Fibo 2.0 vs LFM2.5 2.6B Base: 2,7 млрд параметров текста или 8,1 млрд параметров изображений

Разрыв в размере — первое, что все замечают, и самое бесполезное в нём. Fibo 2.0 от Bria (релиз — 20 октября 2026 года) содержит 8 127 342 213 параметров и выдаёт изображения. LFM2.5 2.6B Base от Liquid AI (релиз — 1 августа 2026 года) содержит 2,69 млрд параметров и выдаёт текст — причём не готовый текст, а сырое поведение продолжения предобученного базового чекпоинта без применения инструкционной донастройки. Спрашивать, что лучше, — всё равно что спрашивать, лучше ли камера, чем словарь. Вопрос, на который можно ответить, более узкий и практичный: каждая из них — наименьший заслуживающий доверия открытый вариант в своей нише, и понимание того, где проходит нижняя граница каждой ниши, подсказывает, какой из вариантов фактически исключает ваше ограничение. Ни в одной из карточек моделей не описано, что происходит, когда такой чекпоинт развёрнут неправильно, а зафиксированные инциденты собраны в Архиве инцидентов OrcaRouter AI где каждая запись содержит собственные источники, уровень серьёзности, категорию уверенности и флаг оспаривания.

Пол, в обоих направлениях

Обе модели интересны по одной и той же структурной причине — каждая находится у нижней границы того, что жизнеспособно для её задачи — и это единственная ось, по которой они вообще сопоставимы.

• Параметры — Fibo 2.0: 8 127 342 213 в BF16; LFM2.5 2.6B Base: 2,69 млрд. Примерно соотношение три к одному по весам, что примерно соответствует соотношению и по памяти.

• Вывод — Fibo 2.0 возвращает изображение; LFM2.5 2.6B Base возвращает текстовые токены и ничего более.

• Где запускается — Fibo 2.0 требует GPU с достаточным объёмом VRAM для 44-блочного диффузионного трансформера при 50 шагах или четырёх шагах в варианте Turbo; LFM2.5 2.6B Base поставляется в форматах GGUF, ONNX и MLX и рассчитана на запуск на телефоне, ноутбуке или одноплатном компьютере.

• Состояние дообучения — Fibo 2.0 Dev представляет собой недистиллированную базовую модель с classifier-free guidance, документированную для тонкой настройки; LFM2.5 2.6B Base лишь предварительно обучена и не демонстрирует следования инструкциям, пока кто-либо не выполнит её тонкую настройку.

• Лицензия — Fibo 2.0 распространяется по CC BY-NC 4.0 для некоммерческого использования, а коммерческое использование возможно по соглашению; LFM2.5 2.6B Base — под лицензией LFM 1.0, которая допускает коммерческое использование при соблюдении её собственных условий.

• Показатели — Fibo 2.0 занимает 1 087,05 Elo в AA-Image-Editing v2.1, первое место среди открытых весов; LFM2.5 2.6B Base имеет оценочный Intelligence Index 8,39, GPQA 55,8%, Terminal-Bench 2.1 — 4,5%, HLE — 6,2%.

Эти две строки с оценками нельзя ставить в одно предложение в качестве сравнения. Одна — это оценка предпочтений толпы по отрендеренным изображениям; другая — составная оценка по текстовым бенчмаркам. Единственное честное применение обеих — охарактеризовать, для чего предназначена каждая модель.

Что на самом деле представляет собой базовый чекпоинт — ведь название вводит в заблуждение

«Base» в LFM2.5 2.6B Base — это не скромный способ сказать «стандартный». Это означает, что модель обучена на 34 трлн токенов предсказания следующего токена и больше ни на чём — без дообучения на инструкциях, без шаблона чата, без отказного поведения, без осознания того, что вопрос — это вопрос. Дайте ей «Суммируй это письмо:», и она продолжит строку в том стиле, который подсказывают данные предобучения; это может оказаться продолжением цепочки писем, а не резюме.

