שמונע מהשחרור לקניבליזציה של העסק. זה לא הופך את הרישיון לנוח, אבל זה הופך אותו לקוהרנטי.

כרטיס התעריפים, וכמה עולות אלף תמונות

• Bria API,‏ Fibo 2.0 — $0.032 לתמונה.

• Bria API, Fibo 2.0 Edit — $0.032 לתמונה. עריכה אינה זולה יותר מיצירה כאן, וזה יוצא דופן וכדאי לדעת לפני שמתקצבים עבודת אצווה.

• Bria API, Fibo Lite — ‏$0.0288 לתמונה. השכבה הזולה יותר, לא המודל שנמצא בטבלת הדירוג.

• קריאת פרומפט מובנה — $0.02 לכל קריאה, מחויבת בנפרד מהתמונה. לכן תמונה בצינור VGL עולה $0.052, ולא $0.032, אלא אם כן אתם מייצרים את ה-JSON בעצמכם.

• Artificial Analysis pricePer1kImages — $32.00, בהתאמה לכותרת של $0.032.

במחיר של $0.032 לתמונה, ה-API מתומחר כשירות בסיסי ולא כמודל פרימיום, וזה עקבי עם האסטרטגיה שהרישיון מרמז עליה: לתת את המשקולות בחינם למחקר, ולמכור את נקודת הקצה לכל מי שזקוק לזכויות. אירוח עצמי של ה-checkpoint Dev על GPU שכור לא סביר שישתלם יותר מ-$0.032 לתמונה לאחר שמביאים בחשבון 50 צעדי דגימה, אבל Edit Turbo בארבעה צעדים הוא חישוב אחר לכל מי שפועל בהיקפים גדולים או שזקוק למודל בתוך רשת פרטית.

איפה אפשר להריץ את זה

Fibo 2.0 זמין דרך ה-API של Bria עצמה, דרך כלי היצירה המתארח של Bria, דרך צמתים של ComfyUI, וכמשקלים עם גישה מוגבלת ב-Hugging Face. אלה המסלולים. הוא אינו נמצא בקטלוג של OrcaRouter, והמאמר הזה לא הולך להעמיד פנים אחרת.

שאלת הניתוב עדיין שווה משפט, כי Fibo 2.0 הוא מודל שרוב הצוותים ינסו לפני שיתחייבו. OrcaRouter מפעיל מפתח API אחד על פני יותר מ-200 מודלים עם מחירי המחירון של הספקים המועברים הלאה ב-0% תוספת, כך ששינוי מחיר של ספק, כולל הורדה של Bria, מופיע בחשבונית שלך ביום שבו הוא קורה ולא ביום שבו מפיץ מחדש מעדכן טבלה. עבור החצי הלשוני של צינור Fibo — החצי שכותב VGL JSON, מאמת אותו ומחליט אם יצירה שווה ניסיון חוזר — זה אומר שהמודל שמבצע את החשיבה יכול לשבת מאחורי אותו מפתח כמו כל השאר, עם מעבר אוטומטי לגיבוי כשספק לא יציב וה-DSL של הניתוב כדי להרכיב את השלבים לקריאה אחת. מודל התמונות נשאר במקום שבו הוא נמצא.

שום דבר מכל זה אינו סיבה לבחור ב-Fibo 2.0. זו סיבה לא לבנות את צינור העיבוד המקיף כסדרה של חוזים נפרדים.

מה היה משנה את פסק הדין הזה?

יש שלושה דברים ששווה לעקוב אחריהם, ואף אחד מהם לא יכול להיות מוכרע בפוסט של שבוע השקה. ראשית, שחזור עצמאי: ציון ה-Elo מגיע מזירה שבה הקהל מצביע, ואופני הכשל הספציפיים שחשובים בייצור — רינדור טקסט בתוך אזור שעבר עריכה, שימור זהות על פני ארבע תמונות ייחוס, והאם מסכה מכובדת בקצה שלה — אינם מה שמדידת העדפות בזוגות מודדת. שנית, הרישיון: אם Bria תעבור מ-CC BY-NC למשהו שמיש מסחרית, ההשוואה מול שאר תחום המשקולות הפתוחות תשתנה בין לילה, ואם לא, התואר "עורך התמונות הטוב ביותר במשקולות פתוחות" יישאר תואר מחקרי. שלישית, התיקו: Fibo 2.0 ו-Qwen-Image-2.1 נמצאים במרחק ארבע נקודות Elo זה מזה בעריכה, עם מרווחי סמך חופפים. עוד כמה אלפי קרבות יפרידו ביניהם או יאשרו שמדובר באותו מודל עם שני שמות.

לעת עתה, האמירה המדויקת היא מוגבלת ועדיין ראויה לציון. יומיים לאחר השחרור, מודל עריכת התמונות הטוב ביותר שאפשר להוריד הוא צ'קפוינט 8B מחברה שהקדישה עשור למכירת נתוני תמונות ברישיון, הוא טוב ביותר מ-170 Elo מהניסיון הקודם של אותה חברה, והוא ברישיון כזה שכמעט אף אחד שקורא לוח דירוג לא יכול להשתמש בו מסחרית בלי שיחת טלפון.