Fibo 2.0, 8B 파라미터로 오픈 웨이트 이미지 편집 선두에 오르다 — 순위가 아니라 구간을 읽어라

Bria는 2026년 10월 20일에 Fibo 2.0을 출시했고, 하루 만에 Artificial Analysis의 두 이미지 보드 모두에서 다른 모든 오픈 웨이트 항목을 밀어냈다. AA-Image-Editing v2.1에서 전체 20위, Elo 1,087.05를 기록해 가중치를 다운로드할 수 있는 모델 중 최고 순위에 올랐다. 그다음은 1,082.74로 21위인 Q​wen-Image-2.1이다. AA-Image-T2I v2.1에서는 1,038.79로 21위에 올라, 1,042.13인 Q​wen-Image-2.1보다 한 순위 뒤처진다. 두 기록 모두 Bria의 1세대 Fibo 라인에서 엄청난 도약이다. FIBO Edit는 편집 부문에서 912.82, FIBO는 텍스트-투-이미지 부문에서 848.86이었다. 헤드라인은 저절로 나온다. 잠시 멈춰 볼 부분은, 두 보드 모두에서 바로 아래 모델과의 격차가 오차 범위보다 크지 않다는 점, 그리고 여기서의 "오픈 웨이트"는 방금 앞지른 대부분의 모델에서 의미하는 것과 다르다는 점이다.리더보드 순위는 이미지 모델이 실제 운영 환경에서 어떻게 실패하는지를 기록하지 않으며, 기록된 사건들은 OrcaRouter AI Incident Archive에 수록되어 있으며, 각 항목에는 자체 출처, 심각도, 신뢰도 등급, 분쟁 여부 플래그가 함께 기재되어 있다.

두 게시판이 말하는 내용, 브리아의 발표가 마무리해 주는 부분까지 포함해서

편집 리더보드가 더 강한 결과다. Fibo 2.0의 1,087.05는 4,819회의 배틀에 걸쳐 95% 신뢰구간 1,073.05~1,101.05를 동반한다. Qwen-Image-2.1의 1,082.74는 비교 가능한 표본에서 1,069.74~1,095.74의 구간을 갖는다. 두 구간은 길이의 대부분에서 겹친다. 따라서 “오픈 웨이트 중 1위”를 정직하게 해석하면 이는 순위일 뿐 입증된 격차가 아니다: Fibo 2.0은 순서상 Qwen-Image-2.1보다 앞서 있고, 그 순서만으로는 아직 둘을 구분할 수 없다. 진정으로, 명백히 앞서는 모델은 자기 전임자다 — 174 Elo는 자기 구간 반폭의 대략 14배이며, 어떤 표본 잡음으로도 설명되지 않는다.

• 편집 Elo — Fibo 2.0 1,087.05, 전체 20위, 오픈 웨이트 중 1위; Q​wen-Image-2.1 1,082.74, 전체 21위, 오픈 웨이트 중 2위.

• 편집 구간 — 1,073.05–1,101.05 대 1,069.74–1,095.74. 두 구간이 겹치므로 두 값을 동일 수준으로 보고 순위를 타이브레이커로 사용하세요.

• 텍스트-이미지 Elo — Fibo 2.0 1,038.79, 전체 21위; Qwen-Image-2.1 1,042.13, 전체 20위. 여기서 Qwen은 명목상 앞서지만, 역시 겹치는 구간(1,026.79–1,050.79 대 1,030.13–1,054.13) 안에 있습니다.

• 1세대 대비 변화 — 편집에서 FIBO Edit 912.82에서 Fibo 2.0 1,087.05로, +174. 텍스트 투 이미지에서 FIBO 848.86에서 1,038.79로, +190. 더 저렴한 1세대 SKU인 FIBO Lite는 텍스트 투 이미지에서 813.06이었습니다.

• 각 리더보드 최상위까지의 거리 — 편집에서는 GPT Image 2.5 Sunburst (max)에 111.66 Elo 뒤처져 있고, 텍스트-투-이미지에서는 같은 모델에 183.17 Elo 뒤처져 있습니다. 오픈 웨이트 선두와 전체 선두는 서로 다른 이야기입니다.

• 표본 크기 — 편집 관련 배틀 4,819건, 텍스트-투-이미지 관련 5,113건. 신뢰구간이 좁게 나올 만큼은 충분하지만, 5포인트 Elo 차이가 의미를 가지기에는 부족하다.

