Fibo 2.0 pakt de koppositie in open-weights beeldbewerking met 8B-parameters — lees het interval, niet de rangorde

Bria bracht Fibo 2.0 uit op 20 oktober 2026, en binnen een dag had het elke andere inzending met open gewichten op beide beeldranglijsten van Artificial Analysis verdrongen. Op AA-Image-Editing v2.1 staat het overall op de 20e plaats met een Elo van 1.087,05, waarmee het het hoogst gerangschikte model is waarvan je de gewichten kunt downloaden — Q​wen-Image-2.1 volgt op 1.082,74 en een 21e plaats. Op AA-Image-T2I v2.1 komt het op de 21e plaats met 1.038,79, één plaats achter Q​wen-Image-2.1 met 1.042,13. Beide zijn enorme sprongen ten opzichte van Bria's eerste generatie Fibo-lijn: FIBO Edit stond op 912,82 voor editing, FIBO op 848,86 voor tekst-naar-afbeelding. De kop schrijft zichzelf. Het deel waar je even bij stil zou moeten staan, is dat op geen van beide ranglijsten de kloof met het model eronder groter is dan de foutmarges, en dat "open weights" hier niet betekent wat het betekent voor de meeste modellen die het zojuist voorbij is gegaan. Ranglijstposities laten niet zien hoe beeldmodellen in productie falen, en de vastgelegde incidenten zijn gecatalogiseerd in het OrcaRouter AI Incident Archive waarbij elke vermelding haar eigen bronnen, ernst, betrouwbaarheidsgraad en betwistingsmarkering bevat.

Wat de twee besturen zeggen, inclusief de delen die de aankondiging van Bria afrondt.

Het bewerkingsklassement is het sterkere resultaat. De 1.087,05 van Fibo 2.0 gaat gepaard met een 95%-betrouwbaarheidsinterval van 1.073,05 tot 1.101,05 over 4.819 gevechten. De 1.082,74 van Qwen-Image-2.1 heeft een interval van 1.069,74 tot 1.095,74 bij een vergelijkbare steekproef. Die intervallen overlappen elkaar over het grootste deel van hun lengte. De eerlijke interpretatie van "eerste onder de open-weightmodellen" is dus een rang, geen aangetoonde voorsprong: Fibo 2.0 staat vóór Qwen-Image-2.1 in de rangorde, en de rangorde kan hen nog niet onderscheiden. Het model waarop het echt en ondubbelzinnig voorloopt, is zijn eigen voorganger — 174 Elo is ongeveer veertien keer de halve breedte van zijn eigen interval, en geen enkele hoeveelheid steekproefruis verklaart dat.

• Editing Elo — Fibo 2.0 1.087,05, 20e overall, 1e onder open weights; Q​wen-Image-2.1 1.082,74, 21e overall, 2e onder open weights.

• Bewerkingsintervallen — 1.073,05–1.101,05 tegen 1.069,74–1.095,74. Ze overlappen, dus beschouw de twee als gelijkwaardig en de rangorde als tiebreak.

• Elo voor tekst-naar-afbeelding — Fibo 2.0 1.038,79, 21e overall; Q​wen-Image-2.1 1.042,13, 20e overall. Hier staat Q​wen nominaal voor, opnieuw binnen overlappende intervallen (1.026,79–1.050,79 tegenover 1.030,13–1.054,13).

• Verandering ten opzichte van de eerste generatie — FIBO Edit 912,82 naar Fibo 2.0 1.087,05 bij bewerken, +174. FIBO 848,86 naar 1.038,79 bij tekst-naar-afbeelding, +190. FIBO Lite, de goedkopere SKU uit de eerste generatie, stond op 813,06 bij tekst-naar-afbeelding.

• Afstand tot de top van elke ranglijst — 111,66 Elo achter GPT Image 2.5 Sunburst (max) bij bewerken, 183,17 achter hetzelfde model bij tekst-naar-afbeelding. De open-weights-voorsprong en de algehele voorsprong zijn verschillende gesprekken.

