Wygenerowana plansza tytułowa o treści „FIBO 2.0 vs HY-Image 3.5”, z podtytułem „model zapowiedziowy Tencenta w porównaniu z otwartym checkpointem Bria”, z plakietkami o treści „Edycja: 1,092 vs 1,086”, „Tekst na obraz: 972 vs 1,037” i „Oba w granicach 8 dolarów za 1000 obrazów”. Stopka brzmi: „Elo według Artificial Analysis AA-Image-Editing i AA-Image-T2I v2.1, odczyt z 20 listopada 2026 r.”
Guides & Insights

FIBO 2.0 vs HY-Image 3.5: Jedna tablica ogłasza remis

Autor

jinhao.song

Data publikacji

Najnowsze modele · 20Zobacz wszystkie modele →
Benchmarki: Artificial Analysis · aktualizowane codziennie
Powrót do wszystkich wpisów

Postaw Fibo 2.0 i HY-Image 3.5 na planszy do edycji, a otrzymasz remis. Postaw je na planszy do generowania obrazów z tekstu, a otrzymasz 65-punktową różnicę. Te same dwa modele, ten sam tydzień, ta sama metodologia, przeciwne wnioski — a powodem nie jest to, że którykolwiek z wyników jest błędny. Powodem jest to, że oba modele nie są równie dobre w dwóch rzeczach, które robi model obrazu, a jedna odpowiedź na pytanie „który jest lepszy” niszczy dokładnie tę informację, której potrzebujesz. HY-Image 3.5 firmy Tencent, które dostawca udostępnia jako wersję zapowiedziową pod identyfikatorem hy-image-v3.5-preview w ramach swojej linii HunyuanImage, edytuje mniej więcej tak dobrze jak Fibo 2.0 firmy Bria — otwarty checkpoint 8B, który Bria wydała 20 października 2026 — i generuje znacznie gorzej. Jeśli twoja praca polega na edycji, to zdanie to cały artykuł.

Uwaga o pochodzeniu danych, zanim liczby zaczną cokolwiek mówić. Dwie wartości Elo i ich przedziały pochodzą z Artificial Analysis, które prowadzi zaślepione głosowanie preferencyjne w parach i publikuje rozrzut wokół każdego wyniku; oba zestawienia odczytałem 20 listopada 2026 r. Dwie ceny to modelowany koszt na tysiąc obrazów z tego zestawienia — porównywalna wielkość syntetyczna, a nie cennik któregokolwiek z dostawców. Dokumentacja samego T​encenta i karta modelu Bria są źródłem wszystkich informacji o limitach, licencjach i statusie wydania, a tam, gdzie dostawca stwierdza coś, czego nie zweryfikowałem niezależnie, zdanie wyraźnie to sygnalizuje.

Odczyt dwóch tablic, które się nie zgadzają

Rozbieżność jest tak wyraźna, że można najpierw podać liczby, a potem je zinterpretować.

Edycja — HY-Image 3.5 1091,87 (przedział 1078,87 do 1104,87), pozycja 28 z 86. Fibo 2.0 1085,98 (1072,98 do 1098,98), pozycja 31. HY-Image prowadzi o 5,89 punktu, co stanowi mniej niż połowę połowy szerokości któregokolwiek z przedziałów.

• Tekst na obraz — Fibo 2.0 1 036,98 (od 1 025,98 do 1 047,98), miejsce 32 z 116. HY-Image 3.5 972,12 (od 960,12 do 984,12), miejsce 75. Fibo prowadzi o 64,86, a przedziały są najbliżej siebie oddalone o 41 punktów.

• Cena — 32,00 USD za 1000 obrazów dla Fibo 2.0, 24,00 USD dla HY-Image 3.5. Różnica wynosi osiem dolarów, czyli 25%.

• Stan wydania — Fibo 2.0 jest ogólnie dostępny z wagami do pobrania na licencji CC BY-NC 4.0. HY-Image 3.5 jest nadal oznaczony jako wersja zapoznawcza, a obok identyfikatora wersji zapoznawczej nie opublikowano drugiego stabilnego identyfikatora.

