
FIBO 2.0 vs GPT Image 2.5: 192 Elo, 6배의 가격
- OrcaNEWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 100만 토큰당 · 187 tok/s
- tencentNEWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 100만 토큰당 · 514 tok/s
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100만 토큰당 · 87 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100만 토큰당 · 97 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100만 토큰당 · 89 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100만 토큰당 · 133 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 100만 토큰당 · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 100만 토큰당 · 116 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100만 토큰당 · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100만 토큰당 · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447지능
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100만 토큰당 · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929지능
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100만 토큰당 · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733지능
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 100만 토큰당 · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740지능
Fibo 2.0과 GPT Image 2.5는 Elo 192점, 모델링된 비용 기준 6.6배 차이가 있으며, 두 수치 모두 겉보기보다 그리 견고하지 않다. Elo 격차는 실제다. Artificial Analysis의 텍스트-투-이미지 리더보드에서 1,229.27 대 1,036.98이고, 두 구간은 거의 맞닿지도 않는다. 하지만 이는 두 모델 중 하나를 고르는 데 가장 쓸모없는 기준이기도 하다. 두 모델이 같은 작업을 하려는 것이 아니기 때문이다. Fibo 2.0은 Bria가 2026년 10월 20일에 공개한 8B 플로 매칭 체크포인트로, 직접 다운로드할 수 있으며 그림을 그리기 전에 사용자의 지시를 구조화된 JSON 캡션으로 확장한다. GPT Image 2.5는 하나의 모델이 아니다. GPT-Image-2.5 Sunburst와 GPT-Image-2.5 Flare라는, 각각 별도로 스냅샷된 두 모델이며 토큰당 과금된다. 이 중 하나는 공개 리더보드에서 가장 강력한 이미지 생성기다.
그러니 솔직한 틀은 "어느 쪽이 더 나은가"가 아닙니다. "이 네 가지 중 무엇이 필요한가"입니다 — 다운로드 가능한 모델, 최고의 출력, 이미지당 예산, 아니면 흔들리지 않는 편집. 이 페이지는 그 순서대로 다룹니다.
두 모델, 하나의 이름, 그리고 그것이 여기에서 중요한 이유
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.
이는 두 변형이 서로 가깝지 않기 때문에 비교에서 중요합니다. 텍스트-투-이미지 보드에서 Sunburst는 1,229.27, Flare는 1,209.81에 위치합니다. 동일한 버전 번호를 가진 두 모델 사이의 19포인트 차이입니다. 편집에서는 그 격차가 같은 방향으로 17포인트까지 벌어지며, 1,201.50 대 1,184.65입니다. "GPT Image 2.5가 X를 이긴다"는 형태의 주장은 Sunburst에 대한 주장이며, 그렇게 명시하는 것은 19포인트의 정밀도를 확보할 가치가 있습니다.
그 구분은 점수를 읽는 데 중요하다. Fibo 2.0은 두 가지로 제공된다. 그리기와 편집을 모두 수행하는 완전한 Dev 베이스, 그리고 guidance 1.0에서 네 단계로 증류된 편집 전용 Turbo이며, 명시적으로 파인튜닝 베이스가 아니다. Artificial Analysis는 각 보드에 Dev 체크포인트의 단일 Fibo 2.0 행만 올리고 Turbo를 별도로 보고하지 않는다. 따라서 1,037과 1,086은 더 느린 범용 체크포인트인 Dev를 설명하는 것이지, 실제로 사용자 앞에 두게 될 빠른 편집기를 설명하는 것이 아니다.
• 텍스트-투-이미지 — GPT-Image-2.5 Sunburst 1,229.27, 116개 중 2위. Fibo 2.0 1,036.98, 32위. 격차 192.29.
• 이미지 편집 — Sunburst 1,201.50, 86개 중 4위. Fibo 2.0 1,085.98, 31위. 격차 115.52.
• 산출 가격 — 이미지 1,000장당 $210.72 대 $32.00. 이는 6.6배이며, 어느 공급업체의 요율표가 아니라 Artificial Analysis 자체의 비교 가능한 수치입니다.
• 가중치 — Fibo 2.0은 오늘부터 다운로드 가능하며, 8B 파라미터, CC BY-NC 4.0입니다. GPT Image 2.5는 다운로드가 제공되지 않습니다. GPT-Image 계열에는 공개 체크포인트가 없습니다.