• Steekproefomvang — 4.819 battles bij editing, 5.113 bij tekst-naar-afbeelding. Genoeg om de intervallen krap te houden; niet genoeg om een verschil van vijf Elo-punten iets te laten betekenen.

Artificial Analysis vermeldt de releasedatum als 20 oktober 2026 op beide ranglijsten en markeert het model als recent. Bria's eigen modelkaart claimt de eerste plaats bij beeldbewerking en de tweede plaats bij tekst-naar-afbeelding onder open-weightmodellen per dezelfde datum. Dat is een leveranciersclaim over de ranglijst van een derde partij in plaats van een benchmark van de leverancier zelf, maar het is nog steeds de leverancier die zijn eigen resultaat typeert, en de posities kloppen inderdaad wanneer je ze rechtstreeks controleert.

Wat zit er eigenlijk in de 8B?

Het aantal parameters is het minst interessante getal in deze release. Fibo 2.0 is een flow-matchingmodel dat in de latente ruimte van de FLUX.2 VAE werkt, met een Qwen3-VL-4B-Instruct-model als promptencoder. In plaats van de diffusietransformer te conditioneren op ruwe teksttokens, comprimeert het de uitvoer van de encoder via een Perceiver-resampler met twee lagen tot 256 tot 512 "kern"-tokens, en de single-streamtransformer met 44 blokken richt zich op die tokens, waarbij vijf van de blokken bovendien input krijgen via cross-attention. Het praktische gevolg is dat een lange, gestructureerde beschrijving bijna niets extra kost: de conditionering is begrensd tot 512 tokens, ongeacht hoeveel je schrijft.

• Architectuur — flow matching in de latente ruimte van de FLUX.2 VAE, een 44-bloks single-stream-DiT, vijf blokken met cross-attentie naar de promptrepresentatie.

• Tekstencoder — Qwen3-VL-4B-Instruct, gecomprimeerd naar 256–512 gist-tokens via een tweelaagse Perceiver-resampler.

• Grootte — 8.127.342.213 parameters in BF16 safetensors, dus ongeveer 16 GB aan gewichten vóór enige runtime-overhead.

• Trainingsdata — Bria's corpus van ongeveer een miljard afbeeldingen, dat het bedrijf omschrijft als volledig gelicentieerd. Die claim is afkomstig van het bedrijf, en daarom is de licentie hieronder geen bijzaak.

• Modi — bewerken, gemaskeerd bewerken, multi-referentiebewerking met maximaal vier referentieafbeeldingen, genereren, en een "inspire"-modus die variaties voorstelt. Eén set gewichten dekt zowel genereren als bewerken, wat nieuw is voor deze familie; de eerste generatie splitste ze.

Het geünificeerde checkpoint is de wezenlijke technische wijziging. Fibo 1 bracht generatie en editing als afzonderlijke capaciteiten met elk hun eigen sterke punten, en de verbetering van 174 punten bij editing ten opzichte van FIBO Edit is deels een verhaal over het feit dat editing een eigen trainingsnadruk kreeg binnen een model dat ook genereert. Of de twee modi elkaar in de weg zitten, is precies het soort vraag dat een ranglijst niet kan beantwoorden en een week productiegebruik wel.

Dev en Edit Turbo zijn twee verschillende producten die dezelfde naam delen.

Er staan twee checkpoints op Hugging Face onder de naam Fibo 2.0, en het verkeerde kiezen is de meest waarschijnlijke manier om tot de conclusie te komen dat het model teleurstellend is.

• Fibo 2.0 Dev — de niet-gedistilleerde basis. Vijftig samplingstappen met classifier-free guidance op 5.0, zowel genereren als bewerken, en het checkpoint waar Bria naar verwijst voor fine-tuning. Traag en stuurbaar.

