Fibo 2.0 Dev vs Fibo 2.0: Du väljer inte mellan två modeller

Fibo 2.0 Dev och Fibo 2.0 är samma modell som bär två jobbtitlar. Fibo 2.0 är det lanseringsnamn Bria satte på den checkpoint-familj med 8,13 miljarder parametrar som de publicerade den 20 oktober 2026; Fibo 2.0 Dev är den fullständiga, icke-destillerade basen som bär det släppet. Jämförelsen blir bara verklig när du läser "Fibo 2.0" så som de flesta faktiskt möter det — som en produkt du anropar, via en hostad endpoint, prissatt till $0,032 per bild — mot det du kan ladda ner, väga och träna. En av dem är en pipeline du kontrollerar. Den andra är en mätare du hyr. Det är beslutet, och namnet på etiketten avgör det inte.

Det finns ett tredje objekt i rummet, och att utelämna det är hur människor till slut blir besvikna: Fibo 2.0 Edit Turbo, den destillerade fyrstegsredigeraren som delar utgivningsnamnet och utför ungefär en tiondel av arbetet per bild. Tre saker, ett namn och en poäng på resultattavlan som beskriver utgåvan snarare än någon enskild checkpoint. Det som följer skiljer dem åt utifrån vad de kostar dig, vad de kan göra och vad de rättsligt sett låter dig distribuera.

De sex dimensioner som faktiskt skiljer sig

Allt nedan är en skillnad du kan göra något åt. När en siffra kommer från Bria i stället för en oberoende körning är den märkt som sådan.

• Nedladdningsbara vikter – Fibo 2.0 Dev: ja, åtkomstbegränsad på Hugging Face, CC BY-NC 4.0, cirka 25,5 GB inklusive en 16,3 GB transformer, en 8,9 GB Qwen3-VL-4B-kodare och en 0,34 GB FLUX.2 VAE. Fibo 2.0 som produkt: inget att ladda ner.

• Sampling – Dev: 50 steg med classifier-free guidance på 5,0. Den hostade redigeringsvägen och Edit Turbo: 4 steg, guidance 1,0, ingen classifier-free guidance alls.

• Uppgiftsomfattning – Dev: text-till-bild och redigering från en uppsättning vikter. Den levererade redigeringsändpunkten och Turbo: endast redigering. Text-till-bild via Turbo är inte en långsammare väg, det är fel väg.

• Finjustering – Dev: den enda träningsbara checkpointen, både fullständiga DiT-finjusteringar och LoRA. Turbo: uttryckligen inte ett mål för finjustering. Den värdbaserade produkten: du hyr vikterna, du lär dem inte.

• Negativa prompter – Dev: de fungerar, eftersom CFG är aktiverat och det finns ett reglage att påverka. Turbo: vägledningen är låst vid 1.0, så en negativ prompt har inget att verka på.

• Pris – den hostade produkten: 32,00 USD per 1 000 bilder, eller 0,032 USD styck, siffran som Artificial Analysis listar. Local Dev: inget pris per bild; du betalar i GPU-timmar och i nedladdningen på 25,5 GB.

Där Fibo 2.0 Dev vinner – och det är inte ens nära

Generering är den första luckan. Fibo 2.0 marknadsförs som en modell som både tecknar och redigerar, och det påståendet är bara sant för Dev. De hostade redigeringsändpunkterna och Edit Turbo är byggda kring en indata bild; att begära en bild från dem utifrån en bildtext är att begära något som destillationen släppte. Om din pipeline startar från ingenting är valet Dev eller en annan modell.

Kontroll är den andra. Femtio steg med vägledning på 5,0 är långsammare än fyra steg utan, och långsammare är priset för styrbarhet – förmågan att arbeta emot en prompt, att använda en negativ prompt och att byta steg mot trohet. På redigeringssidan accepterar Dev också maskerade redigeringar, redigeringar med flera referenser med upp till fyra kontextbilder, samt ett Inspire-läge som lånar en referens stil utan att skicka den bilden till renderaren.

