Fibo 2.0 Mengambil Alih Kepemimpinan Penyuntingan Gambar Open-Weights dengan 8B Parameter — Baca Intervalnya, Bukan Peringkatnya

Bria merilis Fibo 2.0 pada 20 Oktober 2026, dan dalam waktu satu hari model itu telah menggeser setiap entri berbobot terbuka lainnya di kedua papan gambar Artificial Analysis. Pada AA-Image-Editing v2.1, model ini berada di peringkat ke-20 secara keseluruhan dengan Elo 1,087.05, yang menjadikannya model berperingkat tertinggi yang bobotnya dapat Anda unduh — Q​wen-Image-2.1 menyusul di 1,082.74 dan peringkat ke-21. Pada AA-Image-T2I v2.1, model ini menempati peringkat ke-21 dengan 1,038.79, satu peringkat di belakang Q​wen-Image-2.1 pada 1,042.13. Kedua angka itu merupakan lompatan besar dari lini Fibo generasi pertama Bria: FIBO Edit berada pada 912.82 untuk penyuntingan, FIBO pada 848.86 untuk teks-ke-gambar. Judul beritanya berbicara sendiri. Bagian yang perlu dicermati adalah bahwa di papan mana pun, selisih dengan model di bawahnya tidak lebih besar daripada margin kesalahan, dan bahwa "bobot terbuka" di sini tidak berarti seperti yang dimaksud pada sebagian besar model yang baru saja dilampauinya. Posisi papan peringkat tidak mencatat bagaimana model gambar gagal dalam produksi, dan insiden yang tercatat dikatalogkan di Arsip Insiden AI OrcaRouter tempat setiap entri mencantumkan sumbernya sendiri, tingkat keparahan, tingkat keyakinan, dan penanda sengketa.

Apa yang tertulis di kedua papan itu, termasuk bagian-bagian yang dilengkapi oleh pengumuman Bria.

Papan penyuntingan adalah hasil yang lebih kuat. Angka 1.087,05 milik Fibo 2.0 disertai interval kepercayaan 95% sebesar 1.073,05 hingga 1.101,05 di seluruh 4.819 pertarungan. Angka 1.082,74 milik Q​wen-Image-2.1 membawa interval 1.069,74 hingga 1.095,74 pada sampel yang sebanding. Interval-interval tersebut tumpang tindih di sebagian besar panjangnya. Jadi, pembacaan yang jujur atas "pertama di antara bobot terbuka" adalah sebuah peringkat, bukan selisih yang terbukti: Fibo 2.0 berada di depan Q​wen-Image-2.1 dalam urutan, dan urutan itu belum dapat membedakan keduanya. Model yang benar-benar dan tanpa ambigu ia ungguli adalah pendahulunya sendiri — 174 Elo kira-kira empat belas kali setengah lebar intervalnya sendiri, dan sebanyak apa pun derau sampling, itu tidak menjelaskannya.

• Elo Penyuntingan — Fibo 2.0 1.087,05, peringkat ke-20 secara keseluruhan, ke-1 di antara bobot terbuka; Q​wen-Image-2.1 1.082,74, peringkat ke-21 secara keseluruhan, ke-2 di antara bobot terbuka.

• Interval pengeditan — 1,073.05–1,101.05 dibandingkan dengan 1,069.74–1,095.74. Keduanya tumpang tindih, jadi anggap keduanya setara dan peringkat sebagai penentu.

• Elo teks-ke-gambar — Fibo 2.0 1.038,79, peringkat 21 secara keseluruhan; Q​wen-Image-2.1 1.042,13, peringkat 20 secara keseluruhan. Di sini Q​wen secara nominal unggul, lagi-lagi berada dalam interval yang tumpang tindih (1.026,79–1.050,79 berbanding 1.030,13–1.054,13).

• Perubahan dari generasi pertama — FIBO Edit 912,82 menjadi Fibo 2.0 1.087,05 pada pengeditan, +174. FIBO 848,86 menjadi 1.038,79 pada teks-ke-gambar, +190. FIBO Lite, SKU generasi pertama yang lebih murah, berada pada 813,06 untuk teks-ke-gambar.

