Fibo 2.0 เทียบกับ LFM2.5 2.6B Base: พารามิเตอร์ข้อความ 2.7 พันล้านตัว หรือพารามิเตอร์รูปภาพ 8.1 พันล้านตัว

ช่องว่างด้านขนาดคือสิ่งแรกที่ใครก็สังเกตเห็น และเป็นสิ่งที่มีประโยชน์น้อยที่สุดเกี่ยวกับเรื่องนี้ Fibo 2.0 ซึ่งเปิดตัวโดย Bria เมื่อวันที่ 20 ตุลาคม 2026 มีพารามิเตอร์ 8,127,342,213 ตัว และส่งคืนภาพ LFM2.5 2.6B Base ซึ่งเปิดตัวโดย Liquid AI เมื่อวันที่ 1 สิงหาคม 2026 มี 2.69 พันล้านพารามิเตอร์ และส่งคืนข้อความ — และไม่ใช่ข้อความที่เสร็จสมบูรณ์ แต่เป็นพฤติกรรมการต่อข้อความดิบของเช็กพอยต์ฐานที่ผ่านการฝึกมาก่อนโดยไม่มีการปรับแต่งด้วยคำสั่ง การถามว่าตัวไหนดีกว่าก็เหมือนถามว่ากล้องดีกว่าพจนานุกรมหรือไม่ คำถามที่มีคำตอบนั้นแคบกว่าและใช้งานได้จริงกว่า: แต่ละตัวเป็นตัวเลือกเปิดที่เล็กที่สุดที่น่าเชื่อถือในเลนของตัวเอง และการรู้ว่าพื้นของแต่ละเลนอยู่ตรงไหนจะบอกคุณว่าข้อจำกัดของคุณตัดตัวไหนออกจริง ๆการ์ดโมเดลทั้งสองไม่ได้บันทึกว่าเกิดอะไรขึ้นเมื่อเช็กพอยต์แบบนี้ถูกนำไปใช้งานอย่างไม่เหมาะสม และเหตุการณ์ที่บันทึกไว้ถูกจัดหมวดหมู่ใน the OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งที่มา ระดับความรุนแรง เกรดความมั่นใจ และแฟล็กข้อโต้แย้งของตัวเอง

พื้น ในทั้งสองทิศทาง

โมเดลทั้งสองน่าสนใจด้วยเหตุผลเชิงโครงสร้างเดียวกัน — แต่ละตัวอยู่ใกล้ขีดล่างสุดของสิ่งที่ยังพอใช้งานได้สำหรับงานของมัน — และนั่นคือแกนเดียวที่ทำให้它們เทียบกันได้เลย

พารามิเตอร์ — Fibo 2.0 8,127,342,213 ใน BF16; LFM2.5 2.6B Base 2.69 พันล้าน โดยประมาณอัตราส่วนสามต่อหนึ่งในน้ำหนัก ซึ่งก็ประมาณอัตราส่วนในหน่วยความจำเช่นกัน

• ผลลัพธ์ — Fibo 2.0 ส่งคืนเป็นรูปภาพ; LFM2.5 2.6B Base ส่งคืนเฉพาะโทเค็นข้อความเท่านั้น

• ที่รัน — Fibo 2.0 ต้องใช้ GPU ที่มี VRAM เพียงพอสำหรับ diffusion transformer ขนาด 44 บล็อกที่ 50 สเต็ป หรือสี่สเต็ปในรุ่น Turbo; LFM2.5 2.6B Base มีให้ในรูปแบบ GGUF, ONNX และ MLX และถูกสร้างมาให้รันบนโทรศัพท์ แล็ปท็อป หรือคอมพิวเตอร์บอร์ดเดียว

• สถานะการปรับแต่ง — Fibo 2.0 Dev เป็นโมเดลฐานแบบไม่ผ่านการกลั่น (non-distilled) ที่ใช้ classifier-free guidance และมีเอกสารประกอบสำหรับการ fine-tuning ส่วน LFM2.5 2.6B Base เป็นเพียงโมเดลที่ผ่านการ pre-train เท่านั้น ยังไม่มีพฤติกรรมในการทำตามคำสั่งจนกว่าจะมีผู้ปรับแต่งมัน

