Fibo 2.0 Dev, ModelScope에 공개: Bria가 실제로 파인튜닝을 위해 구축한 체크포인트

ModelScope 중국 사이트의 Fibo 2.0 Dev 등록은 2026년 10월 20일 17:03 UTC에 생성되었으며, 이는 Bria가 해당 모델을 공개한 바로 그날이었다. 국제 사이트의 사본은 이틀 뒤인 2026년 10월 22일 09:55 UTC에 나타났다. 두 미러 모두 그 후로 큰 변화가 없었다. 이번 주 확인했을 때 중국 등록은 다운로드 691회, 국제 등록은 59회를 기록했고, 둘 다 라이선스 필드에 쓸모없게도 "other"라고 적혀 있었다. 다운로드 수가 핵심이 아니다. 핵심은 ModelScope 자체의 엔지니어링 스택이 해당 체크포인트들에 대해 말하는 내용이다. DiffSynth-Studio의 Fibo 문서가 이제 이를 분명히 밝히고 있기 때문이다. 학습 가능한 것은 Fibo 2.0 Dev뿐이다.

그건 잠시 속도를 늦출 만한 가치가 있다. 모델을 만든 회사 Bria는 2026년 10월 20일 Fibo 2.0을 81억 3천만 파라미터의 공개 가중치 모델로 출시했다. 이 모델은 하나의 가중치 세트로 텍스트-투-이미지 생성과 지시 기반 편집을 모두 수행하며, 그 이름 아래 두 개의 체크포인트, 즉 전체 기본 모델과 증류된 편집기를 공개했다. 훈련 스크립트를 제공하는 DiffSynth-Studio 프로젝트로 잘 알려진 중국 모델 허브 ModelScope는 이제 둘 모두를 통합하고 개발자들이 기다려온 구분을 그었다: 증류된 체크포인트는 배포 산출물이고, 비증류 체크포인트는 가르칠 수 있는 것이다.

ModelScope에 실제로 무엇이 있고, 무엇이 없는가

두 개의 리스팅이 존재하며, 이는 동일한 가중치의 미러일 뿐 재구축한 것이 아닙니다. 중국 사이트에는 text-to-image-synthesis 작업 아래 briaai/Fibo-2.0-dev가 pytorch, lora, safetensors, diffusers 라이브러리와 함께 등록되어 있습니다 — 그 목록에 lora가 포함되어 있다는 점은 의도에 관한 작은 단서입니다. 국제 사이트에는 동일한 모델 ID가 있으며, 자체적으로 훨씬 적은 다운로드 카운터를 가지고 있습니다. 둘 다 별도의 사본을 호스팅하기보다는 게이트가 적용된 Hugging Face 저장소를 가리키므로, 실제 파일이 필요한 사람은 여전히 Bria의 비상업적 접근 양식을 거쳐야 합니다.

목록만 단독으로 보는 사람에게 혼란을 줄 수 있는 두 가지 세부 사항은 짚고 넘어갈 만하다. 작업 태그에는 text-to-image만 적혀 있어 이 체크포인트의 실제 범위를 축소해서 보여준다. Fibo 2.0 Dev는 동일한 가중치로 생성과 편집을 모두 수행하며, 대부분의 팀이 가장 관심을 두는 쪽은 편집 경로다. 또한 라이선스 필드에는 "CC BY-NC 4.0"이 아니라 "other"라고 적혀 있는데, 이는 다른 허여 조건이 아니라 메타데이터상의 공백이다. 허여 조건은 여전히 Bria의 비상업적 라이선스이며, 이 체크포인트 위에서 무엇이든 파인튜닝할 때 가장 큰 제약은 바로 이 라이선스다.

타이밍은 이 소식을 어떻게 읽어야 하는지에도 중요하다. 가중치는 10월 18–19일에 Hub에 올라왔고, Artificial Analysis는 10월 20일까지 스냅샷을 확보했으며, ComfyUI는 10월 21일에 네이티브 지원을 병합했고, ModelScope의 국제 미러는 10월 22일에 채워졌다. Fibo 2.0 Dev는 아직 움직이고 있는 배포 단계에 있는 9일 된 체크포인트이지, 되살아난 오래된 릴리스가 아니다.

Dev와 Edit Turbo는 단순한 이름 차이가 아니라 실제 포크입니다.

