Fibo 2.0 ขึ้นนำด้านการแก้ไขภาพแบบ Open-Weights ด้วยพารามิเตอร์ 8B — อ่านช่วงความเชื่อมั่น ไม่ใช่อันดับ
- Moonshotใหม่MoonshotAI: Kimi K3.1 Pro2026-10-2455ความฉลาด
- Orcaใหม่OrcaCyber: DeepSeek V4.1 Flash Abliterated2026-10-23$0.70 / $1.60 ต่อ 1 ล้านโทเค็น · 192 tok/s
- Orcaใหม่Orca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 27 tok/s
- deepseekใหม่DeepSeek: DeepSeek V4.1 Flash 10172026-10-1745ความฉลาด
- DeepSeekใหม่DeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 149 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952ความฉลาด
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856ความฉลาด
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 ต่อ 1 ล้านโทเค็น · 1113 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238ความฉลาด
- OpenAIOpenAI: GPT-6 Sol2026-09-2248ความฉลาด
- AnthropicAnthropic: Claude Opus 5.52026-09-2258ความฉลาด
- xAIGrok 4.72026-09-2146ความฉลาด
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 166 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 ต่อ 1 ล้านโทเค็น · 1628 tok/s
- OpenAIOpenAI: GPT-6 Astra2026-09-0453ความฉลาด77การเขียนโค้ด
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241ความฉลาด76การเขียนโค้ด
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245ความฉลาด76การเขียนโค้ด
- AnthropicAnthropic: Claude Fable 5.12026-09-0153ความฉลาด82การเขียนโค้ด
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 ต่อ 1 ล้านโทเค็น · 47 tok/s
Bria เปิดตัว Fibo 2.0 เมื่อวันที่ 20 ตุลาคม 2026 และภายในหนึ่งวันก็ได้แทนที่ทุกรายการโอเพนเวตอื่น ๆ บนกระดานจัดอันดับภาพทั้งสองของ Artificial Analysis บน AA-Image-Editing v2.1 มันอยู่อันดับ 20 โดยรวมด้วย Elo 1,087.05 ซึ่งทำให้มันเป็นโมเดลที่อันดับสูงสุดที่มีน้ำหนักให้ดาวน์โหลดได้ — Qwen-Image-2.1 ตามมาเป็นอันดับถัดไปที่ 1,082.74 และอยู่อันดับ 21 บน AA-Image-T2I v2.1 มันอยู่อันดับ 21 ที่ 1,038.79 เป็นรอง Qwen-Image-2.1 อยู่หนึ่งอันดับ ซึ่งอยู่ที่ 1,042.13 ทั้งสองค่านั้นเป็นการกระโดดขึ้นอย่างมหาศาลจากสาย Fibo รุ่นแรกของ Bria: FIBO Edit อยู่ที่ 912.82 ในการแก้ไขภาพ ส่วน FIBO อยู่ที่ 848.86 ในการสร้างภาพจากข้อความ พาดหัวข่าวเขียนเองได้เลย ส่วนที่ควรชะลอเพื่อพิจารณาให้ดีคือ บนกระดานทั้งสอง ช่องว่างระหว่างมันกับโมเดลที่อยู่อันดับถัดลงไปไม่ได้ใหญ่กว่าช่วงความคลาดเคลื่อน และคำว่า "open weights" ในที่นี้ไม่ได้มีความหมายอย่างที่ใช้กับโมเดลส่วนใหญ่ที่มันเพิ่งแซงไป ตำแหน่งบนกระดานจัดอันดับไม่ได้บันทึกว่าโมเดลภาพล้มเหลวในการใช้งานจริงอย่างไร และเหตุการณ์ที่บันทึกไว้ได้รับการรวบรวมไว้ใน OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งที่มา ระดับความรุนแรง ระดับความเชื่อมั่น และสถานะข้อโต้แย้งของตัวเอง
