Scheda del titolo generata con la scritta «FIBO 2.0 vs GPT Image 2.5», sottotitolo «Un checkpoint aperto da 8B contro la coppia di OpenAI con tariffazione a token», e tre chip che recitano «Divario Elo di 192,29 su text-to-image», «32 $ vs 210,72 $ per 1.000 immagini» e «uno è scaricabile». Un footer recita «Elo e prezzo modellato secondo Artificial Analysis, AA-Image-T2I v2.1, rilevati il 20 novembre 2026».
Guides & Insights

FIBO 2.0 vs GPT Image 2.5: 192 Elo, sei volte il prezzo

Autore

Elias Hawthorne

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

Fibo 2.0 e GPT Image 2.5 sono separati da 192 punti Elo e da un fattore 6,6 nel costo modellato, ed entrambi questi numeri sono meno solidi di quanto sembrino. Il divario Elo è reale — 1.229,27 contro 1.036,98 sulla classifica text-to-image di Artificial Analysis, con intervalli che non arrivano neanche a sfiorarsi — ed è anche il modo meno utile per scegliere tra i due, perché i modelli non cercano di fare lo stesso lavoro. Fibo 2.0 è un checkpoint flow-matching da 8B che Bria ha rilasciato il 20 ottobre 2026, scaricabile, che espande la tua istruzione in una didascalia JSON strutturata prima di disegnare. GPT Image 2.5 non è un solo modello: è GPT-Image-2.5 Sunburst e GPT-Image-2.5 Flare, due modelli con snapshot separati fatturati per token, uno dei quali è il generatore di immagini più forte sulle classifiche pubbliche.

Quindi la formulazione onesta non è «quale sia migliore». È «quale di queste quattro cose ti serve» — un modello scaricabile, il miglior risultato, un budget per immagine o una modifica che non si discosti. Questa pagina le tratta in quest'ordine.

Due modelli, un solo nome, e perché questo conta qui

Non esiste alcun gpt-image-2.5. Incollando quella stringa nell'API si ottiene un errore, perché l'identificatore non esiste. Ciò che esiste è Sunburst, il cui ID è gpt-image-2.5-sunburst, descritto da OpenAI come il suo modello di generazione e modifica di immagini più capace, e Flare, gpt-image-2.5-flare, posizionato per la generazione quotidiana rapida. Entrambi riportano la data di snapshot 2026-09-08, e non esiste alcun modello ombrello che indirizzi verso l'uno o l'altro.

Questo conta in un confronto perché le due varianti non sono vicine tra loro. Nella classifica text-to-image Sunburst si trova a 1.229,27 e Flare a 1.209,81 — una differenza di 19 punti tra due modelli con lo stesso numero di versione. Sul fronte editing la differenza si allarga a diciassette punti nella stessa direzione, 1.201,50 contro 1.184,65. Qualsiasi affermazione del tipo «GPT Image 2.5 batte X» è un'affermazione su Sunburst, e vale la pena dirlo con 19 punti di precisione.

Questa distinzione è importante per leggere il punteggio. Fibo 2.0 arriva in due parti: una base Dev completa che sia disegna sia modifica, e un Turbo solo-editing distillato fino a quattro passaggi con guidance 1.0 ed esplicitamente non una base per il fine-tuning. Artificial Analysis inserisce un'unica riga Fibo 2.0 su ciascuna board in corrispondenza dei checkpoint Dev e non riporta mai il Turbo separatamente, quindi 1.037 e 1.086 descrivono Dev — il checkpoint più lento e generale — e non il rapido editor che metteresti davvero davanti a un utente.

Da testo a immagine — GPT-Image-2.5 Sunburst 1.229,27, posizione 2 di 116. Fibo 2.0 1.036,98, posizione 32. Divario 192,29.

• Modifica immagini — Sunburst 1.201,50, posizione 4 su 86. Fibo 2.0 1.085,98, posizione 31. Distacco 115,52.