• สัญญาอนุญาต — Fibo 2.0 อยู่ภายใต้ CC BY-NC 4.0 สำหรับการใช้งานที่ไม่ใช่เชิงพาณิชย์ โดยการใช้เชิงพาณิชย์เป็นไปตามข้อตกลง; LFM2.5 2.6B Base อยู่ภายใต้สัญญาอนุญาต LFM 1.0 ซึ่งอนุญาตให้ใช้เชิงพาณิชย์ได้ตามข้อกำหนดของตนเอง

• คะแนน — Fibo 2.0 อยู่ที่ 1,087.05 Elo บน AA-Image-Editing v2.1 เป็นอันดับหนึ่งในกลุ่มโมเดลเปิดน้ำหนัก ส่วน LFM2.5 2.6B Base มีค่าประมาณ Intelligence Index ที่ 8.39, GPQA 55.8%, Terminal-Bench 2.1 ที่ 4.5% และ HLE 6.2%

สองบรรทัดคะแนนนั้นไม่สามารถนำมาไว้ในประโยคเดียวกันในฐานะการเปรียบเทียบได้ บรรทัดหนึ่งเป็นคะแนนความชอบของฝูงชนต่อภาพที่เรนเดอร์ขึ้น ส่วนอีกบรรทัดเป็นคะแนนรวมจากแบบทดสอบมาตรฐานด้านข้อความ การใช้ทั้งสองอย่างอย่างซื่อตรงมีเพียงวิธีเดียว คือเพื่อระบุว่าโมเดลแต่ละตัวมีไว้เพื่ออะไร

base checkpoint จริง ๆ แล้วคืออะไร เพราะชื่อนี้ทำให้เข้าใจผิด

คำว่า "Base" ใน LFM2.5 2.6B Base ไม่ใช่การพูดแบบถ่อมตัวว่าเป็น "มาตรฐาน" แต่หมายความว่าโมเดลนี้ถูกฝึกด้วยโทเค็น 34 ล้านล้านโทเค็นเพื่อการทำนายโทเค็นถัดไปเพียงอย่างเดียว — ไม่มีการปรับแต่งด้วยคำสั่ง ไม่มีเทมเพลตแชท ไม่มีพฤติกรรมการปฏิเสธ ไม่มีความรู้ตัวว่าคำถามคือคำถาม ถ้าคุณป้อนว่า "Summarise this email:" มันจะต่อข้อความนั้นในสไตล์ใดก็ตามที่ข้อมูลก่อนการฝึกชี้แนะ ซึ่งอาจกลายเป็นส่วนที่เหลือของเธรดอีเมลแทนที่จะเป็นบทสรุป

นั่นทำให้มันเป็นจุดเริ่มต้นที่ดีแต่เป็นผลิตภัณฑ์ที่ยังไม่ดีนัก Liquid AI เปิดตัวมันสำหรับผู้ที่ตั้งใจจะทำ fine-tune และสถาปัตยกรรมนี้ถูกเลือกมาเพื่องานดังกล่าว: 30 เลเยอร์, short convolution แบบ double-gated 22 ตัว และเลเยอร์ grouped-query attention 8 เลเยอร์, คำศัพท์ขนาด 128K, บริบท 131,072 โทเคน และครอบคลุม 16 ภาษาในการ pre-training สแต็กที่เน้น convolution หนักคือเหตุผลที่มันพอดีกับโทรศัพท์ — ต้นทุนของ attention เพิ่มขึ้นตามบริบท แต่ convolution ไม่เพิ่ม ซึ่งเป็นแก่นของแนวคิดการออกแบบทั้งหมด

สถาปัตยกรรม — 30 เลเยอร์: บล็อกคอนโวลูชันแบบสั้นที่ผ่านเกตสองชั้น 22 บล็อก และบล็อก GQA 8 บล็อก พร้อมคำศัพท์ขนาด 128K

• การฝึก — 34 ล้านล้านโทเค็น, 16 ภาษา, ฝึกล่วงหน้าเท่านั้น

• บริบท — 131,072 โทเคน ซึ่งเป็นจำนวนที่สแตกการคอนโวลูชันได้รับการออกแบบมาเพื่อให้มีต้นทุนที่จ่ายได้

• รูปแบบไฟล์ — GGUF, ONNX และ MLX ดังนั้น llama.cpp, ONNX Runtime และ Apple silicon จึงล้วนเป็นเป้าหมายระดับแรก

• สิ่งที่มันไม่ทำ — ทำตามคำสั่ง สนทนาโต้ตอบ หรือสร้างสิ่งใดนอกเหนือจากข้อความต่อเนื่อง จนกว่าคุณจะปรับแต่งมัน

