
FIBO 2.0 対 GPT Image 2.5:Elo で 192 の差、価格は 6 倍
- OrcaNEWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 100万トークンあたり · 187 tok/s
- tencentNEWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 100万トークンあたり · 514 tok/s
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100万トークンあたり · 87 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100万トークンあたり · 97 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100万トークンあたり · 89 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100万トークンあたり · 133 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 100万トークンあたり · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 100万トークンあたり · 116 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100万トークンあたり · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100万トークンあたり · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100万トークンあたり · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100万トークンあたり · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447知能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100万トークンあたり · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929知能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100万トークンあたり · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733知能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 100万トークンあたり · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740知能
Fibo 2.0 と GPT Image 2.5 は、192 Elo とモデル化コストで 6.6 倍という差で隔てられており、そのどちらの数字も見た目よりあいまいだ。Elo の差は実在する——Artificial Analysis のテキスト・ツー・イメージ・ボードで 1,229.27 対 1,036.98 であり、その信頼区間は互いに近づきもしない——が、両者を選ぶうえでは最も役に立たない方法でもある。なぜなら、この 2 つのモデルは同じ仕事をしようとしているわけではないからだ。Fibo 2.0 は、Bria が 2026 年 10 月 20 日にリリースした 8B のフローマッチング・チェックポイントで、ダウンロードでき、描画前に指示を構造化された JSON キャプションへ展開する。GPT Image 2.5 は 1 つのモデルではない。GPT-Image-2.5 Sunburst と GPT-Image-2.5 Flare という、別々にスナップショットされた 2 つのモデルで、トークン単位で課金され、そのうち 1 つは公開ボード上で最強の画像生成モデルだ。
正直に言えば、問いは「どちらが優れているか」ではなく、「この4つのうち、あなたに必要なのはどれか」です。ダウンロード可能なモデル、最高の出力、画像ごとの予算、それともずれのない編集か。このページでは、その順に取り上げます。
2つのモデル、1つの名前、そしてそれがここで重要な理由
There is no gpt-image-2.5. Paste that string into the API and you get an error, because the identifier does not exist. What exists is Sunburst, whose ID is gpt-image-2.5-sunburst, described by OpenAI as its most capable image generation and editing model, and Flare, gpt-image-2.5-flare, positioned for fast everyday generation. Both carry the 2026-09-08 snapshot date, and there is no umbrella model that dispatches to either.
それは比較において重要だ。なぜなら2つのバリアントは互いに近くないからだ。テキストから画像生成のボードでは、Sunburstは1,229.27、Flareは1,209.81に位置する——同じバージョン番号を持つ2モデル間で19ポイントの差だ。編集では差は同じ方向に17ポイント広がり、1,201.50対1,184.65となる。「GPT Image 2.5がXを上回る」という形式の主張はすべてSunburstについての主張であり、そう明言することには19ポイントの精度の価値がある。
その分割はスコアを読むうえで重要だ。Fibo 2.0は2つの部分からなる。描画も編集も行う完全なDevベースと、4ステップ、ガイダンス1.0まで蒸留され、ファインチューニング用のベースではないと明言された編集専用のTurboだ。Artificial Analysisは各ボードにDevチェックポイントでのFibo 2.0の行を1つだけ掲載し、Turboを別途報告することはない。したがって1,037と1,086はDev、つまりより遅い汎用チェックポイントを指しており、実際にユーザーの前に出す高速エディターではない。
• テキストから画像生成 — GPT-Image-2.5 Sunburst 1,229.27、116件中2位。Fibo 2.0 1,036.98、32位。差 192.29。
画像編集 — Sunburst 1,201.50、86件中4位。Fibo 2.0 1,085.98、31位。差 115.52。
• 試算価格 — 1,000枚あたり210.72ドルに対して32.00ドル。これは6.6倍であり、どちらか一方のベンダーの料金表ではなく、Artificial Analysis自身による比較可能な数値です。
• 重み — Fibo 2.0 は本日ダウンロード可能、8B パラメータ、CC BY-NC 4.0。{{1}}GPT Image 2.5{{/1}} はダウンロード不可。GPT-Image 系にオープンなチェックポイントは存在しない。

埋まらない溝
品質差については率直に言う価値がある。それを曖昧にする比較ページは役に立たないからだ。テキストから画像の生成では、192 Elo は好みの差ではない。それが代理しているものに換算すると、直接比較のほぼ10回に9回でSunburstが好まれるという意味になる。編集では差が半分の116になり、それでも両方の区間の外に留まる。1,201.50(範囲1,190.50~1,212.50)に対し、1,085.98(1,072.98~1,098.98)だ。Sunburstの下限でさえ、Fiboの上限より91ポイント高い。
この記事の残りの部分は、それを覆すものではない。記事の残りで論じているのは、116や192のEloが決定的な変数ではない4つの用途があり、購入者はその4つすべてにおいて、より高いスコアのモデルを日常的に選んでいるということだ。
トークン単位の課金が画像単位の予算に与える影響
ここで価格差が興味深いものになります。というのも、2社は同じやり方で使用量を計測しておらず、取締役会の試算値がその事実を覆い隠しているからです。
OpenAI bills image models per token — image output tokens, which is why the same model has a published input price and output price rather than a per-image rate. Through the OrcaRouter catalogue the two variants are listed at $8 per million input tokens and $30 per million output tokens, identical between Sunburst and Flare, which is the provider list price passed through with no markup on top. What that means per image depends entirely on the resolution and quality setting you ask for, and it can move by a factor of several across the settings range. The board's $210.72 per thousand is a modelling choice that assumes a representative setting, not a rate you will find printed anywhere.