สิ่งที่คณะกรรมการทั้งสองชุดกล่าว รวมถึงส่วนที่ประกาศของ Bria ช่วยปิดท้ายให้สมบูรณ์
ผลลัพธ์ด้านการแก้ไขภาพเป็นผลลัพธ์ที่แข็งแกร่งกว่า คะแนน 1,087.05 ของ Fibo 2.0 มาพร้อมช่วงความเชื่อมั่น 95% ที่ 1,073.05 ถึง 1,101.05 จากการแข่งขัน 4,819 ครั้ง คะแนน 1,082.74 ของ Qwen-Image-2.1 มีช่วงที่ 1,069.74 ถึง 1,095.74 จากตัวอย่างที่เทียบเคียงกันได้ ช่วงทั้งสองทับซ้อนกันในความยาวเกือบทั้งหมด ดังนั้นการตีความอย่างตรงไปตรงมาของวลี “อันดับหนึ่งในกลุ่มโมเดลน้ำหนักเปิด” จึงเป็นเพียงลำดับ ไม่ใช่ส่วนต่างที่พิสูจน์ได้: Fibo 2.0 อยู่ในลำดับนำหน้า Qwen-Image-2.1 และลำดับดังกล่าวยังไม่สามารถแยกทั้งสองออกจากกันได้ โมเดลที่มันนำหน้าอย่างแท้จริงและชัดเจนคือรุ่นก่อนของตัวเอง — 174 Elo นั้นประมาณสิบสี่เท่าของครึ่งความกว้างช่วงความเชื่อมั่นของตัวเอง และไม่มีปริมาณความคลาดเคลื่อนจากการสุ่มใดที่จะอธิบายสิ่งนี้ได้
• Elo ด้านการแก้ไข — Fibo 2.0 1,087.05 อันดับ 20 โดยรวม อันดับ 1 ในกลุ่มโมเดลเปิด; Qwen-Image-2.1 1,082.74 อันดับ 21 โดยรวม อันดับ 2 ในกลุ่มโมเดลเปิด
• ช่วงการแก้ไข — 1,073.05–1,101.05 เทียบกับ 1,069.74–1,095.74 ทั้งสองช่วงทับซ้อนกัน ดังนั้นให้ถือว่าทั้งสองอยู่ในระดับเดียวกันและใช้อันดับเป็นตัวตัดสิน
• Text-to-image Elo — Fibo 2.0 1,038.79 อันดับ 21 โดยรวม; Qwen-Image-2.1 1,042.13 อันดับ 20 โดยรวม ในที่นี้ Qwen นำอยู่ตามตัวเลขอีกครั้ง โดยยังอยู่ในช่วงที่ทับซ้อนกัน (1,026.79–1,050.79 เทียบกับ 1,030.13–1,054.13)
• การเปลี่ยนแปลงจากรุ่นแรก — {{1}}FIBO Edit 912.82 เป็น Fibo 2.0 1,087.05{{/1}} สำหรับงานแก้ไขภาพ +174 {{2}}FIBO 848.86 เป็น 1,038.79{{/2}} สำหรับการสร้างภาพจากข้อความ +190 FIBO Lite ซึ่งเป็น SKU รุ่นแรกที่มีราคาถูกกว่า อยู่ที่ 813.06 สำหรับการสร้างภาพจากข้อความ
• ระยะห่างถึงอันดับสูงสุดของแต่ละบอร์ด — ตามหลัง GPT Image 2.5 Sunburst (max) อยู่ 111.66 Elo ในด้านการแก้ไขภาพ และตามหลังโมเดลเดียวกันอยู่ 183.17 Elo ในด้านการสร้างภาพจากข้อความ การเป็นผู้นำในกลุ่มโมเดลน้ำหนักเปิดกับการเป็นผู้นำโดยรวมเป็นคนละเรื่องกัน
• ขนาดตัวอย่าง — การแข่งขัน 4,819 รายการในหมวดการแก้ไขภาพ และ 5,113 รายการในหมวดการแปลงข้อความเป็นภาพ มากพอที่ช่วงความเชื่อมั่นจะแคบ แต่ไม่มากพอที่ความต่างของ Elo ห้าคะแนนจะมีความหมายใด ๆ