Bria는 하나의 릴리스 이름 아래 두 개의 체크포인트를 공개했으며, 그 차이가 다운스트림의 모든 것을 결정합니다:

• 샘플링 — Fibo 2.0 Dev는 classifier-free guidance 5.0 설정으로 50 스텝을 실행하고, Fibo 2.0 Edit Turbo는 guidance를 1.0으로 고정한 채 4 스텝을 실행합니다. 즉, guidance가 전혀 적용되지 않는 셈입니다.

• 작업 범위 — Dev는 텍스트-투-이미지와 편집을 수행하고, Turbo는 편집만 수행하므로 Turbo에 텍스트-투-이미지 프롬프트를 보내는 것은 더 느린 응답이 아니라 잘못된 도구를 사용하는 것입니다.

• 부정 프롬프트 — Dev에서는 CFG가 켜져 있기 때문에 작동합니다. Turbo에서는 조종할 CFG 자체가 없으므로, 부정 프롬프트가 당길 지렛대도 없는 셈입니다.

• 훈련 가능성 — 여기서 중요한 갈림길입니다. DiffSynth-Studio의 Fibo 페이지는 Fibo-2.0-dev만이 훈련 대상임을 분명히 밝히고 있으며, Turbo는 미세 조정용으로 의도된 것이 아니라고 설명합니다.

• 이미지당 추론 비용 — Turbo는 자신이 수행하는 좁은 작업에 한해 실행 비용이 대략 10배 더 저렴하며, 바로 이 점 때문에 누구도 그 격차를 따라잡으려고 Turbo를 파인튜닝해서는 안 됩니다.

이면을 들여다보면 형태는 같다. FLUX.2 VAE 잠재 공간에서 동작하는 플로 매칭 확산 트랜스포머, 즉 44개의 단일 스트림 블록을 갖춘 81억 2,734만 2,213 파라미터 BF16 DiT이며, 그중 다섯 개 블록이 Qwen3-VL-4B-Instruct 텍스트 인코더로 크로스 어텐션을 수행한다. 이 인코더의 출력은 2계층 Perceiver 리샘플러를 거쳐 256~512개의 "요지(gist)" 토큰으로 압축된다. 이 저장소를 통째로 돌리는 데는 약 25.5GB가 든다. 16.3GB 트랜스포머, 8.9GB 텍스트 인코더, 0.34GB VAE다. 예산으로 잡아야 할 숫자는 이쪽이며, 8B라는 표제 숫자가 아니다.

훈련 레시피: 고정된 인코더, 학습 가능한 DiT

ModelScope의 기여는 또 다른 미러가 아니라 스크립트 세트이며, 그 형태는 사용 가능하게 만드는 면에서 관습적이다. 학습은 추론에 사용된 것과 동일한 FiboPipeline을 재사용하며 examples/fibo/model_training/train.py를 통해 실행된다. VAE와 텍스트 인코더는 동결되고, DiT는 flow matching으로 학습된다. 그 선택은 합리적이다 — 단일 노드에서 16GB 트랜스포머와 함께 Qwen3-VL-4B 인코더를 파인튜닝하는 것은 별개의 프로젝트다 — 그러나 그것은 또한 파인튜닝이 모델에게 진정으로 새로운 프롬프트 언어를 가르치지 않고도 스타일, 구성, 편집 동작을 바꿀 수 있음을 의미한다.

두 가지 레벨이 지원되며, 둘 다 DiT 전용입니다:

• 전체 파인튜닝 — --trainable_models "dit"를 전달하고 Accelerate가 분산 구성을 처리하도록 맡기세요. 트랜스포머 전체가 업데이트되고, 그 외에는 아무것도 업데이트되지 않습니다.

• LoRA — --lora_base_model "dit"로 DiT에 어댑터를 연결하고, 대상 모듈과 rank를 설정하며, 선택적으로 체크포인트에서 재개할 수 있습니다. 제공되는 LoRA 스크립트는 기본적으로 단일 GPU를 사용합니다.

편집은 나중에 덧붙이는 것이 아니라 일급 훈련 대상입니다. 편집 실행에서는 --extra_inputs를 통해 edit_image와 선택적 mask를 주입하며, UnifiedDataset는 메타데이터에서 해당 열을 읽습니다. mask가 없는 행은 제외되지 않고 일반 편집 샘플로 훈련됩니다. 생성과 편집이 가중치를 공유하므로, 한 번의 파인튜닝으로 새로운 도메인과 그 안에서 편집하는 방법을 모두 가르칠 수 있습니다. Bria의 자체 모델 카드는 브랜드 및 스타일 LoRA, 버티컬 전문 모델, 좁은 작업용 편집기에 대해 이러한 장점을 내세우며, 저장소의 fine_tuning/ 폴더에 데이터 준비 가이드와 함께 단일 GPU LoRA 트레이너를 제공합니다.

