Fibo 2.0 Dev vs Fibo 2.0: Bạn không phải đang chọn giữa hai mô hình

Fibo 2.0 Dev và Fibo 2.0 là cùng một mô hình mang hai chức danh. Fibo 2.0 là tên phát hành mà Bria đặt cho họ checkpoint 8,13 tỷ tham số mà họ công bố ngày 20 tháng 10 năm 2026; Fibo 2.0 Dev là bản nền đầy đủ, không chưng cất, mang bản phát hành đó. Việc so sánh chỉ trở nên thực sự khi bạn đọc “Fibo 2.0” theo cách hầu hết mọi người thực sự tiếp cận nó — như một sản phẩm bạn gọi, trên một endpoint do nhà cung cấp vận hành, với giá 0,032 USD mỗi ảnh — so với thứ bạn có thể tải xuống, cân đo và huấn luyện. Một trong hai là pipeline bạn kiểm soát. Cái còn lại là đồng hồ đo bạn thuê. Đó chính là quyết định, và cái tên trên nhãn không làm nên điều đó.

Có một đối tượng thứ ba trong phòng, và việc bỏ qua nó chính là cách khiến người ta thất vọng: Fibo 2.0 Edit Turbo, trình chỉnh sửa bốn bước đã được chưng cất, dùng chung tên bản phát hành và chỉ làm khoảng một phần mười công việc cho mỗi ảnh. Ba thứ, một cái tên, và một điểm số trên bảng xếp hạng mô tả bản phát hành chứ không phải bất kỳ checkpoint đơn lẻ nào. Phần tiếp theo sẽ phân biệt chúng dựa trên chi phí bạn phải trả, những gì chúng có thể làm và những gì chúng cho phép bạn phát hành một cách hợp pháp.

Sáu khía cạnh thực sự khác biệt

Mọi thứ dưới đây là một khác biệt mà bạn có thể hành động. Ở những chỗ một con số đến từ Bria thay vì một lần chạy độc lập, con số đó được ghi nhãn như vậy.

• Trọng số có thể tải xuống — Fibo 2.0 Dev: có, được kiểm soát truy cập trên Hugging Face, CC BY-NC 4.0, khoảng 25,5 GB bao gồm một transformer 16,3 GB, một bộ mã hóa Qwen3-VL-4B 8,9 GB và một VAE FLUX.2 0,34 GB. Fibo 2.0 như một sản phẩm: không có gì để tải xuống.

• Lấy mẫu — Dev: 50 bước với classifier-free guidance ở mức 5.0. Đường dẫn chỉnh sửa được lưu trữ trên máy chủ và Edit Turbo: 4 bước, guidance 1.0, hoàn toàn không có classifier-free guidance.

• Phạm vi tác vụ — Dev: tạo hình ảnh từ văn bản và chỉnh sửa từ cùng một bộ trọng số. Endpoint chỉnh sửa đã phát hành và Turbo: chỉ chỉnh sửa. Tạo hình ảnh từ văn bản qua Turbo không phải là con đường chậm hơn, mà là con đường sai.

• Tinh chỉnh (Fine-tuning) — Dev: checkpoint duy nhất có thể huấn luyện, bao gồm cả tinh chỉnh toàn phần DiT lẫn LoRA. Turbo: được nêu rõ là không phải đối tượng để tinh chỉnh. Sản phẩm được host: bạn thuê trọng số, bạn không dạy chúng.

• Prompt phủ định — Dev: chúng có tác dụng, vì CFG đang bật và có một đòn bẩy để tác động. Turbo: guidance được cố định ở 1.0, nên prompt phủ định không có gì để tác động.

• Giá — sản phẩm hosted: 32,00 đô la cho mỗi 1.000 ảnh, tức 0,032 đô la/ảnh, con số mà Artificial Analysis đưa ra. Local Dev: không có giá theo từng ảnh; bạn trả bằng giờ GPU và bằng bản tải xuống 25,5 GB.