Artificial Analysis ระบุวันเผยแพร่เป็น 20 ตุลาคม 2026 บนทั้งสองกระดาน และทำเครื่องหมายว่าโมเดลนี้เป็นโมเดลล่าสุด การ์ดโมเดลของ Bria เองอ้างว่าครองอันดับหนึ่งด้านการแก้ไขภาพ และอันดับสองด้านข้อความเป็นภาพ ในกลุ่มโมเดลที่เปิดเผยน้ำหนัก ณ วันเดียวกัน นั่นเป็นคำกล่าวอ้างของผู้พัฒนาเกี่ยวกับกระดานจัดอันดับของบุคคลที่สาม ไม่ใช่การทดสอบมาตรฐานของผู้พัฒนาเอง แต่ก็ยังเป็นการที่ผู้พัฒนาอธิบายลักษณะผลลัพธ์ของตนเอง และอันดับเหล่านั้นยังคงตรวจสอบแล้วว่าเป็นจริงเมื่อตรวจสอบโดยตรง
จริง ๆ แล้วข้างใน 8B คืออะไร
จำนวนพารามิเตอร์เป็นตัวเลขที่น่าสนใจน้อยที่สุดในการเปิดตัวครั้งนี้ Fibo 2.0 เป็นโมเดล flow-matching ที่ทำงานในพื้นที่ latent ของ FLUX.2 VAE โดยมีโมเดล Qwen3-VL-4B-Instruct เป็นเอนโคเดอร์พรอมต์ แทนที่จะกำหนดเงื่อนไขให้ diffusion transformer ด้วยโทเคนข้อความดิบ มันบีบอัดเอาต์พุตของเอนโคเดอร์ผ่านตัวรีแซมเปลอร์ Perceiver สองชั้นให้เป็นโทเคน "gist" 256 ถึง 512 โทเคน และทรานส์ฟอร์เมอร์แบบ single-stream 44 บล็อกจะให้ความสนใจกับโทเคนเหล่านั้น โดยมีห้าบล็อกที่ได้รับข้อมูลเพิ่มเติมผ่าน cross-attention ผลในทางปฏิบัติคือคำอธิบายยาวที่มีโครงสร้างมีค่าใช้จ่ายเพิ่มแทบไม่มีเลย เพราะเงื่อนไขถูกจำกัดไว้ที่ 512 โทเคนไม่ว่าคุณจะเขียนมากแค่ไหน
• สถาปัตยกรรม — flow matching ในพื้นที่แฝงของ FLUX.2 VAE, DiT แบบ single-stream จำนวน 44 บล็อก โดยมีห้าบล็อกที่ใช้ cross-attention กับ representation ของพรอมต์
• ตัวเข้ารหัสข้อความ — Qwen3-VL-4B-Instruct ซึ่งบีบอัดเป็นโทเค็น gist 256–512 โทเค็นผ่านตัวรีแซมเพลอร์ Perceiver แบบสองชั้น
• ขนาด — พารามิเตอร์ 8,127,342,213 ตัวใน BF16 safetensors ดังนั้นน้ำหนักจะอยู่ที่ประมาณ 16 GB ก่อนจะมีภาระเพิ่มเติมใดๆ ระหว่างการรัน
• ข้อมูลการฝึก — คลังภาพราวหนึ่งพันล้านภาพของ Bria ซึ่งบริษัทอธิบายว่าได้รับอนุญาตอย่างถูกต้องครบถ้วน ข้อกล่าวอ้างนั้นเป็นของบริษัทเอง และนี่คือเหตุผลที่ใบอนุญาตด้านล่างไม่ใช่เรื่องที่คิดขึ้นมาทีหลัง
• โหมด — การแก้ไข, การแก้ไขแบบมาสก์, การแก้ไขหลายภาพอ้างอิงด้วยภาพอ้างอิงสูงสุดสี่ภาพ, การสร้าง, และโหมด "inspire" ที่เสนอรูปแบบต่าง ๆ ชุดน้ำหนักหนึ่งชุดครอบคลุมทั้งการสร้างและการแก้ไข ซึ่งเป็นสิ่งใหม่สำหรับตระกูลนี้; เจนเนอเรชันแรกแยกทั้งสองออกจากกัน
