'FIBO 2.0 vs HY-Image 3.5'라는 제목 카드가 생성되었으며, 부제는 'Tencent의 프리뷰 모델 대 Bria의 오픈 체크포인트', 칩에는 '편집: 1,092 vs 1,086', '텍스트-투-이미지: 972 vs 1,037', '둘 다 1,000장당 8달러 이내'가 표시됩니다. 하단에는 'Elo는 Artificial Analysis AA-Image-Editing 및 AA-Image-T2I v2.1 기준, 2026년 11월 20일 확인.'이 표시됩니다.
Guides & Insights

FIBO 2.0 vs HY-Image 3.5: 한 게시판은 이를 무승부라고 평가한다

작성자

jinhao.song

게시일

최신 모델 · 20모든 모델 보기 →
벤치마크: Artificial Analysis · 매일 업데이트
모든 게시물로 돌아가기

Fibo 2.0과 HY-Image 3.5를 편집 보드에 올리면 동점이 나온다. 텍스트-투-이미지 보드에 올리면 65점 격차가 난다. 같은 두 모델, 같은 주, 같은 방법론, 상반된 결론 — 그리고 그 이유는 어느 점수도 틀렸기 때문이 아니다. 두 모델이 이미지 모델이 하는 두 가지 일에서 똑같이 뛰어나지 않으며, 단 하나의 "어느 쪽이 더 나은가"라는 답이 바로 당신에게 필요한 정보를 파괴하기 때문이다. 공급업체가 자사 HunyuanImage 라인 내에서 식별자 hy-image-v3.5-preview로 프리뷰 형태로 제공하는 Tencent의 HY-Image 3.5는, 2026년 10월 20일에 Bria가 공개한 오픈 8B 체크포인트인 Bria의 Fibo 2.0만큼 대략 잘 편집하며, 생성은 상당히 더 나쁘다. 당신의 작업이 편집이라면, 그 문장이 기사의 전부다.

숫자가 어떤 역할을 하기 전에 출처에 관한 설명을 먼저 드리겠습니다. 두 Elo 수치와 그 구간은 Artificial Analysis에서 나온 것으로, 이 기관은 블라인드 쌍대 선호 투표를 진행하고 각 점수 주변의 편차를 공개합니다. 저는 2026년 11월 20일에 두 평가표를 모두 확인했습니다. 두 가격은 해당 평가표에서 모델링한 이미지 1,000장당 비용입니다. 이는 비교 가능한 합성 수치이며 어느 벤더의 요율표도 아닙니다. 한도, 라이선스, 출시 상태에 관한 모든 내용의 출처는 Tencent 자체 문서와 Bria의 모델 카드이며, 벤더가 언급했지만 제가 독립적으로 확인하지 않은 사항에 대해서는 해당 문장에서 그 사실을 밝히고 있습니다.

서로 상충하는 두 보드 읽기

그 불일치는 숫자로 먼저 제시하고 나중에 해석해도 될 만큼 극명하다.

• 편집 — HY-Image 3.5 1,091.87(구간 1,078.87~1,104.87), 86개 중 28위. Fibo 2.0 1,085.98(1,072.98~1,098.98), 31위. HY-Image가 5.89점 앞서며, 이는 두 구간 반폭 중 어느 것의 절반보다도 작습니다.

• 텍스트-이미지 — Fibo 2.0 1,036.98(1,025.98~1,047.98), 116개 중 32위. HY-Image 3.5 972.12(960.12~984.12), 75위. Fibo가 64.86점 앞서며, 두 구간은 가장 가까울 때 41점 차이입니다.

• 가격 — Fibo 2.0은 이미지 1,000개당 $32.00, HY-Image 3.5는 $24.00입니다. 8달러, 즉 25%의 차이입니다.

