Fibo 2.0 Dev появился на ModelScope: чекпоинт, который Bria действительно создала для тонкой настройки

Карточка Fibo 2.0 Dev на китайском сайте ModelScope была создана в 17:03 UTC 20 октября 2026 года — в тот же день, когда Bria выпустила модель, — а копия на международном сайте появилась двумя днями позже, в 09:55 UTC 22 октября. С тех пор ни одно из зеркал существенно не изменилось: на момент проверки на этой неделе у китайской карточки было 691 скачивание, а у международной — 59, и в обеих есть поле лицензии с неинформативным значением «other». Дело не в количестве скачиваний. Дело в том, что собственный инженерный стек ModelScope сообщает о чекпоинтах, потому что документация Fibo от DiffSynth-Studio теперь прямо это утверждает: обучать можно только Fibo 2.0 Dev.

Ради этого стоит остановиться и разобраться. Bria (компания, стоящая за моделью) выпустила Fibo 2.0 20 октября 2026 года как модель с открытыми весами на 8,13 млрд параметров, которая выполняет генерацию изображений по текстовому описанию и редактирование по инструкциям с помощью одного набора весов, и опубликовала под этим названием два чекпоинта — полную базовую версию и дистиллированный редактор. ModelScope — китайский хаб моделей, чей проект DiffSynth-Studio предоставляет скрипты обучения, — теперь интегрировал оба и обозначил ту границу, которую ждали разработчики: дистиллированный чекпоинт — это артефакт для развёртывания, а недистиллированный — то, что можно обучать.

Что на самом деле есть на ModelScope, а чего нет

Существуют два размещения, и они представляют собой зеркальные копии одних и тех же весов, а не повторную сборку. Китайский сайт указывает briaai/Fibo-2.0-dev в задаче text-to-image-synthesis с библиотеками pytorch, lora, safetensors и diffusers — наличие lora в этом списке служит небольшим намёком на замысел. Международный сайт содержит тот же идентификатор модели со своим, гораздо меньшим, счётчиком загрузок. Оба ссылаются обратно на закрытый репозиторий Hugging Face, а не размещают отдельную копию, поэтому всем, кому нужны сами файлы, по-прежнему приходится проходить через форму Bria для некоммерческого доступа.

Два момента стоит отметить особо, потому что они собьют с толку того, кто читает карточку модели в отрыве от контекста. В теге задачи указано «text-to-image only», что принижает возможности чекпойнта: Fibo 2.0 Dev выполняет генерацию и редактирование на одних и тех же весах, и именно путь редактирования интересует большинство команд. А в поле лицензии указано «other», а не «CC BY-NC 4.0»; это пробел в метаданных, а не другая лицензия — предоставляемая лицензия по-прежнему является некоммерческой лицензией Bria, и это самое серьёзное ограничение для всего, что вы дообучаете на основе этого чекпойнта.

Тайминг также важен для того, как следует интерпретировать эту новость. Веса появились на Hub 18–19 октября, к 20 октября у Artificial Analysis уже был снимок, 21 октября ComfyUI включила нативную поддержку, а 22 октября заполнилось международное зеркало ModelScope. Fibo 2.0 Dev — это девятидневный чекпоинт в всё ещё продолжающейся фазе распространения, а не старый релиз, который возрождают.

Dev versus Edit Turbo — это настоящий форк, а не просто причуда в названии

Bria опубликовала два чекпоинта под одним названием релиза, и разница между ними определяет всё дальнейшее:

• Сэмплирование — Fibo 2.0 Dev выполняет 50 шагов с classifier-free guidance на уровне 5.0; Fibo 2.0 Edit Turbo выполняет 4 шага с guidance, фиксированным на 1.0, то есть вообще без guidance.

• Охват задач — Dev выполняет генерацию изображений по тексту и редактирование; Turbo выполняет только редактирование, поэтому запрос на генерацию изображения по тексту к Turbo — это неподходящий инструмент, а не более медленный ответ.

• Негативные промпты — они работают на Dev, потому что CFG включён; на Turbo нет CFG, которым можно управлять, поэтому у негативного промпта нет рычага, за который можно потянуть.

• Обучаемость — именно это различие здесь имеет значение. На странице Fibo в DiffSynth-Studio прямо указано, что обучение предусмотрено только для Fibo-2.0-dev; Turbo описан как не предназначенный для тонкой настройки.

• Стоимость обработки одного изображения при инференсе — Turbo примерно на порядок дешевле в работе для той узкой задачи, которую он выполняет, и именно поэтому никому не стоит дообучать его, чтобы попытаться закрыть этот разрыв.