Briaは画像単位で課金されます。自社プラットフォームでは$0.032で、1,000枚なら$32になります。これはボードに記載されている数字と同じで、異例であり注目に値します。Fibo 2.0ではモデル化された価格と単価が一致しています。VGLヘルパーを使って平易な指示を構造化キャプションに展開する場合、1回あたり約$0.02の追加料金がかかるため、完全な構造化プロンプト生成はより$0.052に近くなります。JSONを自分で書けば、この料金はスキップできます。
• 予測可能性 — Fiboの1枚あたりのコストは一定です。GPT Image 2.5の場合は設定によって変動し、解像度を厳しく管理できていれば良い知らせですが、プロダクトマネージャーから4Kでもう一度やり直してほしいと何度も頼まれるようなら悪い知らせになります。
• 上限 — ボードのモデルレートでは、Sunburst画像1,000枚が210.72ドル、Briaのプラットフォーム上のFibo画像1,000枚が32.00ドル、すべてに構造化プロンプト呼び出しを付ける場合は52.00ドルです。
• 下限 — 非商用ライセンスの下、自分のGPUでFiboを動かす場合、かかるのは電気代だけです。コミュニティのワークフロー作者が、RTX 6000 Pro上で参照画像1枚・8ステップ・2K・4メガピクセルの条件で計測したところ、1枚あたり19秒でした。GPT Image 2.5には、いくら費用をかけても、これに相当する下限は存在しません。

ドリフトと、構造化プロンプトの議論
Fibo 2.0が価格ではなく品質について主張している唯一の点は、そのアーキテクチャが中心に据えているものであり、切り捨てるのではなく試してみる価値がある。
Fibo 2.0はあなたの文をそのまま入力として読み込むわけではありません。Qwen3-VL-4B-Instructエンコーダーがプロンプトを読み取り、Perceiverリサンプラーがそれを256~512個のギストトークンに圧縮し、44個のDiTブロックのうち5個はクロスアテンションを介してVLM自身の層の出力も受け取ります。実際には、モデルは「クルミ材の机の上に置かれた赤いマグカップ、左からの朝の光」を、被写体・素材・照明・位置のフィールドを持つ構造化されたVGL/JSONキャプションに展開し、そのドキュメントから生成して、JSONをあなたに返します。1つのフィールドを変更して再実行しても、触れていないフィールドは元の値のままです。
「それは「詳細を保持する」とは別の保証だ。つまり、編集は言語モデルが文をどれだけうまく読み直せるかではなく、データ構造によって制約される。多段階のプロダクト作業——同じオブジェクト、6つの照明条件——では、それが最も時間を要する失敗モードであり、この設計が狙うのはまさにそこだ。Briaはさらに、<image_1>から<image_4>として順番に指定される最大4枚の参照画像と、白い領域が再生成され、それ以外はすべて保持されるマスクモードを組み合わせている。
タスクレベルでSunburstの編集を上回るかどうかは、Eloボードでは判断できないし、私もそう主張するつもりはない。ボードが示しているのは、一般的なプロンプト分布ではSunburstの方が編集が優れているということだ。アーキテクチャから言えるのは、固定属性のループではFiboの方がドリフトが少ないはずだということ。これらは別の主張であり、公に測定されているのは片方だけだ。
それぞれが明白な答えとなる場合
「見た目を良くして、コストなんて誰も聞かないように」という依頼なら、Sunburstが明白な答えだ。マーケティングのヒーロー画像、キャンペーン用のバリエーション、人間が12点の中から最良の1点を選ぶようなあらゆる場面。116モデルが並ぶリーダーボードで2位、しかもダウンロード可能な最良の代替モデルに95ポイント差をつけている——これはわずかな優位性ではない。このモデルが存在する理由そのものだ。
Flare is the obvious answer when you want most of that quality at lower latency and your volume is high — same price per token, nineteen Elo behind, positioned by OpenAI for everyday generation rather than showcase work.
