Fibo 2.0 vs Gemma 4 12B: Uno disegna l'immagine, l'altro ne scrive il prompt

Metti Fibo 2.0 e Gemma 4 12B uno accanto all'altro in una scheda tecnica e il confronto crolla immediatamente, perché non rispondono alla stessa domanda. Fibo 2.0 è un modello di immagini da 8B rilasciato da Bria il 20 ottobre 2026: gli fornisci una descrizione o un'immagine e restituisce pixel. Gemma 4 12B è il modello linguistico multimodale denso da 11,95B di Google, Apache-2.0, attivo dal 23 maggio 2026: gli fornisci testo, immagini o audio e restituisce testo, mai un'immagine. Ogni pagina "Fibo 2.0 vs Gemma 4 12B" che li mette in classifica l'uno contro l'altro sta mettendo in classifica un renderer contro uno scrittore. La versione utile di questo confronto è quella in cui non sono affatto rivali — in cui Gemma 4 12B scrive il prompt strutturato e Fibo 2.0 lo renderizza, e la domanda diventa se quella coppia batte uno dei due modelli usato da solo. Le schede tecniche non registrano in che modo i modelli di immagini e di linguaggio falliscono una volta in produzione, e tali incidenti sono catalogati in l'OrcaRouter AI Incident Archive dove ogni voce riporta le proprie fonti, gravità, livello di confidenza e flag di contestazione.

Cosa restituisce effettivamente ciascuno

Questo è l'intero argomento in due righe, ed è il motivo per cui vale la pena scrivere di questo confronto anziché liquidarlo: i tipi di output sono disgiunti.

• Output — Fibo 2.0 restituisce un'immagine, con una fedeltà di modifica fino a multi-riferimento; Gemma 4 12B restituisce token di testo e non dispone di alcun tipo di decodificatore di immagini.

• Input — Fibo 2.0 accetta testo e fino a quattro immagini di riferimento; Gemma 4 12B accetta testo, immagini e audio in un'unica architettura senza encoder, con un contesto di 256.000 token.

• Lavoro — Fibo 2.0 è un renderer con un collo di bottiglia sul prompt; Gemma 4 12B è un reasoner con una finestra molto lunga e nessun percorso di rendering.

La conseguenza non è che uno sia migliore. È che un confronto Elo testa a testa tra loro non è semplicemente indisponibile, è privo di senso — nessuno ha mai chiesto a una folla di scegliere tra un JPEG e un paragrafo.

I numeri a cui le persone ricorrono, e perché non possono essere sottratti

Entrambi i modelli hanno punteggi indipendenti credibili e misurano cose diverse su scale diverse. Fibo 2.0 si colloca a 1.087,05 Elo nella classifica AA-Image-Editing v2.1 di Artificial Analysis, 20º in assoluto e primo tra i modelli open-weights, con un intervallo di confidenza da 1.073,05 a 1.101,05 su 4.819 battaglie. Su AA-Image-T2I v2.1 è 1.038,79, 21º in assoluto. Gemma 4 12B ha un Intelligence Index di 14,18 — un composito di testo e ragionamento, non un punteggio di preferenza — insieme a MMLU Pro 77,2, GPQA 78,8, AIME 77,5, Codeforces 1.659 e MMMU Pro 69,1.

Un Elo e un indice non sono la stessa unità, quindi «Fibo 2.0 è migliore di 1.072 punti» è aritmetica su scale incompatibili. Ciò che i numeri supportano è una divisione del lavoro, perché MMMU Pro a 69,1 — ragionamento multimodale sulle immagini — è precisamente la capacità che legge una fotografia sorgente e decide cosa modificare. Fibo 2.0 non è in grado di farlo. Può solo eseguire una descrizione che gli viene fornita.

Gemma 4 12B è la metà mancante di una pipeline Fibo

Il motivo per abbinarli è specifico di come è stato costruito Fibo 2.0. Bria lo addestra e lo documenta su VGL — Visual GenAI Language — un formato di didascalia JSON strutturato con campi denominati per soggetto, composizione, illuminazione, camera, stile e testo nell'immagine. Il modello accetta una frase, ma è più prevedibile con lo schema, perché il suo encoder di prompt Qwen3-VL-4B viene compresso tramite un ricampionatore Perceiver a due livelli in 256-512 token gist, e i confini dei campi sopravvivono a questo collo di bottiglia in un modo in cui una frase fiume non riesce.