Remis w edycji jest tym interesującym, ponieważ nie jest to remis między dwoma modelami, które osiągnęły ten sam rezultat. To remis między dwoma całkiem różnymi zakładami. HY-Image 3.5 to model obrazowy chińskiego laboratorium udostępniany przez Tencent Cloud, o silnym rozumieniu języka chińskiego, stworzony dla rynku, na którym prompt równie dobrze może być po 中文, co po angielsku. Fibo 2.0 to checkpoint na danych licencjonowanych, którego cała przesłanka projektowa zakłada, że prompty powinny być ustrukturyzowanymi dokumentami, a nie zdaniami. Spotykają się na tablicy edycji, a w generowaniu różnią się o 65 punktów, i nikt, kto spojrzałby wyłącznie na tablicę edycji, nie przewidziałby tego.

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.

Dlaczego luka pokoleniowa jest istotniejszym faktem

Sześćdziesiąt pięć punktów Elo to różnica, która daje o sobie znać już w pierwszych dwudziestu wynikach, a nie dopiero w dwusetnym. To w przybliżeniu odstęp między miejscem 32. a 75. na tej samej liście rankingowej, czyli obejmuje większość środka stawki — odległość między modelem, który dotrzymuje kroku Qwen-Image-2.1 i FLUX 3 Image Klein, a takim, który znajduje się poniżej Wan 2.7 Pro i HiDream-O1-Image.

Tablica edycji opowiada inną historię, ponieważ edycja to inne zadanie. Edytor zaczyna od obrazu, który już zawiera większość kompozycji, oświetlenia i struktury. Zadaniem modelu jest zmiana lokalna, a model o przeciętnych zdolnościach generowania może wciąż być kompetentnym edytorem, jeśli zachowuje to, co otrzymuje. Dokładnie to opisują liczby: HY-Image 3.5 to przyzwoity edytor zbudowany na słabszym generatorze, a Fibo 2.0 to mocny generator, którego edycja jest w przybliżeniu równie dobra.

Praktyczna konsekwencja jest taka, że te dwa modele nie są substytutami. Jeśli wybierasz jeden model do pipeline'u, który zarówno generuje, jak i edytuje, powinien o tym decydować ranking generowania — a Fibo 2.0 wygrywa go przewagą, której żaden argument o przedziałach nie podważa. Jeśli masz bibliotekę istniejących obrazów i tylko je edytujesz, HY-Image 3.5 jest tańszy z tej dwójki i statystycznie równorzędny na osi, która cię interesuje.

Etykieta podglądu to nie formalność

Tencent najpierw udostępnia wersję zapoznawczą tej linii, a później oficjalną, i obecna generacja znajduje się w pierwszym z tych dwóch stanów. Identyfikator w obiegu to hy-image-v3.5-preview. Nie istnieje obok niego drugi, stabilny identyfikator niebędący wersją zapoznawczą, a Tencent nie opublikował daty, kiedy taki się pojawi.

W przypadku porównania ma to większe znaczenie niż w recenzji, ponieważ zmienia znaczenie słowa „tańszy”. Model w wersji preview może zostać objęty nową ceną, przemianowany lub zastąpiony bez powiadomienia, a pipeline przypięty do identyfikatora preview jest przypięty do czegoś, czego dostawca wyraźnie odmówił obiecać. Fibo 2.0 ma odwrotny problem w innym rejestrze: stabilne wagi, niestabilna licencja. Jego checkpointy nie zmienią się w trakcie korzystania z nich; to, co wolno ci z nimi robić, jest częścią wymagającą umowy.

To jest ten wybór w jednym zdaniu. API w wersji preview jest stabilne pod względem licencji, a niestabilne pod względem istnienia. Otwarty checkpoint jest stabilny pod względem istnienia, a ograniczony pod względem licencji. Żadna z tych opcji nie jest bezpieczna, a to, które ryzyko wolisz ponieść, zależy od tego, czy twoim problemem jest przegląd prawny, czy incydent produkcyjny.