• Fibo 2.0 Edit Turbo — gedistilleerd naar vier stappen zonder classifier-free guidance, uitsluitend voor bewerken. Ongeveer een orde van grootte goedkoper per afbeelding bij inferentie, en het kan niet vanaf nul genereren.

• Hulpmiddelen — de pipeline is BriaFibo2Pipeline in diffusers en wordt via pull request 14991 toegevoegd, met een bijbehorend bria-vgl-pakket voor het hieronder beschreven gestructureerde-captionformaat. ComfyUI-ondersteuning kwam op 20 oktober via een community-herverpakking.

De prompts zijn bedoeld als JSON, en dat is een echte verandering in de workflow.

Bria traint en documenteert Fibo 2.0 aan de hand van wat het VGL noemt — Visual GenAI Language — een gestructureerd JSON-captionformaat dat onderwerp, compositie, belichting, camera, stijl en tekst in beeld scheidt in benoemde velden in plaats van één doorlopende zin. Het model accepteert een gewone prompt. Het is meetbaar voorspelbaarder met de gestructureerde vorm, omdat de Perceiver-bottleneck veldgrenzen behoudt die een platte zin samenveegt.

Dit is het detail met de langste staart. Het betekent dat de natuurlijke gebruiker van Fibo 2.0 geen persoon is die in een vak typt, maar een taalmodel dat een schema-conform object genereert, en het betekent dat prompt engineering voor dit model eruitziet als het schrijven van een JSON-schema en het daartegen valideren. Iedereen die Fibo 2.0 evalueert met een handvol prompts met vrije tekst, meet een modus waarvoor het model niet is geoptimaliseerd en zal het te laag inschatten.

Wat 'open weights' hier precies betekent

De modelkaart vermeldt CC BY-NC 4.0 voor niet-commercieel gebruik, waarbij commercieel gebruik een aparte overeenkomst met Bria vereist. De Hugging Face-repository is afgeschermd op het niveau "auto" met een formulier voor bedrijf en beoogd gebruik. Je kunt de gewichten downloaden, ze lezen, ze fine-tunen en ze draaien; je kunt er geen product op uitbrengen zonder eerst met Bria te overleggen.

Dat is een legitieme open-weights-release en geen open source-release, en het onderscheid is belangrijker dan gewoonlijk, omdat de modellen die Fibo 2.0 zojuist heeft ingehaald onder licenties vallen die commercieel gebruik zonder meer toestaan. Als je een beeldmodel kiest voor een product in plaats van voor onderzoek, is de volgorde op de ranglijst niet de beperkende factor. De licentie wel. Het bepaalt ook indirect de prijs van het model: een commerciële overeenkomst is een onderhandeling, en een onderhandeling is een kostenpost die op geen enkele prijslijst voorkomt.

Er is een verdedigbare lezing van waarom Bria het zo heeft gedaan. Het trainingscorpus is gelicentieerd materiaal waarvoor het bedrijf heeft betaald; gewichten vrijgeven waarmee iedereen gratis kan concurreren met de eigen API van het bedrijf op dat corpus, zou het bezit weggeven dat dat corpus heeft gekocht. De niet-commerciële voorwaarde is het mechanisme dat voorkomt dat de release het bedrijf kannibaliseert. Dat maakt de licentie niet handig, maar wel coherent.

De tariefkaart, en wat duizend afbeeldingen kosten

Bria API, Fibo 2.0 — $0,032 per afbeelding.

• Bria API, Fibo 2.0 Edit — $0.032 per afbeelding. Bewerken is hier niet goedkoper dan genereren, wat ongewoon is en goed om te weten voordat je een batchtaak budgetteert.

• Bria API, Fibo Lite — $ 0,0288 per afbeelding. De goedkopere tier, niet het model op de ranglijst.