Scrivere a mano JSON conforme allo schema è noioso e soggetto a errori. Affidarlo a un modello linguistico non lo è. Gemma 4 12B con contesto 256K può contenere lo schema, l'immagine sorgente, una guida di stile aziendale e una serie di esempi in un'unica finestra, emettere un oggetto VGL convalidato e — questa è la parte che conta — guardare il risultato renderizzato e decidere se la modifica ha avuto l'effetto desiderato. Quel secondo ruolo è un ciclo di feedback che Fibo 2.0 non può eseguire autonomamente, perché non ha modo di ispezionare il proprio output.

• Primo passo — Gemma 4 12B legge l'immagine di riferimento insieme al brief ed emette il JSON VGL. Il suo MMMU Pro 69.1 è la credenziale rilevante, non il suo punteggio di codice.

• Passo due — Fibo 2.0 esegue il rendering o le modifiche a partire da quel JSON, in modalità Dev a 50 step se la qualità conta, oppure Edit Turbo a quattro step se conta la velocità di elaborazione.

• Fase tre — Gemma 4 12B confronta il risultato con il brief e quindi approva oppure genera un JSON corretto. Due passaggi intercettano la maggior parte degli errori di testo nell'immagine e sui bordi della maschera.

• Passo quattro — tutto ciò che sopravvive al ciclo viene affidato a una persona, il che comporta una coda molto più ridotta rispetto alla revisione di ogni render.

Nessuno dei due modelli lo fa bene da solo. Fibo 2.0 non ha un autocontrollo; Gemma 4 12B non ha un renderer. La pipeline è il prodotto.

Licenza: l'unica riga in cui il confronto è realmente diretto

Entrambi sono open weights. Solo uno è utilizzabile in un prodotto senza una conversazione.

• Fibo 2.0 — CC BY-NC 4.0 sulla model card per uso non commerciale; l'uso commerciale richiede un accordo separato con Bria. Il repository Hugging Face è ad accesso limitato con impostazione "auto" e richiede un modulo con i dati dell'azienda e l'uso previsto.

• Gemma 4 12B — Apache-2.0, nessuna limitazione di accesso, nessuna restrizione sul campo di utilizzo, nessun accordo separato. Scarica e distribuisci.

• Cosa significa per la coppia — una pipeline di ricerca interna può utilizzare entrambi oggi. Un prodotto commerciale può utilizzare Gemma 4 12B oggi e necessita della firma di Bria per il renderer.

• Perché la clausola di Bria è difendibile — il corpus di addestramento è composto da circa un miliardo di immagini con licenza che l'azienda ha pagato. Rilasciare dei pesi che consentano a chiunque di fare concorrenza al ribasso alla sua stessa API su quel corpus, gratuitamente, significherebbe regalare l'asset che il corpus ha acquistato. La clausola non commerciale è il meccanismo che lo impedisce.

Questo è l'unico confronto nell'articolo che si comporta come un normale confronto tra modelli: stessa domanda, stesso formato di risposta, un vincitore chiaro. Vince Apache-2.0. Capita semplicemente che sia la riga meno interessante, perché la licenza non ti dice quale modello usare per cosa — ti dice se ti è consentito farlo, ed è la prima cosa da controllare anziché l'ultima.

Costo della coppia rispetto al costo dell'API

Fibo 2.0 tramite l'API di Bria costa $0,032 per immagine, $0,0288 per il livello più economico Fibo Lite e $0,02 per chiamata se si utilizza il servizio di prompt strutturati di Bria stesso anziché scrivere VGL da soli. Artificial Analysis indica il suo pricePer1kImages a $32,00, coerente con la tariffa annunciata. Vale la pena soffermarsi su quella voce da $0,02 relativa ai prompt strutturati, perché è esattamente il compito che viene affidato a Gemma 4 12B sopra — e Gemma 4 12B con 12 miliardi di parametri è abbastanza economico da eseguire che la domanda è se scrivere da soli il JSON costi meno che pagare il doppio per immagine.

