
FIBO 2.0 vs GPT Image 2.5: 192 Elo, Harga Enam Kali Lipat
- OrcaBARUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 juta token · 187 tok/s
- tencentBARUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 juta token · 514 tok/s
- GoogleBARUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 juta token · 87 tok/s
- AnthropicBARUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 juta token · 97 tok/s
- orcaBARUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 juta token · 89 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 juta token · 133 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 juta token · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 juta token · 116 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 juta token · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 juta token · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Kecerdasan
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 juta token · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Kecerdasan
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 juta token · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Kecerdasan
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 juta token · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Kecerdasan
Fibo 2.0 dan GPT Image 2.5 terpaut 192 Elo dan faktor 6,6 dalam biaya yang dimodelkan, dan kedua angka itu lebih lunak daripada tampaknya. Selisih Elo-nya nyata — 1.229,27 berbanding 1.036,98 pada papan text-to-image Artificial Analysis, interval yang hampir tidak bersentuhan — dan itu juga merupakan cara paling tidak berguna untuk memilih di antara keduanya, karena kedua model tidak berupaya melakukan pekerjaan yang sama. Fibo 2.0 adalah checkpoint flow-matching 8B yang dirilis Bria pada 20 Oktober 2026, yang dapat diunduh dan memperluas instruksi Anda menjadi caption JSON terstruktur sebelum menggambar. GPT Image 2.5 bukan satu model: ia adalah GPT-Image-2.5 Sunburst dan GPT-Image-2.5 Flare, dua model dengan snapshot terpisah yang ditagih per token, salah satunya merupakan generator gambar terkuat di papan peringkat publik.
Jadi, kerangka yang jujur bukanlah "mana yang lebih baik". Melainkan "mana dari empat hal ini yang Anda butuhkan" — model yang dapat diunduh, keluaran terbaik, anggaran per gambar, atau penyuntingan yang tidak melenceng. Halaman ini membahasnya dalam urutan itu.
Dua model, satu nama, dan mengapa itu penting di sini
There is no gpt-image-2.5. Paste that string into the API and you get an error, because the identifier does not exist. What exists is Sunburst, whose ID is gpt-image-2.5-sunburst, described by OpenAI as its most capable image generation and editing model, and Flare, gpt-image-2.5-flare, positioned for fast everyday generation. Both carry the 2026-09-08 snapshot date, and there is no umbrella model that dispatches to either.
Hal itu penting dalam sebuah perbandingan karena kedua varian tidak berdekatan satu sama lain. Pada papan peringkat text-to-image, Sunburst berada di 1.229,27 dan Flare di 1.209,81 — selisih 19 poin antara dua model dengan nomor versi yang sama. Pada editing, selisihnya melebar menjadi tujuh belas poin ke arah yang sama, 1.201,50 berbanding 1.184,65. Klaim apa pun dalam bentuk "GPT Image 2.5 mengalahkan X" adalah klaim tentang Sunburst, dan demi presisi 19 poin, hal itu layak dikatakan.
Pemisahan itu penting untuk membaca skor. Fibo 2.0 hadir dalam dua bagian: basis Dev penuh yang keduanya menggambar dan menyunting, dan Turbo khusus penyuntingan yang didisilasi menjadi empat langkah pada guidance 1.0 dan secara eksplisit bukan basis fine-tuning. Artificial Analysis menempatkan satu baris Fibo 2.0 pada setiap papan pada checkpoint Dev dan tidak pernah melaporkan Turbo secara terpisah, jadi 1,037 dan 1,086 menggambarkan Dev — checkpoint yang lebih lambat dan umum — bukan editor cepat yang benar-benar akan Anda hadapkan kepada pengguna.
• Teks-ke-gambar — GPT-Image-2.5 Sunburst 1,229.27, peringkat 2 dari 116. Fibo 2.0 1,036.98, peringkat 32. Selisih 192.29.
Pengeditan gambar — Sunburst 1.201,50, peringkat 4 dari 86. Fibo 2.0 1.085,98, peringkat 31. Selisih 115,52.
• Harga yang dimodelkan — {{1}}$210.72{{/1}} per {{2}}1.000 gambar{{/2}} dibandingkan dengan {{3}}$32.00{{/3}}. Itu {{4}}6,6×{{/4}}, dan itu adalah angka pembanding milik {{5}}Artificial Analysis{{/5}} sendiri, bukan daftar tarif vendor mana pun.
• Bobot — Fibo 2.0 dapat diunduh hari ini, 8B parameter, CC BY-NC 4.0. GPT Image 2.5 tidak pernah dapat diunduh; tidak ada checkpoint terbuka dalam lini GPT-Image.

Kesenjangan yang tidak menutup
Penting untuk berterus terang soal perbedaan kualitasnya, karena halaman perbandingan yang tidak tegas soal itu tidak berguna. Pada teks-ke-gambar, 192 Elo bukanlah perbedaan selera. Ubah saja menjadi hal yang diwakilinya, dan itu berarti Sunburst lebih disukai dalam hampir sembilan dari setiap sepuluh perbandingan langsung. Pada penyuntingan, selisihnya menjadi setengah, yaitu 116, dan tetap berada di luar kedua interval: 1.201,50 dengan rentang 1.190,50 hingga 1.212,50, dibandingkan dengan 1.085,98 dengan rentang 1.072,98 hingga 1.098,98. Bahkan batas bawah Sunburst berada 91 poin di atas batas atas Fibo.
