
FIBO 2.0 กับ GPT Image 2.5: 192 Elo ราคาสูงกว่าหกเท่า
- Orcaใหม่OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 ต่อ 1 ล้านโทเค็น · 187 tok/s
- tencentใหม่Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 ต่อ 1 ล้านโทเค็น · 514 tok/s
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 87 tok/s
- Anthropicใหม่Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 97 tok/s
- orcaใหม่Orca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 89 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 133 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 ต่อ 1 ล้านโทเค็น · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 ต่อ 1 ล้านโทเค็น · 116 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447ความฉลาด
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 ต่อ 1 ล้านโทเค็น · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
Fibo 2.0 กับ GPT Image 2.5 ห่างกัน 192 Elo และต่างกัน 6.6 เท่าในต้นทุนตามแบบจำลอง และตัวเลขทั้งสองนั้นก็ไม่หนักแน่นอย่างที่เห็น ช่องว่าง Elo เป็นของจริง — 1,229.27 เทียบกับ 1,036.98 บนกระดาน text-to-image ของ Artificial Analysis โดยช่วงค่าที่ไม่ใกล้จะแตะกันเลย — และมันยังเป็นวิธีที่มีประโยชน์น้อยที่สุดในการเลือกระหว่างสองตัวนี้ เพราะทั้งสองโมเดลไม่ได้พยายามทำงานเดียวกัน Fibo 2.0 เป็นเช็กพอยต์ flow-matching ขนาด 8B ที่ Bria เปิดตัวเมื่อ 20 ตุลาคม 2026 ซึ่งดาวน์โหลดได้และขยายคำสั่งของคุณเป็นแคปชัน JSON แบบมีโครงสร้างก่อนวาดภาพ GPT Image 2.5 ไม่ใช่โมเดลเดียว แต่เป็น GPT-Image-2.5 Sunburst และ GPT-Image-2.5 Flare สองโมเดลที่แช็ปช็อตแยกกันและคิดค่าบริการตามโทเคน ซึ่งหนึ่งในนั้นเป็นเครื่องสร้างภาพที่แข็งแกร่งที่สุดบนกระดานสาธารณะ
ดังนั้นกรอบความคิดที่ตรงไปตรงมาจึงไม่ใช่ "อันไหนดีกว่า" แต่เป็น "คุณต้องการสิ่งใดในสี่สิ่งนี้" — โมเดลที่ดาวน์โหลดได้ ผลลัพธ์ที่ดีที่สุด งบประมาณต่อภาพ หรือการแก้ไขที่ไม่คลาดเคลื่อน หน้านี้จะกล่าวถึงสิ่งเหล่านี้ตามลำดับนั้น
สองโมเดล ชื่อเดียว และเหตุใดสิ่งนี้จึงสำคัญตรงนี้
There is no gpt-image-2.5. Paste that string into the API and you get an error, because the identifier does not exist. What exists is Sunburst, whose ID is gpt-image-2.5-sunburst, described by OpenAI as its most capable image generation and editing model, and Flare, gpt-image-2.5-flare, positioned for fast everyday generation. Both carry the 2026-09-08 snapshot date, and there is no umbrella model that dispatches to either.