Träning är den tredje och den största. Dev är den checkpoint som varje finjusteringsväg siktar på: ModelScopes DiffSynth-Studio-dokumentation säger att endast Fibo-2.0-dev är träningsbar, och Bria levererar en LoRA-tränare för en GPU samt en guide för dataförberedelse i repositoriet. Eftersom generering och redigering delar vikter kan en LoRA lära ut en stil och det redigeringsbeteende som hör samman med den. Det finns inget liknande för den hostade produkten, och Turbo är avsiktligt utesluten.

Portabilitet är den fjärde. En lokal checkpoint körs under diffusers via BriaFibo2Pipeline, i ComfyUI, där inbyggt stöd integrerades den 21 oktober och släpptes i v0.43.0 med en dedikerad textkodartyp och en nod som tar VGL-prompter och referensbilder. Det körs också i kvantiserad form – BF16-, INT8- och GGUF-ompackningar finns alla – vilket är det som gör ett 25,5 GB repository hanterbart på vanlig hårdvara.

Där den levererade Fibo 2.0 vinner

Latens och drift, mestadels. En redigeringsväg i fyra steg utan vägledning svarar på en bråkdel av den tid 50 vägledda steg tar, och Brias egen siffra för det hostade API:et är under två sekunder modelltid och under fem sekunder från början till slut – leverantörsrapporterat, inte oberoende mätt, och värt att behandla som ett tak snarare än ett löfte. När en kö av redigeringar måste tömmas inom en deadline är det hela argumentet.

Kapitalkostnaden är den andra. $0,032 per bild utan GPU, utan nedladdning på 25,5 GB, utan offload-tuning, utan beslut om FP8 kontra BF16. Ett team som behöver 500 redigeringar i månaden spenderar $16 och öppnar aldrig en terminal. Samma team som köper ett kort för att köra Dev lokalt spenderar flera hundra dollar innan den första bilden finns. Lokala Dev går bara att räkna hem vid volym, och bara om GPU:n redan är avskriven mot annat arbete.

Det tredje är korrektheten i infrastrukturen. Den hostade vägen hanterar de tråkiga delarna: textkodaren, VAE:n, samplingsschemat och expansionen av strukturerade prompter är allt någon annans problem. En lokal installation måste hålla en Qwen3-VL-4B-kodare, en FLUX.2-VAE och en DiT med 44 block i samklang genom varje uppgradering – vilket är varför det är avgörande att integrationerna för ComfyUI och diffusers överhuvudtaget finns, och varför GGUF-ompackningarna har betydelse.

Femtio steg mot fyra: aritmetiken som avgör de flesta fallen

Kostnaden per bild är där jämförelsen oftast förfaller till lösa påståenden, så behandla den som tre separata räkningar. Hostad: 0,032 USD per bild, allt inkluderat. Lokal utveckling: GPU-sekunder vid 50 steg, plus elen, plus grafikkortet. Local Turbo: GPU-sekunder vid 4 steg, ungefär en tiondel av beräkningskraften, men bara redigering.

Brytpunkten är verklig, men den inträffar senare än folk antar. Om en hyrd GPU-timme kostar ungefär en dollar och en megapixelrendering i 50 steg tar, säg, tjugo sekunder, ligger du på ungefär 0,005 USD per bild i rå beräkningskraft — sex gånger billigare än priset för den hostade tjänsten, innan du räknar in stilleståndstiden mellan jobb och det faktum att din egen tid inte är gratis. Vid 500 bilder i månaden är det en besparing på 2,50 USD mot 16 USD, vilket inte är ett affärsargument. Vid 50 000 bilder är det en besparing på 250 USD mot 1 600 USD, och det är det. Finjustering vänder helt på det, eftersom en LoRA du har tränat bara är värd något på vikter du kan köra.

Ytterligare en siffra är viktig för just Dev-sidan: diffusers-pipelinen har som standard 30 steg med guidance 5, medan Brias rekommenderade inställning för Dev är 50. Standardvärdet kommer att producera bilder, men det kommer inte att producera Brias bilder. Den som sätter upp en lokal pipeline bör besluta om detta medvetet i stället för att bara ärva det.

Licensen ger hela jämförelsen en ny inramning

Båda de nedladdningsbara checkpointarna är CC BY-NC 4.0 – endast icke-kommersiell användning, där kommersiell driftsättning kräver ett separat avtal med Bria, och åtkomst kräver att man först fyller i ett formulär om företag och avsedd användning. Den hostade produkten är den kommersiella vägen: du köper användning i stället för en licens till vikterna.