두 예시 데이터셋은 생성해야 하는 스키마를 보여 줍니다: DiffSynth-Studio/diffsynth_example_dataset에는 image와 prompt에 대한 메타데이터 CSV를 담은 fibo/Fibo-2.0-dev 분할과, image, prompt, edit_image 및 선택적 mask에 대한 메타데이터 JSON을 담은 fibo/Fibo-2.0-dev-Edit 분할이 있습니다. 그 스키마에서 이례적인 것은 없으며, 작업은 캡션을 생성하는 데 있습니다.

VRAM: 모델 카드에서 수치화하지 않는 부분

공개된 최소 요구 사항은 없습니다. DiffSynth 문서는 하한선을 명시하는 대신 저VRAM 구성과 남은 메모리를 기준으로 한 자동 VRAM 관리를 권장하며, 예시 구성은 그들이 무엇을 기대하는지 알려줍니다: FP8 E4M3로 로드하고 준비하며, BF16으로 연산하고, 디스크로 오프로드하고, 총 사용량을 전체 CUDA 메모리에서 0.5GB를 뺀 값으로 제한합니다. 이는 답이 사용자의 그래픽 카드, 해상도, 그리고 그래디언트 체크포인팅 활성화 여부에 달려 있다는 것을 아는 사람들이 작성한 레시피이며, 그 점에 대해 솔직합니다. 오프로드를 염두에 두고 계획하고, 1메가픽셀에서의 파인튜닝은 좋아지기 전까지 느릴 것임을 받아들이세요.

구조화된 JSON이 인터페이스이므로, 데이터셋도 JSON으로 말할 수 있어야 합니다

Fibo의 제어 표면은 프롬프트 상자가 아닙니다. 이 모델은 Visual GenAI Language(VGL) 캡션으로 학습되었는데, 이는 조명, 구도, 스타일, 카메라, 객체가 각각 독립적으로 지정 가능한 필드인 구조화된 JSON입니다. 또한 추론 파이프라인은 생성된 이미지와 함께 해당 캡션을 반환합니다. bria-vgl 헬퍼는 생성을 위한 create()와 편집을 위한 modify()를 제공하므로, 여러분이 JSON을 직접 작성할 필요는 없습니다. 직접 작성하지 않는 한 호스팅된 VLM이 확장을 수행합니다.

런칭 보도에서 대부분 건너뛴, 파인튜닝에 직접적인 영향이 있습니다. 자유 텍스트 프롬프트로 학습하면 DiT를 원래 설계된 캡션 형식이 아닌 캡션에 대해 학습시키는 것이며, 얻고자 했던 제어는 가장 먼저 사라집니다. VGL 캡션을 메타데이터에 저장하면 — 파이프라인에서 생성한 뒤 편집하든, 의도적으로 작성하든 — 주소 지정 가능한 필드의 동작이 그대로 유지되며, 이는 스타일을 바꾸는 LoRA와 프레임의 나머지를 망가뜨리지 않고 스타일을 바꾸는 LoRA를 가르는 차이입니다. 학습 세트가 캡션이 없는 이미지라면 캡셔닝 단계가 비용이 큰 단계이고, 이는 언어 모델 작업입니다.

툴링이 대부분의 새 체크포인트가 등장하는 속도보다 더 빠르게 등장했다

출시된 지 9일 된 모델치고는 주변 스택이 유난히 완성도 높은데, 이는 ModelScope 통합이 겉보기보다 대단한 일이 아니고 단순한 미러보다 더 유용한 이유 중 일부다.

• diffusers — BriaFibo2Pipeline이 PR #14991로 병합되었으며, 이는 대부분의 추론 코드가 거쳐 갈 경로입니다.

• ComfyUI — 10월 21일 PR #17240으로 네이티브 지원이 병합되어 v0.43.0에 출시되었습니다. 공식 Qwen3-VL-4B를 로드하는 fibo2 텍스트 인코더 유형과 VGL 프롬프트 및 참조 이미지를 처리하는 TextEncodeFibo2 노드가 추가되었습니다. BF16 및 INT8 리팩은 해당 로더 레이아웃을 따르며, 양자화된 로컬 실행을 위한 GGUF 아키텍처 지원도 있습니다.