เรื่องนี้สำคัญในการเปรียบเทียบ เพราะสองตัวแปรไม่ได้ใกล้กันเลย บนบอร์ด text-to-image Sunburst อยู่ที่ 1,229.27 และ Flare อยู่ที่ 1,209.81 — ส่วนต่าง 19 คะแนนระหว่างสองโมเดลที่มีหมายเลขเวอร์ชันเดียวกัน ในการแก้ไขภาพ ส่วนต่างกว้างขึ้นเป็นสิบเจ็ดคะแนนในทิศทางเดียวกัน คือ 1,201.50 เทียบกับ 1,184.65 ข้อกล่าวอ้างใด ๆ ในรูปแบบ "GPT Image 2.5 เอาชนะ X" คือข้อกล่าวอ้างเกี่ยวกับ Sunburst และการระบุเช่นนั้นมีค่าถึง 19 คะแนนในแง่ความแม่นยำ
การแยกส่วนนี้สำคัญต่อการอ่านคะแนน Fibo 2.0 มาในสองส่วน ได้แก่ ฐาน Dev แบบเต็มที่ทั้งวาดและแก้ไขได้ และ Turbo สำหรับแก้ไขอย่างเดียวซึ่งถูกกลั่นให้เหลือสี่ขั้นตอนที่ guidance 1.0 และไม่ใช่ฐานสำหรับ fine-tuning อย่างชัดเจน Artificial Analysis วางแถว Fibo 2.0 เพียงแถวเดียวบนแต่ละบอร์ดที่ checkpoint ของ Dev และไม่เคยรายงาน Turbo แยกต่างหาก ดังนั้น 1,037 และ 1,086 จึงอธิบายถึง Dev ซึ่งเป็น checkpoint ทั่วไปที่ช้ากว่า ไม่ใช่ตัวแก้ไขที่เร็วซึ่งคุณจะนำไปวางตรงหน้าผู้ใช้จริง
การสร้างภาพจากข้อความ — GPT-Image-2.5 Sunburst 1,229.27 อันดับ 2 จาก 116 Fibo 2.0 1,036.98 อันดับ 32 ส่วนต่าง 192.29
• การแก้ไขภาพ — Sunburst 1,201.50 อันดับ 4 จาก 86 Fibo 2.0 1,085.98 อันดับ 31 ส่วนต่าง 115.52
• ราคาตามแบบจำลอง — $210.72 ต่อ 1,000 ภาพ เทียบกับ $32.00 นั่นคือ 6.6 เท่า และเป็นตัวเลขที่เทียบเคียงได้ของ Artificial Analysis เอง ไม่ใช่อัตราตามเรตการ์ดของผู้จำหน่ายรายใดรายหนึ่ง
• น้ำหนักโมเดล — Fibo 2.0 เปิดให้ดาวน์โหลดวันนี้ ขนาด 8B พารามิเตอร์ ภายใต้สัญญาอนุญาต CC BY-NC 4.0 ส่วน GPT Image 2.5 ไม่มีให้ดาวน์โหลดเลย เพราะในสาย GPT-Image ไม่มีเช็กพอยต์แบบเปิด

ช่องว่างที่ไม่ปิดลง
การพูดตรง ๆ เกี่ยวกับความแตกต่างด้านคุณภาพเป็นสิ่งที่ควรทำ เพราะหน้าสำหรับเปรียบเทียบที่เลี่ยงไม่พูดให้ชัดเจนนั้นไร้ประโยชน์ ในงาน text-to-image นั้น 192 Elo ไม่ใช่ความแตกต่างของรสนิยม หากแปลงเป็นสิ่งที่มันเป็นตัวแทน ก็หมายความว่า Sunburst เป็นที่ถูกเลือกในสัดส่วนที่เข้าใกล้เก้าจากทุกสิบครั้งของการเปรียบเทียบโดยตรง ในงาน editing ช่องว่างลดลงครึ่งหนึ่งเหลือ 116 และยังคงอยู่นอกช่วงทั้งสองช่วง: 1,201.50 โดยมีช่วง 1,190.50 ถึง 1,212.50 เทียบกับ 1,085.98 โดยมีช่วง 1,072.98 ถึง 1,098.98 แม้แต่ขอบล่างของ Sunburst ก็ยังสูงกว่าขอบบนของ Fibo อยู่ 91 คะแนน
ไม่มีสิ่งใดในส่วนที่เหลือของบทความนี้หักล้างเรื่องนั้น สิ่งที่ส่วนที่เหลือของบทความโต้แย้งก็คือ มีงานอยู่สี่ประเภทที่ 116 หรือ 192 Elo ไม่ใช่ตัวแปรชี้ขาด และผู้ซื้อมักเลือกโมเดลที่ได้คะแนนสูงกว่าสำหรับงานทั้งสี่ประเภทนั้น
การคิดค่าบริการตามโทเคนส่งผลอย่างไรต่องบประมาณต่อภาพ
นี่คือจุดที่ช่องว่างราคาน่าสนใจ เพราะผู้ขายทั้งสองรายไม่ได้วัดหรือคิดค่าบริการในแบบเดียวกัน และตัวเลขที่คณะกรรมการจำลองขึ้นมาก็ปกปิดเรื่องนี้ไว้
OpenAI bills image models per token — image output tokens, which is why the same model has a published input price and output price rather than a per-image rate. Through the OrcaRouter catalogue the two variants are listed at $8 per million input tokens and $30 per million output tokens, identical between Sunburst and Flare, which is the provider list price passed through with no markup on top. What that means per image depends entirely on the resolution and quality setting you ask for, and it can move by a factor of several across the settings range. The board's $210.72 per thousand is a modelling choice that assumes a representative setting, not a rate you will find printed anywhere.
