Fibo 2.0 Dev Kini Hadir di ModelScope: Checkpoint yang Benar-Benar Dibangun Bria untuk Fine-Tuning

Daftar Fibo 2.0 Dev di situs Tiongkok ModelScope dibuat pada pukul 17:03 UTC pada 20 Oktober 2026 — hari yang sama saat Bria merilis model tersebut — dan salinannya di situs internasional muncul dua hari kemudian, pukul 09:55 UTC pada 22 Oktober. Kedua salinan itu belum banyak berubah sejak saat itu: daftar di Tiongkok mencatat 691 unduhan dan yang internasional 59 saat diperiksa minggu ini, dan keduanya memiliki kolom lisensi yang isinya, kurang membantu, “other”. Jumlah unduhan bukan inti ceritanya. Inti ceritanya adalah apa yang dikatakan stack rekayasa ModelScope sendiri tentang checkpoint, karena dokumentasi Fibo DiffSynth-Studio kini menyatakannya dengan gamblang: hanya Fibo 2.0 Dev yang dapat dilatih.

Itu layak untuk diperlambat. Bria (perusahaan di balik model tersebut) merilis Fibo 2.0 pada 20 Oktober 2026 sebagai model open-weights berparameter 8,13 miliar yang melakukan generasi text-to-image dan penyuntingan instruksi dengan satu set bobot, serta menerbitkan dua checkpoint dengan nama itu — base penuh dan editor terdistilasi. ModelScope, hub model Tiongkok yang proyek DiffSynth-Studio-nya menyediakan skrip pelatihan, kini telah mengintegrasikan keduanya dan menarik garis yang ditunggu para pengembang: checkpoint terdistilasi adalah artefak deployment, sedangkan yang non-terdistilasi adalah hal yang dapat Anda ajarkan.

Apa yang sebenarnya ada di ModelScope, dan apa yang tidak

Ada dua daftar, dan keduanya adalah cermin dari bobot yang sama, bukan hasil build ulang. Situs China mencantumkan briaai/Fibo-2.0-dev di bawah tugas text-to-image-synthesis dengan pustaka pytorch, lora, safetensors, dan diffusers — kehadiran lora dalam daftar itu sedikit memberi petunjuk tentang maksudnya. Situs internasional memuat ID model yang sama dengan penghitung unduhan miliknya sendiri yang jauh lebih kecil. Keduanya mengarah kembali ke repositori Hugging Face yang bergerbang alih-alih menghosting salinan terpisah, jadi siapa pun yang membutuhkan file sebenarnya tetap harus melewati formulir akses non-komersial Bria.

Dua detail perlu ditandai karena akan membingungkan orang yang membaca listing secara terpisah. Tag tugas hanya menyebut text-to-image, yang kurang menggambarkan checkpoint ini: Fibo 2.0 Dev melakukan pembuatan dan pengeditan dari bobot yang sama, dan jalur pengeditan adalah yang paling dipedulikan oleh sebagian besar tim. Dan kolom lisensi menyebut "other" alih-alih "CC BY-NC 4.0", yang merupakan celah metadata, bukan pemberian lisensi yang berbeda — lisensinya tetap lisensi non-komersial Bria, dan itu adalah batasan terbesar pada apa pun yang Anda fine-tune di atas checkpoint ini.

Waktu juga berperan penting dalam cara berita ini harus dibaca. Bobotnya diunggah ke Hub pada 18–19 Oktober, Artificial Analysis telah memiliki snapshot per 20 Oktober, ComfyUI menggabungkan dukungan native pada 21 Oktober, dan mirror internasional ModelScope terisi pada 22 Oktober. Fibo 2.0 Dev adalah checkpoint berusia sembilan hari dalam fase distribusi yang masih bergerak, bukan rilis lama yang dihidupkan kembali.

Dev versus Edit Turbo adalah fork nyata, bukan sekadar keanehan penamaan.

Bria menerbitkan dua checkpoint dengan satu nama rilis, dan perbedaannya menentukan segalanya di hilir:

• Sampling — Fibo 2.0 Dev menjalankan 50 langkah dengan classifier-free guidance sebesar 5.0; Fibo 2.0 Edit Turbo menjalankan 4 langkah dengan guidance ditetapkan pada 1.0, yang berarti tidak ada guidance sama sekali.