Co tak naprawdę robi każdy model

Fibo 2.0 to model flow-matching o ośmiu miliardach parametrów, który usuwa szum w przestrzeni utajonej VAE modelu FLUX.2, dzięki czemu prompt dociera na etap rysowania przez enkoder Qwen3-VL-4B-Instruct, dwuwarstwowy resampler Perceiver, który ściska go do 256–512 tokenów gist, oraz 44-blokowy jednostrumieniowy DiT — z których pięć bloków pobiera warstwy VLM bezpośrednio przez cross-attention, zamiast czytać opis. To właśnie to okablowanie sprawia, że założenie o ustrukturyzowanym opisie w ogóle działa. Dev to 50-krokowy checkpoint z guidance 5.0 i obsługuje zarówno generowanie, jak i edycję. Edit Turbo to destylowane rodzeństwo: cztery kroki, guidance 1.0, tylko edycja i nie jest bazą, na której ktokolwiek powinien próbować fine-tuningu.

• Obrazy referencyjne — Fibo 2.0 przyjmuje do czterech, przywoływane w kolejności od <image_1> do <image_4>. HY-Image 3.5 przyjmuje do pięciu, zgodnie z dokumentacją Tencent.

• Zakres wyjściowy — Fibo 2.0 generuje obrazy o wymiarach będących wielokrotnościami 16 przy około jednym megapikselu, domyślnie 1024×1024, 1424×800 lub 1248×832. HY-Image 3.5 ma udokumentowaną obsługę do 2K.

• Ustrukturyzowane prompty — wyróżnik Fibo. Krótka instrukcja zamienia się w opis JSON/VGL z polami dotyczącymi tematu, materiału, oświetlenia i pozycji, a w zamian otrzymujesz JSON. Zmień jedno pole, uruchom ponownie, a wszystko inne pozostaje bez zmian.

• Rozumienie języka chińskiego — wyróżnik HY-Image 3.5 i powód, dla którego istnieje jako odrębny produkt, a nie jako lokalizacja jednego z nich. Materiały produktowe samego Tencenta promują silne rozumienie języka chińskiego obok generowania obrazów.

• Dostęp — Fibo 2.0 za pośrednictwem platformy Bria, jej programu licencyjnego, ComfyUI i ekosystemu społeczności oraz generatora Civitai od 18 listopada. HY-Image 3.5 za pośrednictwem interfejsu API TokenHub w T​encent Cloud.

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.'

Koszt, gdy przestaniesz ufać liczbie przypadającej na obraz

Osiem dolarów za tysiąc to nagłówek i to niewłaściwy nagłówek. Dwie rzeczy zmieniają arytmetykę.

Cena na platformie Bria wynosi 0,032 USD za obraz, a modelowane przez panel 32 USD okazuje się dokładnie się z tym pokrywać. Żadna z tych liczb nie uwzględnia pomocnika do promptów strukturalnych: osobnego wywołania modelu wizyjno-językowego, które przepisuje Twoją instrukcję na opis w formacie JSON, rozliczanego po około 0,02 USD za każde wywołanie. Uruchamiaj go przy każdym renderze, a rzeczywisty koszt przesunie się do 0,052 USD, czyli 52 USD za tysiąc — ponad dwukrotnie więcej niż 24 USD w HY-Image 3.5. Pomiń pomocnika, napisz JSON ręcznie albo użyj ponownie jednego opisu z pamięci podręcznej dla ustalonej sceny i zmieniaj tylko pola, które się zmieniają, a faktycznie zapłacisz 32 USD.

Po drugie, za 24 USD w HY-Image 3.5 otrzymujesz wersję zapoznawczą. Jeśli w momencie ogólnej dostępności model zostanie wyceniony na nowo — a ceny wersji zapoznawczych są zwykle cenami wprowadzającymi — porównanie, które przeprowadziłeś w listopadzie, może nie przetrwać do lutego. Stawka 32 USD w Fibo to publikowana cena gotowego produktu, a wagi są darmowe do użytku niekomercyjnego, jeśli wolisz zapłacić w godzinach GPU.

• Najtaniej za obraz — HY-Image 3.5 za 24 USD za tysiąc, z ryzykiem cenowym przy podglądzie.

• Najtaniej z pomocnikiem przy każdym wywołaniu — HY-Image 3.5 ponad 2×.

• Najtańsze w skali, jeśli posiadasz własny sprzęt — Fibo 2.0, przy zerowym koszcie krańcowym w ramach licencji niekomercyjnej. Jeden społecznościowy przepływ pracy osiąga około 19 sekund na obraz 2K na karcie RTX 6000 Pro.