Bria คิดค่าบริการตามจำนวนภาพ ราคา $0.032 บนแพลตฟอร์มของตัวเอง ซึ่งทำให้ภาพหนึ่งพันภาพมีราคา $32 — เป็นตัวเลขเดียวกับที่บอร์ดระบุไว้ ซึ่งไม่ค่อยเกิดขึ้นและน่าสังเกต: สำหรับ Fibo 2.0 ราคาที่จำลองไว้กับราคาต่อหน่วยตรงกัน มีค่าใช้จ่ายเพิ่มอีกส่วนหากคุณใช้ตัวช่วย VGL ที่ขยายคำสั่งธรรมดาให้เป็นแคปชันแบบมีโครงสร้าง ประมาณ $0.02 ต่อครั้ง ดังนั้นการสร้างพรอมต์แบบมีโครงสร้างเต็มรูปแบบจะอยู่ที่ประมาณ $0.052 หากคุณเขียน JSON เอง คุณจะข้ามค่านี้ไปได้
• ความคาดเดาได้ — ต้นทุนต่อภาพของ Fibo เป็นค่าคงที่ ส่วนของ GPT Image 2.5 ขึ้นอยู่กับการตั้งค่าของคุณ ซึ่งเป็นข่าวดีถ้าคุณควบคุมความละเอียดได้อย่างมีวินัย และเป็นข่าวร้ายถ้าผู้จัดการผลิตภัณฑ์เอาแต่ขอให้ทำซ้ำอีกสักรอบที่ 4K
• เพดาน — หนึ่งพันภาพ Sunburst ในอัตราตามแบบจำลองของบอร์ดคือ $210.72; หนึ่งพันภาพ Fibo บนแพลตฟอร์มของ Bria คือ $32.00 หรือ $52.00 หากเรียกใช้ structured-prompt กับทุกภาพ
• Floor — Fibo บน GPU ของคุณเอง ภายใต้สัญญาอนุญาตแบบไม่ใช่เชิงพาณิชย์ จ่ายเพียงค่าไฟฟ้า ผู้เขียนเวิร์กโฟลว์ในคอมมิวนิตี้วัดได้ 19 วินาทีต่อภาพที่ความละเอียด 2K และ 4 เมกะพิกเซล ด้วยเรฟเฟอเรนซ์หนึ่งภาพ แปดสเต็ป บน RTX 6000 Pro และไม่มี floor ที่เทียบเท่าได้สำหรับ GPT Image 2.5 ไม่ว่าจะจ่ายราคาเท่าใดก็ตาม

ดริฟต์ และข้อโต้แย้งเรื่องพรอมต์แบบมีโครงสร้าง
จุดเดียวที่ Fibo 2.0 ให้เหตุผลในเรื่องคุณภาพมากกว่าราคา คือสิ่งที่สถาปัตยกรรมของมันถูกสร้างขึ้นมาเพื่อรองรับ และมันคุ้มค่าที่จะทดสอบมากกว่าที่จะมองข้ามไป
Fibo 2.0 ไม่ได้ใช้ประโยคของคุณโดยตรง เอนโคเดอร์ Qwen3-VL-4B-Instruct จะอ่านพรอมป์ต์ ตัว Perceiver resampler จะบีบอัดพรอมป์ต์ให้เป็นโทเค็นสรุปใจความ 256 ถึง 512 โทเค็น และบล็อก DiT 5 ใน 44 บล็อกยังได้รับเลเยอร์ของ VLM เองผ่านครอสแอตเทนชันด้วย ในทางปฏิบัติ โมเดลจะขยาย "แก้วสีแดงบนโต๊ะไม้ walnut แสงยามเช้าจากด้านซ้าย" ให้เป็นแคปชัน VGL/JSON แบบมีโครงสร้างซึ่งมีฟิลด์สำหรับ subject, material, lighting และ position สร้างภาพจากเอกสารนั้น แล้วส่ง JSON กลับให้คุณ เปลี่ยนฟิลด์เดียวแล้วรันซ้ำ ฟิลด์ที่คุณไม่ได้แตะต้องยังคงเป็นค่าเดิม
นั่นเป็นหลักประกันที่แตกต่างจาก "การรักษารายละเอียด" หมายความว่าการแก้ไขถูกจำกัดขอบเขตด้วยโครงสร้างข้อมูล มากกว่าจะขึ้นอยู่กับว่าภาษาแบบจำลองอ่านประโยคของคุณซ้ำได้ดีเพียงใด สำหรับงานผลิตภัณฑ์แบบหลายขั้นตอน — วัตถุเดียวกัน หกสภาพแสง — นั่นคือโหมดความล้มเหลวที่กินเวลามากที่สุด และเป็นสิ่งที่การออกแบบนี้มุ่งแก้ Bria ยังจับคู่กับภาพอ้างอิงสูงสุดสี่ภาพที่อ้างอิงตามลำดับเป็น <image_1> ถึง <image_4> และโหมดแบบมาสก์ที่พื้นที่สีขาวจะถูกสร้างใหม่และส่วนที่เหลือทั้งหมดถูกคงไว้