Artificial Analysis는 두 리더보드 모두에서 출시일을 2026년 10월 20일로 표시하고 해당 모델을 최신 모델로 표시한다. Bria 자체 모델 카드는 같은 날짜 기준 오픈 웨이트 모델 중 이미지 편집 부문 1위, 텍스트-투-이미지 부문 2위를 주장한다. 이는 벤더 벤치마크가 아니라 제3자 리더보드에 대한 벤더의 주장이지만, 여전히 벤더가 자사 결과를 규정한 것이며, 직접 확인해 보면 그 순위는 실제로 유지된다.

8B 안에는 실제로 무엇이 들어 있나요?

매개변수 수는 이번 릴리스에서 가장 흥미로운 숫자가 아닙니다. Fibo 2.0은 FLUX.2 VAE 잠재 공간에서 작동하는 플로우 매칭 모델이며, Qwen3-VL-4B-Instruct 모델을 프롬프트 인코더로 사용합니다. 디퓨전 트랜스포머를 원시 텍스트 토큰에 조건화하는 대신, 인코더 출력을 2계층 Perceiver 리샘플러를 통해 256~512개의 "요지(gist)" 토큰으로 압축하고, 44개 블록의 단일 스트림 트랜스포머가 그 토큰들에 어텐션합니다. 이 중 다섯 개 블록은 추가로 교차 어텐션을 통해 입력을 받습니다. 실질적인 결과는 길고 구조화된 설명에 거의 추가 비용이 들지 않는다는 점입니다. 작성 분량과 무관하게 조건 입력은 512개 토큰으로 제한됩니다.

• 아키텍처 — FLUX.2 VAE 잠재 공간에서의 플로 매칭, 44개 블록 단일 스트림 DiT, 프롬프트 표현에 대한 교차 어텐션을 갖는 5개 블록.

• 텍스트 인코더 — Qwen3-VL-4B-Instruct, 2계층 Perceiver 리샘플러를 통해 256–512개의 gist 토큰으로 압축됨.

• 크기 — BF16 safetensors 기준 8,127,342,213개의 파라미터로, 런타임 오버헤드를 제외하고도 가중치만 약 16 GB입니다.

• 학습 데이터 — Bria의 약 10억 장 규모 이미지 코퍼스로, 회사는 이 코퍼스가 완전히 라이선스가 확보된 것이라고 설명합니다. 그 주장은 회사 측의 주장이며, 아래의 라이선스가 사후에 덧붙인 고려 사항이 아닌 이유도 바로 여기에 있습니다.

• 모드 — 편집, 마스크 편집, 최대 4개의 참조 이미지를 사용하는 다중 참조 편집, 생성, 그리고 변형을 제안하는 "인스파이어" 모드가 있습니다. 하나의 가중치 세트가 생성과 편집을 모두 담당하는데, 이는 이 계열에서 새로운 방식이며, 첫 세대에서는 이 둘이 분리되어 있었습니다.

통합 체크포인트는 실질적인 엔지니어링 변화입니다. Fibo 1은 생성과 편집을 각기 다른 강점을 지닌 별개의 기능으로 출시했으며, FIBO Edit 대비 174포인트의 편집 성능 향상은 생성도 함께 수행하는 모델 내부에서 편집에 별도의 학습 비중을 부여한 결과라는 측면도 있습니다. 두 모드가 서로 간섭하는지는 리더보드로는 답할 수 없고, 일주일간의 프로덕션 사용을 통해야 답할 수 있는 바로 그런 질문입니다.

Dev와 Edit Turbo는 이름만 공유하는 서로 다른 두 제품입니다.

Hugging Face에는 Fibo 2.0이라는 이름으로 된 체크포인트가 두 개 있는데, 잘못된 것을 고르면 모델이 실망스럽다고 결론내리기 십상입니다.

• Fibo 2.0 Dev — 증류되지 않은 기본 모델입니다. classifier-free guidance를 5.0으로 설정한 50회 샘플링 단계를 사용하며, 생성과 편집을 모두 지원하고, Bria가 미세 조정용으로 지정하는 체크포인트입니다. 느리지만 제어 가능성이 높습니다.

• Fibo 2.0 Edit Turbo — classifier-free guidance 없이 4단계로 증류되었으며 편집만 수행합니다. 추론 시 이미지당 비용이 약 10분의 1로 줄어들고, 처음부터 생성하는 기능은 없습니다.

