Fibo 2.0 conquista il primato nell'editing di immagini open-weights con 8B parametri — Leggi l'intervallo, non la posizione in classifica

Bria ha rilasciato Fibo 2.0 il 20 ottobre 2026 e, nel giro di un giorno, ha scalzato ogni altra voce open-weights in entrambe le classifiche di immagini di Artificial Analysis. Su AA-Image-Editing v2.1 è complessivamente al 20º posto con un Elo di 1.087,05, il che lo rende il modello con il rank più alto di cui puoi scaricare i pesi: Qwen-Image-2.1 segue a 1.082,74 e al 21º posto. Su AA-Image-T2I v2.1 si piazza 21º a 1.038,79, una posizione dietro Qwen-Image-2.1 a 1.042,13. Entrambi rappresentano salti enormi rispetto alla prima generazione della linea Fibo di Bria: FIBO Edit era a 912,82 sull'editing, FIBO a 848,86 sul text-to-image. Il titolo si scrive da solo. La parte su cui vale la pena soffermarsi è che in nessuna delle due classifiche il divario rispetto al modello sottostante supera le barre d'errore, e che qui "open weights" non significa ciò che significa per la maggior parte dei modelli che ha appena superato. Le posizioni in classifica non registrano come i modelli di immagini falliscono in produzione, e gli incidenti registrati sono catalogati in l'OrcaRouter AI Incident Archive dove ogni voce riporta le proprie fonti, il livello di gravità, il grado di confidenza e il flag di contestazione.

Cosa dicono le due bacheche, comprese le parti che l'annuncio di Bria completa

La classifica di editing è il risultato più solido. Il punteggio 1,087.05 di Fibo 2.0 è accompagnato da un intervallo di confidenza al 95% da 1,073.05 a 1,101.05 su 4,819 battaglie. Il 1,082.74 di Q​wen-Image-2.1 comporta un intervallo da 1,069.74 a 1,095.74 su un campione comparabile. Tali intervalli si sovrappongono per gran parte della loro estensione. Quindi la lettura onesta di "primo tra i pesi aperti" è una posizione in classifica, non un margine dimostrato: Fibo 2.0 è davanti a Q​wen-Image-2.1 nell'ordinamento, e l'ordinamento non è ancora in grado di distinguerli. Il modello rispetto al quale è davvero, inequivocabilmente avanti è il proprio predecessore — 174 Elo corrispondono circa a quattordici volte la semiampiezza del suo stesso intervallo, e nessuna quantità di rumore di campionamento lo spiega.

• Editing Elo — Fibo 2.0 1.087,05, 20° in classifica generale, 1° tra i modelli open weights; Q​wen-Image-2.1 1.082,74, 21° in classifica generale, 2° tra i modelli open weights.

• Intervalli di modifica — 1.073,05–1.101,05 rispetto a 1.069,74–1.095,74. Si sovrappongono, quindi considera i due alla pari e il rango come spareggio.

• Elo testo-immagine — Fibo 2.0 1.038,79, 21º complessivo; Q​wen-Image-2.1 1.042,13, 20º complessivo. Qui Q​wen è nominalmente in vantaggio, ancora una volta all'interno di intervalli sovrapposti (1.026,79–1.050,79 contro 1.030,13–1.054,13).

• Variazione rispetto alla prima generazione — FIBO Edit 912,82 → Fibo 2.0 1.087,05 sull'editing, +174. FIBO 848,86 → 1.038,79 su text-to-image, +190. FIBO Lite, lo SKU di prima generazione più economico, era a 813,06 su text-to-image.

• Distanza dalla vetta di ciascuna classifica: 111,66 Elo dietro GPT Image 2.5 Sunburst (max) sull'editing, 183,17 dietro lo stesso modello sul text-to-image. Il primato open-weights e il primato assoluto sono due discorsi diversi.

• Dimensione del campione — 4.819 battaglie sull’editing, 5.113 su text-to-image. Abbastanza da rendere stretti gli intervalli; non abbastanza perché una differenza di cinque punti Elo significhi qualcosa.

Artificial Analysis indica la data di rilascio come 20 ottobre 2026 su entrambe le classifiche e contrassegna il modello come recente. La scheda del modello di Bria stessa rivendica il primo posto nell'editing delle immagini e il secondo nel text-to-image tra i modelli a pesi aperti alla stessa data. Si tratta di un'affermazione del fornitore riguardo alla classifica di una terza parte, non di un benchmark del fornitore, ma è comunque il fornitore che descrive il proprio risultato, e le posizioni reggono quando le verifichi direttamente.