การเปรียบเทียบกับเช็กพอยต์ Dev ของ Fibo 2.0 นั้นใกล้เคียงกว่าที่เห็นในตอนแรก Fibo 2.0 Dev ก็เป็นโมเดลฐานเช่นกัน — ไม่ผ่านการกลั่น (non-distilled) ใช้ 50 สเต็ปพร้อม classifier-free guidance ที่ 5.0 และเป็นเช็กพอยต์ที่ Bria ระบุไว้อย่างชัดเจนสำหรับการ fine-tuning ทั้งสองโปรเจกต์ส่งมอบเป้าหมายสำหรับการ tuning มาพร้อมกับผลิตภัณฑ์ที่ใช้งานได้ หรือแทนที่ผลิตภัณฑ์ที่ใช้งานได้ ความแตกต่างคือ Fibo 2.0 Edit Turbo มีอยู่ในฐานะเวอร์ชันที่ใช้งานได้ของเวตเดียวกัน ซึ่งถูกกลั่นให้เหลือสี่สเต็ปโดยไม่มี guidance ขณะที่ LFM2.5 2.6B ต้องถูกปรับแต่งก่อนจึงจะใช้งานได้เลย

ใบอนุญาตและต้นทุนที่แท้จริงของ "open"

ทั้งสองโมเดลสามารถดาวน์โหลดได้ สิ่งที่คุณทำได้กับโมเดลเหล่านี้แตกต่างกันอย่างมาก และเป็นไปในทิศทางที่กลับความเข้าใจตามปกติเกี่ยวกับขนาด: โมเดลขนาดจิ๋วคือโมเดลที่ใช้ในเชิงพาณิชย์ได้

• Fibo 2.0 — CC BY-NC 4.0 สำหรับการใช้งานที่ไม่ใช่เชิงพาณิชย์ การใช้งานเชิงพาณิชย์จำเป็นต้องมีข้อตกลงแยกต่างหากกับ Bria ที่เก็บบน Hugging Face ถูกจำกัดการเข้าถึงโดยต้องกรอกแบบฟอร์มระบุบริษัทและวัตถุประสงค์การใช้งาน

• LFM2.5 2.6B Base — สัญญาอนุญาต LFM 1.0 ซึ่งอนุญาตให้ใช้งานเชิงพาณิชย์ได้ภายใต้ข้อกำหนดของตนเอง ไม่ต้องเจรจาต่อรองรายครั้ง แต่ข้อกำหนดไม่ใช่ Apache-2.0 และควรอ่านให้ละเอียดแทนที่จะคาดเดาเอา

• เหตุใดข้อกำหนดของ Bria จึงเป็นเช่นนั้น — คลังข้อมูลที่ใช้ฝึกโมเดลนั้นมีภาพที่ได้รับอนุญาตราวหนึ่งพันล้านภาพซึ่งบริษัทได้จ่ายเงินซื้อมา การปล่อยเวตโมเดลแบบฟรีที่ทำให้ใครก็ตามสามารถตัดราคา API ของ Bria เองบนคลังข้อมูลนั้นได้ จะเท่ากับยกสินทรัพย์ที่คลังข้อมูลนี้ซื้อมาให้หลุดมือไป

• จุดแบ่งที่ใช้ได้จริง — ไปป์ไลน์การวิจัยภายในสามารถใช้ทั้งสองตัวได้ในวันพรุ่งนี้ ขณะที่ผลิตภัณฑ์ที่พร้อมวางตลาดสามารถฝัง LFM2.5 2.6B Base ลงในอุปกรณ์ได้ในวันพรุ่งนี้ แต่ไม่สามารถเปิดตัว Fibo 2.0 ได้หากไม่มีลายเซ็น

นี่ไม่ใช่การตำหนิ Bria แต่เป็นเรื่องโครงสร้างต้นทุนของปัญหาสองข้อ Liquid AI ฝึกด้วยข้อความ ซึ่งส่วนใหญ่ขออนุญาตใช้ได้ฟรี ส่วน Bria ฝึกด้วยภาพถ่าย ซึ่งไม่มีภาพใดเลยที่ขออนุญาตใช้ได้ฟรี ข้อกำหนดสัญญาอนุญาตนั้นขึ้นอยู่กับข้อมูลนำเข้า ไม่ใช่คุณภาพของโมเดล และนั่นคือจุดที่ถูกต้องที่ข้อกำหนดเหล่านี้ควรขึ้นอยู่กับ