• Prezzo modellato — 210,72 $ per 1.000 immagini contro 32,00 $. Si tratta di 6,6×, ed è un dato comparabile proprio di Artificial Analysis, non il tariffario di nessuno dei due fornitori.

• Pesi — Fibo 2.0 scaricabile da oggi, 8 miliardi di parametri, CC BY-NC 4.0. GPT Image 2.5 non sarà mai scaricabile; non esiste alcun checkpoint aperto nella linea GPT-Image.

Screenshot of the Artificial Analysis text-to-image leaderboard, captured in English, showing GPT Image 2.6 Sunburst at the top, GPT Image 2.5 Sunburst (max) at 1,229.27 in rank 2, GPT Image 2.5 Flare (max) at 1,209.81 in rank 5, and Fibo 2.0 at 1,036.98 in rank 32, with the price column reading 210.7 for the OpenAI models and 32.0 for Fibo 2.0.

Il divario che non si colma

Vale la pena essere schietti sulla differenza di qualità, perché una pagina di confronto che la attenua è inutile. Nel text-to-image, 192 punti Elo non sono una differenza di gusto. Se lo si converte in ciò di cui è un proxy, significa che Sunburst è preferito in qualcosa vicino a nove confronti diretti su dieci. Sull'editing, il divario si dimezza a 116 e resta fuori da entrambi gli intervalli: 1,201.50 con un intervallo da 1,190.50 a 1,212.50, contro 1,085.98 con 1,072.98–1,098.98. Persino il limite inferiore di Sunburst si colloca 91 punti sopra il limite superiore di Fibo.

Niente in il resto di questo articolo lo smentisce. Ciò che il resto dell'articolo sostiene è che esistono quattro impieghi in cui 116 o 192 Elo non sono la variabile decisiva, e che gli acquirenti scelgono abitualmente il modello con il punteggio più alto per tutti e quattro.

Che effetto ha la fatturazione per token su un budget per immagine

È qui che il divario di prezzo diventa interessante, perché i due fornitori non applicano lo stesso criterio di misurazione e la cifra modellata dal consiglio lo nasconde.

OpenAI fattura i modelli per immagini per token, ovvero i token di output delle immagini: è per questo che lo stesso modello ha un prezzo di input e un prezzo di output pubblicati anziché una tariffa per immagine. Nel catalogo OrcaRouter le due varianti sono elencate a 8 $ per milione di token di input e 30 $ per milione di token di output, identici tra Sunburst e Flare, cioè il prezzo di listino del provider passato così com'è, senza alcun ricarico aggiuntivo. Ciò che questo significa per immagine dipende interamente dalla risoluzione e dall'impostazione di qualità richieste, e può variare di un fattore pari a diversi valori nell'intero intervallo di impostazioni. Il valore di 210,72 $ per mille della board è una scelta di modellazione che presuppone un'impostazione rappresentativa, non una tariffa che troverai stampata da qualche parte.

Bria fattura per immagine. $0,032 sulla propria piattaforma, il che rende mille immagini $32 — la stessa cifra riportata dalla board, cosa insolita e degna di nota: per Fibo 2.0 il prezzo modellato e il prezzo unitario coincidono. C'è un secondo addebito se usi l'helper VGL che espande una semplice istruzione nella didascalia strutturata, circa $0,02 per chiamata, quindi una generazione completa di prompt strutturati si avvicina a $0,052. Scrivi tu stesso il JSON e lo eviti.

• Prevedibilità — il costo per immagine di Fibo è costante. Quello di GPT Image 2.5 è funzione delle tue impostazioni: una buona notizia se sei disciplinato sulla risoluzione, una cattiva notizia se un product manager continua a chiedere un'altra passata in 4K.

• Tetto massimo — mille immagini Sunburst alla tariffa modellata dal board sono $210,72; mille immagini Fibo sulla piattaforma di Bria sono $32,00, oppure $52,00 con la chiamata con prompt strutturato su ognuna.