• 출시 상태 — Fibo 2.0은 CC BY-NC 4.0에 따라 다운로드 가능한 가중치와 함께 일반 제공됩니다. HY-Image 3.5는 여전히 프리뷰로 표시되어 있으며, 프리뷰 식별자 외에 공개된 두 번째 안정 식별자는 없습니다.

편집 부문의 동점이 흥미로운 이유는, 두 모델이 같은 지점에 도달해서 생긴 동점이 아니기 때문이다. 그것은 상당히 다른 두 가지 베팅 사이의 동점이다. HY-Image 3.5는 중국 연구소의 이미지 모델로, T​encent Cloud를 통해 제공되며 중국어 이해력이 뛰어나고, 프롬프트가 영어만큼이나 中文일 가능성이 큰 시장을 위해 만들어졌다. Fibo 2.0은 라이선스 데이터 체크포인트로, 설계 전제 자체가 프롬프트는 문장이 아니라 구조화된 문서여야 한다는 것이다. 두 모델은 편집 부문에서 수렴하고 생성 부문에서는 65점 차이로 갈리는데, 편집 부문만 본 사람이라면 누구도 그런 결과를 예측하지 못했을 것이다.

Screenshot composite of two Artificial Analysis leaderboards, captured in English. The upper block is headed AA-Image-Editing v2.1 and shows rank 28 HunyuanImage 3.5 (Preview) at Elo 1,092 with 7,095 samples, released September 2026 at 24.00 dollars per 1,000 images, and rank 31 Fibo 2.0 at Elo 1,086 with 5,753 samples, released October 2026 at 32.00 dollars per 1,000 images. The lower block is headed AA-Image-T2I v2.1 and shows rank 32 Fibo 2.0 at Elo 1,037 with 5,741 samples, released October 2026 at 32.00 dollars per 1,000 images, and rank 75 HunyuanImage 3.5 (Preview) at Elo 972 with 6,258 samples, released September 2026 at 24.00 dollars per 1,000 images.

세대 격차가 더 큰 사실인 이유

Elo 65점 차이는 200번째 출력이 아니라 처음 스무 개 출력에서 드러나는 종류의 차이다. 이는 같은 리더보드에서 32위와 75위 사이의 격차, 즉 중위권 대부분을 아우르는 차이에 해당한다. 다시 말해 Qwen-Image-2.1과 FLUX 3 Image Klein을 상대로 자기 몫을 해내는 모델과 Wan 2.7 Pro 및 HiDream-O1-Image 아래에 위치하는 모델 사이의 거리다.

편집 보드는 다른 이야기를 들려준다. 편집은 다른 작업이기 때문이다. 편집자는 이미 구도, 조명, 구조의 대부분을 담고 있는 이미지에서 시작한다. 모델의 작업은 국소적인 변경이며, 생성 능력이 평범한 모델도 주어진 것을 보존한다면 여전히 유능한 편집자가 될 수 있다. 바로 그것이 수치가 설명하는 바다. HY-Image 3.5는 더 약한 생성기를 기반으로 한 괜찮은 편집자이고, Fibo 2.0은 편집 성능이 대략 그 정도로 좋은 강력한 생성기다.

실질적인 결과는 두 모델이 대체재가 아니라는 점입니다. 생성과 편집을 모두 수행하는 파이프라인에 쓸 모델 하나를 고른다면 생성 부문이 이를 결정해야 하며, Fibo 2.0이 어떤 신뢰구간 논쟁으로도 건드릴 수 없는 격차로 그 부문에서 이깁니다. 기존 이미지 라이브러리가 있고 그 이미지만 편집한다면 HY-Image 3.5가 둘 중 더 저렴하고, 중요하게 보는 축에서는 통계적으로 동등합니다.

미리보기 라벨은 형식적인 것이 아닙니다

Tencent는 이 제품군의 프리뷰를 먼저 출시하고 공식 버전은 나중에 출시하며, 현재 세대는 그 두 상태 중 첫 번째에 있습니다. 유통되는 식별자는 hy-image-v3.5-preview입니다. 그 옆에 두 번째의 안정적인 비프리뷰 식별자는 존재하지 않으며, Tencent는 그것이 언제 등장할지 날짜를 공개하지 않았습니다.

