Fibo 2.0 против Gemma 4 12B: один рисует изображение, другой пишет для него промпт

Put Fibo 2.0 and Gemma 4 12B next to each other on a spec sheet and the comparison falls apart immediately, because they do not answer the same question. Fibo 2.0 is an 8B image model released by Bria on 20 October 2026: you give it a description or a picture, it returns pixels. Gemma 4 12B is G​oogle's 11.95B dense multimodal language model, Apache-2.0, live since 23 May 2026: you give it text, images or audio and it returns text, never an image. Every "Fibo 2.0 vs Gemma 4 12B" page that ranks them against each other is ranking a renderer against a writer. The useful version of this comparison is the one where they are not rivals at all — where Gemma 4 12B writes the structured prompt and Fibo 2.0 renders it, and the question becomes whether that pair beats either model used alone. Spec sheets do not record how image and language models fail once they are in production, and those incidents are catalogued in the OrcaRouter AI Incident Archive where each entry carries its own sources, severity, confidence grade and disputed flag.

Что каждый из них на самом деле возвращает

Вот весь аргумент в двух строках, и именно поэтому это противостояние стоит того, чтобы о нём писать, а не отмахиваться от него: выходные типы не пересекаются.

• Вывод — Fibo 2.0 возвращает изображение с точностью редактирования вплоть до работы с несколькими референсами; Gemma 4 12B возвращает текстовые токены и вообще не имеет декодера изображений.

• Ввод — Fibo 2.0 принимает текст и до четырёх референсных изображений; Gemma 4 12B принимает текст, изображения и аудио в едином стеке без энкодера, с контекстом на 256 000 токенов.

• Задача — Fibo 2.0 — это рендерер с узким местом в промптах; Gemma 4 12B — это модель рассуждения с очень длинным окном и без пути рендеринга.

Следствие не в том, что одно лучше. Оно в том, что прямое сравнение по Elo между ними не просто недоступно — оно бессмысленно: никто и никогда не просил толпу выбирать между JPEG и абзацем текста.

Числа, к которым тянутся люди, и почему их нельзя вычесть

У обеих моделей есть надёжные независимые оценки, и они измеряют разные аспекты по разным шкалам. Fibo 2.0 набирает 1 087,05 Elo в рейтинге AA-Image-Editing v2.1 от Artificial Analysis — 20-е место в общем зачёте и первое среди моделей с открытыми весами, с доверительным интервалом от 1 073,05 до 1 101,05 по результатам 4 819 поединков. В AA-Image-T2I v2.1 у неё 1 038,79 — 21-е место в общем зачёте. Gemma 4 12B имеет Intelligence Index, равный 14,18 — составной показатель по тексту и рассуждениям, а не оценку предпочтений — наряду с MMLU Pro 77,2, GPQA 78,8, AIME 77,5, Codeforces 1 659 и MMMU Pro 69,1.

Elo и индекс — это не одна и та же единица измерения, поэтому «Fibo 2.0 лучше на 1 072 пункта» — это арифметика на несопоставимых шкалах. Что числа действительно подтверждают, так это разделение труда, потому что MMMU Pro с результатом 69,1 — мультимодальное рассуждение по изображениям — это именно та способность, которая читает исходную фотографию и решает, что в ней следует изменить. Fibo 2.0 этого не может. Он способен лишь выполнить данное ему описание.

Gemma 4 12B — недостающая половина пайплайна Fibo.

Причина объединять их связана с тем, как был создан Fibo 2.0. Bria обучает и документирует его на основе VGL — Visual GenAI Language — структурированного формата JSON-описаний с именованными полями для субъекта, композиции, освещения, камеры, стиля и текста на изображении. Модель примет и предложение, но со схемой она более предсказуема, потому что её кодировщик промптов Qwen3-VL-4B сжимается через двухслойный Perceiver resampler в 256–512 gist-токенов, и границы полей переживают это узкое место так, как не переживает длинное слитное предложение.

Писать JSON, соответствующий схеме, вручную — утомительно и чревато ошибками. А поручать это языковой модели — нет. Gemma 4 12B с контекстом 256K может удержать схему, исходное изображение, корпоративный стайлгайд и набор примеров в одном окне, выдать валидированный объект VGL и — вот что важно — посмотреть на отрендеренный результат и решить, применилась ли правка. Эта вторая роль — цикл обратной связи, который Fibo 2.0 не может выполнить самостоятельно, поскольку у него нет способа проверить собственный вывод.

• Шаг первый — Gemma 4 12B читает референсное изображение и бриф и выдаёт VGL JSON. Здесь важен показатель MMMU Pro 69.1, а не оценка её кода.

• Шаг второй — Fibo 2.0 выполняет рендеринг или редактирование на основе этого JSON: в режиме Dev при 50 шагах, если важно качество, или в Edit Turbo при четырёх шагах, если важнее скорость.

• Шаг третий — Gemma 4 12B сравнивает результат с брифом и либо утверждает его, либо выдаёт исправленный JSON. Два прохода выявляют большинство ошибок с текстом на изображении и краями маски.

• Шаг четвертый — всё, что проходит цикл, передаётся человеку, а это гораздо меньшая очередь, чем проверка каждого рендера.

Ни одна из моделей не справляется с этим хорошо в одиночку. У Fibo 2.0 нет самопроверки; у Gemma 4 12B нет рендерера. Пайплайн и есть продукт.

Лицензия: единственная строка, где сравнение действительно прямое

Обе имеют открытые веса. Только одну можно использовать в продукте без диалога.

• Fibo 2.0 — CC BY-NC 4.0 указана на карточке модели для некоммерческого использования; для коммерческого использования требуется отдельное соглашение с Bria. Доступ к репозиторию Hugging Face ограничен (gated) в режиме «auto» и требует заполнения формы о компании и предполагаемом использовании.