• Najtańsze dla produktu komercyjnego w hostowanym API — mówiąc wprost, ani jedno, ani drugie. Fibo wymaga zgody Bria; warunki podglądu HY-Image to rzecz, którą trzeba przeczytać, a znajdują się one w Tencent Cloud, a nie na stronie marketingowej.

Gdzie pasuje OrcaRouter — a gdzie nie

Zacznijmy od niewygodnej części: żaden z tych modeli nie znajduje się w katalogu OrcaRouter. Fibo 2.0 to checkpoint Bria na licencji Bria; HY-Image 3.5 to produkt Tencent Cloud. Żadnego z nich router nie może ci po prostu udostępnić, a udawanie inaczej byłoby jedyną użyteczną rzeczą, którą ta strona mogłaby zrobić źle.

Ta część tego pipeline'u, którą może obsłużyć router, to wszystko z wyjątkiem pikseli. Render Fibo zaczyna się od opisu wygenerowanego przez model wizyjno-językowy, a może kończyć się drugim opisem oceniającym, czy edycja pozostawiła resztę kadru bez zmian; oba są wywołaniami tekstowymi i oba mogą mieścić się na jednym kluczu obok ponad 200 innych modeli. Ma to największe znaczenie przy długiej partii: reguły routingu kierują tanie przepisywanie promptów do taniego modelu, a staranną ocenę pozostawiają droższemu; 0% marży oznacza, że płacisz tyle, ile dostawca pobiera danego dnia, a automatyczne przełączanie awaryjne utrzymuje przy życiu przebieg obejmujący dwa tysiące obrazów, gdy endpoint jednego dostawcy przez godzinę działa niestabilnie.

If you specifically want HY-Image 3.5's Chinese comprehension, note that T​encent's own language models are a different story and a different product line — check the catalogue for what is actually there rather than assuming an image model implies its sibling is routable.

Kto powinien wybrać, które

Zacznij od zadania, a nie od wyniku, a odpowiedź zwykle pojawi się sama.

Jeśli generujesz tyle samo, ile edytujesz, wybierz Fibo 2.0. 65-punktowa przewaga w generowaniu to największa liczba w tym porównaniu i to ona będzie widoczna w Twoich wynikach każdego dnia. 5,89-punktowa przewaga HY-Image w edycji mieści się w granicach szumu i nie będzie widoczna.

Jeśli edytujesz tylko istniejące obrazy, a Twoje polecenia są po chińsku, wybierz HY-Image 3.5. Ma równy wynik na liście rankingowej, jest tańszy za obraz, a rozumienie chińskiego to jedyna zdolność, której dokumentacja Fibo 2.0 nie deklaruje.

Jeśli potrzebujesz mieć model na własność, nie ma nad czym wybierać. HY-Image 3.5 jest zamknięty i dostępny w wersji zapoznawczej. Fibo 2.0 można pobrać, dostroić, skwantyzować i uruchomić w środowisku odizolowanym od sieci — do użytku niekomercyjnego lub komercyjnie na podstawie umowy.

Jeśli prowadzisz zakupy na rzecz nabywcy objętego regulacjami, remis w rankingu edycyjnym jest nieistotny, a pytanie brzmi, który dostawca co podpisze. Bria sprzedaje jako produkt zabezpieczenie odszkodowawcze i pochodzenie. Tencent sprzedaje usługę w chmurze. To zupełnie różne rozmowy zakupowe i tylko jedna z nich kończy się dokumentem, który zaakceptuje Twój zespół prawny.

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.

Ostatnia rzecz, którą warto powiedzieć, dotyczy tego, jak w ogóle czytać takie porównanie. Dwa modele, cztery liczby, a wniosek się odwraca w zależności od tego, na którą parę spojrzysz. To nie jest porażka benchmarków — to benchmarki robią swoje, czyli mówią ci, że „lepszy” nie jest jedną osią. Wybierz oś, na której faktycznie opiera się twoja praca, sprawdź, czy różnica na tej osi przekracza własne przedziały błędu, i zignoruj resztę tabeli.