
FIBO 2.0 vs. GPT Image 2.5: 192 Elo, zes keer de prijs
- OrcaNIEUWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 mln tokens · 187 tok/s
- tencentNIEUWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 mln tokens · 514 tok/s
- GoogleNIEUWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 mln tokens · 87 tok/s
- AnthropicNIEUWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 mln tokens · 97 tok/s
- orcaNIEUWOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 mln tokens · 89 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 mln tokens · 133 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 mln tokens · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 mln tokens · 116 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 mln tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 mln tokens · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligentie
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 mln tokens · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligentie
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 mln tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligentie
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 mln tokens · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligentie
Fibo 2.0 en GPT Image 2.5 worden gescheiden door 192 Elo en een factor 6,6 in gemodelleerde kosten, en beide getallen zijn zachter dan ze lijken. De Elo-kloof is reëel — 1.229,27 tegen 1.036,98 op de tekst-naar-afbeelding-ranglijst van Artificial Analysis, intervallen die elkaar bij lange na niet raken — en het is ook de minst nuttige manier om tussen hen te kiezen, omdat de twee modellen niet hetzelfde werk proberen te doen. Fibo 2.0 is een 8B flow-matching-checkpoint dat Bria op 20 oktober 2026 heeft uitgebracht, een model dat je kunt downloaden en dat je instructie uitbreidt tot een gestructureerd JSON-onderschrift voordat het tekent. GPT Image 2.5 is niet één model: het zijn GPT-Image-2.5 Sunburst en GPT-Image-2.5 Flare, twee afzonderlijk gesnapshotte modellen die per token worden gefactureerd, waarvan er één de sterkste beeldgenerator op de openbare ranglijsten is.
Dus de eerlijke framing is niet "wat is beter". Het is "welke van deze vier dingen heb je nodig" — een downloadbaar model, de beste output, een budget per afbeelding, of een bewerking die niet afdrijft. Deze pagina behandelt ze in die volgorde.
Twee modellen, één naam, en waarom dat hier van belang is
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.
Dat is van belang in een vergelijking, omdat de twee varianten niet dicht bij elkaar liggen. Op het tekst-naar-afbeeldingsboard staat Sunburst op 1.229,27 en Flare op 1.209,81 — een verschil van 19 punten tussen twee modellen met hetzelfde versienummer. Bij bewerken wordt het verschil groter tot zeventien punten in dezelfde richting, 1.201,50 tegenover 1.184,65. Elke bewering van de vorm "GPT Image 2.5 verslaat X" is een bewering over Sunburst, en het is 19 punten precisie waard om dat te zeggen.
Die splitsing is belangrijk voor het lezen van de score. Fibo 2.0 komt in twee delen: een volledige Dev-basis die zowel tekent als bewerkt, en een alleen-voor-bewerken-Turbo die is gedistilleerd tot vier stappen bij guidance 1.0 en expliciet geen fine-tuningbasis is. Artificial Analysis zet op elk bord één Fibo 2.0-rij bij de Dev-checkpoints en rapporteert de Turbo nooit apart, dus 1.037 en 1.086 beschrijven Dev — het langzamere, algemene checkpoint — en niet de snelle editor die je daadwerkelijk voor een gebruiker zou zetten.
• Tekst-naar-afbeelding — GPT-Image-2.5 Sunburst 1.229,27, rang 2 van 116. Fibo 2.0 1.036,98, rang 32. Verschil 192,29.
• Beeldbewerking — Sunburst 1.201,50, rang 4 van 86. Fibo 2.0 1.085,98, rang 31. Verschil 115,52.
Gemodelleerde prijs — $210,72 per 1.000 afbeeldingen tegenover $32,00. Dat is 6,6×, en het is het eigen vergelijkbare cijfer van Artificial Analysis in plaats van de prijslijst van een van beide leveranciers.
• Gewichten — Fibo 2.0-downloads vandaag, 8B-parameters, CC BY-NC 4.0. GPT Image 2.5-downloads nooit; er is geen open checkpoint in de GPT-Image-lijn.