비교에서는 이것이 리뷰에서보다 더 중요합니다. 왜냐하면 "더 저렴하다"의 의미 자체를 바꾸기 때문입니다. 프리뷰 모델은 예고 없이 가격이 바뀌거나, 이름이 바뀌거나, 대체될 수 있으며, 프리뷰 식별자에 고정된 파이프라인은 벤더가 명시적으로 보장하지 않겠다고 밝힌 대상에 고정되는 것입니다. Fibo 2.0은 다른 차원에서 반대 문제를 안고 있습니다: 안정적인 가중치, 불안정한 라이선스. 그 체크포인트는 사용자 아래에서 바뀌지 않을 것입니다. 그것들로 무엇을 해도 되는지가 바로 계약이 필요한 부분입니다.

한 줄로 말하면 이것이 선택입니다. 프리뷰 API는 라이선스 측면에서는 안정적이지만 존재 여부는 불안정합니다. 오픈 체크포인트는 존재 측면에서는 안정적이지만 라이선스가 제한적입니다. 어느 쪽도 안전한 선택이 아니며, 어떤 위험을 더 감수할지는 문제가 법적 검토에 있는지 프로덕션 장애에 있는지에 달려 있습니다.

각 모델이 실제로 하는 일

Fibo 2.0은 80억 개 파라미터의 플로 매칭 모델로, FLUX.2 VAE의 잠재 공간 내부에서 노이즈를 제거합니다. 따라서 프롬프트는 Qwen3-VL-4B-Instruct 인코더, 이를 256~512개의 요지 토큰으로 압축하는 2계층 Perceiver 리샘플러, 그리고 44블록 단일 스트림 DiT를 거쳐 드로잉 단계에 도달합니다. 이 DiT의 블록 중 5개는 캡션을 읽는 대신 VLM 레이어를 크로스 어텐션을 통해 직접 받아들입니다. 이러한 연결 구조가 구조화된 캡션 전제가 작동하는 이유입니다. Dev는 50스텝, guidance 5.0 체크포인트이며 생성과 편집을 모두 처리합니다. Edit Turbo는 증류된 형제 모델로, 4스텝, guidance 1.0, 편집 전용이며 누구도 파인튜닝을 시도해서는 안 되는 베이스입니다.

• 참조 이미지 — Fibo 2.0은 최대 4개를 허용하며, 순서대로 <image_1>부터 <image_4>까지로 지정됩니다. HY-Image 3.5는 Tencent 문서에 따르면 최대 5개를 허용합니다.

• 출력 범위 — Fibo 2.0은 약 100만 화소에서 16의 배수를 생성하며, 기본값은 1024×1024, 1424×800 또는 1248×832입니다. HY-Image 3.5는 2K까지 문서화되어 있습니다.

• 구조화된 프롬프트 — Fibo의 차별점. 짧은 지시가 subject, material, lighting, position 필드를 갖춘 JSON/VGL 캡션으로 바뀌고, JSON을 그대로 돌려받습니다. 필드 하나를 바꿔 다시 실행해도 나머지는 그대로 유지됩니다.

• 중국어 이해 — HY-Image 3.5의 차별화 요소이자, 기존 제품을 현지화한 것이 아니라 별도 제품으로 존재하는 이유다. Tencent 자체 제품 자료에서는 이미지 생성과 함께 강력한 중국어 이해를 내세운다.

• 접근 — Fibo 2.0은 Bria의 플랫폼, 라이선싱 프로그램, ComfyUI 및 커뮤니티 생태계, 그리고 11월 18일부터 Civitai의 생성기를 통해 이용할 수 있습니다. HY-Image 3.5는 T​encent Cloud의 TokenHub API 표면을 통해 이용할 수 있습니다.