Cosa c’è realmente dentro l’8B

Il numero di parametri è il dato meno interessante del rilascio. Fibo 2.0 è un modello flow-matching che opera nello spazio latente del VAE di FLUX.2, con un modello Qwen3-VL-4B-Instruct come encoder dei prompt. Invece di condizionare il diffusion transformer su token di testo grezzi, comprime l'output dell'encoder tramite un resampler Perceiver a due layer in 256-512 token "gist", e il transformer single-stream a 44 blocchi vi applica l'attenzione, con cinque dei blocchi alimentati inoltre da cross-attention. La conseguenza pratica è che una descrizione lunga e strutturata non costa quasi nulla in più: il condizionamento è limitato a 512 token indipendentemente da quanto si scriva.

• Architettura — flow matching nello spazio latente del VAE di FLUX.2, DiT single-stream a 44 blocchi, cinque blocchi con cross-attention alla rappresentazione del prompt.

• Encoder di testo — Qwen3-VL-4B-Instruct, compresso a 256–512 token gist tramite un resampler Perceiver a due strati.

• Dimensione — 8,127,342,213 parametri in BF16 safetensors, quindi circa 16 GB di pesi prima di qualsiasi overhead di runtime.

• Dati di addestramento — il corpus di Bria di circa un miliardo di immagini, che l'azienda descrive come interamente coperto da licenze. Questa è un'affermazione dell'azienda, ed è il motivo per cui la licenza di seguito non è un ripensamento.

• Modalità — modifica, modifica con maschera, modifica multi-riferimento con fino a quattro immagini di riferimento, generazione e una modalità "inspire" che propone varianti. Un unico set di pesi copre generazione e modifica, il che è nuovo per questa famiglia; la prima generazione le separava.

Il checkpoint unificato è la modifica ingegneristica sostanziale. Fibo 1 ha rilasciato generazione e modifica come capacità separate con punti di forza distinti, e il guadagno di 174 punti nella modifica rispetto a FIBO Edit racconta in parte di come la modifica abbia ricevuto una propria enfasi di addestramento all'interno di un modello che genera anche. Se le due modalità interferiscano tra loro è esattamente il tipo di domanda a cui una classifica non può rispondere e a cui una settimana di utilizzo in produzione può.

Dev e Edit Turbo sono due prodotti diversi che condividono un nome

Ci sono due checkpoint su Hugging Face con il nome Fibo 2.0, e scegliere quello sbagliato è il modo più probabile per concludere che il modello sia deludente.

• Fibo 2.0 Dev — la base non distillata. Cinquanta passaggi di campionamento con classifier-free guidance a 5.0, sia generazione che editing, e il checkpoint indicato da Bria per il fine-tuning. Lento e governabile.

• Fibo 2.0 Edit Turbo — distillato in quattro passaggi senza classifier-free guidance, solo editing. Circa un ordine di grandezza più economico per immagine in fase di inferenza, e non può generare da zero.

• Strumenti — la pipeline è BriaFibo2Pipeline in diffusers, introdotta tramite pull request 14991, con un pacchetto complementare bria-vgl per il formato di didascalia strutturata descritto di seguito. Il supporto ComfyUI è arrivato tramite un repackaging della community il 20 ottobre.

I prompt sono pensati per essere in JSON, e questo rappresenta un vero cambiamento nel flusso di lavoro

Bria addestra e documenta Fibo 2.0 rispetto a quello che chiama VGL — Visual GenAI Language — un formato di didascalia JSON strutturato che separa soggetto, composizione, illuminazione, fotocamera, stile e testo nell'immagine in campi denominati invece di un'unica frase continua. Il modello accetta un prompt semplice. È misurabilmente più prevedibile con la forma strutturata, perché il collo di bottiglia del Perceiver preserva i confini dei campi che una frase piatta confonde tra loro.

Questo è il dettaglio con la coda più lunga. Significa che il consumatore naturale di Fibo 2.0 non è una persona che digita in una casella, ma un modello linguistico che emette un oggetto conforme allo schema, e significa che il prompt engineering per questo modello assomiglia a scrivere uno schema JSON e a validarlo. Chiunque valuti Fibo 2.0 con una manciata di prompt in testo libero sta misurando una modalità per cui il modello non è stato ottimizzato e lo sottovaluterà.

Cosa significa qui, precisamente, "open weights"?

La model card indica CC BY-NC 4.0 per uso non commerciale, mentre l'uso commerciale richiede un accordo separato con Bria. Il repository Hugging Face è ad accesso limitato al livello "auto" tramite un modulo per azienda e uso previsto. Puoi scaricare i pesi, leggerli, eseguire il fine-tuning ed eseguirli; non puoi distribuire un prodotto basato su di essi senza prima parlare con Bria.

Quello è un rilascio legittimo con pesi aperti e non è open source, e la distinzione conta più del solito perché i modelli che Fibo 2.0 ha appena superato sono sotto licenze che consentono senza riserve l'uso commerciale. Se stai scegliendo un modello di immagini per un prodotto anziché per la ricerca, l'ordinamento della classifica non è il vincolo. Lo è la licenza. Determina anche indirettamente il prezzo del modello: un accordo commerciale è una negoziazione, e una negoziazione è un costo che non compare su nessun tariffario.

