Fibo 2.0 Dev vs Fibo 2.0: Anda Tidak Memilih Antara Dua Model

Fibo 2.0 Dev dan Fibo 2.0 adalah model yang sama dengan dua jabatan. Fibo 2.0 adalah nama rilis yang diberikan Bria pada keluarga checkpoint 8.13 miliar parameter yang diterbitkannya pada 20 Oktober 2026; Fibo 2.0 Dev adalah basis penuh yang tidak didistilasi yang membawa rilis tersebut. Perbandingan baru menjadi nyata ketika Anda membaca "Fibo 2.0" sebagaimana kebanyakan orang benar-benar mengenalnya — sebagai produk yang Anda panggil, di endpoint yang dihosting, dengan harga $0.032 per gambar — dibandingkan dengan hal yang dapat Anda unduh, timbang, dan latih. Salah satunya adalah pipeline yang Anda kendalikan. Yang lain adalah meteran yang Anda sewa. Itulah keputusannya, dan nama di kemasan tidak menentukannya.

Ada objek ketiga di ruangan ini, dan mengabaikannya adalah cara orang berakhir kecewa: Fibo 2.0 Edit Turbo, editor empat langkah terdistilasi yang memakai nama rilis yang sama dan melakukan kira-kira sepersepuluh pekerjaan per gambar. Tiga hal, satu nama, dan skor papan peringkat yang menggambarkan rilis tersebut alih-alih checkpoint mana pun secara individual. Uraian berikut memisahkan ketiganya berdasarkan biaya yang harus Anda keluarkan, apa yang dapat mereka lakukan, dan apa yang secara legal boleh Anda kirimkan.

Enam dimensi yang benar-benar berbeda

Semua yang di bawah ini adalah perbedaan yang dapat Anda tindak lanjuti. Jika suatu angka berasal dari Bria dan bukan dari eksekusi independen, angka tersebut diberi label demikian.

• Bobot yang dapat diunduh — Fibo 2.0 Dev: ya, aksesnya dibatasi di Hugging Face, CC BY-NC 4.0, sekitar 25,5 GB termasuk transformer 16,3 GB, encoder Qwen3-VL-4B 8,9 GB, dan VAE FLUX.2 0,34 GB. Fibo 2.0 sebagai produk: tidak ada yang perlu diunduh.

• Sampling — Dev: 50 langkah dengan classifier-free guidance pada 5.0. Jalur edit yang dihosting dan Edit Turbo: 4 langkah, guidance 1.0, tanpa classifier-free guidance sama sekali.

• Cakupan tugas — Dev: teks-ke-gambar dan penyuntingan dari satu set bobot. Endpoint penyuntingan yang dirilis dan Turbo: hanya penyuntingan. Teks-ke-gambar melalui Turbo bukan jalur yang lebih lambat, melainkan jalur yang salah.

• Fine-tuning — Dev: satu-satunya checkpoint yang dapat dilatih, baik fine-tuning DiT penuh maupun LoRA. Turbo: secara eksplisit bukan target fine-tuning. Produk yang dihosting: Anda menyewa bobotnya, bukan mengajarkannya.

• Prompt negatif — Dev: prompt negatif berfungsi, karena CFG aktif dan ada tuas yang bisa didorong. Turbo: panduan ditetapkan pada 1.0, sehingga prompt negatif tidak memiliki apa pun untuk dijadikan sasaran.

• Harga — produk yang di-hosting: $32.00 per 1.000 gambar, atau $0,032 per gambar, angka yang tercantum di Artificial Analysis. Local Dev: tidak ada harga per gambar; Anda membayar melalui jam GPU dan unduhan 25,5 GB.

Di mana Fibo 2.0 Dev menang, dan kemenangannya tidak tipis

Generasi adalah kesenjangan pertama. Fibo 2.0 dipasarkan sebagai satu model yang sekaligus menggambar dan menyunting, dan klaim itu hanya berlaku untuk Dev. Endpoint penyuntingan yang di-hosting dan Edit Turbo dibangun di sekitar gambar masukan; meminta mereka menghasilkan gambar dari keterangan teks berarti meminta sesuatu yang telah dihilangkan oleh proses distilasi. Jika pipeline Anda dimulai dari nol, pilihannya adalah Dev atau model lain.

Control adalah yang kedua. Lima puluh langkah dengan guidance pada 5.0 lebih lambat daripada empat langkah tanpa guidance, dan lambatnya adalah harga dari kemampuan untuk diarahkan — kemampuan untuk mendorong melawan sebuah prompt, menggunakan prompt negatif, dan menukar langkah demi fidelitas. Di sisi penyuntingan, Dev juga menerima suntingan bertopeng, suntingan multi-referensi dengan hingga empat gambar konteks, dan mode Inspire yang meminjam gaya referensi tanpa meneruskan gambar tersebut ke renderer.