• Jarak ke puncak setiap papan peringkat — tertinggal 111,66 Elo dari GPT Image 2.5 Sunburst (max) dalam pengeditan, dan 183,17 di belakang model yang sama pada text-to-image. Keunggulan open-weights dan keunggulan keseluruhan adalah dua pembahasan yang berbeda.

• Ukuran sampel — 4.819 pertandingan pada penyuntingan, 5.113 pada teks-ke-gambar. Cukup besar sehingga intervalnya sempit; tidak cukup besar untuk membuat selisih Elo lima poin berarti apa pun.

Artificial Analysis mencantumkan tanggal rilis sebagai 20 Oktober 2026 di kedua papan dan menandai model tersebut sebagai terbaru. Kartu model Bria sendiri mengklaim posisi pertama dalam penyuntingan gambar dan posisi kedua dalam teks-ke-gambar di antara model berbobot terbuka per tanggal yang sama. Itu adalah klaim vendor tentang papan peringkat pihak ketiga, bukan tolok ukur vendor, tetapi tetap saja pihak vendor yang menggambarkan hasilnya sendiri, dan peringkatnya memang terbukti ketika Anda memeriksanya secara langsung.

Apa yang sebenarnya ada di dalam 8B

Jumlah parameter adalah angka yang paling tidak menarik dalam rilis ini. Fibo 2.0 adalah model flow-matching yang beroperasi di ruang laten VAE FLUX.2, dengan model Qwen3-VL-4B-Instruct sebagai encoder prompt-nya. Alih-alih mengondisikan transformer difusi pada token teks mentah, model ini memampatkan keluaran encoder melalui resampler Perceiver dua lapis menjadi 256 hingga 512 token "gist", dan transformer aliran tunggal 44 blok mengatensi token-token tersebut, dengan lima blok di antaranya juga menerima masukan dari cross-attention. Konsekuensi praktisnya adalah deskripsi panjang dan terstruktur hampir tidak memakan biaya tambahan: pengondisian dibatasi pada 512 token tidak peduli seberapa banyak Anda menulis.

• Arsitektur — flow matching dalam ruang laten VAE FLUX.2, DiT single-stream 44 blok, lima blok dengan cross-attention ke representasi prompt.

• Encoder teks — Qwen3-VL-4B-Instruct, dikompresi menjadi 256–512 token gist melalui resampler Perceiver dua lapis.

• Ukuran — 8,127,342,213 parameter dalam BF16 safetensors, jadi sekitar 16 GB bobot sebelum ada overhead runtime.

• Data pelatihan — korpus sekitar satu miliar gambar milik Bria, yang menurut perusahaan sepenuhnya berlisensi. Klaim itu adalah klaim perusahaan, dan itulah alasan lisensi di bawah ini bukan sekadar tambahan belakangan.

• Mode — penyuntingan, penyuntingan bertopeng, penyuntingan multi-referensi dengan hingga empat gambar referensi, generasi, dan mode "inspire" yang mengusulkan variasi. Satu set bobot mencakup generasi dan penyuntingan, yang baru untuk keluarga ini; generasi pertama memisahkannya.

Checkpoint terpadu adalah perubahan rekayasa yang substantif. Fibo 1 merilis generasi dan penyuntingan sebagai kapabilitas terpisah dengan kekuatan masing-masing, dan peningkatan penyuntingan sebesar 174 poin dibandingkan FIBO Edit sebagian merupakan kisah tentang penyuntingan yang mendapat penekanan pelatihan tersendiri di dalam model yang juga menghasilkan. Apakah kedua mode saling mengganggu adalah justru jenis pertanyaan yang tidak dapat dijawab papan peringkat dan dapat dijawab oleh penggunaan produksi selama seminggu.

Dev dan Edit Turbo adalah dua produk berbeda dengan nama yang sama

Ada dua checkpoint di Hugging Face dengan nama Fibo 2.0, dan memilih yang salah adalah cara paling mungkin untuk menyimpulkan bahwa model tersebut mengecewakan.

• Fibo 2.0 Dev — basis non-distilasi. Lima puluh langkah sampling dengan classifier-free guidance pada 5.0, untuk pembuatan maupun penyuntingan, dan checkpoint yang Bria tunjuk untuk fine-tuning. Lambat dan dapat dikendalikan.

