Fibo 2.0 Dev と Fibo 2.0：あなたは2つのモデルから選んでいるわけではない

Fibo 2.0 Dev と Fibo 2.0 は、同じモデルに2つの肩書きを着せたものにすぎません。Fibo 2.0 は、Bria が2026年10月20日に公開した81.3億パラメータのチェックポイント群に付けたリリース名です。Fibo 2.0 Dev は、そのリリースを担う、蒸留されていない完全なベースモデルです。ほとんどの人が実際に「Fibo 2.0」と出会う形——ホスト型エンドポイント上で呼び出す製品として、1枚あたり0.032ドルで——を、ダウンロードして中身を吟味し、学習させられるものと比べて初めて、この比較は現実のものになります。一方は自分で制御するパイプライン。もう一方は借りるメーターです。それが判断の分かれ目であり、外箱に書かれた名前がそれを決めるわけではありません。

部屋には3つ目のオブジェクトがあり、それを除外すると人が失望する結末を迎えます。それがFibo 2.0 Edit Turboです。リリース名を共有しながら、画像あたりおよそ10分の1の作業量をこなす蒸留された4ステップエディタです。3つのもの、1つの名前、そして単一のチェックポイントではなくリリースを表すリーダーボードスコア。以下では、コスト、できること、そして法的に製品へ組み込んで出荷できるものという観点から、それらを区別します。

実際に異なる6つの次元

以下はすべて、対応可能な差分です。数値が独立した実行ではなくBriaに由来する場合は、その旨が明記されています。

• ダウンロード可能な重み — Fibo 2.0 Dev: はい、Hugging Face 上でゲート付き、CC BY-NC 4.0、16.3 GB の transformer、8.9 GB の Qwen3-VL-4B encoder、0.34 GB の FLUX.2 VAE を含む約 25.5 GB。製品としての Fibo 2.0: ダウンロードするものはありません。

• サンプリング — Dev: 50ステップ、classifier-free guidance は 5.0。ホスト版の編集経路と Edit Turbo: 4ステップ、guidance 1.0、classifier-free guidance は一切なし。

• タスク対応範囲 — Dev：1組の重みからテキストからの画像生成と編集。提供中の編集エンドポイントとTurbo：編集のみ。Turbo経由のテキストからの画像生成は、遅いルートではなく、誤ったルートです。

• ファインチューニング — Dev: 唯一の学習可能なチェックポイントであり、DiT全体のファインチューニングとLoRAの両方に対応。Turbo: 明示的にファインチューニングの対象外。ホスト版製品: 重みはレンタルするものであって、教え込むものではない。

• ネガティブプロンプト — Dev: 効きます。CFG がオンで、作用させるレバーが存在するためです。Turbo: ガイダンスは 1.0 に固定されているため、ネガティブプロンプトには作用する対象がありません。

• 価格 — ホスト型製品：画像1,000枚あたり32.00ドル、つまり1枚0.032ドル（Artificial Analysisが記載している数値）。Local Dev：画像ごとの料金はなく、GPU時間と25.5 GBのダウンロードで支払います。

Fibo 2.0 Devが圧勝する点、しかも大差で

生成が最初のギャップです。{{1}}Fibo 2.0{{/1}}は、描画と編集の両方を担う単一モデルとして宣伝されていますが、その主張が当てはまるのはDevだけです。ホスト型の編集エンドポイントとEdit Turboは入力画像を前提に構築されており、キャプションから画像を求めるのは、蒸留で削ぎ落とされたものを求めることになります。パイプラインがゼロから始まる場合、選択肢はDevか別のモデルです。

Control は 2 つ目です。ガイダンス 5.0 を伴う 50 ステップは、ガイダンスなしの 4 ステップよりも遅く、その遅さこそが操縦性の代償です — プロンプトに逆らって働きかけること、ネガティブプロンプトを使うこと、ステップ数を忠実度と引き換えにすることを可能にします。編集面では、Dev はマスク編集、最大 4 枚のコンテキスト画像を使うマルチリファレンス編集、そして参照画像をレンダラーに渡さずにそのスタイルだけを借りる Inspire モードにも対応します。