Pelatihan adalah yang ketiga dan terbesar. Dev adalah checkpoint yang menjadi target setiap jalur fine-tuning: dokumentasi DiffSynth-Studio milik ModelScope menyatakan hanya Fibo-2.0-dev yang dapat dilatih, dan Bria menyertakan pelatih LoRA single-GPU plus panduan persiapan data di repositori. Karena generasi dan penyuntingan berbagi bobot, satu LoRA dapat mengajarkan sebuah gaya sekaligus perilaku penyuntingan yang menyertainya. Tidak ada yang serupa untuk produk hosted, dan Turbo sengaja dikecualikan.

Portabilitas adalah yang keempat. Sebuah checkpoint lokal berjalan di bawah diffusers melalui BriaFibo2Pipeline, di dalam ComfyUI, tempat dukungan native digabungkan pada 21 Oktober dan dirilis dalam v0.43.0 dengan tipe text-encoder khusus dan node yang menerima prompt VGL serta gambar referensi. Ini juga berjalan dalam bentuk terkuantisasi — BF16, INT8, dan repack GGUF semuanya tersedia — yang membuat repositori berukuran 25,5 GB dapat ditangani pada perangkat keras biasa.

Di mana Fibo 2.0 yang sudah dirilis unggul

Latensi dan operasional, sebagian besar. Jalur edit empat langkah tanpa panduan kembali dalam sebagian kecil waktu yang dibutuhkan 50 langkah berpanduan, dan angka Bria sendiri untuk API hosted adalah di bawah dua detik waktu model dan di bawah lima detik ujung ke ujung — dilaporkan vendor, bukan diukur secara independen, dan layak diperlakukan sebagai batas atas alih-alih janji. Ketika antrean edit harus diselesaikan pada tenggat waktu, itulah seluruh argumennya.

Biaya modal adalah yang kedua. $0.032 per gambar tanpa GPU, tanpa unduhan 25,5 GB, tanpa penyetelan offload, tanpa keputusan FP8 versus BF16. Tim yang membutuhkan 500 edit per bulan mengeluarkan $16 dan tidak pernah membuka terminal. Tim yang sama yang membeli kartu untuk menjalankan Dev secara lokal mengeluarkan beberapa ratus dolar sebelum gambar pertama dibuat. Dev lokal hanya unggul dalam hitungan itu pada volume besar, dan hanya jika GPU sudah diamortisasi terhadap pekerjaan lain.

Kebenaran plumbing adalah yang ketiga. Jalur hosted menangani bagian-bagian yang membosankan: encoder teks, VAE, jadwal sampling, dan ekspansi prompt terstruktur semuanya menjadi masalah orang lain. Instalasi lokal harus menjaga encoder Qwen3-VL-4B, VAE FLUX.2, dan DiT 44-blok tetap selaras di setiap peningkatan versi — itulah sebabnya keberadaan integrasi ComfyUI dan diffusers saja sangat penting, dan mengapa repack GGUF berperan penting.

Lima puluh langkah melawan empat: aritmetika yang menentukan sebagian besar kasus

Biaya per gambar adalah titik ketika perbandingan biasanya melebur menjadi perkiraan kasar, jadi anggap saja sebagai tiga tagihan terpisah. Hosted: $0.032 per gambar, sudah termasuk semuanya. Local Dev: detik GPU pada 50 langkah, ditambah biaya listrik, ditambah kartu grafisnya. Local Turbo: detik GPU pada 4 langkah, kira-kira sepersepuluh komputasi, tetapi hanya untuk pengeditan.

Titik baliknya nyata, tetapi terjadi lebih lambat daripada yang diasumsikan orang. Jika satu jam GPU sewaan berbiaya sekitar satu dolar dan render megapiksel 50 langkah memakan waktu, katakanlah, dua puluh detik, Anda berada di sekitar $0,005 per gambar dalam komputasi mentah — enam kali lebih murah daripada harga hosting, sebelum memperhitungkan waktu menganggur antar pekerjaan dan fakta bahwa waktu Anda sendiri tidak gratis. Pada 500 gambar per bulan, itu penghematan $2,50 dibandingkan $16, yang bukan merupakan kasus bisnis. Pada 50.000 gambar, itu penghematan $250 dibandingkan $1.600, dan itu merupakan kasus bisnis. Fine-tuning membalikkan semuanya sepenuhnya, karena LoRA yang Anda latih hanya bernilai pada bobot yang dapat Anda jalankan.

Satu angka lagi penting khusus untuk sisi Dev: pipeline diffusers secara default menggunakan {{1}}30 langkah dengan guidance 5{{/1}}, sedangkan pengaturan yang direkomendasikan Bria untuk Dev adalah 50. Default akan menghasilkan gambar; tetapi tidak akan menghasilkan gambar Bria. Siapa pun yang menyiapkan pipeline lokal harus memutuskan itu secara sengaja, bukan mewarisinya begitu saja.

Lisensi membingkai ulang seluruh perbandingan

Kedua checkpoint yang dapat diunduh berlisensi CC BY-NC 4.0 — hanya untuk nonkomersial, dengan penerapan komersial memerlukan perjanjian terpisah dengan Bria, dan akses dibatasi oleh formulir perusahaan serta tujuan penggunaan. Produk yang dihosting adalah jalur komersial: Anda membeli penggunaan, bukan lisensi atas bobot model.