• 툴링 — 해당 파이프라인은 diffusers의 BriaFibo2Pipeline이며, pull request 14991을 통해 제공되고, 아래에 설명된 구조화 캡션 형식을 위한 동반 bria-vgl 패키지가 함께합니다. ComfyUI 지원은 10월 20일 커뮤니티 재패키징을 통해 제공되었습니다.

프롬프트는 JSON을 의도한 것이며, 이는 실질적인 워크플로 변화입니다.

Bria는 Fibo 2.0을 자체적으로 VGL — Visual GenAI Language —이라고 부르는 기준에 맞춰 학습시키고 문서화합니다. 이는 피사체, 구도, 조명, 카메라, 스타일, 이미지 내 텍스트를 하나의 길게 이어지는 문장 대신 이름이 붙은 필드로 분리하는 구조화된 JSON 캡션 형식입니다. 모델은 일반 프롬프트도 받아들입니다. 구조화된 형식에서는 측정 가능할 정도로 더 예측 가능한데, Perceiver 병목이 평면적인 문장에서는 서로 뭉개지는 필드 경계를 보존하기 때문입니다.

이것은 가장 긴 꼬리를 가진 세부 사항이다. 이는 Fibo 2.0의 자연스러운 소비자가 상자에 입력하는 사람이 아니라 스키마를 준수하는 객체를 내보내는 언어 모델이라는 뜻이며, 이 모델을 위한 프롬프트 엔지니어링은 JSON 스키마를 작성하고 그에 맞춰 검증하는 일처럼 보인다는 뜻이다. Fibo 2.0을 몇 개의 자유 텍스트 프롬프트로 평가하는 사람은 이 모델이 최적화되지 않은 모드를 측정하는 것이며, 그 모델을 과소평가하게 될 것이다.

여기서 "open weights"가 정확히 무엇을 의미하나요?

모델 카드에는 비상업적 사용에 대해 {{1}}CC BY-NC 4.0{{/1}}을 명시하고 있으며, 상업적으로 사용하려면 {{2}}Bria{{/2}}와 별도의 계약이 필요합니다. {{3}}Hugging Face{{/3}} 저장소는 회사 및 사용 목적을 기재하는 양식과 함께 "auto" 수준으로 제한되어 있습니다. 가중치를 다운로드하고, 읽고, 미세 조정하고, 실행할 수는 있지만, 먼저 {{4}}Bria{{/4}}와 상의하지 않고서는 이를 기반으로 제품을 출시할 수 없습니다.

그것은 정당한 오픈 웨이트 릴리스이며 오픈 소스 릴리스는 아닙니다. 그리고 그 구분은 평소보다 더 중요합니다. 왜냐하면 Fibo 2.0이 방금 앞선 모델들은 상업적 사용을 무조건 허용하는 라이선스 하에 있기 때문입니다. 연구용이 아니라 제품을 위해 이미지 모델을 고르는 경우라면, 리더보드 순서는 제약이 아닙니다. 라이선스가 제약입니다. 그것은 또한 모델에 간접적으로 가격을 매깁니다: 상업적 계약은 협상이고, 협상은 어떤 요율표에도 나타나지 않는 비용입니다.

브리아가 왜 이렇게 했는지에 대해서는 충분히 방어 가능한 해석이 있다. 학습 코퍼스는 회사가 비용을 지불한 라이선스 자료다. 누구나 무료로 그 코퍼스를 기반으로 회사 자체 API와 경쟁할 수 있게 하는 가중치를 공개하는 것은, 그 코퍼스가 사들인 자산을 그냥 내주는 일이 될 것이다. 비상업적 조항은 이번 공개가 사업을 잠식하지 않도록 하는 장치다. 그렇다고 라이선스가 편리해지는 것은 아니지만, 일관성은 생긴다.

요금표, 그리고 이미지 1,000장의 비용

• Bria API, Fibo 2.0 — 이미지당 $0.032.

• Bria API, Fibo 2.0 Edit — 이미지당 $0.032. 여기서는 편집이 생성보다 저렴하지 않은데, 이는 흔치 않은 일이므로 배치 작업 예산을 책정하기 전에 알아둘 만합니다.

• Bria API, Fibo Lite — 이미지당 $0.0288. 더 저렴한 등급이며, 리더보드에 있는 모델은 아닙니다.