Gemma 4 12B — Apache-2.0, без ограничений доступа, без ограничений по области применения, без отдельного соглашения. Скачивайте и внедряйте.

• Что это означает для этой пары — внутренний исследовательский пайплайн может использовать обе модели уже сегодня. Коммерческий продукт может использовать Gemma 4 12B уже сегодня, а для рендерера требуется подпись Bria.

• Почему условие Bria оправдано: обучающий корпус — это примерно миллиард лицензированных изображений, за которые компания заплатила. Публикация весов, позволяющих кому угодно бесплатно подрывать позиции её собственного API на этом корпусе, означала бы безвозмездную передачу актива, приобретённого вместе с корпусом. Условие о некоммерческом использовании — это механизм, который предотвращает это.

Это единственное сравнение в материале, которое ведёт себя как обычное сравнение моделей: тот же вопрос, тот же формат ответа, явный победитель. Побеждает Apache-2.0. Просто это наименее интересная строка, потому что лицензия не говорит, какую модель для чего использовать — она говорит, разрешено ли вам это, и её следует проверять в первую очередь, а не в последнюю.

Стоимость пары в сравнении со стоимостью API

Fibo 2.0 через API Bria стоит $0.032 за изображение, $0.0288 для более дешёвого тарифа Fibo Lite и $0.02 за вызов, если использовать собственный сервис структурированных промптов Bria вместо того, чтобы писать VGL самостоятельно. Artificial Analysis указывает pricePer1kImages на уровне $32.00, что согласуется с заявленной ценой. На строке про структурированные промпты за $0.02 стоит задержаться, потому что это ровно та задача, которая выше передаётся Gemma 4 12B, — а Gemma 4 12B с её 12B параметров достаточно дешёва в запуске, так что вопрос в том, дешевле ли самостоятельно писать JSON, чем платить дважды за каждое изображение.

• Только Fibo 2.0, запрос в свободной форме — $0.032 за изображение.

• Fibo 2.0 плюс сервис структурированных промптов Bria — $0.052 за изображение, и модель рассуждений не требуется.

• Fibo 2.0 плюс Gemma 4 12B, записывающие JSON, — $0.032 за изображение плюс всё, во что вам обходится 12B. На арендованном GPU при локальном запуске 12B это обычно меньше двух центов за генерацию на один промпт; через хостируемый эндпоинт всё зависит исключительно от тарифов провайдера на входные данные, поскольку промпт содержит изображение.

Вариант с самостоятельным размещением даёт ещё и то, чего не может API: двухпроходную самопроверку. Сервис структурированных промптов Bria создаёт JSON, но потом не смотрит на отрендеренный результат. А локальная Gemma 4 12B может — и там, где важно отображение текста или края маски, именно эта проверка и обеспечивает качество.

Запуск Gemma 4 12B рядом с рендерером

Gemma 4 12B в исполнении 12B отсутствует в каталоге OrcaRouter, так что считайте это данностью, а не пытайтесь найти обходной маршрут. В каталоге есть лишь более крупные представители семейства Gemma 4: google/gemma-4-26b-a4b-it по $0.06 за вход и $0.33 за выход на миллион токенов, а также google/gemma-4-31b-it по $0.13 и $0.38. Любая из них напишет VGL JSON; обе стоят дороже за вызов, чем 12B, но зато дают больший запас для рассуждений на этапе проверки — а это как раз та половина цикла, где дополнительная мощность идёт на пользу.

Вот в чём суть аргумента в пользу OrcaRouter, и аргумент этот узкий. Рендерер — от Bria, доступ к нему идёт через API Bria или собственные веса. Модель, которая пишет и проверяет промпты, может находиться за одним ключом вместе со всем остальным в вашем стеке — более 200 моделей, цены из прайс-листов провайдеров, передаваемые с наценкой 0%, автоматическое переключение при деградации эндпоинта и DSL маршрутизации, позволяющий объединить шаги «написать — отрендерить — проверить» в один вызов вместо трёх клиентских библиотек. Если Bria снизит цену за изображение, неизменная половина вашего счёта не потребует миграции, чтобы это отразить.

Чего OrcaRouter не делает, так это обслуживать Fibo 2.0. Любая страница, утверждающая, что один эндпоинт охватывает обе части этого пайплайна, описывает продукт, которого не существует.

Какой из них вам на самом деле нужен

Уточните, что именно должно быть на выходе. Если это изображение, то Gemma 4 12B не является кандидатом и никогда им не была — она не способна создать изображение ни за какую цену, ни по какой лицензии, как бы ни трактовалась таблица лидеров. Если результат — это решение об изображении — пригодна ли эта фотография, соответствует ли этот макет руководству по бренду, что следует изменить в этой сцене, — то Fibo 2.0 — неподходящий инструмент, и его 1,087 Elo не имеют значения.

Сценарий совместной работы — это то, ради чего стоит строить, и именно его релиз делает впервые практически реализуемым. Формат VGL в Fibo 2.0 — это машиночитаемый интерфейс, а машиночитаемый интерфейс позволяет языковой модели надежно управлять рендерером, а не надеяться, что промпт на свободном тексте сработает. До этого релиза генерация и редактирование в Fibo были отдельными чекпоинтами с отдельным поведением; теперь один набор весов покрывает и то и другое, схема задокументирована, а пакет bria-vgl дает языковой модели конкретную основу для валидации. Интересное сравнение никогда не было Fibo 2.0 против Gemma 4 12B. Это Fibo 2.0 плюс Gemma 4 12B против человека-арт-директора с подпиской на стоковые фото, и по объему это даже близко не сопоставимо.