Fibo 2.0、8Bパラメータでオープンウェイト画像編集の首位に — 順位ではなく信頼区間を見よ

Briaは2026年10月20日にFibo 2.0をリリースし、わずか1日でArtificial Analysisの両方の画像ボード上で他のあらゆるオープンウェイト項目を追い抜いた。AA-Image-Editing v2.1では総合20位、Elo 1,087.05に位置し、これにより重みをダウンロードできるモデルの中で最高位となった——次がQ​wen-Image-2.1の1,082.74で21位だ。AA-Image-T2I v2.1では1,038.79で21位に入り、1,042.13のQ​wen-Image-2.1に1つ遅れを取る。いずれもBriaの第1世代Fiboシリーズからの巨大な躍進だ。編集ではFIBO Editが912.82、テキストから画像ではFIBOが848.86だった。見出しは自明だ。腰を落ち着けて見る価値があるのは、どちらのボードでも直下のモデルとの差が誤差範囲を超えていないこと、そしてここでの「オープンウェイト」は、たった今追い抜いたほとんどのモデルにとっての意味とは違うということだ。リーダーボードの順位は、画像モデルが本番環境でどのように失敗するかを記録しているわけではない。記録されたインシデントはOrcaRouter AI Incident Archiveに目録化されており、各項目にはそれぞれの情報源、重大度、信頼度グレード、異議ありフラグが付いている。

2つのボードに書かれている内容、Briaの発表が省略している部分も含めて

編集ボードのほうがより強い結果だ。Fibo 2.0の1,087.05には、4,819回の対戦にわたる95%信頼区間1,073.05～1,101.05が付く。Q​wen-Image-2.1の1,082.74は、同等のサンプルで1,069.74～1,095.74の区間を持つ。これらの区間はその長さの大部分で重なっている。したがって、「オープンウェイトの中で首位」という正直な解釈は、実証された差ではなく順位である。Fibo 2.0は順序においてQ​wen-Image-2.1より先行しているが、その順序はまだ両者を区別できない。それが本当に、曖昧さなく上回っているモデルは、自身の前身である。174 Eloは自身の区間の半幅の約14倍であり、どんなサンプリングノイズでもそれを説明できない。

• Editing Elo — Fibo 2.0 1,087.05（総合20位、オープンウェイト中1位）、Qwen-Image-2.1 1,082.74（総合21位、オープンウェイト中2位）。

• 編集間隔 — 1,073.05～1,101.05 対 1,069.74～1,095.74。両者は重複しているため、両者を同等として扱い、順位をタイブレークとする。

• テキストから画像へのElo — Fibo 2.0 は1,038.79で総合21位、Q​wen-Image-2.1 は1,042.13で総合20位。ここではQ​wenが名目上は上回っているが、これもまた区間が重なっている（1,026.79～1,050.79 対 1,030.13～1,054.13）。

• 第一世代からの変化 — 編集ではFIBO Edit 912.82からFibo 2.0 1,087.05へ、+174。テキストから画像ではFIBO 848.86から1,038.79へ、+190。より安価な第一世代SKUであるFIBO Liteは、テキストから画像で813.06でした。

• 各ボードの首位までの距離 — 編集部門では GPT Image 2.5 Sunburst（max）に 111.66 Elo 差、テキストから画像生成では同モデルに 183.17 差。オープンウェイト部門の首位と総合首位は別の話だ。

• サンプルサイズ — 編集では4,819回の対戦、テキスト・トゥ・イメージでは5,113回。信頼区間が狭くなるには十分だが、Eloの5ポイント差が意味を持つには十分ではない。

Artificial Analysisは両方のボードでリリース日を2026年10月20日と記載し、そのモデルを最新として表示している。Bria自身のモデルカードは、同じ日付時点でオープンウェイトモデルの中で画像編集では1位、テキストから画像生成では2位だと主張している。これはベンダー自身のベンチマークではなく、第三者のリーダーボードに関するベンダーの主張だが、それでもベンダーが自社の結果を位置づけているものであり、ランキングは直接確認しても実際に維持されている。

8Bの中身は実際どうなっているのか

パラメータ数は、今回のリリースで最も興味を引く数字ではない。Fibo 2.0はFLUX.2 VAEの潜在空間で動作するフローマッチングモデルで、Qwen3-VL-4B-Instructモデルをプロンプトエンコーダーとして使用している。生のテキストトークンで拡散トランスフォーマーを条件付けするのではなく、エンコーダーの出力を2層のPerceiverリサンプラーを通して256～512個の「要点」トークンに圧縮し、44ブロックの単一ストリームトランスフォーマーがそれらを参照する。そのうち5つのブロックにはさらにクロスアテンションが入力される。実用上の結果として、長く構造化された記述でも追加コストはほとんどかからない。どれだけ書いても、条件付けは512トークンを上限とする。