C’è una lettura difendibile del perché Bria abbia fatto così. Il corpus di addestramento è materiale con licenza che l’azienda ha pagato; rilasciare pesi che consentano a chiunque di competere gratuitamente con l’API della stessa azienda su quel corpus significherebbe regalare l’asset che il corpus ha acquistato. Il termine non commerciale è il meccanismo che impedisce al rilascio di cannibalizzare il business. Questo non rende la licenza comoda, ma la rende coerente.

Il listino prezzi, e quanto costano mille immagini

• Bria API, Fibo 2.0 — 0,032 $ per immagine.

• Bria API, Fibo 2.0 Edit — $0,032 per immagine. Qui l'editing non costa meno della generazione, cosa insolita e da sapere prima di preventivare un lavoro batch.

• Bria API, Fibo Lite — $0,0288 per immagine. Il livello più economico, non il modello in classifica.

• Chiamata con prompt strutturato — $0.02 per chiamata, fatturata separatamente dall'immagine. Quindi un'immagine della pipeline VGL costa $0.052, non $0.032, a meno che tu non generi il JSON da solo.

• Artificial Analysis pricePer1kImages — $32,00, coerente con il valore di $0,032 indicato nel titolo.

A 0,032 dollari per immagine, l'API è prezzata come un servizio di utilità anziché come un modello premium, il che è coerente con la strategia implicita nella licenza: regalare i pesi per la ricerca, vendere l'endpoint a chiunque abbia bisogno dei diritti. Ospitare autonomamente il checkpoint Dev su una GPU a noleggio difficilmente riuscirà a battere i 0,032 dollari per immagine una volta considerati i 50 passaggi di campionamento, ma Edit Turbo a quattro passaggi è un calcolo diverso per chi lavora su volumi elevati o ha bisogno del modello all'interno di una rete privata.

Dove puoi eseguirlo

Fibo 2.0 è disponibile tramite l'API proprietaria di Bria, tramite lo strumento di creazione ospitato da Bria, tramite i nodi ComfyUI e come pesi ad accesso limitato su Hugging Face. Queste sono le vie. Non è presente nel catalogo OrcaRouter, e questo articolo non intende far finta del contrario.

La questione del routing merita comunque una frase, perché Fibo 2.0 è un modello che la maggior parte dei team proverà prima di impegnarsi. OrcaRouter gestisce una sola chiave API su oltre 200 modelli con i prezzi di listino dei provider trasferiti con markup dello 0%, così una variazione di prezzo di un fornitore, compreso un taglio di Bria, compare sulla tua fattura il giorno in cui avviene anziché il giorno in cui un rivenditore aggiorna una tabella. Per la metà di un pipeline Fibo dedicata ai modelli linguistici — quella che scrive il JSON VGL, lo convalida e decide se una generazione merita un nuovo tentativo — questo significa che il modello che svolge il ragionamento può stare dietro la stessa chiave di tutto il resto, con failover automatico quando un provider vacilla e il DSL di routing per comporre i passaggi in un'unica chiamata. Il modello di immagini resta dove si trova.

Niente di tutto ciò è un motivo per scegliere Fibo 2.0. È un motivo per non costruire la pipeline circostante come una serie di contratti separati.

Che cosa cambierebbe questo verdetto?

Tre cose sono da tenere d'occhio, e nessuna delle quali può essere risolta da un post della settimana di lancio. Primo, la riproduzione indipendente: l'Elo proviene da un'arena in cui vota il pubblico, e le specifiche modalità di errore che contano in produzione — il rendering del testo all'interno di una regione modificata, la conservazione dell'identità attraverso quattro riferimenti, se una maschera viene rispettata lungo il bordo — non sono ciò che misura la preferenza a coppie. Secondo, la licenza: se Bria passa da CC BY-NC a qualcosa utilizzabile commercialmente, il confronto con il resto del campo open-weights cambia dall'oggi al domani, e se non lo fa, "miglior editor di immagini open-weights" resta un titolo di ricerca. Terzo, il pareggio: Fibo 2.0 e Qwen-Image-2.1 sono a quattro punti Elo di distanza nell'editing, con intervalli sovrapposti. Poche altre migliaia di battaglie li separeranno o confermeranno che sono lo stesso modello con due nomi.

Per ora l'affermazione accurata è limitata e comunque notevole. Due giorni dopo il rilascio, il miglior modello di editing di immagini che si possa scaricare è un checkpoint da 8B di un'azienda che ha passato un decennio a vendere dati di immagini con licenza, è più di 170 Elo migliore del precedente tentativo di quell'azienda, e la sua licenza è tale che quasi nessuno tra coloro che leggono una classifica può usarlo commercialmente senza una telefonata.