ไม่ว่ามันจะเอาชนะการแก้ไขภาพของ Sunburst ในระดับงานได้หรือไม่นั้น ไม่ใช่สิ่งที่กระดาน Elo จะบอกคุณได้ และผมก็ไม่ขออ้างว่ามันทำได้ กระดานบอกว่า Sunburst แก้ไขได้ดีกว่าบนการกระจายของพรอมป์ทั่วไป ส่วนสถาปัตยกรรมบอกว่า Fibo ควรคลาดเคลื่อนน้อยกว่าในลูปที่กำหนดแอตทริบิวต์ตายตัว สองอย่างนี้เป็นข้ออ้างที่แตกต่างกัน และมีเพียงข้อเดียวเท่านั้นที่ถูกวัดผลอย่างเปิดเผย
โดยแต่ละข้อคือคำตอบที่ชัดเจน
Sunburst คือคำตอบที่ชัดเจนเมื่อโจทย์คือ "ทำให้ดูดีแล้วจะไม่มีใครถามว่าราคาเท่าไร" ไม่ว่าจะเป็นภาพฮีโร่ด้านการตลาด ภาพแคมเปญหลากหลายเวอร์ชัน หรืออะไรก็ตามที่มนุษย์จะเลือกสิ่งที่ดีที่สุดจากสิบสองตัว การอยู่ในอันดับ 2 บนตารางที่มี 116 โมเดล ด้วยคะแนนนำ 95 คะแนนเหนือทางเลือกที่ดาวน์โหลดได้ดีที่สุด ไม่ใช่ความได้เปรียบเล็กน้อย แต่เป็นเหตุผลที่โมเดลนี้มีอยู่
Flare is the obvious answer when you want most of that quality at lower latency and your volume is high — same price per token, nineteen Elo behind, positioned by OpenAI for everyday generation rather than showcase work.
Fibo 2.0 คือคำตอบที่ชัดเจนในสามกรณีที่เฉพาะเจาะจงกว่า คุณต้องการเวตของโมเดล สำหรับการติดตั้งภายในองค์กร สำหรับการไฟน์จูน สำหรับฐานอ้างอิงทางการวิจัย สำหรับสภาพแวดล้อมแบบแอร์แกป คุณต้องการใบอนุญาตที่ใช้อ้างอิงได้ ข้อเสนอของ Bria's คือข้อมูลฝึกที่ได้รับอนุญาต แหล่งที่มาของ C2PA และการชดใช้ค่าเสียหายระดับองค์กร และอ้างว่าเป็นไปตาม EU AI Act อย่างสมบูรณ์ ซึ่งเป็นคำตอบสำหรับฝ่ายจัดซื้อมากกว่าคำตอบด้านคุณภาพ หรือคุณต้องการการวนซ้ำแบบมีขอบเขตบนหัวข้อที่กำหนดไว้ และการออกแบบพรอมป์แบบมีโครงสร้างก็ตรงกับรูปแบบของปัญหาของคุณพอดี
กรณีที่สี่คือสิ่งที่คนมักทำผิด นั่นคือต้นทุน Fibo ถูกกว่าถึง 6.6 เท่าในแง่ราคา แต่ทีมที่ต้องใช้เวลาทางวิศวกรรมสองสัปดาห์เพื่อรับมือกับช่องว่างคุณภาพ 192-Elo นั้นได้ใช้จ่ายไปมากกว่าส่วนต่างนั้นแล้ว การอินเฟอเรนซ์ราคาถูกบนโมเดลที่ผิดไม่ใช่ของถูก
คำตอบด้านการจัดเส้นทาง สำหรับครึ่งหนึ่งที่เป็นของเรา
OrcaRouter ให้บริการ GPT-Image-2.5 Sunburst และ Flare — ทั้งสองอยู่ในแคตตาล็อกในฐานะเอนด์พอยต์สำหรับการสร้างภาพ ในราคาของผู้ให้บริการเองที่อินพุต $8 และเอาต์พุต $30 ต่อหนึ่งล้านโทเค็น โดยไม่มีการบวกกำไรเพิ่มเติม ทั้งนี้ ไม่ได้ให้บริการ Fibo 2.0: เวตและแพลตฟอร์มของ Bria คือเส้นทางสู่โมเดลนั้น และไม่มีเราเตอร์ใดเปลี่ยนสัญญาอนุญาตที่ผูกอยู่กับสิ่งเหล่านั้น การพูดเป็นอย่างอื่นจะเป็นคำกล่าวอ้างแบบที่ฟังดูดีแต่ทำให้ใครสักคนต้องเสียค่าใช้จ่ายในการตรวจสอบทางกฎหมาย