Itu menghasilkan hasil yang benar-benar canggung, dan itulah alasan "vs" ini layak ditulis sama sekali. Checkpoint dengan kemampuan yang Anda inginkan — generasi, guidance, fine-tuning — adalah checkpoint yang tidak dapat Anda luncurkan secara komersial tanpa bernegosiasi. Produk yang secara hukum mudah diluncurkan secara komersial adalah produk yang tidak dapat di-fine-tuning dan tidak dapat menghasilkan dari nol. Jika kasus penggunaan Anda komersial dan kustom, Anda tidak sedang memilih antara dua produk Bria; Anda sedang memilih apakah akan membuka percakapan lisensi sama sekali.

Perlu dinyatakan secara jelas juga: baris papan peringkat yang dikutip untuk Fibo 2.0 — 1.088 Elo pada AA-Image-Editing v2.1 milik Artificial Analysis, peringkat pertama di antara editor open-weights dan peringkat ke-23 secara keseluruhan dari 5.009 suara blind — adalah skor untuk rilis tersebut, bukan untuk Dev dibandingkan Turbo. Interval ±14-nya tumpang tindih hampir sepenuhnya dengan 1.081 ±13 milik Qwen-Image-2.1, sehingga keunggulan open-weights hanyalah penentu seri. Pada text-to-image, urutannya berbalik: 1.039 ±12 milik Fibo 2.0 berada di belakang 1.042 ±12 milik Qwen-Image-2.1. Kedua checkpoint tidak memiliki skor terpisah yang dipublikasikan, yang berarti klaim apa pun bahwa "Dev lebih baik daripada Fibo 2.0" merupakan inferensi dari cara checkpoint tersebut dibangun, bukan hasil pengukuran.

Yang mana, tergantung situasinya

Anda membutuhkan text-to-image dan ingin hasilnya mematuhi jumlah, posisi, dan atribut — Dev. Antarmuka kontrol JSON terstruktur dibuat tepat untuk ini, dan pipeline mengembalikan caption yang dirender darinya.

• Anda melakukan fine-tuning untuk sebuah merek, sebuah gaya, atau sebuah vertikal — Dev, dengan LoRA terlebih dahulu. Pelatihan DiT penuh memang tersedia, tetapi adapter dengan rank terbatas pada encoder yang di-frozen adalah eksperimen pertama yang masuk akal.

• Anda menjalankan pengeditan instruksi dalam volume tinggi tanpa perilaku kustom — melalui jalur hosted, atau Turbo secara lokal jika image tidak dapat keluar dari jaringan Anda. Empat langkah tanpa panduan justru menjadi keunggulan di sini, bukan keterbatasan.

• Anda memerlukan penerapan komersial — mulailah percakapan dengan Bria, atau rencanakan untuk menyewa. Mengunduh bobot tidak menyelesaikan pertanyaan lisensi.

• Anda hanya ingin melihat apakah model ini bagus — endpoint hosted dengan biaya $0.032 per gambar lebih murah daripada biaya unduhan, penyiapan, dan waktu malam yang akan Anda habiskan untuk pemuatan FP8. Habiskan $5 sebelum Anda menghabiskan satu akhir pekan.

Satu endpoint untuk bagian teks, sisi mana pun yang Anda pilih.

Kedua jalur berbagi satu dependensi yang tidak diukur siapa pun: model bahasa yang menulis VGL. Fibo dilatih pada caption Visual GenAI Language, di mana pencahayaan, komposisi, kamera, dan objek merupakan bidang yang dapat dialamatkan, dan seberapa berguna outputnya mengikuti kualitas JSON tersebut. Menulisnya sendiri secara manual masih bisa dilakukan untuk selusin prompt dan menyiksa pada seribu prompt, itulah sebabnya pemberi caption menjadi bagian dari sistem.

Itulah bagian yang ditangani OrcaRouter. Satu API untuk 200+ model, markup 0% — harga daftar penyedia diteruskan apa adanya, sehingga perubahan vendor sampai ke tagihan Anda pada hari yang sama — dengan DSL perutean yang mampu mengirim captioning massal ke model murah dan mengeskalasi baris-baris sulit, dan fusi model tersedia saat satu captioner terus meratakan bidang yang Anda pedulikan. Ini juga membuat perbandingan dapat diuji: jalankan gambar yang sama melalui dua captioner, bandingkan JSON, dan lihat kumpulan bidang mana yang benar-benar mengubah hasil render. Fibo 2.0 sendiri tidak ada di katalog kami, jadi sisi gambar tetap di tempat yang Anda pilih — sisi tekslah yang dikonsolidasikan.

Putusan singkat: pilih Fibo 2.0 Dev jika Anda sedang membangun, dan pilih endpoint Fibo 2.0 jika Anda membeli. Namanya sama, lisensinya tidak, dan checkpoint dengan loop pelatihan adalah satu-satunya yang akan tetap menjadi milik Anda dalam enam bulan.