เช็กพอยต์แบบรวมคือการเปลี่ยนแปลงทางวิศวกรรมที่มีนัยสำคัญ Fibo 1 เปิดตัวความสามารถด้านการสร้างและการแก้ไขเป็นความสามารถแยกจากกันซึ่งมีจุดแข็งแยกกัน และการที่ความสามารถด้านการแก้ไขเพิ่มขึ้น 174 คะแนนเมื่อเทียบกับ FIBO Edit ก็เป็นเรื่องที่ส่วนหนึ่งมาจากการที่การแก้ไขได้รับการเน้นในการฝึกเป็นพิเศษภายในโมเดลที่สร้างภาพได้ด้วยเช่นกัน การที่สองโหมดนี้รบกวนซึ่งกันและกันหรือไม่เป็นคำถามประเภทที่ตารางจัดอันดับไม่สามารถตอบได้ แต่การใช้งานจริงหนึ่งสัปดาห์สามารถตอบได้
Dev และ Edit Turbo เป็นผลิตภัณฑ์ที่แตกต่างกันสองอย่างซึ่งใช้ชื่อร่วมกัน
มีเช็กพอยต์สองรายการบน Hugging Face ภายใต้ชื่อ Fibo 2.0 และการเลือกอันที่ผิดคือสาเหตุที่เป็นไปได้มากที่สุดที่ทำให้สรุปได้ว่าโมเดลนี้น่าผิดหวัง
• Fibo 2.0 Dev — โมเดลฐานแบบไม่ผ่านการดิสทิล ใช้ขั้นตอนการสุ่มตัวอย่าง 50 ขั้น พร้อม classifier-free guidance ที่ค่า 5.0 ทั้งงานสร้างและงานแก้ไข และเป็นเช็กพอยต์ที่ Bria แนะนำสำหรับการ fine-tuning ทำงานช้าแต่ควบคุมทิศทางได้
• Fibo 2.0 Edit Turbo — ถูกกลั่นให้เหลือสี่ขั้นตอนโดยไม่ใช้ classifier-free guidance และใช้สำหรับการแก้ไขภาพเท่านั้น ต้นทุนต่อภาพ أثناءการอนุมานต่ำลงประมาณหนึ่งลำดับขนาด และไม่สามารถสร้างภาพตั้งแต่เริ่มต้นได้
• เครื่องมือ — ไพป์ไลน์คือ BriaFibo2Pipeline ใน diffusers ซึ่งเปิดตัวผ่าน pull request 14991 พร้อมแพ็กเกจ bria-vgl ที่มาคู่กันสำหรับรูปแบบคำบรรยายแบบมีโครงสร้างตามที่อธิบายด้านล่าง การรองรับ ComfyUI มาถึงผ่านการแพ็กเกจใหม่โดยชุมชนเมื่อวันที่ 20 ตุลาคม
พรอมป์ต์ถูกออกแบบให้เป็น JSON และนั่นคือการเปลี่ยนแปลงเวิร์กโฟลว์ที่แท้จริง
Bria ฝึกและจัดทำเอกสารประกอบ Fibo 2.0 โดยอิงกับสิ่งที่เรียกว่า VGL — Visual GenAI Language — รูปแบบคำบรรยาย JSON แบบมีโครงสร้างที่แยกหัวข้อ องค์ประกอบ แสง กล้อง สไตล์ และข้อความในภาพออกเป็นฟิลด์ที่มีชื่อ แทนที่จะเป็นประโยคยาวต่อเนื่องเพียงประโยคเดียว โมเดลจะรับพรอมป์แบบธรรมดาได้ แต่จะคาดการณ์ได้แม่นยำขึ้นอย่างวัดผลได้เมื่อใช้รูปแบบที่มีโครงสร้าง เพราะคอขวด Perceiver รักษาขอบเขตของฟิลด์ที่ประโยคแบบแบนทำให้เลือนรวมกัน
นี่คือรายละเอียดที่ส่งผลระยะยาวที่สุด มันหมายความว่าผู้ใช้ตามธรรมชาติของ Fibo 2.0 ไม่ใช่คนที่พิมพ์ลงในช่อง แต่เป็นโมเดลภาษาที่ส่งออกออบเจ็กต์ที่สอดคล้องกับสคีมา และหมายความว่า prompt engineering สำหรับโมเดลนี้ดูเหมือนการเขียน JSON schema และตรวจสอบความถูกต้องเทียบกับมัน ใครก็ตามที่ประเมิน Fibo 2.0 ด้วยพรอมป์ตข้อความอิสระเพียงไม่กี่อันกำลังวัดโหมดที่โมเดลไม่ได้ถูกปรับให้เหมาะสม และจะประเมินมันต่ำเกินไป
“open weights” ในที่นี้หมายถึงอะไรกันแน่