Những điểm Fibo 2.0 Dev giành ưu thế, và không hề sát nút

Sinh ảnh là khoảng trống đầu tiên. Fibo 2.0 được quảng cáo là một mô hình vừa vẽ vừa chỉnh sửa, nhưng tuyên bố đó chỉ đúng với Dev. Các endpoint chỉnh sửa được lưu trữ sẵn và Edit Turbo được xây dựng xoay quanh một ảnh đầu vào; yêu cầu chúng tạo ra ảnh từ một câu mô tả là đòi hỏi một thứ mà quá trình distillation đã loại bỏ. Nếu pipeline của bạn bắt đầu từ con số không, lựa chọn là Dev hoặc một mô hình khác.

Control là điểm thứ hai. Năm mươi bước với guidance ở mức 5.0 chậm hơn bốn bước không có guidance, và chậm hơn là cái giá phải trả cho khả năng điều khiển — khả năng đẩy ngược lại một prompt, sử dụng negative prompt và đổi số bước lấy độ trung thực. Ở mảng chỉnh sửa, Dev cũng chấp nhận chỉnh sửa có mặt nạ, chỉnh sửa đa tham chiếu với tối đa bốn ảnh ngữ cảnh và chế độ Inspire mượn phong cách từ một ảnh tham chiếu mà không truyền ảnh đó cho renderer.

Huấn luyện là hạng mục thứ ba và lớn nhất. Dev là checkpoint mà mọi lộ trình tinh chỉnh đều hướng tới: tài liệu DiffSynth-Studio của ModelScope cho biết chỉ Fibo-2.0-dev là có thể huấn luyện, còn Bria đi kèm một trình huấn luyện LoRA trên một GPU cùng hướng dẫn chuẩn bị dữ liệu trong kho lưu trữ. Vì việc tạo và chỉnh sửa dùng chung trọng số, một LoRA có thể dạy một phong cách và cả hành vi chỉnh sửa đi kèm. Không có thứ gì tương tự cho sản phẩm được lưu trữ trực tuyến, và Turbo bị loại trừ theo thiết kế.

Khả năng chuyển đổi là điểm thứ tư. Một checkpoint cục bộ chạy dưới diffusers thông qua BriaFibo2Pipeline, bên trong ComfyUI, nơi hỗ trợ gốc được hợp nhất vào ngày 21 tháng 10 và phát hành trong v0.43.0 với một loại text-encoder chuyên dụng và một node tiếp nhận prompt VGL và ảnh tham chiếu. Nó cũng chạy ở dạng lượng tử hóa — BF16, INT8 và các bản đóng gói lại GGUF đều tồn tại — điều này khiến một kho lưu trữ 25,5 GB trở nên khả thi trên phần cứng thông thường.

Những điểm Fibo 2.0 bản phát hành chiếm ưu thế

Chủ yếu là độ trễ và vận hành. Một quy trình chỉnh sửa bốn bước không dùng guidance cho kết quả chỉ trong một phần nhỏ thời gian mà 50 bước có guidance cần, và con số của chính Bria cho API được lưu trữ là dưới hai giây thời gian mô hình và dưới năm giây từ đầu đến cuối — do nhà cung cấp báo cáo, không được đo độc lập, và nên coi đó là mức trần chứ không phải lời hứa. Khi một hàng đợi các chỉnh sửa phải được xử lý xong trước hạn chót, đó chính là toàn bộ lý lẽ.

Chi phí vốn là yếu tố thứ hai. $0.032 cho một hình ảnh mà không cần GPU, không tải xuống 25,5 GB, không tinh chỉnh offload, không phải quyết định FP8 hay BF16. Một nhóm cần 500 chỉnh sửa mỗi tháng chỉ chi $16 và không bao giờ phải mở terminal. Cũng nhóm đó, nếu mua một card để chạy Dev cục bộ, sẽ chi vài trăm đô-la trước khi có hình ảnh đầu tiên. Dev cục bộ chỉ thắng phép tính đó khi ở quy mô lớn, và chỉ khi GPU đã được khấu hao nhờ các công việc khác.

