Fibo 2.0 tar ledningen inom bildredigering med öppna vikter vid 8B parametrar — läs intervallet, inte placeringen

Bria släppte Fibo 2.0 den 20 oktober 2026, och inom ett dygn hade den trängt undan alla andra bidrag med öppna vikter på båda bildtavlorna från Artificial Analysis. På AA-Image-Editing v2.1 ligger den på 20:e plats totalt med ett Elo på 1 087,05, vilket gör den till den högst rankade modellen vars vikter du kan ladda ned – Q​wen-Image-2.1 kommer näst på 1 082,74 och 21:a plats. På AA-Image-T2I v2.1 hamnar den på 21:a plats med 1 038,79, en placering bakom Q​wen-Image-2.1 på 1 042,13. Båda är enorma kliv från Brias första generationens Fibo-serie: FIBO Edit låg på 912,82 för redigering, FIBO på 848,86 för text-till-bild. Rubriken skriver sig själv. Det som är värt att stanna upp vid är att på ingen av tavlorna är gapet till modellen närmast under större än felmarginalerna, och att "öppna vikter" här inte betyder vad det betyder för de flesta av modellerna som den just passerade. Placeringar på resultattavlor registrerar inte hur bildmodeller misslyckas i produktion, och de registrerade incidenterna katalogiseras i OrcaRouter AI Incident Archive där varje post har sina egna källor, allvarlighetsgrad, tillförlitlighetsgrad och flagga för omtvistad status.

Vad de två skyltarna säger, inklusive de delar som Brias tillkännagivande avrundar

Redigeringsboarden är det starkare resultatet. Fibo 2.0:s 1 087,05 kommer med ett 95-procentigt konfidensintervall på 1 073,05 till 1 101,05 över 4 819 strider. Qwen-Image-2.1:s 1 082,74 har ett intervall på 1 069,74 till 1 095,74 över ett jämförbart urval. Dessa intervall överlappar över större delen av sin längd. Så den ärliga tolkningen av "först bland öppna vikter" är en placering, inte en påvisad marginal: Fibo 2.0 ligger före Qwen-Image-2.1 i ordningen, och ordningen kan ännu inte särskilja dem. Den modell som den verkligen, entydigt ligger före är sin egen föregångare — 174 Elo är ungefär fjorton gånger halvbredden av dess eget intervall, och ingen mängd samplingsbrus förklarar det.

• Redigerings-Elo — Fibo 2.0 1 087,05, 20:e totalt, 1:a bland öppna vikter; Q​wen-Image-2.1 1 082,74, 21:a totalt, 2:a bland öppna vikter.

• Redigeringsintervaller — 1 073,05–1 101,05 mot 1 069,74–1 095,74. De överlappar, så behandla de två som jämbördiga och rangordningen som utslagsgivare.

• Elo för text-till-bild — Fibo 2.0 1 038,79, 21:a totalt; Qwen-Image-2.1 1 042,13, 20:e totalt. Här ligger Qwen nominellt före, återigen inom överlappande intervall (1 026,79–1 050,79 mot 1 030,13–1 054,13).

• Förändring jämfört med den första generationen — FIBO Edit 912,82 till Fibo 2.0 1 087,05 för redigering, +174. FIBO 848,86 till 1 038,79 för text-till-bild, +190. FIBO Lite, den billigare SKU:n från första generationen, låg på 813,06 för text-till-bild.

• Avståndet till toppen av varje resultattavla – 111,66 Elo efter GPT Image 2.5 Sunburst (max) inom redigering, 183,17 efter samma modell för text-till-bild. Tätpositionen bland öppna vikter och den övergripande tätpositionen är två olika saker.

Urvalsstorlek – 4 819 matcher om redigering, 5 113 om text-till-bild. Tillräckligt för att intervallen ska vara snäva; inte tillräckligt för att en Elo-skillnad på fem poäng ska betyda något.

Artificial Analysis anger releasedatumet som 20 oktober 2026 på båda listorna och markerar modellen som ny. Brias eget modellkort hävdar förstaplats inom bildredigering och andraplats inom text-till-bild bland modeller med öppna vikter samma datum. Det är ett leverantörspåstående om en tredje parts resultattavla snarare än ett leverantörsbenchmark, men det är fortfarande leverantören som beskriver sitt eget resultat, och placeringarna håller när man kontrollerar dem direkt.