จุดที่ทั้งสองมาบรรจบกัน: ผู้ช่วยบนอุปกรณ์ที่อธิบายก่อนเรนเดอร์

มีสถาปัตยกรรมอยู่แบบหนึ่งที่โมเดลทั้งสองนี้อยู่ในระบบเดียวกันได้ และนั่นคือเหตุผลที่ชิ้นนี้เป็นการเปรียบเทียบมากกว่าการตัดทิ้ง เส้นทางคอนดิชันนิงของ Fibo 2.0 รับคำบรรยายภาพ JSON แบบมีโครงสร้าง — VGL ซึ่งเป็น Visual GenAI Language ของ Bria — โดยมีฟิลด์ที่มีชื่อสำหรับหัวเรื่อง องค์ประกอบ แสง กล้อง สไตล์ และข้อความในภาพ โมเดลข้อความขนาด 2.6B ที่รันได้บนอุปกรณ์ที่ใช้ถ่ายภาพคือสิ่งประเภทเดียวกันกับสิ่งที่สามารถเขียน JSON นั้นในเครื่องได้ โดยไม่ต้องส่งข้อมูลไปกลับ

การที่มันทำได้หรือไม่ เป็นคนละคำถามกับการที่มันควรทำหรือไม่ โมเดลพื้นฐานที่ผ่านการฝึกมาก่อนซึ่งมีดัชนีประเมินประมาณ 8.39, GPQA 55.8% และ HLE 6.2% จะไม่สามารถสร้าง JSON ที่ถูกต้องตามสคีมาจากภาพถ่ายได้อย่างน่าเชื่อถือ หากไม่มีการปรับแต่งแบบเฉพาะงาน — และการปรับแต่งมันบนคลังข้อมูล VGL ถือเป็นงานที่กำหนดขอบเขตไว้ชัดเจนและมีขนาดพอดีกับโมเดลเล็ก นี่คือเวอร์ชันที่ตรงไปตรงมาของข้อโต้แย้งแบบพบกันตรงกลาง: LFM2.5 2.6B Base เป็นฐานรองที่เป็นไปได้สำหรับตัวเขียนคำบรรยายที่ผ่านการปรับแต่ง ไม่ใช่ตัวสำเร็จรูป

• สิ่งที่ 2.6B มอบให้ — มันทำงาน ณ จุดที่ถ่ายภาพ ด้วยขนาดน้ำหนักโมเดลต่ำกว่า 3 GB ไม่ต้องเชื่อมต่อเครือข่าย ไม่มีค่าใช้จ่ายต่อการเรียกใช้แต่ละครั้ง

• สิ่งที่ต้องมีก่อน — การปรับแต่งแบบมีผู้กำกับบนตัวอย่างรูปแบบ VGL พร้อมกับการถอดรหัสแบบมีข้อจำกัดหรือไวยากรณ์ JSON เพื่อรับประกันผลลัพธ์ที่ถูกต้อง

• สิ่งที่ตัวเรนเดอร์นำมา — มันยังต้องใช้ GPU อยู่ ฝั่งที่ทำงานบนอุปกรณ์ทำหน้าที่อธิบาย ส่วนฝั่งเซิร์ฟเวอร์ทำหน้าที่วาด นั่นคือการแบ่งงานแบบเดียวที่ใช้ได้ในปัจจุบัน

• สิ่งที่ทำให้แนวคิดนี้ใช้ไม่ได้ — หากคำบรรยายภาพต้องออกมาดี โมเดลมัลติโมดัลระดับ 12B จะอ่านภาพต้นฉบับได้ดีกว่าที่โมเดลข้อความล้วนขนาด 2.6B จะทำได้ เพราะตัว 2.6B มองไม่เห็นรูปเลย

ประเด็นสุดท้ายนี่แหละคือสิ่งที่ชี้ขาดการออกแบบจริงส่วนใหญ่ LFM2.5 2.6B Base เป็นแบบข้อความเข้า ข้อความออก มันเขียนคำบรรยาย VGL จากบรีฟที่เป็นข้อความได้ แต่ดูภาพที่มันกำลังบรรยายไม่ได้ ใครก็ตามที่จับทั้งสองอย่างมาจับคู่กันควรชัดเจนว่าตัวเองกำลังซื้องานส่วนไหนกันแน่