• Cakupan tugas — Dev mengerjakan text-to-image dan pengeditan; Turbo hanya mengerjakan pengeditan, jadi prompt text-to-image pada Turbo adalah alat yang salah, bukan jawaban yang lebih lambat.

• Prompt negatif — fitur ini berfungsi di Dev karena CFG aktif; di Turbo tidak ada CFG untuk mengarahkan, jadi prompt negatif tidak punya tuas yang bisa ditarik.

• Kemampuan dilatih — inilah percabangan yang penting di sini. Halaman Fibo milik DiffSynth-Studio secara eksplisit menyatakan bahwa hanya Fibo-2.0-dev yang merupakan target pelatihan; Turbo dijelaskan sebagai tidak ditujukan untuk fine-tuning.

• Biaya per gambar saat inferensi — Turbo kira-kira satu orde besaran lebih murah untuk dijalankan untuk hal sempit yang menjadi tugasnya, yang justru itulah alasan tidak seorang pun seharusnya melakukan fine-tuning padanya demi mengejar selisih tersebut.

Di baliknya, keduanya memiliki bentuk yang sama: transformer difusi flow-matching yang beroperasi di ruang laten VAE FLUX.2, sebuah DiT BF16 dengan 8.127.342.213 parameter dan 44 blok single-stream, lima di antaranya menerapkan cross-attention ke encoder teks Qwen3-VL-4B-Instruct yang outputnya dipadatkan menjadi 256–512 token "gist" oleh resampler Perceiver dua lapis. Repositori ini memakan total sekitar 25,5 GB — transformer 16,3 GB, encoder teks 8,9 GB, dan VAE 0,34 GB — dan itulah angka yang perlu dianggarkan, bukan angka 8B yang menjadi headline.

Resep pelatihan: encoder yang dibekukan, DiT yang dapat dilatih

Kontribusi ModelScope bukanlah mirror lain, melainkan sekumpulan skrip, dan bentuknya konvensional dengan cara yang membuatnya dapat digunakan. Pelatihan menggunakan kembali FiboPipeline yang sama dengan yang dipakai untuk inferensi dan dijalankan melalui examples/fibo/model_training/train.py. VAE dan text encoder dibekukan; DiT dilatih dengan flow matching. Pilihan itu adalah pilihan yang masuk akal — fine-tuning encoder Qwen3-VL-4B bersama transformer 16 GB pada satu node adalah proyek yang berbeda — tetapi itu juga berarti sebuah fine-tune dapat mengalihkan gaya, komposisi, dan perilaku penyuntingan tanpa mengajarkan model bahasa prompt yang benar-benar baru.

Dua level didukung, dan keduanya hanya DiT:

• Fine-tune penuh — berikan --trainable_models "{{1}}dit{{/1}}" dan biarkan Accelerate menangani konfigurasi terdistribusi; seluruh transformer ikut bergerak, tidak ada yang lain.

• LoRA — lampirkan adaptor ke DiT dengan --lora_base_model "dit", atur modul target dan rank, serta secara opsional lanjutkan dari checkpoint; skrip LoRA yang disediakan secara default menggunakan satu GPU.

Penyuntingan adalah target pelatihan utama, bukan tambahan yang dipikirkan belakangan. Proses penyuntingan menyuntikkan edit_image dan mask opsional melalui --extra_inputs, dan UnifiedDataset membaca kolom-kolom tersebut dari metadata; baris tanpa mask dilatih sebagai sampel penyuntingan biasa, bukan dibuang. Karena generasi dan penyuntingan berbagi bobot, satu proses fine-tune dapat mengajarkan domain baru sekaligus cara menyunting di dalamnya — kartu model Bria sendiri mempromosikan hal ini untuk LoRA merek dan gaya, spesialis vertikal, serta penyunting tugas spesifik, dan menyertakan pelatih LoRA GPU tunggal dengan panduan persiapan data di folder fine_tuning/ repositori.