Tính đúng đắn của phần kết nối hạ tầng là điều thứ ba. Đường hosted xử lý những phần tẻ nhạt: text encoder, VAE, lịch lấy mẫu và việc mở rộng prompt có cấu trúc đều là vấn đề của người khác. Một bản cài đặt cục bộ phải giữ cho bộ mã hóa Qwen3-VL-4B, VAE FLUX.2 và một DiT 44 khối nhất quán với nhau qua mọi lần nâng cấp — đó là lý do việc các tích hợp ComfyUI và diffusers tồn tại đóng vai trò trụ cột, và tại sao các bản đóng gói lại GGUF lại quan trọng.

Năm mươi bước so với bốn: phép tính quyết định hầu hết các trường hợp

Chi phí tính theo mỗi ảnh là chỗ mà phép so sánh thường biến thành những lời nói chung chung, vì vậy hãy coi đó như ba hóa đơn riêng. Hosted: 0,032 USD mỗi ảnh, đã gồm tất cả. Local Dev: số giây GPU ở 50 bước, cộng tiền điện, cộng tiền card. Local Turbo: số giây GPU ở 4 bước, chỉ khoảng một phần mười lượng tính toán, nhưng chỉ dùng để chỉnh sửa.

Điểm giao nhau là có thật nhưng đến muộn hơn người ta vẫn tưởng. Nếu một giờ GPU thuê có giá khoảng một đô-la và một lần render megapixel với 50 bước mất, giả sử, hai mươi giây, thì bạn đang ở mức khoảng $0,005 một ảnh tính trên năng lực tính toán thô — rẻ hơn sáu lần so với giá thuê dịch vụ, trước khi tính đến thời gian rảnh giữa các tác vụ và việc thời gian của chính bạn không phải miễn phí. Với 500 ảnh một tháng, đó là mức tiết kiệm $2,50 so với $16, chưa đủ để thành một bài toán kinh doanh. Với 50.000 ảnh, đó là mức tiết kiệm $250 so với $1.600, và lúc đó thì đúng là một bài toán kinh doanh. Fine-tuning đảo ngược hoàn toàn điều đó, bởi một LoRA bạn đã huấn luyện chỉ có giá trị trên những trọng số mà bạn có thể chạy.

Còn một con số nữa đặc biệt quan trọng với phía Dev: pipeline diffusers mặc định là 30 bước với guidance 5, trong khi cấu hình Bria khuyến nghị cho Dev là 50. Mặc định sẽ tạo ra hình ảnh; nhưng nó sẽ không tạo ra hình ảnh của Bria. Ai thiết lập pipeline cục bộ nên quyết định điều đó một cách có chủ đích thay vì kế thừa nó.

Giấy phép định hình lại toàn bộ phép so sánh

Cả hai checkpoint có thể tải xuống đều theo CC BY-NC 4.0 — chỉ dùng cho mục đích phi thương mại, việc triển khai thương mại yêu cầu một thỏa thuận riêng với Bria, và quyền truy cập được giới hạn sau khi điền biểu mẫu về công ty và mục đích sử dụng. Sản phẩm được lưu trữ (hosted) là con đường thương mại: bạn mua quyền sử dụng thay vì mua giấy phép đối với trọng số.

Điều đó tạo ra một kết quả thực sự gượng gạo, và đây chính là lý do vì sao chữ “vs” này đáng để viết ra. Checkpoint với các năng lực bạn muốn — tạo sinh, guidance, fine-tuning — là thứ bạn không thể thương mại hóa mà không đàm phán. Sản phẩm mà về mặt pháp lý có thể đưa ra thương mại một cách đơn giản lại là sản phẩm không thể fine-tune và không thể tạo sinh từ đầu. Nếu trường hợp sử dụng của bạn là thương mại và tùy chỉnh, bạn không phải đang chọn giữa hai sản phẩm Bria; bạn đang chọn xem có mở một cuộc trao đổi về giấy phép hay không.

Cũng cần nói rõ: dòng bảng xếp hạng được trích dẫn cho Fibo 2.0 — 1.088 Elo trên AA-Image-Editing v2.1 của Artificial Analysis, đứng đầu trong số các trình chỉnh sửa open-weights và thứ hai mươi ba tổng thể trên 5.009 phiếu bầu mù — là điểm số cho bản phát hành, không phải cho Dev so với Turbo. Khoảng ±14 của nó trùng gần như hoàn toàn với 1.081 ±13 của Qwen-Image-2.1, nên vị trí dẫn đầu open-weights chỉ là một tiêu chí phá thế hòa. Ở text-to-image, thứ tự đảo ngược: 1.039 ±12 của Fibo 2.0 nằm sau 1.042 ±12 của Qwen-Image-2.1. Không checkpoint nào có điểm số công bố riêng, nghĩa là bất kỳ tuyên bố “Dev tốt hơn Fibo 2.0” nào cũng chỉ là suy luận từ cách checkpoint được xây dựng, không phải một phép đo.

