Fibo 2.0 vươn lên dẫn đầu về chỉnh sửa ảnh với trọng số mở ở mức 8 tỷ tham số — Hãy đọc khoảng tin cậy, không phải thứ hạng

Bria phát hành Fibo 2.0 vào ngày 20 tháng 10 năm 2026, và chỉ trong vòng một ngày, nó đã soán ngôi mọi mục trọng số mở khác trên cả hai bảng xếp hạng hình ảnh của Artificial Analysis. Trên AA-Image-Editing v2.1, nó đứng thứ 20 chung cuộc với Elo 1.087,05, khiến nó trở thành mô hình có thứ hạng cao nhất mà bạn có thể tải trọng số về — Q​wen-Image-2.1 đứng kế tiếp với 1.082,74 và vị trí thứ 21. Trên AA-Image-T2I v2.1, nó đứng thứ 21 với 1.038,79, thấp hơn một bậc so với Q​wen-Image-2.1 ở 1.042,13. Cả hai đều là bước nhảy vọt so với dòng Fibo thế hệ đầu của Bria: FIBO Edit đạt 912,82 ở mảng chỉnh sửa, FIBO đạt 848,86 ở mảng văn bản thành hình ảnh. Tiêu đề đã tự nói lên tất cả. Điều đáng để chậm lại suy xét là trên cả hai bảng, khoảng cách tới mô hình ngay dưới nó không lớn hơn các thanh sai số, và rằng "open weights" ở đây không mang ý nghĩa như nó vẫn mang với phần lớn các mô hình mà nó vừa vượt qua. Vị trí trên bảng xếp hạng không ghi lại cách các mô hình hình ảnh thất bại trong môi trường sản xuất, và các sự cố được ghi nhận được liệt kê trong Kho lưu trữ Sự cố AI của OrcaRouter nơi mỗi mục đều có nguồn, mức độ nghiêm trọng, cấp độ tin cậy và cờ tranh chấp riêng.

Những gì hai ban nói, bao gồm cả những phần mà thông báo của Bria hoàn thiện.

Bảng xếp hạng chỉnh sửa là kết quả mạnh hơn. Mức 1.087,05 của Fibo 2.0 đi kèm khoảng tin cậy 95% từ 1.073,05 đến 1.101,05 trên 4.819 trận đấu. Mức 1.082,74 của Q​wen-Image-2.1 có khoảng từ 1.069,74 đến 1.095,74 trên một mẫu tương đương. Các khoảng này chồng lấn trên phần lớn độ dài của chúng. Vì vậy, cách hiểu trung thực về "đứng đầu trong số các mô hình trọng số mở" là một thứ hạng, chứ không phải một khoảng cách đã được chứng minh: Fibo 2.0 đứng trước Q​wen-Image-2.1 trong thứ tự, và thứ tự này chưa thể phân biệt hai mô hình. Mô hình mà nó thực sự, rõ ràng vượt trội là mô hình tiền nhiệm của chính nó — 174 Elo xấp xỉ mười bốn lần nửa độ rộng khoảng tin cậy của chính nó, và không lượng nhiễu lấy mẫu nào giải thích được điều đó.

Elo Chỉnh sửa — Fibo 2.0 1,087.05, thứ 20 tổng thể, thứ 1 trong nhóm trọng số mở; Q​wen-Image-2.1 1,082.74, thứ 21 tổng thể, thứ 2 trong nhóm trọng số mở.

Các khoảng chỉnh sửa — 1,073.05–1,101.05 so với 1,069.74–1,095.74. Chúng chồng lấn, vì vậy hãy coi hai khoảng là ngang nhau và thứ hạng là tiêu chí phá hòa.

• Elo văn bản-thành-hình ảnh — Fibo 2.0 1,038.79, tổng thể đứng thứ 21; Q​wen-Image-2.1 1,042.13, tổng thể đứng thứ 20. Ở đây Q​wen về danh nghĩa dẫn trước, một lần nữa nằm trong các khoảng chồng lấn (1,026.79–1,050.79 so với 1,030.13–1,054.13).

• Thay đổi so với thế hệ đầu tiên — FIBO Edit 912.82 lên Fibo 2.0 1,087.05 ở tính năng chỉnh sửa, +174. FIBO 848.86 lên 1,038.79 ở text-to-image, +190. FIBO Lite, SKU thế hệ đầu tiên rẻ hơn, đạt 813.06 ở text-to-image.

• Khoảng cách đến vị trí dẫn đầu của mỗi bảng xếp hạng — {{1}}kém GPT Image 2.5 Sunburst (max) 111,66 Elo{{/1}} ở hạng mục chỉnh sửa, {{2}}kém cùng mô hình đó 183,17 Elo{{/2}} ở hạng mục văn bản thành hình ảnh. Vị trí dẫn đầu ở nhóm trọng số mở và vị trí dẫn đầu tổng thể là hai câu chuyện khác nhau.