การ์ดโมเดลระบุว่าใช้สัญญาอนุญาต CC BY-NC 4.0 สำหรับการใช้งานที่ไม่ใช่เชิงพาณิชย์ โดยการใช้เชิงพาณิชย์ต้องมีข้อตกลงแยกต่างหากกับ Bria รีโพซิทอรีบน Hugging Face ถูกจำกัดการเข้าถึงในระดับ "auto" ด้วยแบบฟอร์มบริษัทและวัตถุประสงค์การใช้งาน คุณสามารถดาวน์โหลดเวต อ่านข้อมูล ไฟน์ทูน และรันมันได้ แต่คุณไม่สามารถนำไปออกผลิตภัณฑ์ได้หากไม่ได้คุยกับ Bria ก่อน
นี่คือการเปิดตัวแบบ open-weights ที่ชอบด้วยกฎหมาย และไม่ใช่แบบ open-source และความแตกต่างนี้สำคัญกว่าปกติ เพราะโมเดลที่ Fibo 2.0 เพิ่งแซงไปนั้นอยู่ภายใต้สัญญาอนุญาตที่อนุญาตให้ใช้เชิงพาณิชย์ได้โดยตรง หากคุณกำลังเลือกโมเดลภาพสำหรับผลิตภัณฑ์มากกว่าการวิจัย ลำดับบนกระดานผู้นำไม่ใช่ข้อจำกัด สัญญาอนุญาตต่างหากคือข้อจำกัด มันยังกำหนดราคาของโมเดลทางอ้อมด้วย: ข้อตกลงเชิงพาณิชย์คือการเจรจา และการเจรจาคือต้นทุนที่ไม่ปรากฏบนอัตราค่าบริการใด ๆ
มีคำอธิบายที่ป้องกันได้ว่าทำไม Bria จึงทำแบบนี้ คลังข้อมูลสำหรับฝึกเป็นเนื้อหาที่ได้รับอนุญาตซึ่งบริษัทจ่ายเงินซื้อมา การปล่อยเวตที่ทำให้ใครก็ได้แข่งขันกับ API ของบริษัทเองบนคลังข้อมูลนั้นได้โดยไม่เสียค่าใช้จ่าย ก็เท่ากับยกทรัพย์สินที่คลังข้อมูลนั้นซื้อมาให้ไปเปล่า ๆ ข้อกำหนดห้ามใช้เชิงพาณิชย์คือกลไกที่ป้องกันไม่ให้การเปิดเผยนี้กัดกินธุรกิจของตัวเอง นั่นไม่ได้ทำให้สัญญาอนุญาตนี้สะดวก แต่ทำให้มันสอดคล้องสมเหตุสมผล
ตารางอัตราค่าบริการ และค่าใช้จ่ายสำหรับภาพหนึ่งพันภาพ
• Bria API, Fibo 2.0 — $0.032 ต่อภาพ
• Bria API, Fibo 2.0 Edit — ราคา $0.032 ต่อภาพ การแก้ไขภาพที่นี่ไม่ได้ถูกกว่าการสร้างภาพ ซึ่งถือว่าแปลกและเป็นเรื่องที่ควรรู้ก่อนที่คุณจะจัดงบประมาณสำหรับงานแบบเป็นชุด
• Bria API, Fibo Lite — $0.0288 ต่อภาพ เป็นระดับราคาที่ถูกกว่า ไม่ใช่โมเดลที่อยู่บนลีดเดอร์บอร์ด
• การเรียกพร้อมต์แบบมีโครงสร้าง — $0.02 ต่อครั้ง คิดค่าบริการแยกจากค่าภาพ ดังนั้นภาพที่ใช้ไปป์ไลน์ VGL จะมีค่าใช้จ่าย $0.052 ไม่ใช่ $0.032 เว้นแต่คุณจะสร้าง JSON เอง
• Artificial Analysis pricePer1kImages — $32.00 ซึ่งสอดคล้องกับตัวเลขหลักที่ระบุไว้ที่ $0.032
ที่ราคา $0.032 ต่อภาพ API นี้ถูกตั้งราคาแบบสาธารณูปโภคมากกว่าเป็นโมเดลระดับพรีเมียม ซึ่งสอดคล้องกับกลยุทธ์ที่สัญญาอนุญาตสื่อออกมา: แจกน้ำหนักโมเดลให้ใช้ฟรีเพื่อการวิจัย แล้วขาย endpoint ให้กับทุกคนที่ต้องการสิทธิ์ การโฮสต์ Dev checkpoint ด้วยตนเองบน GPU แบบเช่านั้นไม่น่าจะเอาชนะราคา $0.032 ต่อภาพได้เมื่อคิดถึง 50 ขั้นตอนการสุ่ม แต่ Edit Turbo ที่สี่ขั้นตอนคือการคำนวณที่แตกต่างออกไปสำหรับใครก็ตามที่ใช้งานในปริมาณมากหรือต้องการให้โมเดลอยู่ในเครือข่ายส่วนตัว
ที่ซึ่งคุณสามารถรันมันได้