What one endpoint is actually worth here is the surrounding work. A Fibo pipeline has a vision-language model in it by design — the structured caption is produced by one — and that call can go through the same key as everything else, including the OpenAI models you are probably already using for the text side. Where the routing layer earns its keep is the boring failure: automatic failover means a batch of two thousand images does not stall because the captioning provider had a bad twenty minutes, and routing rules let you send cheap work to cheap models and the one hero image a day to Sunburst without maintaining two integrations and two invoices.
มาร์กอัป 0% สำคัญกว่าที่ฟังดูในตลาดที่ผู้ขายปรับราคากัน การลดราคาของผู้ให้บริการจะปรากฏที่นี่ภายในวันเดียวกัน แทนที่จะรอถึงการต่อสัญญาครั้งถัดไป และการเปรียบเทียบที่คุณทำในเดือนนี้ก็ยังคงเป็นการเปรียบเทียบเดิมในเดือนหน้า
อะไรจะทำให้คำตัดสินนี้เปลี่ยนไปได้
สองอย่าง และมีเพียงอย่างเดียวเท่านั้นที่น่าจะเป็นไปได้
อย่างแรกคือ fine-tune ของ Fibo 2.0 ที่ปิดช่องว่างด้านการแก้ไขในโดเมนเฉพาะ Fine-tune คือจุดที่โมเดลเปิด 8B หยุดแข่งขันบน Elo ทั่วไปและเริ่มแข่งขันบนข้อมูลของคุณ และตัวฝึก LoRA ในรีโพซิทอรีทำให้สิ่งนั้นเป็นงานสุดสัปดาห์แทนที่จะเป็นโปรเจกต์ หาก Fibo ที่เชี่ยวชาญเฉพาะทางเอาชนะ Sunburst ได้ในงานของคุณ กระดานจัดอันดับทั่วไปก็ไม่สำคัญ และการถูกกว่า 6.6× ก็กลายเป็นการถูกกว่า 6.6×
The second is a change to GPT Image 2.5's cost structure. OpenAI has repriced image tokens before and may again; a cut to the output rate would compress the only axis where Fibo is comfortably ahead, and would make the "cheap enough to be worth the quality gap" argument much harder to run.

จนกว่าหนึ่งในนั้นจะเกิดขึ้น การแยกกันนั้นชัดเจนและไม่หวือหวา ซื้อ Sunburst สำหรับภาพที่ต้องถูกต้องแม่นยำ ดาวน์โหลด Fibo สำหรับภาพที่ต้องเป็นของคุณ — ของคุณที่จะรัน ของคุณที่จะปรับแต่งอย่างละเอียด ของคุณที่จะปกป้องในที่ประชุมจัดซื้อจัดจ้าง ราคาสูงกว่าหกเท่าเป็นราคาที่สูงมากสำหรับแค่ความชอบส่วนตัว และ 192 Elo ก็เป็นสิ่งที่ต้องเสียสละมากสำหรับแค่ใบอนุญาต ทั้งสองข้อความเป็นจริง ซึ่งเป็นเหตุผลที่โมเดลทั้งสองอยู่ร่วมกันได้โดยไม่มีตัวไหนเป็นการเลือกที่ผิด