• Cỡ mẫu — 4.819 lượt đối đầu ở tác vụ chỉnh sửa, 5.113 lượt ở tác vụ văn bản-thành-hình ảnh. Đủ để các khoảng tin cậy hẹp; không đủ để một chênh lệch Elo năm điểm có ý nghĩa gì.

Artificial Analysis ghi ngày phát hành là 20 tháng 10 năm 2026 trên cả hai bảng xếp hạng và đánh dấu mô hình là mới. Thẻ mô hình của chính Bria tuyên bố vị trí thứ nhất trong chỉnh sửa hình ảnh và thứ hai trong tạo hình ảnh từ văn bản trong số các mô hình trọng số mở tính đến cùng ngày. Đó là tuyên bố của nhà cung cấp về bảng xếp hạng của một bên thứ ba chứ không phải một benchmark do nhà cung cấp tự thực hiện, nhưng đây vẫn là việc nhà cung cấp tự mô tả kết quả của mình, và các thứ hạng đó vẫn đứng vững khi bạn kiểm tra trực tiếp.

Thực sự bên trong 8B có gì

Số lượng tham số là con số kém thú vị nhất trong bản phát hành. Fibo 2.0 là một mô hình flow-matching hoạt động trong không gian latent của FLUX.2 VAE, với mô hình Qwen3-VL-4B-Instruct làm bộ mã hóa prompt. Thay vì đưa các token văn bản thô vào transformer khuếch tán, nó nén đầu ra của bộ mã hóa thông qua bộ tái lấy mẫu Perceiver hai lớp thành 256 đến 512 token "gist", và transformer một luồng 44 khối sẽ chú ý đến những token này, trong đó năm khối còn được cấp thêm dữ liệu bởi cross-attention. Hệ quả thực tế là một mô tả dài, có cấu trúc gần như không tốn thêm chi phí nào: phần điều kiện bị giới hạn ở 512 token bất kể bạn viết bao nhiêu.

• Kiến trúc — flow matching trong không gian latent của FLUX.2 VAE, DiT một luồng 44 khối, năm khối có cross-attention tới biểu diễn prompt.

• Bộ mã hóa văn bản — Qwen3-VL-4B-Instruct, được nén thành 256–512 token gist thông qua bộ tái lấy mẫu Perceiver hai lớp.

• Kích thước — 8,127,342,213 tham số trong BF16 safetensors, nên khoảng 16 GB trọng số trước mọi chi phí phụ trợ khi chạy.

• Dữ liệu huấn luyện — kho ngữ liệu khoảng một tỷ hình ảnh của Bria, mà công ty mô tả là đã được cấp phép đầy đủ. Tuyên bố đó là của chính công ty, và đó là lý do giấy phép dưới đây không phải là một phần bổ sung cho có.

• Chế độ — chỉnh sửa, chỉnh sửa có mặt nạ, chỉnh sửa đa tham chiếu với tối đa bốn ảnh tham chiếu, tạo sinh và chế độ "inspire" đề xuất các biến thể. Một bộ trọng số dùng chung cho cả tạo sinh và chỉnh sửa, đây là điểm mới của dòng này; thế hệ đầu tiên đã tách riêng hai tác vụ này.

Checkpoint hợp nhất là thay đổi kỹ thuật mang tính thực chất. Fibo 1 tung ra tính năng tạo và chỉnh sửa như những năng lực riêng biệt với thế mạnh riêng, và mức cải thiện 174 điểm về chỉnh sửa so với FIBO Edit một phần là câu chuyện về việc chỉnh sửa có được sự tập trung huấn luyện riêng bên trong một mô hình cũng tạo sinh. Việc hai chế độ có can thiệp lẫn nhau hay không chính là kiểu câu hỏi mà một bảng xếp hạng không thể trả lời, còn một tuần sử dụng trong môi trường sản xuất thì có thể.

Dev và Edit Turbo là hai sản phẩm khác nhau dùng chung một cái tên

Có hai checkpoint trên Hugging Face dưới tên Fibo 2.0, và chọn sai một trong số đó là cách dễ nhất để đi đến kết luận rằng mô hình này gây thất vọng.

• Fibo 2.0 Dev — bản cơ sở không chưng cất. Năm mươi bước lấy mẫu với classifier-free guidance ở mức 5.0, cho cả tạo và chỉnh sửa, đồng thời là checkpoint mà Bria chỉ định để tinh chỉnh. Chậm và có thể điều khiển.