Под капотом у них одинаковая структура: диффузионный трансформер с flow-matching, работающий в латентном пространстве FLUX.2 VAE, — BF16 DiT с 8 127 342 213 параметрами и 44 блоками single-stream, пять из которых используют кросс-внимание к текстовому энкодеру Qwen3-VL-4B-Instruct, выход которого сжимается двухслойным Perceiver-ресэмплером до 256–512 «gist»-токенов. Репозиторий целиком занимает около 25,5 ГБ — 16,3 ГБ трансформер, 8,9 ГБ текстовый энкодер и 0,34 ГБ VAE — и именно на это число стоит ориентироваться, а не на 8B из заголовка.

Схема обучения: замороженные энкодеры, обучаемый DiT.

Вклад ModelScope — это не ещё одно зеркало, а набор скриптов, и его структура привычна в том смысле, который делает его удобным для использования. Обучение использует тот же FiboPipeline, что и инференс, и запускается через examples/fibo/model_training/train.py. VAE и текстовый энкодер заморожены; DiT обучается с помощью flow matching. Этот выбор разумен — дообучение энкодера Qwen3-VL-4B вместе с 16-ГБ трансформером на одной ноде — это отдельный проект, — но он также означает, что дообучение может перенаправить стиль, композицию и поведение при редактировании, не обучая модель по-настоящему новому языку промптов.

Поддерживаются два уровня, и оба используют только DiT:

• Полный fine-tune — передайте --trainable_models "dit" и позвольте Accelerate обработать распределённую конфигурацию; перемещается весь трансформер, и больше ничего.

• LoRA — подключайте адаптеры к DiT с помощью --lora_base_model "dit", задавайте целевые модули и ранг и при необходимости возобновляйте обучение с контрольной точки; прилагаемые скрипты LoRA по умолчанию рассчитаны на один GPU.

Редактирование — это полноценная цель обучения, а не второстепенная задача. Запуски редактирования передают edit_image и необязательную маску через --extra_inputs, а UnifiedDataset читает эти столбцы из метаданных; строки без масок обучаются как обычные образцы редактирования, а не отбрасываются. Поскольку генерация и редактирование используют общие веса, одна процедура дообучения может обучить новому домену и тому, как редактировать внутри него — собственная карточка модели Bria продвигает этот подход для LoRA бренда и стиля, отраслевых специалистов и узких редакторов задач, а также Bria поставляет средство обучения LoRA на одном GPU с руководством по подготовке данных в папке fine_tuning/ репозитория.

Два примера набора данных показывают схему, которую вы должны создать: DiffSynth-Studio/diffsynth_example_dataset — с разделом fibo/Fibo-2.0-dev, содержащим CSV-файл метаданных с полями image и prompt, и разделом fibo/Fibo-2.0-dev-Edit, содержащим JSON-файл метаданных с полями image, prompt, edit_image и необязательным полем mask. В этой схеме нет ничего экзотического; вся работа заключается в создании подписей.

VRAM: то, что карточка модели не оценивает количественно

Опубликованного минимума нет. Документация DiffSynth рекомендует конфигурации с низким объёмом видеопамяти и автоматическое управление VRAM с учётом оставшейся памяти вместо указания минимального порога, а пример конфигурации показывает, чего от вас ожидают: загрузка и подготовка в FP8 E4M3, вычисления в BF16, выгрузка на диск и ограничение общего потребления объёмом общей памяти CUDA минус 0,5 ГБ. Это рецепт от людей, которые знают, что ответ зависит от вашей видеокарты, вашего разрешения и того, включён ли чекпоинтинг градиентов, — и они честно это признают. Планируйте выгрузку и будьте готовы к тому, что тонкая настройка на одном мегапикселе будет идти медленно, прежде чем даст хороший результат.

Структурированный JSON — это интерфейс, поэтому ваш набор данных должен говорить на нём.

Панель управления Fibo — это не поле для промпта. Модель обучена на описаниях на языке Visual GenAI Language (VGL) — структурированном JSON, в котором освещение, композиция, стиль, камера и объекты являются независимо адресуемыми полями, — а конвейер инференса возвращает описание вместе с созданным изображением. Хелпер bria-vgl предоставляет create() для генерации и modify() для правок, так что писать JSON вручную вам не нужно; расширение выполняет VLM, размещённая на стороне сервиса, — если только вы не составите его сами.

Это имеет прямое следствие для тонкой настройки, которое освещение запуска в основном пропустило. Если вы обучаете на промптах свободного текста, вы обучаете DiT на формате подписей, вокруг которого он не создавался, и контроль, на который вы рассчитывали, исчезает первым. Хранение подписей VGL в ваших метаданных — будь то сгенерированные пайплайном и затем отредактированные или намеренно созданные вручную — сохраняет поведение адресуемых полей неизменным, и это разница между LoRA, которая меняет стиль, и LoRA, которая меняет стиль, не разрушая остальную часть кадра. Если ваш обучающий набор — изображения без подписей, этап создания подписей является дорогостоящим шагом, и это работа языковой модели.