Fibo 2.0が明白な答えとなるのは、より限定的な3つのケースです。モデルの重みが必要な場合:オンプレミス展開、ファインチューニング、研究用ベースライン、エアギャップ環境向けです。対外的に示せるライセンスが必要な場合:Briaの売りは、ライセンス済みの学習データ、C2PAによる来歴、企業向け補償であり、EU AI Actへの完全準拠を謳っています。これは品質ではなく調達上の答えです。あるいは、固定された主題に対する制約付き反復が必要で、構造化プロンプト設計がまさにあなたの問題の形に合っている場合です。
4番目のケースは、多くの人が間違えるものです。コストです。Fiboは表面上は6.6倍安価ですが、192 Eloの品質差を回避するためにエンジニアリング時間を2週間費やすチームは、その差額以上を費やしています。間違ったモデルでの安価な推論は、安価ではありません。
ルーティングの回答、私たちの担当分について
OrcaRouterはGPT-Image-2.5 SunburstとFlareを取り扱っています——どちらもカタログに画像生成エンドポイントとして掲載されており、料金はプロバイダー自身の設定で100万トークンあたり入力$8、出力$30です、マークアップは追加されていません。Fibo 2.0は取り扱っていません。Briaの重みとそのプラットフォームがそのモデルへの経路であり、どのルーターもそれらに付随するライセンスを変更することはありません。そうでないと言うのは、もっともらしく読めても、誰かに法務レビューの費用を負わせる類の主張です。
What one endpoint is actually worth here is the surrounding work. A Fibo pipeline has a vision-language model in it by design — the structured caption is produced by one — and that call can go through the same key as everything else, including the OpenAI models you are probably already using for the text side. Where the routing layer earns its keep is the boring failure: automatic failover means a batch of two thousand images does not stall because the captioning provider had a bad twenty minutes, and routing rules let you send cheap work to cheap models and the one hero image a day to Sunburst without maintaining two integrations and two invoices.
0%のマークアップは、ベンダーが価格を改定する市場では、聞こえる以上に重要です。プロバイダーの値下げは、次の契約更新時ではなくその日のうちにここへ反映され、今月実行した比較は来月も同じ比較のままです。
この評決を変えるには何が必要でしょうか
2つのことがあるが、あり得るのは1つだけだ。
1つ目は、特定のドメインにおける編集のギャップを埋めるFibo 2.0のファインチューンです。ファインチューンとは、8Bのオープンモデルが汎用Eloで競うのをやめ、あなたのデータで競い始める場所であり、リポジトリ内のLoRAトレーナーがあれば、それはプロジェクトではなく週末の作業になります。特化型のFiboがあなたのタスクでSunburstを上回るなら、汎用のボードは無関係であり、6.6倍安いという優位は、そのまま6.6倍安いという意味を持つのです。
The second is a change to GPT Image 2.5's cost structure. OpenAI has repriced image tokens before and may again; a cut to the output rate would compress the only axis where Fibo is comfortably ahead, and would make the "cheap enough to be worth the quality gap" argument much harder to run.

それが一つでも起きるまでは、この棲み分けは明快で華がない。正確さが求められる画像にはSunburstを買おう。自分のものでなければならない画像にはFiboをダウンロードしよう——自分で動かし、自分で微調整し、調達会議で自分で擁護するためのものだ。好みのために6倍の価格を払うのは大きな負担であり、ライセンスのために192 Eloを諦めるのも大きな犠牲だ。どちらの主張も正しく、だからこそ2つのモデルは、どちらも誤った選択になることなく共存できる。