トレーニングは3番目で最大の項目です。Dev は、あらゆるファインチューニングの経路が目標とするチェックポイントです。ModelScope の DiffSynth-Studio ドキュメントには、学習可能なのは Fibo-2.0-dev だけだと書かれており、Bria はリポジトリ内にシングルGPUの LoRA トレーナーとデータ準備ガイドを提供しています。生成と編集は重みを共有しているため、1つの LoRA でスタイルと、それに付随する編集挙動を教え込むことができます。ホスト型製品には同様のものは存在せず、Turbo は設計上対象外です。

移植性が4つ目です。ローカルのチェックポイントはdiffusers上でBriaFibo2Pipelineを通じて動作し、ComfyUI内でも動作します。ComfyUIではネイティブサポートが10月21日にマージされ、専用のテキストエンコーダータイプと、VGLプロンプトおよび参照画像を受け取るノードを備えたv0.43.0で出荷されました。また量子化された形式でも動作します — BF16、INT8、GGUFの再パッケージはいずれも存在します — これにより、25.5 GBのリポジトリが一般的なハードウェア上で扱いやすくなります。

出荷済みのFibo 2.0が優位な点

主にレイテンシと運用面の話だ。ガイダンスなしの4ステップの編集パスは、ガイダンス付きの50ステップにかかる時間のごく一部で結果を返し、Bria自身が公表しているホスト型APIの数値は、モデル時間で2秒未満、エンドツーエンドで5秒未満だ。ただしこれはベンダーによる報告値であって独立した測定ではなく、約束ではなく上限値として扱うべきものだ。編集のキューを期限までに片付けなければならないとき、このことがそのまま決め手になる。

資本コストは2番目の要素です。画像1枚あたり0.032ドルで、GPUも不要、25.5 GBのダウンロードも不要、オフロード調整も不要、FP8かBF16かの判断も不要です。月に500回の編集が必要なチームは16ドルを支払うだけで、ターミナルを一度も開きません。同じチームがDevをローカルで実行するためにカードを購入すると、最初の画像ができる前に数百ドルを費やします。ローカルのDevがそのコスト計算で有利になるのは大量利用時だけであり、しかもGPUが他の作業ですでに償却済みである場合に限られます。

配管の正確さが3つ目です。ホスト型の経路では面倒な部分を引き受けます。テキストエンコーダー、VAE、サンプリングスケジュール、構造化プロンプトの展開はすべて他人事です。ローカルインストールでは、Qwen3-VL-4Bエンコーダー、FLUX.2 VAE、44ブロックのDiTをあらゆるアップグレードにわたって整合させ続ける必要があります。だからこそ、ComfyUIとdiffusersの統合が存在すること自体が要となり、GGUFの再パッケージが重要になるのです。

50対4：ほとんどのケースを決める算術

画像あたりのコストは、比較がたいてい曖昧な手振りに崩れてしまうところなので、3つの別々の請求項目として扱いましょう。ホステッド：1画像あたり$0.032、すべて込み。ローカルDev：50ステップでのGPU秒数に、電気代とカード代を加えたもの。ローカルTurbo：4ステップでのGPU秒数で、計算量はおよそ10分の1だが、編集のみ。

コスト逆転は現実だが、人々が想定するより遅く訪れる。レンタルGPUの1時間が約1ドルで、50ステップのメガピクセルレンダリングに例えば20秒かかるとするなら、素の計算コストでは1画像あたりおよそ$0.005になる — これはジョブ間のアイドル時間や、自分の時間が無料ではないことを考慮する前の段階で、ホスティング価格より6倍安い。月500画像なら$16に対して$2.50の節約で、ビジネスケースにはならない。月50,000画像なら$1,600に対して$250の節約になり、それはビジネスケースになる。ファインチューニングはこれを完全に覆す。なぜなら、自分で訓練したLoRAは、自分で実行できる重みの上でしか価値を持たないからだ。

もう1つ、特にDev側で重要な数値があります。diffusersパイプラインのデフォルトは30ステップでguidance 5ですが、BriaがDev向けに推奨する設定は50です。デフォルトでも画像は生成されますが、Briaの画像にはなりません。ローカルパイプラインを構築する人は、それをそのまま引き継ぐのではなく、意図的に決めるべきです。

そのライセンスは比較全体の枠組みを変える

ダウンロード可能な両チェックポイントはCC BY-NC 4.0です。非商用のみで、商用展開にはBriaとの別途契約が必要であり、アクセスは企業情報と利用目的のフォームによって制限されています。ホステッド製品は商用ルートです。重みのライセンスではなく利用権を購入します。