Это делает её хорошей отправной точкой и плохим продуктом. Liquid AI выпускает её для тех, кто собирается дообучать модель, и архитектура выбрана именно под эту задачу: 30 слоёв, 22 короткие свёртки с двойным стробированием и 8 слоёв внимания с группированными запросами, словарь на 128K, контекст на 131 072 токена и поддержка 16 языков на этапе предварительного обучения. Именно из-за стека с преобладанием свёрток модель помещается на телефон — стоимость внимания растёт с контекстом, а свёрток нет, и в этом заключается вся идея дизайна.

• Архитектура — 30 слоёв: 22 коротких свёрточных блока с двойным стробированием и 8 блоков GQA, словарь размером 128K.

• Обучение — 34 триллиона токенов, 16 языков, только предварительное обучение.

• Контекст — 131 072 токена, и именно это число стек свёрток спроектирован делать доступным по стоимости.

• Форматы — GGUF, ONNX и MLX, поэтому llama.cpp, ONNX Runtime и Apple silicon являются полноценными целевыми платформами.

• Чего он не делает — не следует инструкциям, не поддерживает разговор и не выдаёт ничего, кроме продолжения текста, пока вы его не настроите.

Сравнение с Dev-чекпоинтом Fibo 2.0 ближе, чем кажется на первый взгляд. Fibo 2.0 Dev тоже является базовой моделью — недистиллированной, 50 шагов с classifier-free guidance при 5.0, и именно на этот чекпоинт Bria явно указывает для дообучения. Оба проекта поставляют цель для тонкой настройки вместе с пригодным к использованию продуктом или вместо него. Разница в том, что Fibo 2.0 Edit Turbo существует как пригодная к использованию версия тех же весов, дистиллированная до четырёх шагов без guidance, тогда как LFM2.5 2.6B необходимо дообучить, прежде чем она вообще станет пригодной к использованию.

Лицензия и фактическая стоимость «открытого»

Обе модели доступны для скачивания. Но то, что вам разрешено с ними делать, резко различается — причём в направлении, которое переворачивает обычное представление о размере: коммерчески пригодной оказывается именно крошечная модель.

• Fibo 2.0 — CC BY-NC 4.0 для некоммерческого использования. Коммерческое использование требует отдельного соглашения с Bria. Доступ к репозиторию Hugging Face предоставляется после заполнения формы с указанием компании и предполагаемого использования.

• LFM2.5 2.6B Base — лицензия LFM 1.0, которая разрешает коммерческое развёртывание на собственных условиях. Никаких переговоров для каждого отдельного случая использования, хотя условия не являются Apache-2.0, и их стоит прочитать, а не догадываться.

• Почему условия Bria именно таковы: обучающий корпус — это примерно миллиард лицензированных изображений, за которые компания заплатила. Свободно доступные веса, которые позволили бы кому угодно демпинговать против собственного API Bria на этом корпусе, означали бы отдать актив, купленный за счёт этого корпуса.

• Практическое разделение — внутренний исследовательский пайплайн может использовать оба уже завтра. Поставляемый продукт может завтра встроить LFM2.5 2.6B Base в устройство, но не может выпустить Fibo 2.0 без подписи.

Это не критика Bria. Это структура издержек двух задач. Liquid AI обучалась на текстах, большинство которых можно свободно лицензировать; Bria обучалась на фотографиях, ни одну из которых нельзя. Условия лицензирования зависят от входных данных, а не от качества модели, и именно к ним они и должны привязываться.

Где они встречаются: локальный помощник, который описывает перед отрисовкой

Есть одна архитектура, в которой эти две модели принадлежат одной системе, и именно поэтому этот материал является сравнением, а не отказом от одной из них. Путь кондиционирования Fibo 2.0 принимает структурированную JSON-подпись — VGL, Visual GenAI Language от Bria — с именованными полями для субъекта, композиции, освещения, камеры, стиля и текста на изображении. Текстовая модель на 2,6 млрд параметров, которая помещается на устройстве, делающем снимок, — именно то, что могло бы локально написать этот JSON, без передачи данных туда и обратно.