• Fibo 2.0 Edit Turbo — được tinh gọn xuống còn bốn bước, không dùng classifier-free guidance, chỉ chỉnh sửa. Chi phí suy luận cho mỗi ảnh rẻ hơn khoảng một bậc độ lớn và nó không thể tạo từ đầu.

• Công cụ — pipeline là BriaFibo2Pipeline trong diffusers, được đưa vào qua pull request 14991, cùng với gói bria-vgl đi kèm cho định dạng chú thích có cấu trúc được mô tả bên dưới. Hỗ trợ ComfyUI đã có mặt thông qua một bản đóng gói lại của cộng đồng vào ngày 20 tháng 10.

Các lời nhắc được thiết kế để ở định dạng JSON, và đó là một thay đổi thực sự về quy trình làm việc.

Bria huấn luyện và ghi tài liệu cho Fibo 2.0 dựa trên thứ mà họ gọi là VGL — Visual GenAI Language — một định dạng chú thích JSON có cấu trúc, tách chủ thể, bố cục, ánh sáng, camera, phong cách và văn bản trong ảnh thành các trường có tên thay vì một câu dài dằng dặc. Mô hình sẽ nhận một prompt thông thường. Nó dễ dự đoán hơn một cách có thể đo được với dạng có cấu trúc, vì nút cổ chai Perceiver giữ được ranh giới giữa các trường mà một câu phẳng hòa lẫn vào nhau.

Đây là chi tiết có đuôi dài nhất. Điều đó có nghĩa là đối tượng sử dụng tự nhiên của Fibo 2.0 không phải là một người gõ vào ô nhập mà là một mô hình ngôn ngữ phát ra một đối tượng tuân thủ schema, và điều đó có nghĩa là kỹ thuật prompt cho mô hình này giống như viết một JSON schema và xác thực dựa trên nó. Bất kỳ ai đánh giá Fibo 2.0 bằng một vài prompt văn bản tự do đều đang đo một chế độ mà mô hình không được tối ưu hóa cho nó và sẽ đánh giá thấp nó.

"open weights" ở đây chính xác có nghĩa là gì

Thẻ mô hình nêu CC BY-NC 4.0 cho mục đích phi thương mại, còn việc sử dụng thương mại yêu cầu một thỏa thuận riêng với Bria. Kho lưu trữ Hugging Face được giới hạn truy cập ở mức "auto" với biểu mẫu về công ty và mục đích sử dụng. Bạn có thể tải trọng số, đọc chúng, tinh chỉnh chúng và chạy chúng; bạn không thể phát hành sản phẩm dựa trên chúng mà không trao đổi với Bria trước.

Đó là một bản phát hành trọng số mở hợp pháp và không phải là bản mã nguồn mở, và sự phân biệt này quan trọng hơn bình thường vì các mô hình mà Fibo 2.0 vừa vượt qua đều thuộc các giấy phép cho phép sử dụng thương mại hoàn toàn. Nếu bạn đang chọn một mô hình hình ảnh cho sản phẩm chứ không phải để nghiên cứu, thì thứ tự trên bảng xếp hạng không phải là ràng buộc. Giấy phép mới là. Nó cũng định giá mô hình một cách gián tiếp: một thỏa thuận thương mại là một cuộc đàm phán, và đàm phán là một chi phí không xuất hiện trên bất kỳ bảng giá nào.

Có một cách lý giải có cơ sở về việc vì sao Bria làm theo cách này. Kho ngữ liệu huấn luyện là tài liệu được cấp phép mà công ty đã trả tiền; việc phát hành trọng số cho phép bất kỳ ai cạnh tranh miễn phí với API của chính công ty trên kho ngữ liệu đó sẽ là trao đi tài sản mà kho ngữ liệu đã mua được. Điều khoản phi thương mại là cơ chế giữ cho bản phát hành không ăn mòn hoạt động kinh doanh. Điều đó không làm giấy phép trở nên thuận tiện, nhưng làm nó trở nên nhất quán.

Bảng giá và chi phí của một nghìn hình ảnh

• Bria API, Fibo 2.0 — 0,032 USD mỗi ảnh.

• Bria API, {{1}}Fibo 2.0 Edit{{/1}} — $0.032 mỗi ảnh. Việc chỉnh sửa không rẻ hơn việc tạo ở đây, điều này khá bất thường và đáng biết trước khi bạn lập ngân sách cho một tác vụ hàng loạt.

• Bria API, Fibo Lite — $0.0288 mỗi ảnh. Đây là bậc rẻ hơn, không phải mô hình trên bảng xếp hạng.