Vad finns det egentligen inuti 8B

Parametantalet är den minst intressanta siffran i lanseringen. Fibo 2.0 är en flow-matching-modell som arbetar i FLUX.2 VAE:s latenta rum, med en Qwen3-VL-4B-Instruct-modell som promptkodare. I stället för att betinga diffusionstransformatorn på råa texttoken komprimerar den kodarens utdata via en Perceiver-resampler i två lager till 256 till 512 "gist"-token, och den 44-blockiga enkelströms-transformatorn riktar uppmärksamhet mot dessa, där fem av blocken dessutom matas via korsattention. Den praktiska konsekvensen är att en lång, strukturerad beskrivning nästan inte kostar något extra: betingningen är begränsad till 512 token oavsett hur mycket du skriver.

• Arkitektur — flow matching i FLUX.2 VAE:s latenta rum, enkelströms-DiT med 44 block, fem block med korsattention mot promptrepresentationen.

• Textkodare — Qwen3-VL-4B-Instruct, komprimerad till 256–512 gist-token via en tvålagers Perceiver-resampler.

• Storlek — 8 127 342 213 parametrar i BF16-safetensors, så ungefär 16 GB vikter innan någon overhead vid körning.

• Träningsdata – Brias corpus på ungefär en miljard bilder, som företaget beskriver som fullt licensierad. Det påståendet är företagets eget, och det är anledningen till att licensen nedan inte är en eftertanke.

• Lägen – redigering, maskerad redigering, redigering med flera referenser med upp till fyra referensbilder, generering och ett "inspire"-läge som föreslår variationer. En uppsättning vikter täcker både generering och redigering, vilket är nytt för den här familjen; den första generationen delade upp dem.

Den enhetliga checkpointen är den väsentliga tekniska förändringen. Fibo 1 levererade generering och redigering som separata förmågor med separata styrkor, och redigeringsvinsten på 174 poäng gentemot FIBO Edit handlar delvis om att redigering fick en egen träningsbetoning i en modell som också genererar. Huruvida de två lägena stör varandra är precis den typ av fråga som en topplista inte kan besvara, men en veckas produktionsanvändning kan.

Dev och Edit Turbo är två olika produkter som delar ett namn

Det finns två checkpoints på Hugging Face under namnet Fibo 2.0, och att välja fel är det mest sannolika sättet att dra slutsatsen att modellen är en besvikelse.

• Fibo 2.0 Dev — den icke-destillerade basen. Femtio samplingssteg med classifier-free guidance på 5,0, både generering och redigering, och den checkpoint som Bria pekar på för finjustering. Långsam och styrbar.

{{1}}Fibo 2.0 Edit Turbo{{/1}} — destillerad till fyra steg utan classifier-free guidance, endast redigering. Ungefär en storleksordning billigare per bild vid inferens, och den kan inte generera från grunden.

• Verktyg — pipelinen är BriaFibo2Pipeline i diffusers, som landar via pull request 14991, med ett medföljande bria-vgl-paket för det strukturerade bildtextformat som beskrivs nedan. ComfyUI-stöd kom via en community-omförpackning den 20 oktober.

Promptarna är tänkta att vara JSON, och det är en verklig förändring av arbetsflödet.

Bria tränar och dokumenterar Fibo 2.0 mot det man kallar VGL — Visual GenAI Language — ett strukturerat JSON-beskrivningsformat som delar upp motiv, komposition, ljus, kamera, stil och text-i-bild i namngivna fält i stället för en enda lång mening. Modellen tar en vanlig prompt. Den är mätbart mer förutsägbar med det strukturerade formatet, eftersom Perceiver-flaskhalsen bevarar fältgränser som en platt mening suddar samman.

Det här är detaljen med den längsta svansen. Det innebär att den naturliga konsumenten av Fibo 2.0 inte är en person som skriver i en ruta utan en språkmodell som avger ett schemakonformt objekt, och det innebär att prompt engineering för den här modellen ser ut som att skriva ett JSON-schema och validera mot det. Den som utvärderar Fibo 2.0 med en handfull fritextprompter mäter ett läge som modellen inte har optimerats för och kommer att underskatta den.

Vad innebär ”open weights” här, exakt?

Modellkortet anger CC BY-NC 4.0 för icke-kommersiell användning, medan kommersiell användning kräver ett separat avtal med Bria. Hugging Face-förvaret är åtkomstbegränsat på nivån "auto" med ett formulär för företag och avsedd användning. Du kan ladda ner vikterna, läsa dem, finjustera dem och köra dem; du kan inte släppa en produkt som bygger på dem utan att först prata med Bria.

Det är en legitim open-weights-lansering och det är inte en öppen källkods-lansering, och distinktionen spelar större roll än vanligt eftersom modellerna som Fibo 2.0 just har passerat står under licenser som tillåter kommersiell användning rakt av. Om du väljer en bildmodell för en produkt snarare än för forskning, är ordningen på leaderboarden inte begränsningen. Licensen är det. Det sätter också ett indirekt pris på modellen: ett kommersiellt avtal är en förhandling, och en förhandling är en kostnad som inte syns i någon prislista.