Cái nào, tùy tình huống

• Bạn cần tạo ảnh từ văn bản và muốn nó tuân thủ số lượng, vị trí và thuộc tính — Dev. Giao diện điều khiển JSON có cấu trúc được xây dựng dành riêng cho việc này, và pipeline trả về caption mà nó đã dựng ra từ đó.

• Bạn đang tinh chỉnh cho một thương hiệu, một phong cách hoặc một ngành dọc — {{1}}Dev{{/1}}, với {{2}}LoRA{{/2}} trước tiên. Huấn luyện DiT đầy đủ thì có, nhưng một bộ điều hợp giới hạn hạng trên bộ mã hóa đóng băng là thử nghiệm đầu tiên hợp lý.

• Bạn đang thực hiện chỉnh sửa hướng dẫn với khối lượng lớn mà không có hành vi tùy chỉnh — đường dẫn hosted, hoặc Turbo cục bộ nếu hình ảnh không thể rời khỏi mạng của bạn. Bốn bước và không có hướng dẫn chính là một tính năng ở đây, chứ không phải hạn chế.

• Bạn cần triển khai thương mại — hãy bắt đầu trao đổi với Bria, hoặc tính đến việc thuê. Việc tải trọng số không giải quyết được vấn đề giấy phép.

• Bạn chỉ muốn xem mô hình có tốt không — endpoint được host ở mức $0.032/ảnh rẻ hơn việc tải xuống, thiết lập và cả buổi tối bạn sẽ mất để nạp FP8. Hãy chi $5 trước khi bạn phải bỏ ra cả một cuối tuần.

Một endpoint cho nửa phần văn bản, bên nào bạn chọn cũng được.

Cả hai hướng đi đều chung một điểm phụ thuộc mà không ai benchmark: mô hình ngôn ngữ viết VGL. Fibo được huấn luyện trên các chú thích Visual GenAI Language, trong đó ánh sáng, bố cục, camera và đồ vật là những trường có thể truy cập riêng, và độ hữu ích của đầu ra bám theo chất lượng của JSON đó. Việc tự viết tay nó thì khả thi với khoảng một tá prompt và cực khổ khi lên tới một nghìn, đó là lý do bộ tạo chú thích trở thành một phần của hệ thống.

Đó là phần OrcaRouter đáp ứng. Một API cho 200+ mô hình, phụ giá 0% — giá niêm yết của nhà cung cấp được chuyển thẳng, nên thay đổi từ nhà cung cấp sẽ đến hóa đơn của bạn ngay trong cùng ngày — với DSL định tuyến có thể gửi việc gắn chú thích hàng loạt đến một mô hình rẻ và nâng cấp các hàng khó, và hợp nhất mô hình có sẵn khi một công cụ gắn chú thích duy nhất cứ làm phẳng một trường bạn quan tâm. Nó cũng khiến việc so sánh trở nên có thể kiểm thử: chạy cùng một hình ảnh qua hai công cụ gắn chú thích, so sánh JSON, và xem bộ trường nào thực sự đã làm thay đổi bản kết xuất. Bản thân Fibo 2.0 không có trong danh mục của chúng tôi, nên phần hình ảnh vẫn ở nguyên nơi bạn đặt nó — phần văn bản mới là phần được hợp nhất.

Kết luận ngắn gọn: chọn Fibo 2.0 Dev nếu bạn đang xây dựng, và chọn Fibo 2.0 endpoint nếu bạn đang mua. Tên thì dùng chung, còn giấy phép thì không, và checkpoint kèm vòng lặp huấn luyện là thứ duy nhất sau sáu tháng nữa vẫn sẽ thuộc về bạn.