De kloof die niet dichtgaat
Het is de moeite waard om ronduit te zijn over het kwaliteitsverschil, want een vergelijkingspagina die daar vaag over blijft, is nutteloos. Bij tekst-naar-afbeelding is 192 Elo geen verschil in smaak. Zet je het om naar waar het een proxy voor is, dan betekent het dat Sunburst de voorkeur krijgt in iets in de buurt van negen van de tien directe vergelijkingen. Bij bewerken halveert de kloof naar 116 en blijft buiten beide intervallen: 1.201,50 met een bereik van 1.190,50 tot 1.212,50, tegenover 1.085,98 met 1.072,98 tot 1.098,98. Zelfs de ondergrens van Sunburst ligt 91 punten boven de bovengrens van Fibo.
Niets in de rest van dit artikel doet daar iets aan af. Waar de rest van dit artikel voor pleit, is dat er vier taken zijn waarbij 116 of 192 Elo niet de beslissende variabele is, en dat kopers voor alle vier daarvan doorgaans kiezen voor het model met de hogere score.
Wat facturering per token doet met een budget per afbeelding
Hier wordt het prijsverschil interessant, want de twee leveranciers meten niet op dezelfde manier en het gemodelleerde cijfer van de raad verbergt dat.
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.
Bria factureert per afbeelding. $0,032 op het eigen platform, waardoor duizend afbeeldingen $32 kosten — hetzelfde bedrag dat het bestuur hanteert, wat ongewoon is en het vermelden waard: voor Fibo 2.0 komen de gemodelleerde prijs en de prijs per eenheid overeen. Er is een tweede kostenpost als je de VGL-helper gebruikt die een eenvoudige instructie omzet in de gestructureerde caption, ongeveer $0,02 per aanroep, dus een volledige generatie van een gestructureerde prompt komt dan dichter bij $0,052. Schrijf je de JSON zelf, dan sla je die over.
• Voorspelbaarheid — De kosten per afbeelding van Fibo zijn constant. Die van GPT Image 2.5 hangen af van je instellingen: goed nieuws als je strikt bent over resolutie, slecht nieuws als een productmanager blijft vragen om nog één ronde op 4K.
• Plafond — duizend Sunburst-afbeeldingen tegen het door het bestuur gemodelleerde tarief kosten $210,72; duizend Fibo-afbeeldingen op Bria's platform kosten $32,00, of $52,00 met de structured-prompt-aanroep bij elk ervan.
• Ondergrens — Fibo op je eigen GPU, onder een niet-commerciële licentie, kost alleen elektriciteit. Een auteur van een communityworkflow mat 19 seconden per afbeelding bij 2K en 4 megapixels met één referentie, acht stappen, op een RTX 6000 Pro. Er is geen equivalente ondergrens voor GPT Image 2.5, tegen welke prijs dan ook.

Drift en het argument voor gestructureerde prompts
De enige plek waarop Fibo 2.0 een argument voor kwaliteit in plaats van prijs maakt, is datgene waarop de architectuur ervan is gebaseerd, en dat is het waard om te testen in plaats van af te wijzen.
Fibo 2.0 neemt je zin niet rechtstreeks als invoer. Een Qwen3-VL-4B-Instruct-encoder leest de prompt, een Perceiver-resampler comprimeert die tot 256 tot 512 gisttokens, en vijf van de 44 DiT-blokken ontvangen via cross-attention ook de eigen lagen van het VLM. In de praktijk breidt het model "een rode mok op een walnotenhouten bureau, ochtendlicht van links" uit tot een gestructureerde VGL/JSON-caption met velden voor onderwerp, materiaal, belichting en positie, genereert het op basis van dat document en geeft het de JSON aan je terug. Wijzig één veld en voer het opnieuw uit, en de velden die je niet hebt aangeraakt, zijn nog steeds de waarden die ze waren.
Dat is een andere garantie dan "behoudt details". Het betekent dat de bewerking wordt begrensd door een datastructuur in plaats van door hoe goed een taalmodel je zin opnieuw leest. Voor productwerk in meerdere stappen — hetzelfde object, zes lichtomstandigheden — is dat de faalmodus die de meeste tijd kost, en daar richt dit ontwerp zich op. Bria combineert dit bovendien met maximaal vier referentieafbeeldingen waarnaar in volgorde wordt verwezen als <image_1> tot en met <image_4>, en een gemaskeerde modus waarin witte gebieden opnieuw worden gegenereerd en al het overige behouden blijft.