• Aanroep met gestructureerde prompt — $ 0,02 per aanroep, apart gefactureerd van de afbeelding. Een afbeelding uit de VGL-pipeline kost dus $ 0,052, niet $ 0,032, tenzij je de JSON zelf genereert.

• Artificial Analysis pricePer1kImages — $32,00, in overeenstemming met het kopbedrag van $0,032.

Met $0,032 per afbeelding is de API geprijsd als een nuts voorziening in plaats van een premiummodel, wat in lijn is met de strategie die de licentie impliceert: geef de gewichten weg voor onderzoek, verkoop het endpoint aan iedereen die de rechten nodig heeft. Het zelf hosten van het Dev-checkpoint op een gehuurde GPU zal waarschijnlijk niet onder $0,032 per afbeelding komen als je rekening houdt met 50 samplingstappen, maar Edit Turbo met vier stappen is een andere berekening voor iedereen die volume draait of het model binnen een privénetwerk nodig heeft.

Waar je het kunt uitvoeren

Fibo 2.0 is beschikbaar via Bria's eigen API, via Bria's gehoste creatietool, via ComfyUI-nodes en als gated weights op Hugging Face. Dat zijn de routes. Het staat niet in de OrcaRouter-catalogus, en dit stuk gaat niet doen alsof dat anders is.

De routingvraag verdient nog steeds een zin, want Fibo 2.0 is een model dat de meeste teams zullen proberen voordat ze zich vastleggen. OrcaRouter draait één API-sleutel voor meer dan 200 modellen, met lijstprijzen van providers doorgegeven tegen 0% opslag, zodat een prijswijziging van een leverancier, inclusief een Bria-verlaging, op je factuur verschijnt op de dag dat die gebeurt en niet op de dag dat een reseller een tabel bijwerkt. Voor het taalmodellendeel van een Fibo-pipeline — het deel dat VGL JSON schrijft, valideert en beslist of een generatie het opnieuw proberen waard is — betekent dit dat het model dat het redeneerwerk doet, achter dezelfde sleutel kan zitten als al het andere, met automatische failover wanneer een provider hapert en de routing-DSL om de stappen tot één aanroep samen te stellen. Het beeldmodel blijft waar het zit.

Niets daarvan is een reden om voor Fibo 2.0 te kiezen. Het is een reden om de omringende pipeline niet als een reeks afzonderlijke contracten te bouwen.

Wat zou deze uitspraak veranderen?

Drie dingen zijn het volgen waard, en geen ervan kan een bericht in de lanceringsweek uitsluitsel geven. Ten eerste, onafhankelijke reproductie: de Elo komt uit een arena waar het publiek op stemt, en de specifieke faalmodi die in productie van belang zijn — tekstweergave binnen een bewerkt gebied, behoud van identiteit over vier referenties, of een masker aan de rand wordt gerespecteerd — zijn niet wat paarsgewijze preferentie meet. Ten tweede, de licentie: als Bria overstapt van CC BY-NC naar iets commercieel bruikbaars, verandert de vergelijking met de rest van het open-weightsveld van de ene op de andere dag, en als dat niet gebeurt, blijft "beste open-weights-beeldbewerker" een titel die alleen in onderzoek telt. Ten derde, de gelijke stand: Fibo 2.0 en Q​wen-Image-2.1 liggen bij bewerken vier Elo-punten uit elkaar, met overlappende intervallen. Nog een paar duizend wedstrijden zullen ze onderscheiden of bevestigen dat het hetzelfde model met twee namen is.

Voor nu is de accurate bewering smal en nog steeds opmerkelijk. Twee dagen na de release is het beste beeldbewerkingsmodel dat je kunt downloaden een 8B-checkpoint van een bedrijf dat een decennium lang gelicentieerde beelddata heeft verkocht, het is meer dan 170 Elo beter dan de vorige poging van dat bedrijf, en het is dusdanig gelicentieerd dat bijna niemand die een leaderboard leest het commercieel kan gebruiken zonder een telefoontje.