• 구조화된 프롬프트 호출 — 호출당 $0.02, 이미지와 별도로 청구됩니다. 따라서 JSON을 직접 생성하지 않는 한 VGL 파이프라인 이미지는 $0.032가 아니라 $0.052입니다.

• Artificial Analysis pricePer1kImages — $32.00, $0.032 헤드라인 수치와 일치합니다.

이미지당 $0.032라는 가격은 API가 프리미엄 모델이 아니라 유틸리티처럼 책정되었음을 뜻하며, 이는 해당 라이선스가 암시하는 전략과 일치합니다. 연구용으로 가중치를 무료로 제공하고, 권리가 필요한 모든 이에게 엔드포인트를 판매하는 것입니다. 임대 GPU에서 Dev 체크포인트를 셀프 호스팅하는 것은 50회 샘플링 단계를 고려하면 이미지당 $0.032를 능가하기 어렵지만, 4단계의 Edit Turbo는 대량으로 운영하거나 프라이빗 네트워크 내부에서 모델이 필요한 사람에게는 다른 계산입니다.

실행할 수 있는 위치

Fibo 2.0은 Bria 자체 API, Bria의 호스팅 생성 도구, ComfyUI 노드를 통해, 그리고 Hugging Face에서 게이트된 가중치로 이용할 수 있습니다. 이것이 경로들입니다. OrcaRouter 카탈로그에는 없으며, 이 글은 그렇지 않은 척하지 않겠습니다.

라우팅 문제는 여전히 한 문장으로 언급할 가치가 있습니다. Fibo 2.0은 대부분의 팀이 본격적으로 도입하기 전에 먼저 시험해 보게 될 모델이기 때문입니다. OrcaRouter는 하나의 API 키로 200개 이상의 모델을 운용하며 공급자 정가를 0% 마크업으로 그대로 적용하므로, Bria의 인하를 포함한 벤더 가격 변동이 리셀러가 표를 갱신하는 날이 아니라 발생한 당일 청구서에 반영됩니다. Fibo 파이프라인의 언어 모델 절반, 즉 VGL JSON을 작성하고 검증하며 생성 결과를 재시도할 가치가 있는지 판단하는 절반의 경우, 추론을 수행하는 모델이 다른 모든 것과 동일한 키 뒤에 위치할 수 있으며, 공급자가 흔들릴 때 자동으로 장애 조치되고 라우팅 DSL로 여러 단계를 하나의 호출로 구성할 수 있습니다. 이미지 모델은 원래 있는 곳에 그대로 둡니다.

그 어느 것도 Fibo 2.0을 선택할 이유가 되지 못합니다. 그것은 주변 파이프라인을 여러 개의 분리된 계약으로 구축하지 말아야 할 이유입니다.

이 평결을 바꿀 수 있는 것은 무엇인가요

주목할 만한 세 가지가 있으며, 출시 주간의 게시물만으로는 그중 어느 것도 결론 낼 수 없습니다. 첫째, 독립적 재현입니다. Elo는 군중 투표로 운영되는 아레나에서 나오며, 실제 운영에서 중요한 특정 실패 유형 — 편집된 영역 내부의 텍스트 렌더링, 네 개의 참조 전반에 걸친 정체성 보존, 마스크가 가장자리에서 제대로 존중되는지 — 은 쌍대 선호도가 측정하는 대상이 아닙니다. 둘째, 라이선스입니다. Bria가 CC BY-NC에서 상업적으로 사용 가능한 라이선스로 전환하면 오픈 웨이트 분야의 나머지와의 비교가 하루아침에 바뀌고, 그렇지 않다면 "최고의 오픈 웨이트 이미지 편집기"라는 타이틀은 연구용에 머무릅니다. 셋째, 동점입니다. Fibo 2.0과 Qwen-Image-2.1은 편집 부문에서 Elo 4점 차이이며 구간이 겹칩니다. 또 수천 번의 배틀이 이들을 갈라놓거나, 두 이름을 쓰는 같은 모델임을 확인해 줄 것입니다.

현재로서 정확한 진술은 범위가 좁지만 여전히 놀랍다. 공개 이틀 만에, 다운로드할 수 있는 최고의 이미지 편집 모델은 10년 동안 라이선스 이미지 데이터를 판매해 온 회사의 8B 체크포인트이며, 그 회사의 이전 시도보다 170 Elo 이상 뛰어나고, 라이선스 조건상 리더보드를 보는 거의 누구도 전화 한 통 없이는 상업적으로 사용할 수 없다.