• Fibo 2.0 Edit Turbo — disuling menjadi empat langkah tanpa classifier-free guidance, hanya untuk penyuntingan. Sekitar satu orde besaran lebih murah per gambar saat inferensi, dan tidak dapat menghasilkan dari nol.

• Perkakas — pipeline-nya adalah BriaFibo2Pipeline di diffusers, masuk melalui pull request 14991, dengan paket pendamping bria-vgl untuk format keterangan terstruktur yang dijelaskan di bawah. Dukungan ComfyUI hadir melalui pengemasan ulang oleh komunitas pada 20 Oktober.

Prompt tersebut dimaksudkan sebagai JSON, dan itu adalah perubahan alur kerja yang nyata.

Bria melatih dan mendokumentasikan Fibo 2.0 terhadap apa yang disebutnya VGL — Visual GenAI Language — format keterangan JSON terstruktur yang memisahkan subjek, komposisi, pencahayaan, kamera, gaya, dan teks-dalam-gambar ke dalam bidang bernama alih-alih satu kalimat panjang. Model akan menerima prompt biasa. Model ini terukur lebih dapat diprediksi dengan bentuk terstruktur, karena bottleneck Perceiver mempertahankan batas bidang yang oleh kalimat datar dikaburkan menjadi satu.

Ini adalah detail dengan ekor terpanjang. Artinya, konsumen alami Fibo 2.0 bukanlah orang yang mengetik ke dalam kotak, melainkan model bahasa yang mengeluarkan objek yang sesuai skema, dan artinya rekayasa prompt untuk model ini tampak seperti menulis skema JSON dan memvalidasinya. Siapa pun yang mengevaluasi Fibo 2.0 dengan beberapa prompt teks bebas sedang mengukur mode yang tidak dioptimalkan untuk model tersebut dan akan menilainya terlalu rendah.

Apa arti "open weights" di sini, secara tepat

Kartu model menyatakan CC BY-NC 4.0 untuk penggunaan non-komersial, dengan penggunaan komersial memerlukan perjanjian terpisah dengan Bria. Repositori Hugging Face dibatasi pada tingkat "auto" dengan formulir perusahaan dan tujuan penggunaan. Anda dapat mengunduh bobotnya, membacanya, melakukan fine-tuning, dan menjalankannya; Anda tidak dapat merilis produk yang menggunakannya tanpa berbicara dengan Bria terlebih dahulu.

Itu adalah rilis open-weights yang sah dan bukan rilis open-source, dan perbedaannya lebih penting daripada biasanya karena model-model yang baru saja dilampaui Fibo 2.0 berada di bawah lisensi yang mengizinkan penggunaan komersial secara langsung. Jika Anda memilih model gambar untuk sebuah produk, bukan untuk riset, urutan papan peringkat bukanlah kendalanya. Lisensinya yang menjadi kendala. Hal itu juga memberi harga pada model secara tidak langsung: perjanjian komersial adalah negosiasi, dan negosiasi adalah biaya yang tidak muncul di daftar tarif mana pun.

Ada pembacaan yang dapat dipertahankan tentang mengapa Bria melakukannya dengan cara ini. Korpus pelatihannya adalah materi berlisensi yang dibayar oleh perusahaan; merilis bobot yang memungkinkan siapa pun bersaing dengan API perusahaan sendiri atas korpus itu, secara gratis, berarti memberikan begitu saja aset yang telah dibeli untuk korpus tersebut. Ketentuan nonkomersial adalah mekanisme yang mencegah rilis itu memakan bisnisnya sendiri. Itu tidak membuat lisensinya nyaman, tetapi membuatnya koheren.

Kartu tarif, dan berapa biaya untuk seribu gambar

• Bria API, Fibo 2.0 — $0.032 per gambar.

• Bria API, Fibo 2.0 Edit — $0.032 per gambar. Mengedit tidak lebih murah daripada membuat di sini, yang tidak biasa dan perlu diketahui sebelum Anda menganggarkan pekerjaan batch.

• Bria API, Fibo Lite — $0.0288 per gambar. Tingkat yang lebih murah, bukan model di papan peringkat.