Dua contoh dataset menunjukkan skema yang diharapkan untuk Anda hasilkan: DiffSynth-Studio/diffsynth_example_dataset, dengan split fibo/Fibo-2.0-dev yang membawa CSV metadata berisi image dan prompt, dan split fibo/Fibo-2.0-dev-Edit yang membawa JSON metadata berisi image, prompt, edit_image, dan mask opsional. Tidak ada yang eksotis dalam skema itu; pekerjaannya terletak pada pembuatan caption.

VRAM: bagian yang tidak diukur oleh kartu model

Tidak ada nilai minimum yang dipublikasikan. Dokumentasi DiffSynth merekomendasikan konfigurasi VRAM rendah dan pengelolaan VRAM otomatis berdasarkan sisa memori, alih-alih menetapkan batas bawah, dan konfigurasi contohnya memberi tahu Anda apa yang mereka harapkan: muat dan siapkan dalam FP8 E4M3, komputasi dalam BF16, offload ke disk, dan batasi total penggunaan pada total memori CUDA dikurangi 0,5 GB. Itu adalah resep yang ditulis oleh orang-orang yang tahu bahwa jawabannya bergantung pada kartu Anda, resolusi Anda, dan apakah gradient checkpointing aktif — dan mereka jujur soal itu. Rencanakan offload dan terima kenyataan bahwa fine-tune pada satu megapiksel akan lambat sebelum hasilnya bagus.

JSON terstruktur adalah antarmukanya, jadi dataset Anda harus bisa menggunakannya

Permukaan kontrol Fibo bukan kotak prompt. Model ini dilatih menggunakan caption Visual GenAI Language (VGL) — JSON terstruktur dengan bidang pencahayaan, komposisi, gaya, kamera, dan objek yang dapat dialamatkan secara independen — dan pipeline inferensi mengembalikan caption bersama gambar yang dihasilkannya. Helper bria-vgl menyediakan create() untuk pembuatan dan modify() untuk penyuntingan, jadi Anda tidak diharapkan menulis JSON secara manual; VLM yang di-hosting melakukan ekspansi kecuali Anda menyusunnya sendiri.

Hal itu berdampak langsung pada fine-tuning, yang sebagian besar tidak dibahas dalam liputan peluncuran. Jika Anda melatih dengan prompt teks bebas, Anda melatih DiT terhadap format caption yang bukan menjadi dasar pembuatannya, dan kontrol yang Anda harapkan justru menjadi hal pertama yang hilang. Menyimpan caption VGL dalam metadata Anda — baik yang dihasilkan oleh pipeline lalu diedit, atau ditulis dengan sengaja — menjaga perilaku field yang dapat dialamatkan tetap utuh, dan itulah perbedaan antara LoRA yang mengubah gaya dan LoRA yang mengubah gaya tanpa merusak bagian lain dari frame. Jika set pelatihan Anda berupa gambar tanpa caption, tahap pembuatan caption adalah langkah yang mahal, dan itu merupakan pekerjaan model bahasa.

Perkakas hadir lebih cepat daripada kebanyakan checkpoint baru.

Bagi model yang baru berusia sembilan hari, tumpukan teknologi di sekitarnya terbilang luar biasa lengkap, dan itulah salah satu alasan mengapa integrasi ModelScope bukanlah perkara sebesar yang terlihat, melainkan justru lebih bermanfaat daripada sekadar cermin belaka.

• diffusers — BriaFibo2Pipeline masuk sebagai PR #14991, yang merupakan jalur yang akan diambil oleh sebagian besar kode inferensi.

• ComfyUI — dukungan native digabungkan pada 21 Oktober sebagai PR #17240 dan dirilis dalam v0.43.0, menambahkan tipe text-encoder fibo2 yang memuat Qwen3-VL-4B resmi dan node TextEncodeFibo2 yang menangani prompt VGL dan gambar referensi. Repack BF16 dan INT8 mengikuti tata letak loader tersebut, dan dukungan arsitektur GGUF tersedia untuk menjalankan lokal terkuantisasi.

• ModelScope / DiffSynth-Studio — skrip inferensi dan pelatihan di satu tempat, yang merupakan bagian yang benar-benar dibutuhkan tim yang menstandarkan DiffSynth sebelum dapat merencanakan fine-tune.