Det ger ett genuint besvärligt resultat, och det är anledningen till att detta "vs" är värt att skriva överhuvudtaget. Checkpointen med de funktioner du vill ha – generering, vägledning, finjustering – är den som du inte kan lansera kommersiellt utan att förhandla. Produkten som är juridiskt sett enkel att lansera kommersiellt är den som inte kan finjusteras och inte kan generera från grunden. Om ditt användningsområde är kommersiellt och anpassat väljer du inte mellan två Bria-produkter; du väljer huruvida du överhuvudtaget ska inleda en licensdiskussion.

Det är också värt att säga rakt ut: leaderboardraden som citeras för Fibo 2.0 – 1 088 Elo i Artificial Analysis AA-Image-Editing v2.1, först bland redigeringsmodeller med öppna vikter och tjugotredje totalt över 5 009 blindröster – är en poäng för lanseringen, inte för Dev mot Turbo. Dess ±14-intervall överlappar Qwen-Image-2.1:s 1 081 ±13 nästan helt, så ledningen bland modeller med öppna vikter avgörs av ett tiebreak. För text-till-bild vänds ordningen: Fibo 2.0:s 1 039 ±12 ligger bakom Qwen-Image-2.1:s 1 042 ±12. Ingen av checkpointarna har en separat publicerad poäng, vilket innebär att varje påstående om att ”Dev är bättre än Fibo 2.0” är en slutledning utifrån hur checkpointen byggdes, inte en mätning.

Vilken, beroende på situationen?

• Du behöver text-till-bild och vill att den ska följa antal, positioner och attribut — Dev. Det strukturerade JSON-kontrollgränssnittet är byggt just för detta, och pipelinen returnerar den bildtext som den renderade från.

• Du finjusterar för ett varumärke, en stil eller en vertikal — {{1}}Dev{{/1}}, med LoRA först. Full DiT-träning finns, men en rankbegränsad adapter på en fryst encoder är det vettiga första experimentet.

• Du kör instruktionsredigeringar i hög volym utan anpassat beteende – den hostade vägen, eller Turbo lokalt om bilderna inte kan lämna ditt nätverk. Fyra steg och ingen vägledning är en funktion här, inte en begränsning.

• Du behöver kommersiell driftsättning — starta dialogen med Bria, eller planera att hyra. Att ladda ner vikterna avgör inte licensfrågan.

• Du vill bara se om modellen är något att ha – den värdbaserade slutpunkten på $0.032 per bild är billigare än nedladdningen, installationen och den kväll du förlorar på FP8-laddning. Spendera $5 innan du spenderar en helg.

En slutpunkt för texthalvan, vilken sida du än väljer

Båda vägarna delar ett beroende som ingen benchmarkar: språkmodellen som skriver VGL. Fibo tränades på captions i Visual GenAI Language, där ljus, komposition, kamera och objekt är adresserbara fält, och hur användbar utdata är följer kvaliteten på den JSON:en. Att skriva den för hand är genomförbart för ett dussin promptar och bedrövligt vid tusen, vilket är varför bildtextgeneratorn blir en del av systemet.

Det är den del som OrcaRouter täcker. Ett API för 200+ modeller, 0 % påslag — leverantörens listpris vidarebefordras, så att en leverantörsändring når din faktura samma dag — där routing-DSL kan skicka massgenerering av bildtexter till en billig modell och eskalera de svåra raderna, och modellfusion tillgänglig när en enda bildtextare fortsätter att platta ut ett fält du bryr dig om. Det gör också jämförelsen testbar: kör samma bild genom två bildtextare, diffa JSON:en och se vilken uppsättning fält som faktiskt påverkade renderingen. Fibo 2.0 finns inte självt i vår katalog, så bildsidan förblir där du placerar den — textsidan är den som konsolideras.

Kort sagt: välj Fibo 2.0 Dev om du bygger, och välj Fibo 2.0-endpointen om du köper. Namnet är gemensamt, licensen är det inte, och checkpointen med träningsloopen är den enda som fortfarande kommer att vara din om sex månader.