Det finns en försvarbar tolkning av varför Bria gjorde på det här sättet. Träningskorpusen är licensierat material som företaget betalat för; att släppa vikter som låter vem som helst konkurrera med företagets egen API på den korpusen, gratis, skulle vara att skänka bort den tillgång som korpusen köpte. Villkoret om icke-kommersiell användning är mekanismen som hindrar släppet från att kannibalisera verksamheten. Det gör inte licensen bekväm, men det gör den sammanhängande.

Prislistan, och vad tusen bilder kostar

• Bria API, Fibo 2.0 — 0,032 USD per bild.

• Bria API, Fibo 2.0 Edit — $0.032 per bild. Redigering är inte billigare än generering här, vilket är ovanligt och värt att veta innan du budgeterar ett batchjobb.

• Bria API, Fibo Lite — $0,0288 per bild. Den billigare nivån, inte modellen på topplistan.

• Strukturerat promptanrop — $0.02 per anrop, debiteras separat från bilden. Så en VGL-pipeline-bild kostar $0.052, inte $0.032, såvida du inte genererar JSON själv.

• Artificial Analysis pricePer1kImages — $32.00, vilket stämmer överens med rubrikens $0.032.

Till ett pris av $0.032 per bild är API:et prissatt som en brukstjänst snarare än en premiummodell, vilket stämmer överens med den strategi som licensen antyder: skänk bort vikterna för forskning, sälj slutpunkten till alla som behöver rättigheterna. Att självhosta Dev-checkpointen på en hyrd GPU lär knappast slå $0.032 per bild när man räknar in 50 samplingssteg, men Edit Turbo med fyra steg är en annan kalkyl för den som kör stora volymer eller behöver modellen i ett privat nätverk.

Var du kan köra det

Fibo 2.0 är tillgänglig via Brias eget API, via Brias värdbaserade skapandeverktyg, via ComfyUI-noder och som åtkomstbegränsade vikter på Hugging Face. Det är vägarna. Den finns inte i OrcaRouter-katalogen, och den här artikeln tänker inte låtsas något annat.

Routningsfrågan är fortfarande värd en mening, eftersom Fibo 2.0 är en modell som de flesta team kommer att prova innan de bestämmer sig. OrcaRouter kör en API-nyckel över fler än 200 modeller med leverantörernas listpriser vidarebefordrade med 0 % påslag, så en prisförändring hos en leverantör, inklusive en prissänkning från Bria, syns på din faktura samma dag som den sker i stället för den dag en återförsäljare uppdaterar en tabell. För språkmodellsdelen av en Fibo-pipeline — delen som skriver VGL JSON, validerar den och avgör om en generering är värd att försöka igen — innebär det att modellen som gör resonemanget kan ligga bakom samma nyckel som allt annat, med automatisk failover när en leverantör strular och routnings-DSL:en för att sätta samman stegen till ett enda anrop. Bildmodellen stannar där den finns.

Inget av det är ett skäl att välja Fibo 2.0. Det är ett skäl att inte bygga den kringliggande pipeline som en serie separata kontrakt.

Vad skulle ändra denna dom?

Tre saker är värda att hålla ögonen på, och ingen av dem kan avgöras av ett inlägg under lanseringsveckan. För det första, oberoende reproduktion: Elo kommer från en arena där publiken röstar, och de specifika feltyper som spelar roll i produktion – textrendering inom ett redigerat område, identitetsbevarande över fyra referenser, om en mask respekteras vid sin kant – är inte vad parvisa preferensmått mäter. För det andra, licensen: om Bria går från CC BY-NC till något kommersiellt användbart förändras jämförelsen mot resten av fältet för öppna vikter över en natt, och om den inte gör det förblir ”bästa bildredigerare med öppna vikter” en forskningstitel. För det tredje, oavgjort: Fibo 2.0 och Qwen-Image-2.1 ligger fyra Elo ifrån varandra i redigering med överlappande intervall. Ytterligare några tusen matcher kommer att skilja dem åt eller bekräfta att de är samma modell med två namn.

För närvarande är det korrekta påståendet snävt och ändå anmärkningsvärt. Två dagar efter släppet är den bästa bildredigeringsmodell du kan ladda ner en 8B-checkpoint från ett företag som har ägnat ett decennium åt att sälja licensierad bilddata, den är mer än 170 Elo bättre än företagets tidigare försök, och den är licensierad på ett sådant sätt att nästan ingen som läser en leaderboard kan använda den kommersiellt utan ett telefonsamtal.