Dinding yang tidak disebutkan siapa pun: CC BY-NC 4.0

Fibo 2.0 adalah bobot terbuka, bukan sumber terbuka, dan selisih antara kedua frasa itu adalah seluruh pertanyaan komersialnya. Checkpoint-nya berlisensi CC BY-NC 4.0: hanya untuk penggunaan nonkomersial, dengan penerapan komersial yang memerlukan perjanjian terpisah dengan Bria, dan repositori Hugging Face dibatasi di balik formulir perusahaan dan tujuan penggunaan. LoRA merek yang dilatih pada Fibo 2.0 Dev adalah artefak riset sampai perjanjian itu ada — yang merupakan tempat aneh untuk menaruh "persis apa yang ingin dibangun para pengembang", tetapi itulah tempat yang akurat. Bandingkan alternatif bobot terbuka yang mengizinkan penggunaan komersial secara langsung, dan lisensinya, bukan Elo, menjadi garis penentu bagi siapa pun yang merilis produk.

Gambaran kualitas juga lebih sempit daripada yang disiratkan judul utama. Pada AA-Image-Editing v2.1 dari Artificial Analysis, Fibo 2.0 tercatat 1.088 Elo dengan interval ±14 atas 5.009 suara buta — peringkat ke-23 secara keseluruhan dan pertama di antara editor open-weights, meskipun telah turun satu atau dua peringkat sejak snapshot peluncuran. Qwen-Image-2.1 berada di 1.081 ±13, dan intervalnya hampir seluruhnya tumpang tindih, sehingga keunggulan open-weights adalah penentu seri, bukan bukti. Pada AA-Image-T2I v2.1 urutannya terbalik: 1.039 ±12 untuk Fibo 2.0 versus 1.042 ±12 milik Qwen-Image-2.1. Kartu model Bria sendiri bahkan kurang menggembirakan di kategori yang sempit — kartu itu mencantumkan rendering teks dan tata letak pada peringkat belasan tinggi hingga awal dua puluhan, dan anatomi manusia di peringkat ke-18. Sebuah fine-tune dapat mengejar kelemahan-kelemahan tersebut, tetapi tidak dapat melampaui apa yang dipahami encoder.

Di mana routing cocok, dan di mana tidak

Pembagian yang jujur: Fibo 2.0 sendiri tidak ada dalam katalog OrcaRouter, jadi tidak ada di sini yang merupakan promosi "panggil Fibo melalui kami". Yang ditawarkan routing adalah separuh pipeline lainnya. Dua pekerjaan model bahasa di sekitar checkpoint ini — menulis caption VGL untuk set pelatihan dan memperluas prompt pendek menjadi JSON terstruktur saat inferensi — adalah beban kerja teks biasa, dan keduanya adalah yang menentukan apakah fine-tune mungkin dilakukan sama sekali. OrcaRouter menawarkan satu API untuk 200+ model dengan markup 0%, sehingga harga daftar penyedia diteruskan dan potongan vendor mencapai tagihan Anda pada hari yang sama; failover otomatis antarpenyedia berarti proses pemberian caption atas beberapa ribu gambar tidak mati karena satu upstream; dan DSL routing dapat menyematkan model murah untuk pemberian caption massal sambil mengirim kasus-kasus sulit ke model yang lebih kuat, dengan fusi model tersedia ketika satu pemberi caption terus melewatkan sebuah field. Model gambar tetap di tempatnya; teks di sekitarnya dapat dirutekan.

Yang perlu diperhatikan berikutnya adalah peta jalan Bria sendiri, yang dicantumkan dalam kartu model sebagai penyuntingan lokal multi-putaran, penghapusan latar belakang, LoRA foto produk, penghapusan mask, dan outpainting — semuanya akan hadir lebih dulu di checkpoint Dev, karena Dev-lah yang memiliki loop pelatihan. Mirror ModelScope adalah bagian yang membosankan dari cerita ini. Kalimat DiffSynth “hanya Fibo-2.0-dev yang dapat dilatih” adalah bagian yang berguna, dan itulah alasan untuk mengunduh repositori 25.5 GB alih-alih memanggil API.