それは本当に気まずい結果を生み出し、この「vs」をわざわざ書く価値がある理由でもある。欲しい機能——生成、ガイダンス、ファインチューニング——を備えたチェックポイントは、交渉なしに商用展開できないほうだ。法的に問題なく商用展開できる製品は、ファインチューニングできず、ゼロから生成することもできないほうである。あなたのユースケースが商用かつカスタムであるなら、2つのBria製品のどちらを選ぶかではなく、ライセンスの話をそもそも始めるかどうかを選んでいるのだ。

はっきり言っておくべきことでもある。Fibo 2.0 について引用されるリーダーボードの一行、すなわち Artificial Analysis の AA-Image-Editing v2.1 における 1,088 Elo、オープンウェイトの編集モデルの中で1位、5,009件のブラインド投票に基づく全体で23位というのは、リリース自体のスコアであり、Dev 対 Turbo のスコアではない。その ±14 の区間は Qwen-Image-2.1 の 1,081 ±13 とほぼ完全に重なるため、オープンウェイトでの首位はタイブレークにすぎない。テキストから画像生成では順序が逆転し、Fibo 2.0 の 1,039 ±12 は Qwen-Image-2.1 の 1,042 ±12 の後ろに位置する。どちらのチェックポイントにも個別に公開されたスコアはなく、つまり「Dev は Fibo 2.0 より優れている」という主張は、チェックポイントの構築方法からの推論であって、測定ではない。

どちらかは状況次第です。

• テキストから画像を生成する必要があり、数・位置・属性に従わせたいなら — Dev。構造化されたJSON制御サーフェスはまさにそのために作られており、パイプラインはレンダリング元となったキャプションを返します。

• ブランド、スタイル、あるいは業種向けにファインチューニングするなら — まずは Dev で LoRA から。DiT のフルトレーニングも存在するが、凍結したエンコーダ上のランク制限アダプターが最初の実験としては妥当だ。

• カスタム動作なしで大量のインストラクション編集を実行しています — ホスト型パス、またはイメージがネットワーク外に出せない場合はローカルでTurbo。4ステップでガイダンスなしというのは、ここでは制約ではなく特長です。

• 商用展開が必要です — Bria との協議を始めるか、レンタルを計画してください。重みをダウンロードしても、ライセンスの問題は解決しません。

• モデルがどれだけ良いかを確認したいだけなら、1画像あたり$0.032のホスト型エンドポイントは、ダウンロードやセットアップ、FP8の読み込みに費やす一晩より安上がりです。週末を費やす前に、$5を使ってみましょう。

テキスト部分にはエンドポイントを1つ、どちらの側を選んでも

どちらのルートも、誰もベンチマークしない共通の依存関係を一つ抱えています。それはVGLを書く言語モデルです。FiboはVisual GenAI Languageのキャプションで訓練されており、そこではライティング、構図、カメラ、オブジェクトが指定可能なフィールドであり、出力の有用性はそのJSONの品質に連動します。手作業での作成は十数件のプロンプトなら実行可能ですが、千件では悲惨なものになります。だからこそキャプショナーがシステムの一部になるのです。

それがOrcaRouterがカバーする部分です。200以上のモデルに対応する単一のAPI、マークアップ0% — プロバイダーの定価をそのまま通過させるため、ベンダーの変更は当日に請求へ反映されます — ルーティングDSLを使えば、大量のキャプション生成を安価なモデルへ送り、難しい行だけをエスカレーションでき、単一のキャプショナーが気になるフィールドを平坦化し続ける場合にはモデルフュージョンも利用できます。また、比較をテスト可能にします。同じ画像を2つのキャプショナーに通し、JSONをdiffして、どのフィールド群が実際にレンダリングを動かしたかを確認できます。Fibo 2.0自体は当社のカタログにはないため、画像側は置いた場所のままになります — 統合されるのはテキスト側です。

短い結論：構築するなら Fibo 2.0 Dev を選び、購入するなら Fibo 2.0 endpoint を選ぶこと。名前は共通でもライセンスは共通ではなく、トレーニングループ付きのチェックポイントだけが、6か月後も依然としてあなたのものである唯一のものだ。