닫히지 않는 격차
품질 차이에 대해서는 직설적으로 말할 가치가 있습니다. 그 차이를 애매하게만 다루는 비교 페이지는 쓸모가 없기 때문입니다. 텍스트-투-이미지에서 192 Elo는 취향 차이가 아닙니다. 이것이 대리하는 지표로 환산하면 Sunburst가 직접 비교 열 번 중 거의 아홉 번꼴로 선호된다는 뜻입니다. 편집에서는 격차가 절반인 116으로 줄어들지만 여전히 두 구간 모두를 벗어납니다. 1,201.50(범위 1,190.50~1,212.50) 대 1,085.98(1,072.98~1,098.98)입니다. Sunburst의 하한조차 Fibo의 상한보다 91점 높습니다.
이 글의 나머지 부분에서 그 점을 뒤집는 내용은 없습니다. 이 글의 나머지 부분이 주장하는 것은 116 또는 192 Elo가 결정 변수가 아닌 네 가지 작업이 있으며, 구매자들이 그 네 가지 모두에서 더 높은 점수를 받은 모델을 일상적으로 선택한다는 것입니다.
토큰당 과금이 이미지당 예산에 미치는 영향
바로 이 지점에서 가격 격차가 흥미로워지는데, 두 공급업체가 같은 방식으로 과금하지 않으며 이사회가 모델링한 수치가 그 차이를 가리고 있기 때문입니다.
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.
Bria는 이미지당 청구합니다. 자체 플랫폼에서는 $0.032이며, 1,000장이면 $32입니다 — 이는 보드에 기재된 수치와 같습니다. 이는 이례적이며 주목할 만한 점입니다: Fibo 2.0의 경우 모델링된 가격과 단가가 일치합니다. 일반 지시문을 구조화된 캡션으로 확장하는 VGL 도우미를 사용하면 호출당 약 $0.02의 추가 요금이 발생하므로, 전체 구조화 프롬프트 생성은 약 $0.052에 더 가깝습니다. JSON을 직접 작성하면 이 비용을 건너뛸 수 있습니다.
• 예측 가능성 — Fibo의 이미지당 비용은 일정합니다. GPT Image 2.5의 비용은 설정에 따라 달라지는데, 해상도에 대해 철저히 관리한다면 좋은 소식이고, 제품 관리자가 4K로 한 번 더 작업해 달라고 계속 요청한다면 나쁜 소식입니다.
• 상한 — 보드의 모델링된 요율로 Sunburst 이미지 1,000장은 $210.72입니다; Bria 플랫폼에서 Fibo 이미지 1,000장은 $32.00이며, 모든 이미지에 구조화된 프롬프트 호출을 적용하면 $52.00입니다.
• 최저 비용 — 비상업적 라이선스 하에 자체 GPU에서 Fibo를 실행하는 비용은 전기료뿐입니다. 한 커뮤니티 워크플로 작성자는 RTX 6000 Pro에서 참조 1개, 8스텝으로 2K 및 4메가픽셀 이미지 한 장당 19초를 측정했습니다. GPT Image 2.5에는 어떤 가격대에서도 이에 상응하는 비용 하한이 없습니다.

드리프트, 그리고 구조화된 프롬프트 논증
Fibo 2.0이 가격이 아니라 품질을 내세우는 유일한 부분은 바로 그 아키텍처가 중심에 두고 구축된 요소이며, 이는 무시하기보다 시험해 볼 가치가 있다.
Fibo 2.0은 입력 문장을 직접 처리하지 않습니다. Qwen3-VL-4B-Instruct 인코더가 프롬프트를 읽고, Perceiver 리샘플러가 이를 256~512개의 요지 토큰으로 압축하며, 44개 DiT 블록 중 5개는 교차 어텐션을 통해 VLM 자체의 레이어도 함께 받습니다. 실제로 이 모델은 "호두나무 책상 위의 빨간 머그컵, 왼쪽에서 비치는 아침 햇살"을 피사체, 재질, 조명, 위치 필드를 갖춘 구조화된 VGL/JSON 캡션으로 확장하고, 그 문서를 바탕으로 생성한 뒤 JSON을 다시 여러분에게 돌려줍니다. 필드 하나를 바꿔 다시 실행해도, 건드리지 않은 필드는 원래 값 그대로입니다.
그것은 "세부 사항을 보존한다"와는 다른 보장입니다. 이는 편집이 언어 모델이 문장을 얼마나 잘 다시 읽는지가 아니라 데이터 구조에 의해 제한된다는 뜻입니다. 다단계 제품 작업 — 동일한 객체, 여섯 가지 조명 조건 — 에서 가장 많은 시간을 잡아먹는 실패 모드가 바로 이것이며, 이 설계가 겨냥하는 대상도 바로 이것입니다. Bria는 또한 이를 최대 네 개의 참조 이미지와 함께 제공하며, 이 이미지들은 <image_1>부터 <image_4>까지 순서대로 지정됩니다. 그리고 흰색 영역은 다시 생성되고 나머지는 모두 보존되는 마스크 모드도 제공합니다.