Generated two-column scoreboard titled 'FIBO 2.0 vs HY-Image 3.5'. Left column Fibo 2.0: editing Elo 1,085.98; text-to-image Elo 1,036.98; price 32 dollars per 1,000; release state generally available; weights downloadable under CC BY-NC 4.0; reference images four. Right column HY-Image 3.5: editing Elo 1,091.87; text-to-image Elo 972.12; price 24 dollars per 1,000; release state preview; weights closed; reference images five. A footer reads 'Elo and price per Artificial Analysis; release state and limits per vendor documentation, 20 November 2026.'

이미지당 숫자를 믿지 않게 되는 순간의 비용

천 개당 8달러가 헤드라인이고, 그것은 잘못된 헤드라인이다. 두 가지가 그 계산을 바꾼다.

Bria 플랫폼의 가격은 이미지 한 장에 $0.032이고, 여기서 보드가 모델링한 $32는 우연히도 정확히 그 값에 맞아떨어집니다. 두 숫자 어느 쪽에도 포함되지 않는 것은 구조화 프롬프트 도우미입니다: 지시문을 JSON 캡션으로 다시 작성하는 별도의 비전-언어 호출이며, 매번 약 $0.02가 청구됩니다. 모든 렌더링에 이를 실행하면 실제 비용은 $0.052, 즉 1,000장당 $52로 흘러가며 — HY-Image 3.5의 $24보다 두 배를 넘습니다. 도우미를 건너뛰고 JSON을 직접 작성하거나, 고정된 장면에서 캐시된 캡션 하나를 재사용하면서 변하는 필드만 바꾸면 실제로 지불하는 금액은 $32입니다.

두 번째는 HY-Image 3.5의 24달러가 프리뷰를 제공한다는 점입니다. 일반 공개 시 모델 가격이 재책정된다면 — 프리뷰 가격은 보통 도입 가격이므로 — 11월에 수행한 비교가 2월까지 유지되지 않을 수 있습니다. Fibo의 32달러는 출시된 제품의 공개 요금이며, GPU 시간으로 지불하는 편이 낫다면 비상업적 용도로는 가중치가 무료입니다.

• 이미지당 최저가 — HY-Image 3.5는 1,000장당 $24이며, 미리보기 가격 책정 위험이 있습니다.

• 매 호출마다 헬퍼를 사용하면 가장 저렴 — HY-Image 3.5가 2배 이상 저렴.

• 하드웨어를 직접 보유하고 있다면 대규모에서 가장 저렴 — 비상업적 라이선스 하에 한계 비용 제로인 Fibo 2.0. 한 커뮤니티 워크플로에서는 RTX 6000 Pro에서 2K 이미지당 약 19초로 측정됩니다.

• 호스팅 API에서 상용 제품을 위한 최저 비용 — 단도직입적으로 말해, 둘 다 아닙니다. Fibo는 Bria의 동의가 필요하고, HY-Image의 경우 읽어봐야 할 것은 프리뷰 약관이며, 그것은 마케팅 페이지가 아니라 Tencent Cloud에 있습니다.

OrcaRouter가 적합한 곳 — 그리고 그렇지 않은 곳

곤란한 부분부터 말하자면, 두 모델 모두 OrcaRouter 카탈로그에 없습니다. Fibo 2.0은 Bria 라이선스가 적용된 Bria 체크포인트이고, HY-Image 3.5는 Tencent Cloud 제품입니다. 둘 다 라우터가 넘겨줄 수 있는 것이 아니며, 그렇지 않은 척하는 것은 이 페이지가 저지를 수 있는 유일하게 쓸모 있는 잘못이 될 것입니다.