Of het Sunbursts bewerken op taakniveau verslaat, kan het Elo-board je niet vertellen, en ik zou niet beweren dat het dat doet. Het board zegt dat Sunburst beter bewerkt bij een algemene promptverdeling. De architectuur zegt dat Fibo minder zou moeten afdrijven in een lus met vaste attributen. Dat zijn verschillende beweringen en slechts één ervan is openbaar gemeten.
Waarbij elk ervan het voor de hand liggende antwoord is
Sunburst is het voor de hand liggende antwoord wanneer de opdracht luidt: "laat het er goed uitzien en niemand zal vragen wat het heeft gekost". Marketing hero-afbeeldingen, campagnavarianten, alles waarbij een mens de beste van twaalf kiest. Rang 2 op een ranglijst van 116 modellen met een voorsprong van 95 punten op het beste downloadbare alternatief is geen marginaal voordeel; het is de reden dat het model bestaat.
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 2.0 is het voor de hand liggende antwoord in drie specifiekere gevallen. Je hebt de gewichten nodig: voor on-premises implementatie, voor een fine-tune, voor een onderzoeksbaseline, voor een air-gapped omgeving. Je hebt een licentie nodig waarnaar je kunt verwijzen: Bria's pitch is gelicentieerde trainingsdata, C2PA-herkomst en enterprise-vrijwaring, en het claimt volledige naleving van de EU AI Act, wat een inkoopantwoord is in plaats van een kwaliteitsantwoord. Of je hebt begrensde iteratie op een vast onderwerp nodig en het gestructureerde-promptontwerp is precies de vorm van je probleem.
De vierde casus is degene die mensen verkeerd doen: kosten. Fibo is 6,6 keer goedkoper op de ranglijst, maar een team dat twee weken engineeringtijd besteedt aan het omzeilen van een kwaliteitskloof van 192 Elo, heeft meer besteed dan het verschil. Goedkope inferentie op het verkeerde model is niet goedkoop.
Het routeringsantwoord, voor de helft die van ons is
OrcaRouter voert GPT-Image-2.5 Sunburst en Flare — beide staan in de catalogus als endpoints voor beeldgeneratie tegen het eigen tarief van de provider van $8 voor input en $30 voor output per miljoen tokens, zonder enige opslag erbovenop. Fibo 2.0 zit er niet bij: de gewichten en het platform van Bria zijn de route naar dat model, en geen enkele router verandert de licentie die eraan verbonden is. Iets anders beweren zou het soort claim zijn dat lekker leest en iemand een juridische toets kost.
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.
{{1}}0%{{/1}} opslag is belangrijker dan het klinkt in een markt waar leveranciers hun prijzen herzien. Een prijsverlaging van een provider is hier dezelfde dag zichtbaar in plaats van pas bij de volgende contractverlenging, en de vergelijking die je deze maand hebt uitgevoerd, is volgende maand nog steeds dezelfde vergelijking.
Wat zou deze uitspraak veranderen?
Twee dingen, en slechts één ervan is waarschijnlijk.
De eerste is een Fibo 2.0 fine-tune die de bewerkingskloof op een specifiek domein dicht. Fine-tunes zijn het punt waarop een open 8B-model stopt met concurreren op algemene Elo en begint te concurreren op jouw data, en de LoRA-trainer in de repository maakt daar een weekend van in plaats van een project. Als een gespecialiseerde Fibo Sunburst verslaat op jouw taak, doet het algemene leaderboard er niet toe en wordt 6.6× goedkoper gewoon 6.6× goedkoper.
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.

Totdat een van die dingen gebeurt, is de tweedeling helder en onglamoureus. Koop Sunburst voor de afbeeldingen die moeten kloppen. Download Fibo voor de afbeeldingen die van jou moeten zijn — van jou om te draaien, van jou om fijn af te stemmen, van jou om te verdedigen in een inkoopvergadering. Zes keer de prijs is veel om te betalen voor een voorkeur, en 192 Elo is veel om op te geven voor een licentie. Beide uitspraken zijn waar, en daarom kunnen de twee modellen naast elkaar bestaan zonder dat een van beide de verkeerde keuze is.