• Panggilan prompt terstruktur — $0.02 per panggilan, ditagih terpisah dari gambar. Jadi gambar pipeline VGL adalah $0.052, bukan $0.032, kecuali Anda membuat JSON sendiri.

• Harga pricePer1kImages Artificial Analysis — $32,00, konsisten dengan angka utama $0,032.

Dengan harga $0.032 per gambar, API ini diposisikan sebagai utilitas, bukan model premium, yang konsisten dengan strategi yang tersirat dalam lisensi: berikan bobotnya secara gratis untuk riset, jual endpoint-nya kepada siapa pun yang membutuhkan hak tersebut. Menjalankan sendiri checkpoint Dev di GPU sewaan kemungkinan besar tidak akan mengalahkan $0.032 per gambar setelah memperhitungkan 50 langkah sampling, tetapi Edit Turbo dengan empat langkah adalah perhitungan yang berbeda bagi siapa pun yang menjalankan volume besar atau membutuhkan model tersebut di dalam jaringan privat.

Di mana Anda dapat menjalankannya

Fibo 2.0 tersedia melalui API milik Bria sendiri, melalui alat pembuatan yang dihosting Bria, melalui node ComfyUI, dan sebagai bobot dengan akses terbatas di Hugging Face. Itulah jalur-jalurnya. Fibo 2.0 tidak ada di katalog OrcaRouter, dan tulisan ini tidak akan berpura-pura sebaliknya.

Pertanyaan tentang routing tetap layak mendapat satu kalimat, karena Fibo 2.0 adalah model yang akan dicoba sebagian besar tim sebelum berkomitmen. OrcaRouter menjalankan satu kunci API untuk lebih dari 200 model dengan harga daftar penyedia diteruskan dengan markup 0%, sehingga perubahan harga vendor, termasuk pemotongan harga Bria, muncul di tagihan Anda pada hari itu terjadi, bukan pada hari reseller memperbarui tabel. Untuk separuh model bahasa dalam pipeline Fibo — separuh yang menulis VGL JSON, memvalidasinya, dan memutuskan apakah suatu generasi layak dicoba ulang — itu berarti model yang melakukan penalaran dapat berada di belakang kunci yang sama dengan semua yang lain, dengan failover otomatis saat penyedia goyah dan DSL routing untuk menyusun langkah-langkahnya menjadi satu panggilan. Model gambar tetap di tempatnya.

Semua itu bukan alasan untuk memilih Fibo 2.0. Itu adalah alasan untuk tidak membangun pipeline di sekitarnya sebagai rangkaian kontrak terpisah.

Apa yang akan mengubah putusan ini

Ada tiga hal yang layak dicermati, dan tak satu pun bisa diselesaikan oleh tulisan pada minggu peluncuran. Pertama, reproduksi independen: Elo berasal dari arena yang dipilih melalui voting kerumunan, dan mode kegagalan spesifik yang penting di produksi — rendering teks di dalam wilayah yang diedit, pemertahanan identitas di empat referensi, apakah mask dihormati di tepinya — bukanlah hal yang diukur oleh preferensi berpasangan. Kedua, lisensi: jika Bria beralih dari CC BY-NC ke sesuatu yang dapat digunakan secara komersial, perbandingan terhadap bagian lain dari bidang model berbobot terbuka berubah dalam semalam, dan jika tidak, "editor gambar berbobot terbuka terbaik" tetap menjadi gelar riset. Ketiga, hasil imbang: Fibo 2.0 dan Q​wen-Image-2.1 terpaut empat poin Elo dalam hal penyuntingan dengan interval yang tumpang tindih. Beberapa ribu pertarungan lagi akan memisahkan mereka atau mengonfirmasi bahwa mereka adalah model yang sama dengan dua nama.

Untuk saat ini, pernyataan yang akurat itu sempit namun tetap luar biasa. Dua hari setelah dirilis, model penyuntingan gambar terbaik yang dapat Anda unduh adalah checkpoint 8B dari perusahaan yang telah menghabiskan satu dekade menjual data gambar berlisensi; model itu lebih dari 170 Elo lebih baik daripada upaya sebelumnya perusahaan tersebut, dan lisensinya sedemikian rupa sehingga hampir tidak ada orang yang membaca papan peringkat yang dapat menggunakannya secara komersial tanpa menelepon.