Может ли он — это другой вопрос, чем должен ли он. Предобученная базовая модель с оценочным индексом 8.39, GPQA 55.8% и HLE 6.2% не будет надёжно выдавать JSON, соответствующий схеме, по фотографии без дообучения под конкретную задачу — а её дообучение на корпусе VGL — это чётко определённая задача масштаба небольшой модели. Это честная версия аргумента о компромиссе: LFM2.5 2.6B Base — правдоподобная основа для дообученного генератора подписей, а не готового к использованию.

• Что даёт 2.6B — он работает там, где делается снимок, весит менее 3 ГБ, не требует сети и не влечёт затрат на каждый вызов.

• Что ему нужно в первую очередь — дообучение с учителем на примерах в формате VGL, а также декодирование с ограничениями или JSON-грамматика, чтобы гарантировать корректный вывод.

• Что даёт рендерер — ему всё ещё нужен GPU. Половина на устройстве описывает; серверная половина рисует. Это единственное разделение, которое работает сегодня.

• Что ломает идею — если подпись должна быть хорошей, мультимодальная модель класса 12B читает исходное изображение лучше, чем это может сделать чисто текстовая модель класса 2.6B, потому что модель 2.6B вообще не видит фотографию.

Именно последний пункт решает исход большинства реальных проектных задач. LFM2.5 2.6B Base работает по схеме «текст на входе — текст на выходе». Он может написать подпись VGL по письменному заданию, но не может посмотреть на изображение, которое описывает. Всем, кто объединяет эти две модели, следует ясно понимать, какую из этих задач они на самом деле приобретают.

Получение каждого

Fibo 2.0 доступен через API Bria по цене $0.032 за изображение, из инструмента создания, размещённого у Bria, через узлы ComfyUI или в виде весов с ограниченным доступом на Hugging Face. LFM2.5 2.6B Base доступен на Hugging Face в форматах GGUF, ONNX и MLX, причём базовая версия не имеет ограничений доступа. Ни одного из них нет в каталоге OrcaRouter, и ни одно из этих утверждений не нужно смягчать: Fibo 2.0 — это endpoint для изображений, а базовая модель Liquid 2.6B — это скачиваемый чекпоинт, и роутер не подходит хорошо ни для одного из них.

А вот что роутер действительно обслуживает — так это всё вокруг них. OrcaRouter позволяет одним ключом работать с более чем 200 моделями, при этом списочные цены провайдеров передаются с нулевой наценкой, поэтому изменение цены поставщика на стороне текста отражается в день, когда оно происходит. Если вы строите конвейер тонкой настройки для генератора подписей VGL, модель, генерирующая синтетические обучающие пары, и модель, оценивающая их, могут обе работать через этот один ключ, с автоматическим переключением при сбое во время итераций и DSL маршрутизации, позволяющим прогнать бенчмарк по нескольким моделям за один вызов. Рендерер остаётся у Bria. Цикл тонкой настройки — вот где маршрутизация оправдывает себя.

Решение, изложенное без обиняков

Если ваше ограничение — где запускается модель, то LFM2.5 2.6B Base не конкурирует с Fibo 2.0 — из этих двух только она вообще работает на устройстве, и её оценочный индекс 8,39 — это потолок, который вы сознательно выбираете в обмен на это. Если ваше ограничение — каков результат на выходе, то Fibo 2.0 — единственная из двух, кто выдаёт этот результат, и её 1 087 Elo среди открытых весов — текущая максимальная планка для скачиваемого редактирования изображений. Никто не выбирает между этими моделями. Они выбирают между целью развёртывания и конечным результатом, и это разные решения, которые просто совпали в новостях одной недели.

Единственный действительно общий вопрос — это лицензия, и для обеих частей коммерческой сборки он решается одинаково: базовая модель 2.6B может использоваться на её условиях, рендереру 8B требуется согласие Bria, а то, что меньшая модель является более свободной, — это факт об обучающих данных, а не об инженерии. Планируйте продукт исходя из этого, а не из количества параметров.