• Solo Fibo 2.0, prompt in testo libero — 0,032 $ per immagine.

• Fibo 2.0 più il servizio di prompt strutturati di Bria — $0.052 per immagine, e non serve alcun modello di ragionamento.

• Fibo 2.0 più Gemma 4 12B che scrive il JSON — $0.032 per immagine più quanto ti costa il 12B. Su una GPU noleggiata che esegue il 12B localmente, di solito sono meno di due centesimi di generazione per prompt; tramite un endpoint ospitato dipende interamente dal prezzo di input del provider, perché il prompt contiene un'immagine.

La soluzione self-hosted offre anche qualcosa che l'API non può dare: l'autoverifica in due passaggi. Il servizio di prompt strutturati di Bria genera il JSON; non esamina il rendering successivo. Un Gemma 4 12B locale può farlo e, per qualunque caso in cui contino il rendering del testo o i bordi delle maschere, è proprio da quella revisione che deriva davvero la qualità.

Eseguire Gemma 4 12B accanto al renderer

Il Gemma 4 12B nella sua variante 12B non è presente nel catalogo OrcaRouter, quindi consideralo un dato di fatto anziché aggirarlo. Ciò che è presente nel catalogo sono i fratelli maggiori di Gemma 4: google/gemma-4-26b-a4b-it a $0.06 di input e $0.33 di output per milione di token, e google/gemma-4-31b-it a $0.13 e $0.38. Entrambi scriveranno VGL JSON; entrambi costano più per chiamata del 12B, ma ti offrono un margine di ragionamento maggiore per la fase di revisione, che è la metà del ciclo che beneficia di una maggiore capacità.

Questa è la forma dell'argomentazione di OrcaRouter in questo caso, ed è una forma ristretta. Il renderer è di Bria, raggiunto tramite l'API di Bria o con pesi self-hosted. Il modello che scrive e verifica i prompt può stare dietro un'unica chiave insieme a tutto il resto del tuo stack — oltre 200 modelli, prezzi di listino dei provider passati con markup dello 0%, failover automatico quando un endpoint si degrada, e il DSL di routing per concatenare i passaggi di scrittura, rendering e revisione in un'unica chiamata anziché tre librerie client. Se Bria riduce la tariffa per immagine, la metà invariata della tua bolletta non richiede una migrazione per rifletterlo.

Quello che OrcaRouter non fa è fornire Fibo 2.0. Qualsiasi pagina che sostenga che un singolo endpoint copra entrambe le metà di questa pipeline sta descrivendo un prodotto che non esiste.

Quale ti serve davvero

Chiedi qual è il deliverable. Se è un'immagine, Gemma 4 12B non è un candidato e non lo è mai stato — non può produrne una, a nessun prezzo, con nessuna licenza, indipendentemente da come si legga la classifica. Se il deliverable è una decisione su un'immagine — questa foto è utilizzabile, questo layout è conforme alla brand guide, cosa dovrebbe cambiare in questa scena — Fibo 2.0 è lo strumento sbagliato e il suo 1.087 Elo è irrilevante.

Il caso dell'abbinamento è quello su cui vale la pena puntare, ed è quello che il rilascio rende ora per la prima volta praticabile. Il formato VGL di Fibo 2.0 è un'interfaccia leggibile da una macchina, ed è un'interfaccia leggibile da una macchina che consente a un modello linguistico di pilotare un renderer in modo affidabile, invece di sperare che un prompt in testo libero vada a segno. Prima di questo rilascio, generazione ed editing di Fibo erano checkpoint separati con comportamenti distinti; ora un unico set di pesi copre entrambi, lo schema è documentato e il pacchetto bria-vgl dà a un modello linguistico qualcosa di concreto su cui validare. Il confronto interessante non è mai stato Fibo 2.0 contro Gemma 4 12B. È Fibo 2.0 più Gemma 4 12B contro un art director umano con un abbonamento a foto stock, e sul volume non c'è partita.