• アーキテクチャ — FLUX.2 VAE 潜在空間におけるフローマッチング、44ブロックの単一ストリーム DiT、プロンプト表現へのクロスアテンションを持つ5つのブロック。

• テキストエンコーダー — Qwen3-VL-4B-Instruct。2層のPerceiverリサンプラーを通じて256～512個のgistトークンに圧縮されます。

• サイズ — BF16 safetensors で 8,127,342,213 パラメータ。つまりランタイムのオーバーヘッドを除いても約 16 GB の重みになります。

• トレーニングデータ — Briaの約10億枚の画像コーパスで、同社は完全にライセンス済みだと説明している。その主張は同社によるものであり、下記のライセンスが後付けではない理由でもある。

• モード — 編集、マスク編集、最大4枚の参照画像を使うマルチリファレンス編集、生成、そしてバリエーションを提案する「インスパイア」モード。単一の重みセットが生成と編集の両方をカバーするのはこのファミリーでは新しく、第1世代ではそれらは分かれていた。

統合チェックポイントは、実質的なエンジニアリング上の変更だ。Fibo 1は生成と編集を別々の機能として、それぞれ異なる強みを持つ形で提供しており、FIBO Editに対する174ポイントの編集性能向上は、生成も行うモデルの内部で編集が独自のトレーニング上の重点を得たことによる面もある。2つのモードが互いに干渉するかどうかは、まさにリーダーボードには答えられず、1週間の本番使用なら答えられる類の問いだ。

DevとEdit Turboは、同じ名前を共有する2つの異なる製品です

Hugging Face 上には Fibo 2.0 という名前のチェックポイントが 2 つあり、間違った方を選ぶことが、モデルを期待外れだと結論づけてしまう最もありがちな原因です。

• Fibo 2.0 Dev — 非蒸留のベースモデル。サンプリング50ステップ、Classifier-Free Guidance（CFG）5.0、生成と編集の両方に対応し、Bria がファインチューニング用に指定するチェックポイント。低速だが制御しやすい。

• Fibo 2.0 Edit Turbo — 分類器フリーガイダンスなしで4ステップに蒸留され、編集のみを行います。推論時には画像1枚あたり約1桁安価で、ゼロから生成することはできません。

• ツール — パイプラインは diffusers の BriaFibo2Pipeline で、プルリクエスト 14991 を通じて導入され、以下で説明する構造化キャプション形式向けの付属 bria-vgl パッケージを備えています。ComfyUI のサポートは、10月20日にコミュニティによる再パッケージ化を通じて提供されました。

プロンプトはJSONであることが前提であり、それは実際のワークフロー変更です

Briaは、Fibo 2.0を、同社がVGL — Visual GenAI Language —と呼ぶものに基づいてトレーニングし、文書化している。これは構造化されたJSONキャプション形式で、被写体、構図、照明、カメラ、スタイル、画像内テキストを、ひとつの長い一文ではなく、名前付きフィールドに分離する。モデルはプレーンなプロンプトを受け取る。構造化形式のほうが測定可能なほど予測しやすくなる。なぜなら、Perceiverのボトルネックが、平らな一文では一緒くたになってしまうフィールド境界を保持するからだ。

これは最も長いテールを持つ詳細だ。つまり、Fibo 2.0の自然な利用者は、入力欄に打ち込む人間ではなく、スキーマに準拠したオブジェクトを出力する言語モデルであり、このモデルに対するプロンプトエンジニアリングは、JSONスキーマを書いてそれに照らして検証する作業のようなものだということだ。Fibo 2.0を少数の自由記述プロンプトで評価する人は、モデルが最適化されていないモードを測定しており、過小評価することになる。

ここで「open weights」とは、正確にはどういう意味ですか。

モデルカードには、非商用利用向けに CC BY-NC 4.0 と記載されており、商用利用には Bria との別途契約が必要です。Hugging Face のリポジトリは「auto」レベルでゲートされており、企業名と使用目的の入力フォームがあります。重みをダウンロードし、閲覧し、ファインチューニングし、実行することはできますが、Bria と事前に話し合わずにそれらを使った製品を出荷することはできません。

それは正当なオープンウェイトのリリースであり、オープンソースのリリースではない。そしてその区別はいつも以上に重要だ。なぜなら、Fibo 2.0 がちょうど上回ったモデルたちは、商業利用を完全に認めるライセンスの下にあるからだ。研究目的ではなく製品のために画像モデルを選ぶなら、制約になるのはリーダーボードの順位ではない。ライセンスだ。ライセンスはモデルに間接的に値段を付けることにもなる。商業契約は交渉であり、交渉はどの料金表にも載らないコストだからだ。