태스크 수준에서 그것이 Sunburst의 편집을 능가하는지는 Elo 보드가 알려줄 수 있는 것이 아니며, 저는 그렇다고 주장하지 않겠습니다. 보드는 일반적인 프롬프트 분포에서 Sunburst가 더 잘 편집한다고 말합니다. 아키텍처는 Fibo가 고정 속성 루프에서 더 적게 드리프트해야 한다고 말합니다. 이는 서로 다른 주장이며, 그중 공개적으로 측정된 것은 하나뿐입니다.
각각이 명백한 답인 경우
선버스트는 "보기 좋게만 만들면 아무도 비용을 묻지 않을 것"이라는 브리프에 대한 명백한 답이다. 마케팅 히어로 이미지, 캠페인 변형, 사람이 열두 개 중 최고를 고르는 모든 작업 말이다. 116개 모델이 있는 순위표에서 2위이면서 다운로드 가능한 최고 대안보다 95점 앞선다는 것은 미미한 우위가 아니라 이 모델이 존재하는 이유다.
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 2.0은 세 가지 더 좁은 경우에 명백한 답입니다. 가중치가 필요할 때입니다. 온프레미스 배포, 파인튜닝, 연구 기준선, 에어갭 환경을 위해서요. 내세울 수 있는 라이선스가 필요할 때입니다. Bria의 제안은 라이선스가 부여된 학습 데이터, C2PA 출처 증명, 기업 면책이며, 완전한 EU AI Act 준수를 주장합니다. 이는 품질에 대한 답이라기보다 조달에 대한 답입니다. 또는 고정된 주제에 대해 범위가 제한된 반복이 필요하고 구조화 프롬프트 설계가 바로 당신 문제의 형태일 때입니다.
네 번째 사례는 사람들이 자주 틀리는 부분입니다: 비용입니다. Fibo는 리더보드에서 6.6배 더 저렴하지만, 192-Elo의 품질 격차를 우회하느라 엔지니어링 시간으로 2주를 쓴 팀은 그 차액보다 더 많은 비용을 지출한 셈입니다. 잘못된 모델에서의 저렴한 추론은 저렴한 것이 아닙니다.
라우팅 답변은 우리 몫인 절반에 대한 것이다
OrcaRouter는 GPT-Image-2.5 Sunburst와 Flare를 제공합니다 — 둘 다 이미지 생성 엔드포인트로 카탈로그에 올라 있으며, 공급자 자체 가격은 백만 토큰당 입력 $8, 출력 $30입니다, 추가 마크업은 없습니다. Fibo 2.0은 제공하지 않습니다: Bria의 가중치와 그 플랫폼이 해당 모델로 가는 경로이며, 어떤 라우터도 그에 붙은 라이선스를 바꾸지 않습니다. 그렇지 않다고 말하는 것은 읽기에는 좋아 보이지만 누군가에게 법률 검토 비용을 치르게 하는 종류의 주장일 것입니다.
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% 마크업은 벤더들이 가격을 재조정하는 시장에서 들리는 것보다 더 중요합니다. 공급사 가격 인하는 다음 계약 갱신 시점이 아니라 같은 날 여기에 반영되며, 이번 달에 실행한 비교는 다음 달에도 여전히 같은 비교입니다.
이 평결을 바꿀 수 있는 것은 무엇인가요
두 가지 일이 있는데, 그중 하나만 일어날 가능성이 높습니다.
첫 번째는 특정 도메인에서의 편집 격차를 해소하는 Fibo 2.0 파인튜닝입니다. 파인튜닝은 8B 오픈 모델이 일반 Elo에서 경쟁하는 것을 멈추고 여러분의 데이터에서 경쟁하기 시작하는 지점이며, 저장소의 LoRA 트레이너는 이를 프로젝트가 아닌 주말 작업으로 만들어 줍니다. 특화된 Fibo가 여러분의 작업에서 Sunburst를 이긴다면, 일반 리더보드는 무관해지고 6.6× 더 저렴함은 6.6× 더 저렴함이 됩니다.
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.

그중 하나가 일어나기 전까지, 이 구분은 깔끔하고 화려함과는 거리가 멉니다. 정확해야 하는 이미지에는 Sunburst를 구매하세요. 내 것이어야 하는 이미지에는 Fibo를 다운로드하세요 — 직접 실행하고, 직접 미세 조정하고, 구매 회의에서 직접 방어할 수 있는 것이어야 합니다. 선호를 위해 가격이 여섯 배라는 것은 큰 지불이고, 라이선스를 위해 192 Elo를 포기하는 것도 큰 희생입니다. 두 진술 모두 사실이며, 그래서 두 모델은 어느 쪽도 잘못된 선택이 되지 않으면서 공존할 수 있습니다.