การได้รับแต่ละรายการ

Fibo 2.0 มีให้ใช้งานจาก API ของ Bria ในราคา $0.032 ต่อภาพ จากเครื่องมือสร้างที่ Bria โฮสต์ ผ่านโหนด ComfyUI หรือในรูปแบบเวตแบบจำกัดการเข้าถึงบน Hugging Face ส่วน LFM2.5 2.6B Base มีให้ใช้งานจาก Hugging Face ในรูปแบบ GGUF, ONNX และ MLX โดยเวอร์ชัน base ไม่มีการจำกัดการเข้าถึง ทั้งสองไม่ได้อยู่ในแคตตาล็อกของ OrcaRouter และไม่มีข้อกล่าวอ้างใดที่ต้องทำให้เบาลง: Fibo 2.0 เป็น endpoint สำหรับภาพ และ base 2.6B ของ Liquid เป็น checkpoint ที่ดาวน์โหลดได้ และเราเตอร์ไม่ได้ให้บริการทั้งสองอย่างได้ดี

สิ่งที่ router เข้ามาทำหน้าที่ให้คือทุกสิ่งรอบ ๆ พวกมัน OrcaRouter ใช้คีย์เดียวครอบคลุมโมเดลกว่า 200 ตัว ด้วยราคาตามรายการของผู้ให้บริการที่ส่งต่อโดยไม่บวกกำไร 0% ดังนั้นการเปลี่ยนแปลงราคาจากผู้ขายฝั่งข้อความจะปรากฏให้เห็นในวันที่เกิดขึ้น หากคุณกำลังสร้างไปป์ไลน์ fine-tuning สำหรับตัวเขียนคำบรรยาย VGL ทั้งโมเดลที่สร้างคู่ข้อมูลฝึกแบบสังเคราะห์และโมเดลที่ให้คะแนนคู่นั้นสามารถอยู่หลังคีย์เดียวนี้ได้ พร้อมการสลับสำรองอัตโนมัติขณะที่คุณวนปรับและ DSL สำหรับกำหนดเส้นทางเพื่อกระจาย benchmark ไปยังหลายโมเดลในการเรียกครั้งเดียว ตัวเรนเดอร์ยังคงเป็นของ Bria และลูปการปรับแต่งคือจุดที่ routing พิสูจน์คุณค่าของตัวเอง

การตัดสินใจที่กล่าวไว้อย่างตรงไปตรงมา

ถ้าเงื่อนไขของคุณคือโมเดลรันที่ไหน LFM2.5 2.6B Base ไม่ได้แข่งขันกับ Fibo 2.0 — มันเป็นตัวเดียวในสองตัวนี้ที่รันบนอุปกรณ์ได้เลย และดัชนีประมาณ 8.39 ของมันคือเพดานที่คุณตั้งใจเลือกเพื่อแลกกับการนั้น ถ้าเงื่อนไขของคุณคือผลลัพธ์ที่ได้ Fibo 2.0 เป็นตัวเดียวในสองตัวนี้ที่สร้างผลลัพธ์ออกมา และ Elo 1,087 ของมันในกลุ่มน้ำหนักเปิดคือจุดสูงสุดในปัจจุบันสำหรับการแก้ไขภาพที่ดาวน์โหลดมาใช้ได้ ไม่มีใครกำลังเลือกอยู่ระหว่างโมเดลเหล่านี้ พวกเขากำลังเลือกระหว่างเป้าหมายการติดตั้งใช้งานกับสิ่งที่ต้องส่งมอบ และสิ่งเหล่านั้นเป็นการตัดสินใจที่แตกต่างกันซึ่งบังเอิญปรากฏในข่าวสัปดาห์เดียวกัน

คำถามเดียวที่ทั้งสองฝ่ายมีร่วมกันอย่างแท้จริงคือเรื่องสัญญาอนุญาต และคำตอบก็ออกมาในแบบเดียวกันสำหรับทั้งสองส่วนของการสร้างเชิงพาณิชย์: ฐาน 2.6B ใช้งานได้ภายใต้เงื่อนไขของมัน ตัวเรนเดอร์ 8B ต้องได้รับความยินยอมจาก Bria และการที่โมเดลที่เล็กกว่าเป็นตัวที่มีอิสระมากกว่านั้นเป็นข้อเท็จจริงเกี่ยวกับข้อมูลฝึก ไม่ใช่เกี่ยวกับวิศวกรรม จงวางแผนผลิตภัณฑ์โดยยึดสิ่งนั้น ไม่ใช่ยึดจำนวนพารามิเตอร์