• Soglia minima — Fibo sulla propria GPU, con licenza non commerciale, è l'elettricità. Un autore di workflow della community ha misurato 19 secondi per immagine a 2K e 4 megapixel con un riferimento, otto passaggi, su una RTX 6000 Pro. Non esiste una soglia minima equivalente per GPT Image 2.5 a qualsiasi prezzo.

Generated cost comparison card titled 'What a thousand images costs', with two columns. The left column, 'Fibo 2.0', reads: Bria platform 32.00 dollars; with structured-prompt helper 52.00 dollars; own GPU, electricity, 19 seconds per 2K image. The right column, 'GPT Image 2.5 Sunburst', reads: modelled price 210.72 dollars per 1,000 images; input 8 dollars per million tokens; output 30 dollars per million tokens. A footer reads 'Fibo rates per Bria; modelled price per Artificial Analysis; token rates per the OrcaRouter catalogue, 20 November 2026.'

Drift, e l'argomentazione sul prompt strutturato

L'unico ambito in cui Fibo 2.0 punta sulla qualità anziché sul prezzo è l'elemento su cui è costruita la sua architettura, e vale la pena metterlo alla prova anziché liquidarlo.

Fibo 2.0 non consuma direttamente la tua frase. Un encoder Qwen3-VL-4B-Instruct legge il prompt, un resampler Perceiver lo comprime in 256-512 gist token, e cinque dei 44 blocchi DiT ricevono anche i layer del VLM stesso tramite cross-attention. In pratica, il modello espande "una tazza rossa su una scrivania in noce, luce del mattino da sinistra" in una didascalia strutturata VGL/JSON con campi per soggetto, materiale, illuminazione e posizione, genera da quel documento e ti restituisce il JSON. Cambia un campo e riesegui: i campi che non hai toccato conservano ancora i valori che avevano.

Si tratta di una garanzia diversa da «preserva i dettagli». Significa che la modifica è vincolata da una struttura dati anziché da quanto bene un modello linguistico rilegge la tua frase. Per il lavoro prodotto in più fasi — stesso oggetto, sei condizioni di illuminazione — è la modalità di errore che costa più tempo, ed è quella su cui punta questo design. Bria la abbina anche a un massimo di quattro immagini di riferimento indirizzate in ordine come <image_1> fino a <image_4>, e a una modalità mascherata in cui le regioni bianche vengono rigenerate e tutto il resto viene preservato.

Se batta l'editing di Sunburst a livello di task non è qualcosa che la board Elo possa dirti, e non affermerei che lo faccia. La board dice che Sunburst edita meglio su una distribuzione generale di prompt. L'architettura dice che Fibo dovrebbe derivare meno su un ciclo ad attributi fissi. Sono affermazioni diverse e solo una di esse è stata misurata pubblicamente.

Dove ognuno è la risposta ovvia

Sunburst è la risposta ovvia quando il brief è "fallo sembrare bello e nessuno chiederà quanto è costato". Immagini hero di marketing, varianti di campagna, qualsiasi cosa in cui una persona sceglierà la migliore tra dodici. Il secondo posto in una classifica di 116 modelli con un vantaggio di 95 punti sulla migliore alternativa scaricabile non è un vantaggio marginale; è il motivo per cui il modello esiste.

Flare è la risposta ovvia quando vuoi gran parte di quella qualità con una latenza inferiore e il tuo volume è elevato — stesso prezzo per token, diciannove Elo dietro, posizionato da O​penAI per la generazione quotidiana anziché per lavori di vetrina.

Fibo 2.0 è la risposta ovvia in tre casi più ristretti. Ti servono i pesi: per un deployment on-premises, per un fine-tuning, per un baseline di ricerca, per un ambiente air-gapped. Ti serve una licenza a cui poter fare riferimento: la proposta di Bria è dati di addestramento con licenza, provenienza C2PA e manleva aziendale, e dichiara piena conformità all'EU AI Act, il che è una risposta per gli acquisti più che per la qualità. Oppure ti serve un'iterazione circoscritta su un soggetto fisso e il design a prompt strutturati è esattamente la forma del tuo problema.