이 파이프라인에서 라우터가 맡을 수 있는 부분은 픽셀을 제외한 전부입니다. Fibo 렌더는 비전-언어 모델이 작성한 캡션으로 시작해, 편집이 프레임의 나머지를 그대로 두었는지 평가하는 두 번째 캡션으로 끝날 수 있습니다. 둘 다 텍스트 호출이고, 둘 다 200개가 넘는 다른 모델과 함께 단일 키에 올릴 수 있습니다. 배치가 길 때 이 점이 가장 중요합니다. 라우팅 규칙은 저렴한 프롬프트 재작성을 저렴한 모델에 맡기고 신중한 평가는 비싼 모델에 유지하며, 0% 마크업은 제공업체가 그날 청구하는 금액이 곧 지불액임을 의미하고, 자동 장애 조치가 2,000개 이미지 실행을 계속 살아 있게 하는 경우는 한 제공업체의 엔드포인트가 한 시간 동안 성능이 떨어질 때입니다.

HY-Image 3.5의 중국어 이해 능력을 특별히 원하신다면, Tencent 자체의 언어 모델은 별개의 이야기이자 별개의 제품 라인이라는 점에 유의하세요 — 이미지 모델이 있다고 해서 그 형제 모델까지 라우팅할 수 있다고 가정하지 말고, 실제로 무엇이 있는지 카탈로그에서 확인하세요.

누가 무엇을 골라야 할까요?

점수가 아니라 과제부터 시작하면 답은 보통 저절로 나온다.

편집하는 만큼 생성한다면 Fibo 2.0을 선택하세요. 65점의 생성 격차는 이 비교에서 가장 큰 수치이며, 매일 여러분의 결과물에 나타날 수치입니다. HY-Image의 5.89점 편집 우위는 노이즈 범위 안에 있어 나타나지 않을 것입니다.

기존 이미지만 편집하고 프롬프트가 중국어라면 HY-Image 3.5를 선택하세요. 이 모델은 보드에서 동급이고 이미지당 비용이 더 저렴하며, 중국어 이해력은 Fibo 2.0 문서가 주장하지 않는 유일한 역량입니다.

모델을 직접 소유해야 한다면 선택의 여지가 없습니다. HY-Image 3.5는 클로즈드 소스이며 프리뷰 버전입니다. Fibo 2.0은 다운로드, 파인튜닝, 양자화가 가능하고 에어갭 환경에서 실행됩니다 — 비상업적 용도로, 또는 계약에 따라 상업적으로 사용할 수 있습니다.

규제 대상 구매자를 위해 조달하는 경우, 편집 위원회의 동점은 무관하며 문제는 어느 공급업체가 무엇에 서명할지입니다. Bria는 면책 보장과 출처 증명을 제품으로 판매합니다. Tencent는 클라우드 서비스를 판매합니다. 이는 서로 다른 조달 논의이며, 그중 하나만이 법무팀이 만족할 문서로 끝납니다.

Screenshot of the Hugging Face model card for briaai/Fibo-2.0-dev, captured in English, showing the task tags text-to-image, diffusers, safetensors and English alongside image-editing, image-to-image, inpainting, multi-reference and fine-tuning, the license badge bria-fibo, the line that model weights are open source for non-commercial use only per the provided licence, a gated-access form for non-commercial use, the size listed as 8B params in BF16, and a note claiming first place in image editing and second in text-to-image among open-weights models on Artificial Analysis as of 20 October 2026.

마지막으로 할 만한 말은 이런 비교를 도대체 어떻게 읽어야 하는가입니다. 두 모델, 네 개의 숫자, 그리고 어느 쌍을 보느냐에 따라 결론이 뒤집힙니다. 그것은 벤치마크의 실패가 아니라, 벤치마크가 제 역할을 하는 것입니다. 즉 "더 낫다"는 것이 단일 축이 아니라는 걸 알려 주는 것이죠. 당신의 작업이 실제로 놓여 있는 축을 고르고, 그 축에서의 격차가 자체 오차 범위를 넘어서는지 확인한 뒤, 표의 나머지는 무시하세요.