Tidak ada bagian lain dari artikel ini yang membatalkan hal itu. Yang dikemukakan oleh sisa artikel ini adalah bahwa ada empat pekerjaan di mana 116 atau 192 Elo bukanlah variabel penentu, dan bahwa pembeli secara rutin memilih model dengan skor lebih tinggi untuk keempatnya.
Apa dampak penagihan per token terhadap anggaran per gambar
Di sinilah selisih harga menjadi menarik, karena kedua vendor tidak menghitung pemakaian dengan cara yang sama, dan angka model dewan menyembunyikan hal itu.
OpenAI bills image models per token — image output tokens, which is why the same model has a published input price and output price rather than a per-image rate. Through the OrcaRouter catalogue the two variants are listed at $8 per million input tokens and $30 per million output tokens, identical between Sunburst and Flare, which is the provider list price passed through with no markup on top. What that means per image depends entirely on the resolution and quality setting you ask for, and it can move by a factor of several across the settings range. The board's $210.72 per thousand is a modelling choice that assumes a representative setting, not a rate you will find printed anywhere.
Bria menagih per gambar. $0.032 di platformnya sendiri, sehingga seribu gambar menjadi $32 — angka yang sama dengan yang tercantum di papan, yang tidak biasa dan perlu dicatat: untuk Fibo 2.0 harga yang dimodelkan dan harga satuan sepakat. Ada biaya kedua jika Anda menggunakan helper VGL yang memperluas instruksi biasa menjadi caption terstruktur, sekitar $0.02 per panggilan, jadi pembuatan prompt terstruktur penuh lebih mendekati $0.052. Tulis JSON sendiri dan Anda melewatinya.
• Dapat diprediksi — biaya per gambar Fibo bersifat konstan. Biaya GPT Image 2.5 merupakan fungsi dari pengaturan Anda, yang merupakan kabar baik jika Anda disiplin soal resolusi dan kabar buruk jika seorang product manager terus meminta satu putaran lagi di 4K.
• Batas atas — seribu gambar Sunburst dengan tarif model dewan adalah $210.72; seribu gambar Fibo di platform Bria adalah $32.00, atau $52.00 dengan panggilan prompt terstruktur untuk setiap gambar.
• Batas bawah — Fibo di GPU Anda sendiri, di bawah lisensi non-komersial, hanyalah biaya listrik. Seorang penulis alur kerja komunitas mengukur 19 detik per gambar pada 2K dan 4 megapiksel dengan satu referensi, delapan langkah, pada RTX 6000 Pro. Tidak ada batas bawah yang setara untuk GPT Image 2.5 pada harga berapa pun.

Drift, dan argumen prompt terstruktur
Satu-satunya tempat Fibo 2.0 mengajukan argumen soal kualitas alih-alih harga adalah hal yang menjadi dasar arsitekturnya, dan itu layak diuji, bukan langsung ditolak.
Fibo 2.0 tidak mengonsumsi kalimat Anda secara langsung. Encoder Qwen3-VL-4B-Instruct membaca prompt, resampler Perceiver memadatkannya menjadi 256 hingga 512 token gist, dan lima dari 44 blok DiT juga menerima lapisan VLM itu sendiri melalui cross-attention. Dalam praktiknya, model memperluas "cangkir merah di atas meja kayu walnut, cahaya pagi dari kiri" menjadi caption VGL/JSON terstruktur dengan field untuk subjek, material, pencahayaan, dan posisi, menghasilkan gambar berdasarkan dokumen tersebut, lalu mengembalikan JSON itu kepada Anda. Ubah satu field dan jalankan ulang, dan field yang tidak Anda sentuh tetap memiliki nilai yang sama seperti sebelumnya.
Itu adalah jaminan yang berbeda dari "mempertahankan detail". Artinya, edit dibatasi oleh struktur data, bukan oleh seberapa baik model bahasa membaca ulang kalimat Anda. Untuk pekerjaan produk multi-langkah — objek yang sama, enam kondisi pencahayaan — itulah mode kegagalan yang paling banyak memakan waktu, dan itulah yang menjadi target desain ini. Bria juga memasangkannya dengan hingga empat gambar referensi yang dialamatkan secara berurutan sebagai <image_1> hingga <image_4>, serta mode bertopeng di mana area putih diregenerasi dan semua bagian lainnya dipertahankan.
Apakah ia mengalahkan pengeditan Sunburst pada tingkat tugas bukanlah sesuatu yang dapat diberitahukan oleh papan Elo kepada Anda, dan saya tidak akan mengklaim demikian. Papan tersebut mengatakan Sunburst mengedit lebih baik pada distribusi prompt umum. Arsitekturnya mengatakan Fibo seharusnya lebih sedikit melenceng pada loop atribut tetap. Itu adalah klaim yang berbeda dan hanya satu di antaranya yang telah diukur secara publik.