Il quarto caso è quello che le persone sbagliano: il costo. Fibo costa 6,6 volte meno sulla carta, ma un team che spende due settimane di tempo di ingegneria per aggirare un divario di qualità di 192 punti Elo ha speso più della differenza. Un'inferenza economica sul modello sbagliato non è economica.

La risposta di routing, per la metà che è nostra

OrcaRouter offre GPT-Image-2.5 Sunburst e Flare — entrambi sono a catalogo come endpoint di generazione di immagini ai prezzi del provider stesso: 8 $ di input e 30 $ di output per milione di token, senza alcun ricarico. Non offre Fibo 2.0: i pesi e la piattaforma di Bria sono la via per quel modello, e nessun router modifica la licenza a essi associata. Affermare il contrario sarebbe il tipo di affermazione che suona bene e costa a qualcuno una revisione legale.

Ciò che un singolo endpoint vale davvero, qui, è il lavoro che gli sta intorno. Una pipeline Fibo include per progettazione un modello vision-language — la didascalia strutturata è prodotta da uno di essi — e quella chiamata può passare attraverso la stessa chiave di tutto il resto, compresi i modelli OpenAI che probabilmente stai già usando per la parte testuale. È nei fallimenti banali che il layer di routing si guadagna il suo posto: il failover automatico fa sì che un batch di duemila immagini non si blocchi perché il provider delle didascalie ha avuto venti minuti di problemi, e le regole di routing ti permettono di inviare il lavoro economico a modelli economici e l'unica immagine hero al giorno a Sunburst senza dover mantenere due integrazioni e due fatture.

Uno markup dello 0% conta più di quanto sembri in un mercato in cui i fornitori rivedono i prezzi. Un taglio di prezzo da parte di un fornitore compare qui lo stesso giorno anziché al successivo rinnovo contrattuale, e il confronto che hai effettuato questo mese è ancora il confronto del mese prossimo.

Cosa cambierebbe questo verdetto?

Due cose, e solo una è probabile.

Il primo è un fine-tune di Fibo 2.0 che colma il divario di editing su uno specifico dominio. I fine-tune sono il punto in cui un modello aperto da 8B smette di competere sull'Elo generale e inizia a competere sui tuoi dati, e il trainer LoRA nel repository trasforma tutto questo in un weekend anziché in un progetto. Se un Fibo specializzato batte Sunburst sul tuo task, la classifica generale è irrilevante e 6.6× più economico diventa 6.6× più economico.

Il secondo è un cambiamento alla struttura dei costi di GPT Image 2.5. O​penAI ha già rivisto il prezzo dei token immagine in passato e potrebbe farlo di nuovo; un taglio alla tariffa di output comprimerebbe l'unico asse su cui Fibo è comodamente in vantaggio e renderebbe molto più difficile sostenere l'argomento "abbastanza economico da valere il divario di qualità".

Screenshot of OpenAI's image generation documentation page, captured in English, whose opening section names the two IDs gpt-image-2.5-sunburst and gpt-image-2.5-flare and advises Sunburst where editing precision matters and Flare for fast everyday generation, followed by the Image API's Generations and Edits endpoints, the Responses API's multi-turn editing and File ID inputs, a Choosing the right API section, and a GPT-Image-2.6 paragraph on complexity control, markup-guided edits, SVG and animated GIF output.

Finché non si verifica una di queste situazioni, la divisione è netta e senza fronzoli. Acquista Sunburst per le immagini che devono essere giuste. Scarica Fibo per quelle che devono essere tue: tue da eseguire, tue da mettere a punto, tue da difendere in una riunione di approvvigionamento. Pagare sei volte il prezzo per una preferenza è tanto, e rinunciare a 192 Elo per una licenza è molto. Entrambe le affermazioni sono vere, ed è per questo che i due modelli possono coesistere senza che nessuno dei due sia la scelta sbagliata.