• ModelScope / DiffSynth-Studio — 추론 및训练 스크립트를 한곳에 모아 둔 것으로, DiffSynth를 표준으로 삼으려는 팀이 파인튜닝을 계획하기 전에 실제로 필요한 부분입니다.

아무도 언급하지 않는 장벽: CC BY-NC 4.0

Fibo 2.0은 오픈 소스가 아니라 오픈 웨이트이며, 이 두 표현 사이의 간극이 곧 상업적 문제의 전부입니다. 체크포인트는 CC BY-NC 4.0입니다. 즉 비상업적 사용만 허용되며, 상업적 배포에는 Bria와 별도의 계약이 필요하고, Hugging Face 리포지토리는 회사 정보와 사용 목적 양식을 작성해야 접근할 수 있도록 제한되어 있습니다. Fibo 2.0 Dev로 학습시킨 브랜드 LoRA는 그 계약이 존재하기 전까지는 연구용 산출물에 불과합니다. '개발자들이 바로 이 위에 구축하고 싶어 하는 것'을 두기에는 이상한 자리이지만, 그것이 정확한 자리입니다. 상업적 사용을 처음부터 허용하는 오픈 웨이트 대안들과 비교해 보면, 제품을 출시하는 사람에게 결정적인 기준은 Elo가 아니라 라이선스가 됩니다.

품질 구도 역시 헤드라인보다 좁다. Artificial Analysis의 AA-Image-Editing v2.1에서 Fibo 2.0은 5,009개의 블라인드 투표를 기준으로 ±14 구간에서 1,088 Elo를 기록해 전체 23위, 오픈 웨이트 편집기 중 1위다. 다만 출시 당시 스냅샷 이후 한두 계단 하락했다. Qwen-Image-2.1은 1,081 ±13에 위치하며 구간이 거의 전부 겹치므로, 오픈 웨이트 1위는 증명이라기보다 동점 처리에 가깝다. AA-Image-T2I v2.1에서는 순서가 뒤집힌다. Fibo 2.0은 1,039 ±12, Qwen-Image-2.1은 1,042 ±12다. Bria 자체 모델 카드는 좁은 범주에서 더욱 후하지 않다. 텍스트 렌더링과 레이아웃은 10대 후반에서 20대 초반, 인체 해부학은 18위로 기재한다. 파인튜닝으로 이런 약점을 추격할 수는 있지만, 인코더가 이해하는 범위를 넘어설 수는 없다.

라우팅이 적합한 경우와 그렇지 않은 경우

솔직하게 구분하자면: Fibo 2.0 자체는 OrcaRouter의 카탈로그에 없으므로, 여기서 "우리를 통해 Fibo를 호출하세요"라는 홍보는 아닙니다. 라우팅이 제공하는 것은 파이프라인의 나머지 절반입니다. 이 체크포인트를 둘러싼 두 가지 언어 모델 작업 — 학습 세트용 VGL 캡션 작성과 추론 시 짧은 프롬프트를 구조화된 JSON으로 확장하는 작업 — 은 일반적인 텍스트 워크로드이며, 파인튜닝이 가능한지 여부를 결정하는 작업입니다. OrcaRouter는 200개 이상의 모델을 위한 하나의 API를 0% 마크업으로 제공하므로 공급자 정가가 그대로 전달되고 벤더 수수료가 같은 날 청구서에 반영됩니다. 공급자 간 자동 장애 조치 덕분에 수천 장의 이미지에 대한 캡션 실행이 한 업스트림에서 중단되지 않으며, 라우팅 DSL은 대량 캡션에는 저렴한 모델을 고정하고 어려운 사례는 더 강력한 모델로 보낼 수 있고, 단일 캡션 작성자가 계속 특정 필드를 누락할 때 모델 융합을 사용할 수 있습니다. 이미지 모델은 그대로 두고, 그 주변의 텍스트는 라우팅 가능합니다.

다음에 무엇을 지켜볼지는 Bria 자체의 로드맵이며, 모델 카드에는 멀티턴 로컬 편집, 배경 제거, 제품 촬영용 LoRA, 마스크 지우기와 아웃페인팅이 나열되어 있습니다. 이 모든 기능은 학습 루프를 갖춘 Dev 체크포인트에 가장 먼저 적용될 것입니다. ModelScope 미러는 이 이야기의 지루한 절반입니다. DiffSynth의 “Fibo-2.0-dev만 학습 가능하다”는 문장이 유용한 절반이며, API를 호출하는 대신 25.5GB 저장소를 다운로드해야 하는 이유입니다.