Тулинг появился быстрее, чем обычно появляются новые чекпоинты.

Для модели, которой всего девять дней, окружающий стек на удивление полон — и отчасти поэтому интеграция с ModelScope значит меньше, чем кажется на первый взгляд, но при этом оказывается полезнее, чем простое зеркало.

• diffusers — BriaFibo2Pipeline был добавлен в PR #14991, и именно по этому пути будет идти большая часть кода инференса.

• ComfyUI — нативная поддержка была добавлена 21 октября в PR #17240 и вошла в v0.43.0, добавив тип текстового энкодера fibo2, который загружает официальную Qwen3-VL-4B, и узел TextEncodeFibo2, который обрабатывает промпты VGL и референсные изображения. Репаки BF16 и INT8 следуют этой компоновке загрузчика, а поддержка архитектуры GGUF предусмотрена для квантованных локальных запусков.

• ModelScope / DiffSynth-Studio — скрипты для инференса и обучения в одном месте; это именно тот компонент, который нужен команде, стандартизирующей работу на DiffSynth, прежде чем планировать файн-тюнинг.

Стена, о которой никто не говорит: CC BY-NC 4.0

Fibo 2.0 — это открытые веса, а не открытый исходный код, и разрыв между этими двумя формулировками — это весь коммерческий вопрос. Чекпоинты распространяются по лицензии CC BY-NC 4.0: только некоммерческое использование, а для коммерческого развёртывания требуется отдельное соглашение с Bria, причём репозитории на Hugging Face закрыты формой с указанием компании и предполагаемого использования. Брендовый LoRA, обученный на Fibo 2.0 Dev, остаётся исследовательским артефактом до тех пор, пока такого соглашения нет — странное место для того, «на чём разработчики хотят строить», но именно так оно и есть. Сравните с альтернативами на открытых весах, которые допускают коммерческое использование без оговорок, — и решающей чертой для любого, кто выпускает продукт, становится лицензия, а не Elo.

Картина качества также уже, чем заголовок. В рейтинге AA-Image-Editing v2.1 от Artificial Analysis Fibo 2.0 набирает 1 088 Elo с интервалом ±14 по 5 009 слепым голосам — двадцать третье место в общем зачёте и первое среди редакторов с открытыми весами, хотя с момента стартового среза он опустился на одно-два места. Qwen-Image-2.1 находится на 1 081 ±13, и интервалы почти полностью перекрываются, так что лидерство среди открытых весов — лишь тай-брейк, а не доказательство. В AA-Image-T2I v2.1 порядок меняется на обратный: 1 039 ±12 у Fibo 2.0 против 1 042 ±12 у Qwen-Image-2.1. Собственная карточка модели Bria в узких категориях ещё менее лестна — в ней рендеринг текста и компоновка указаны в конце второго — начале третьего десятка, а анатомия человека — на восемнадцатом месте. Дообучение может целенаправленно исправлять эти слабые места, но не способно превзойти то, что понимает энкодер.

Где маршрутизация уместна, а где — нет

Честное разделение: сам Fibo 2.0 не входит в каталог OrcaRouter, поэтому здесь нет предложения «вызывайте Fibo через нас». Маршрутизация дает вторую половину конвейера. Две задачи для языковых моделей вокруг этого чекпойнта — написание подписей VGL для обучающего набора и развертывание коротких промптов в структурированный JSON при инференсе — это обычные текстовые рабочие нагрузки, и именно они решают, возможен ли файн-тюнинг в принципе. OrcaRouter предлагает единый API для 200+ моделей с наценкой 0%, поэтому цены из прайс-листов провайдеров проходят напрямую, и скидка от вендора попадает в ваш счет в тот же день; автоматическое переключение при сбое между провайдерами означает, что прогон генерации подписей для нескольких тысяч изображений не обрывается из-за одного апстрима; а DSL маршрутизации позволяет закрепить дешевую модель для массовой генерации подписей, отправляя сложные случаи более мощной модели, при этом доступно слияние моделей, когда один генератор подписей постоянно пропускает поле. Модель изображений остается на своем месте; текст вокруг нее можно маршрутизировать.

Что ждать дальше — это собственная дорожная карта Bria, в которой карточка модели перечисляет многоходовое локальное редактирование, удаление фона, LoRA для продуктовых снимков, стирание маски и аутпейнтинг — всё это появится сначала в чекпоинте Dev, потому что именно у Dev есть цикл обучения. Зеркала ModelScope — скучная половина этой истории. Фраза DiffSynth «только Fibo-2.0-dev можно обучать» — полезная половина, и именно из-за неё стоит скачать репозиторий на 25,5 ГБ, а не вызывать API.