Fibo 2.0 ใช้งานได้ผ่าน API ของ Bria เอง ผ่านเครื่องมือสร้างที่โฮสต์โดย Bria ผ่านโหนด ComfyUI และในรูปแบบเวตแบบจำกัดการเข้าถึงบน Hugging Face เหล่านี้คือช่องทางที่มี ผลิตภัณฑ์นี้ไม่ได้อยู่ในแคตตาล็อกของ OrcaRouter และบทความนี้จะไม่แสร้งทำเป็นว่าเป็นเช่นนั้น
เรื่อง routing ยังควรพูดถึงสักประโยค เพราะ Fibo 2.0 เป็นโมเดลที่หลายทีมจะลองใช้ก่อนตัดสินใจราคาตามรายการของผู้ให้บริการที่ส่งต่อโดยไม่บวกกำไร 0% ดังนั้นเมื่อผู้ขายเปลี่ยนราคา รวมถึงการลดราคาของ Bria ก็จะปรากฏบนใบแจ้งหนี้ของคุณในวันที่เกิดขึ้นจริง ไม่ใช่วันที่ตัวแทนจำหน่ายอัปเดตตาราง สำหรับครึ่งที่เป็นภาษาของ pipeline ใน Fibo — ครึ่งที่เขียน VGL JSON ตรวจสอบความถูกต้อง และตัดสินใจว่าผลลัพธ์ที่สร้างขึ้นควรค่าแก่การลองใหม่หรือไม่ — นั่นหมายความว่าโมเดลที่ทำหน้าที่ให้เหตุผลสามารถอยู่เบื้องหลังคีย์เดียวกับทุกอย่างอื่นได้ ด้วยการ failover อัตโนมัติเมื่อผู้ให้บริการเกิดปัญหาสะดุด และ routing DSL สำหรับประกอบขั้นตอนต่างๆ ให้เป็นการเรียกครั้งเดียว โมเดลรูปภาพก็ยังคงอยู่ที่เดิม
ไม่มีข้อใดในนั้นเป็นเหตุผลให้เลือก Fibo 2.0 แต่เป็นเหตุผลให้ไม่สร้างไปป์ไลน์โดยรอบเป็นชุดสัญญาแยกจากกัน
อะไรจะทำให้คำตัดสินนี้เปลี่ยนไปได้
มีสามเรื่องที่ควรจับตา ซึ่งไม่มีเรื่องใดที่โพสต์ในสัปดาห์เปิดตัวจะตัดสินได้ หนึ่ง การทำซ้ำโดยอิสระ: ค่า Elo มาจากอารีนาที่ผู้คนร่วมโหวต และรูปแบบความล้มเหลวเฉพาะที่สำคัญในการใช้งานจริง เช่น การเรนเดอร์ข้อความภายในพื้นที่ที่ถูกแก้ไข การรักษาอัตลักษณ์ข้ามภาพอ้างอิงสี่ภาพ และการที่มาสก์ได้รับการเคารพที่ขอบหรือไม่ ล้วนไม่ใช่สิ่งที่การวัดความชอบแบบจับคู่จะวัด สอง สัญญาอนุญาต: หาก Bria เปลี่ยนจาก CC BY-NC ไปเป็นสิ่งที่ใช้เชิงพาณิชย์ได้ การเปรียบเทียบกับส่วนที่เหลือของวงการโมเดลน้ำหนักเปิดจะเปลี่ยนไปในชั่วข้ามคืน และหากไม่เปลี่ยน "ตัวแก้ไขภาพน้ำหนักเปิดที่ดีที่สุด" ก็ยังคงเป็นตำแหน่งในงานวิจัย สาม การเสมอกัน: Fibo 2.0 และ Qwen-Image-2.1 ห่างกันสี่คะแนน Elo ในการแก้ไขภาพ โดยมีช่วงความเชื่อมั่นที่ทับซ้อนกัน การเปรียบเทียบอีกสองสามพันครั้งจะแยกทั้งสองออกจากกัน หรือยืนยันว่าเป็นโมเดลเดียวกันที่ใช้สองชื่อ
สำหรับตอนนี้ ข้อความที่แม่นยำยังจำกัดขอบเขตและยังน่าทึ่งอยู่ สองวันหลังการเปิดตัว โมเดลแก้ไขภาพที่ดีที่สุดที่คุณดาวน์โหลดได้คือเช็กพอยต์ขนาด 8B จากบริษัทที่ใช้เวลากว่าทศวรรษขายข้อมูลภาพแบบมีลิขสิทธิ์ มันดีกว่าความพยายามครั้งก่อนของบริษัทนั้นเกิน 170 Elo และมีลิขสิทธิ์ในลักษณะที่แทบไม่มีใครที่อ่านลีดเดอร์บอร์ดสามารถใช้มันในเชิงพาณิชย์ได้โดยไม่ต้องโทรศัพท์