• Cuộc gọi prompt có cấu trúc — $0.02 mỗi cuộc gọi, được tính riêng ngoài chi phí hình ảnh. Vì vậy, một hình ảnh theo pipeline VGL là $0.052, không phải $0.032, trừ khi bạn tự tạo JSON.

• pricePer1kImages của Artificial Analysis — $32,00, khớp với mức $0,032 được nêu.

Ở mức $0,032 mỗi ảnh, API được định giá như một tiện ích thay vì một mô hình cao cấp, điều này nhất quán với chiến lược mà giấy phép hàm ý: tặng trọng số miễn phí cho nghiên cứu, bán endpoint cho tất cả những ai cần các quyền. Tự lưu trữ Dev checkpoint trên GPU thuê khó có thể đánh bại $0,032 mỗi ảnh khi tính đến 50 bước lấy mẫu, nhưng Edit Turbo ở bốn bước là một phép tính khác đối với bất kỳ ai chạy khối lượng lớn hoặc cần mô hình bên trong mạng riêng tư.

Nơi bạn có thể chạy nó

Fibo 2.0 có sẵn thông qua API riêng của Bria, thông qua công cụ tạo nội dung do Bria vận hành, thông qua các node ComfyUI và dưới dạng trọng số được kiểm soát quyền truy cập trên Hugging Face. Đó là các đường truy cập. Nó không có trong danh mục của OrcaRouter, và bài viết này sẽ không giả vờ khác đi.

Câu hỏi về định tuyến vẫn đáng để dành một câu, vì Fibo 2.0 là mô hình mà hầu hết các đội sẽ dùng thử trước khi cam kết. OrcaRouter chạy một khóa API trên hơn 200 mô hình với giá niêm yết của nhà cung cấp được chuyển thẳng với mức markup 0%, vì vậy khi nhà cung cấp thay đổi giá, kể cả đợt giảm giá của Bria, điều đó sẽ hiện trên hóa đơn của bạn ngay ngày xảy ra thay vì ngày một nhà bán lại cập nhật bảng. Đối với nửa mô hình ngôn ngữ của pipeline Fibo — nửa viết VGL JSON, xác thực nó và quyết định xem một lần sinh có đáng thử lại hay không — điều đó có nghĩa là mô hình thực hiện suy luận có thể nằm sau cùng một khóa như mọi thứ khác, với chuyển đổi dự phòng tự động khi nhà cung cấp chập chờn và DSL định tuyến để ghép các bước thành một lệnh gọi. Mô hình hình ảnh vẫn ở nguyên chỗ của nó.

Không điều nào trong số đó là lý do để chọn Fibo 2.0. Đó là lý do để không xây dựng pipeline xung quanh như một chuỗi các hợp đồng riêng biệt.

Điều gì sẽ thay đổi phán quyết này

Ba điều đáng để theo dõi, và không điều nào có thể được một bài đăng tuần ra mắt giải quyết. Thứ nhất, tái lập độc lập: chỉ số Elo đến từ một đấu trường do cộng đồng bình chọn, còn những kiểu lỗi cụ thể quan trọng trong môi trường sản xuất — hiển thị văn bản bên trong vùng được chỉnh sửa, giữ nguyên danh tính qua bốn ảnh tham chiếu, liệu một mask có được tôn trọng ở rìa hay không — không phải là thứ mà ưu tiên theo cặp đo lường. Thứ hai, giấy phép: nếu Bria chuyển từ CC BY-NC sang một thứ dùng được cho mục đích thương mại, so sánh với phần còn lại của lĩnh vực trọng số mở sẽ thay đổi chỉ sau một đêm; còn nếu không, danh hiệu "trình chỉnh sửa ảnh trọng số mở tốt nhất" vẫn chỉ là danh hiệu nghiên cứu. Thứ ba, thế hòa: Fibo 2.0 và Q​wen-Image-2.1 cách nhau bốn điểm Elo về chỉnh sửa với các khoảng tin cậy chồng lấn. Vài nghìn trận đấu nữa sẽ phân tách chúng hoặc xác nhận rằng chúng là cùng một mô hình mang hai cái tên.

Hiện tại, phát biểu chính xác thì hẹp nhưng vẫn đáng kinh ngạc. Hai ngày sau khi phát hành, mô hình chỉnh sửa ảnh tốt nhất mà bạn có thể tải xuống là một checkpoint 8B từ một công ty đã dành cả thập kỷ để bán dữ liệu hình ảnh được cấp phép, nó tốt hơn hơn 170 Elo so với nỗ lực trước đó của chính công ty đó, và nó được cấp phép theo cách mà gần như không ai đang đọc bảng xếp hạng có thể sử dụng nó cho mục đích thương mại mà không cần một cuộc gọi điện thoại.