Di mana masing-masing adalah jawaban yang jelas
Sunburst adalah jawaban yang jelas ketika brief-nya adalah "buat agar terlihat bagus dan tidak ada yang akan menanyakan berapa biayanya". Gambar hero pemasaran, varian kampanye, apa pun yang mengharuskan manusia memilih yang terbaik dari dua belas. Peringkat 2 di papan berisi 116 model dengan keunggulan 95 poin atas alternatif terbaik yang dapat diunduh bukanlah keunggulan marginal; itulah alasan model ini ada.
Flare is the obvious answer when you want most of that quality at lower latency and your volume is high — same price per token, nineteen Elo behind, positioned by OpenAI for everyday generation rather than showcase work.
Fibo 2.0 adalah jawaban yang jelas dalam tiga kasus yang lebih sempit. Anda memerlukan bobot: untuk penerapan on-premises, untuk fine-tune, untuk baseline penelitian, untuk lingkungan air-gapped. Anda memerlukan lisensi yang dapat Anda tunjukkan: pitch Bria adalah data pelatihan berlisensi, provenans C2PA, dan indemnifikasi perusahaan, dan Bria mengklaim kepatuhan penuh terhadap EU AI Act, yang merupakan jawaban pengadaan rather than jawaban kualitas. Atau Anda memerlukan iterasi terbatas pada subjek tetap dan desain prompt terstruktur persis sesuai bentuk masalah Anda.
Kasus keempat adalah yang sering disalahpahami orang: biaya. Fibo 6,6 kali lebih murah di papan peringkat, tetapi tim yang menghabiskan dua minggu waktu rekayasa untuk mengakali kesenjangan kualitas 192 Elo telah mengeluarkan lebih dari selisihnya. Inferensi murah pada model yang salah bukanlah murah.
Jawaban routing, untuk bagian yang menjadi milik kita
OrcaRouter menyediakan GPT-Image-2.5 Sunburst dan Flare — keduanya ada di katalog sebagai endpoint pembuatan gambar dengan tarif milik penyedia sendiri, yaitu $8 untuk input dan $30 untuk output per juta token, tanpa tambahan markup. OrcaRouter tidak menyediakan Fibo 2.0: bobot dan platform Bria adalah jalur menuju model tersebut, dan tidak ada router yang mengubah lisensi yang melekat padanya. Menyatakan sebaliknya akan menjadi jenis klaim yang terdengar bagus tetapi membuat seseorang harus menjalani tinjauan hukum.
What one endpoint is actually worth here is the surrounding work. A Fibo pipeline has a vision-language model in it by design — the structured caption is produced by one — and that call can go through the same key as everything else, including the OpenAI models you are probably already using for the text side. Where the routing layer earns its keep is the boring failure: automatic failover means a batch of two thousand images does not stall because the captioning provider had a bad twenty minutes, and routing rules let you send cheap work to cheap models and the one hero image a day to Sunburst without maintaining two integrations and two invoices.
Margin 0% lebih penting daripada kedengarannya di pasar tempat vendor menyesuaikan harga. Penurunan harga dari penyedia langsung terlihat di sini pada hari yang sama, bukan pada perpanjangan kontrak berikutnya, dan perbandingan yang Anda jalankan bulan ini tetap menjadi perbandingan yang sama bulan depan.
Apa yang akan mengubah putusan ini
Dua hal, dan hanya satu yang kemungkinan besar terjadi.
Yang pertama adalah fine-tune Fibo 2.0 yang menutup kesenjangan penyuntingan pada domain tertentu. Fine-tune adalah titik ketika model terbuka 8B berhenti bersaing pada Elo umum dan mulai bersaing pada data Anda, dan pelatih LoRA di repositori membuatnya menjadi pekerjaan akhir pekan alih-alih proyek. Jika Fibo yang terspesialisasi mengalahkan Sunburst pada tugas Anda, papan peringkat umum tidak relevan dan 6,6× lebih murah menjadi 6,6× lebih murah.
The second is a change to GPT Image 2.5's cost structure. OpenAI has repriced image tokens before and may again; a cut to the output rate would compress the only axis where Fibo is comfortably ahead, and would make the "cheap enough to be worth the quality gap" argument much harder to run.

Sampai salah satu dari itu terjadi, pembagiannya jelas dan tidak glamor. Beli Sunburst untuk gambar-gambar yang harus tepat. Unduh Fibo untuk gambar-gambar yang harus menjadi milik Anda — milik Anda untuk dijalankan, milik Anda untuk disetel dengan cermat, milik Anda untuk dipertahankan dalam rapat pengadaan. Harga enam kali lipat itu terlalu mahal untuk dibayar demi sebuah preferensi, dan 192 Elo itu terlalu banyak untuk dilepaskan demi sebuah lisensi. Kedua pernyataan itu benar, itulah sebabnya kedua model dapat hidup berdampingan tanpa salah satunya menjadi pilihan yang keliru.