Briaがなぜこうしたのかについては、擁護できる解釈がある。学習コーパスは同社が対価を払ってライセンスを受けた素材であり、そのコーパス上で誰もが無償で同社自身のAPIと競合できるような重みを公開することは、そのコーパスが買い取った資産をただで手放すことに等しい。非商用条項は、この公開が事業を食い潰さないようにするための仕組みである。だからといってライセンスが使い勝手のよいものになるわけではないが、一貫性はある。

料金表と、画像1,000枚にかかる費用

• Bria API、Fibo 2.0 — 画像1枚あたり0.032ドル。

• Bria API、Fibo 2.0 Edit — 画像1枚あたり$0.032。ここでは編集は生成より安くならず、これは珍しいため、バッチジョブの予算を組む前に知っておく価値があります。

• Bria API、Fibo Lite — 画像1枚あたり$0.0288。より安価なティアであり、リーダーボードに掲載されているモデルではありません。

• 構造化プロンプト呼び出し — 1回あたり$0.02、画像とは別に課金されます。つまり、VGLパイプラインの画像は$0.052であり、$0.032ではありません（JSONをご自身で生成する場合を除く）。

• Artificial AnalysisのpricePer1kImages — $32.00、これは$0.032という見出し価格と一致しています。

画像1枚あたり$0.032という価格で、APIはプレミアムモデルというよりユーティリティとして位置づけられており、これはライセンスが示唆する戦略と一致している。研究用には重みを無償提供し、権利を必要とするすべての人にエンドポイントを販売するという戦略だ。DevチェックポイントをレンタルGPU上でセルフホストする場合、50サンプリングステップを考慮すると、画像1枚あたり$0.032を下回るのは難しいだろう。しかし、4ステップのEdit Turboは、大量処理を行う人やプライベートネットワーク内でモデルを必要とする人にとっては別の計算になる。

実行できる場所

Fibo 2.0は、Bria自身のAPI、Briaのホスト型作成ツール、ComfyUIノード経由、そしてHugging Face上のゲート付きウェイトとして利用できます。それが提供経路です。OrcaRouterのカタログにはなく、この記事はそうでないふりをするつもりはありません。

ルーティングに関する問いは、なお一言に値します。Fibo 2.0は多くのチームが本格採用前に試すモデルだからです。OrcaRouterは1つのAPIキーで200以上のモデルを横断して実行でき、プロバイダーの定価を0%のマークアップでそのまま反映するため、ベンダーの価格変更は、Briaの値下げを含め、リセラーが表を更新する日ではなく、それが起きた日に請求書へ反映されます。Fiboパイプラインの言語モデル側——VGL JSONを書き、検証し、ある生成を再試行する価値があるか判断する側——にとって、それは、推論を担うモデルがほかのすべてと同じキーで動かせることを意味し、プロバイダーが不安定なときの自動フェイルオーバーと、ステップを1回の呼び出しに組み立てるルーティングDSLを備えます。画像モデルは、それが置かれている場所にとどまります。

そうした点はどれも Fibo 2.0 を選ぶ理由にはならない。むしろ、周辺のパイプラインを個別のコントラクトの寄せ集めとして構築すべきでない理由になる。

何がこの評決を変えるでしょうか

注目すべきことが3つあり、いずれもローンチ週の投稿では決着できない。第一に、独立した再現だ。Eloは群衆投票型のアリーナから算出されており、実運用で重要となる特定の失敗モード——編集領域内でのテキスト描画、4枚の参照画像を通じた同一性保持、マスクがその境界で尊重されるか——は、一対比較の選好が測るものではない。第二に、ライセンスだ。BriaがCC BY-NCから商用利用可能な条件へ移行すれば、他のオープンウェイト領域との比較は一夜で変わる。移行しなければ、「最高のオープンウェイト画像エディター」は研究上の肩書きにとどまる。第三に、互角の争いだ。Fibo 2.0とQ​wen-Image-2.1は編集部門でElo差が4しかなく、信頼区間が重なっている。さらに数千回の対戦を重ねれば、両者を分けるか、同一モデルが二つの名前をまとっているだけだと確認されるだろう。

今のところ、正確に言えばその範囲は狭く、それでもなお注目に値する。公開から2日後、ダウンロードできる最良の画像編集モデルは、10年にわたりライセンス供与された画像データを販売してきた企業による8Bチェックポイントであり、同社の前回の試みより170 Elo以上優れており、しかもそのライセンス条件では、リーダーボードを見ているほぼ誰も、電話一本なしに商用利用することはできない。