Một thẻ tiêu đề được tạo tự động có tiêu đề chính 'FIBO 2.0 so với MiniMax H3 Image', phụ đề 'Cách nhau ba tuần, và danh hiệu trọng số mở đã đổi chủ'. Hai chip ghi 'FIBO 2.0 — 8B, 20 tháng 10 năm 2026, 1,086 Elo biên tập ảnh' và 'H3-Image — 68.65 GB, 10 tháng 11 năm 2026, 1,135 Elo biên tập ảnh'. Một chân trang ghi 'Elo theo Artificial Analysis, AA-Image-Editing, truy cập ngày 20 tháng 11 năm 2026.'
Guides & Insights

FIBO 2.0 vs MiniMax H3 Image: Ngôi vương đã đổi chủ

Tác giả

Elias Hawthorne

Ngày đăng

Mô hình mới nhất · 20Xem tất cả mô hình →
Benchmark: Artificial Analysis · cập nhật hằng ngày
Quay lại tất cả bài viết

Trong hai mươi mốt ngày, FIBO 2.0 là mô hình chỉnh sửa ảnh tốt nhất mà bạn có thể tải xuống. Bria phát hành nó vào ngày 20 tháng 10 năm 2026 với 1.086 Elo trên bảng xếp hạng chỉnh sửa ảnh của Artificial Analysis, đưa nó lên vị trí đầu tiên trong số các mục trọng số mở và cao hơn khoảng 169 điểm so với nỗ lực trước đó của chính công ty. Sau đó, MiniMax đưa trọng số của MiniMax H3 Image lên Hugging Face vào ngày 10 tháng 11 lúc 14:50 UTC, và vào thời điểm đấu trường có đủ các trận đấu để xếp hạng nó, ngôi đầu về trọng số mở đã thuộc về một mô hình chưa từng tồn tại khi FIBO ra mắt. Tính đến ngày 20 tháng 11 năm 2026, H3-Image đang ở mức 1.135 Elo với khoảng 1.119 đến 1.151. FIBO 2.0 đang ở mức 1.086, khoảng 1.073 đến 1.099. Các khoảng này không chồng lên nhau.

Đó thực sự là một vị thế khó xử đối với một bài đăng ra mắt, và câu hỏi hữu ích là liệu còn lại gì trong lập luận của FIBO 2.0 khi con số mà nó dẫn đầu đã bị một đối thủ trẻ hơn ba tuần đánh bại. Câu trả lời không phải là không có gì. Đó là hai mô hình được xây dựng cho những chủ sở hữu khác nhau, và sự khác biệt thể hiện ở một con số duy nhất: 8,1 tỷ tham số so với bản tải xuống 68,65 gigabyte.

8B và 68,65 GB có ý nghĩa gì đối với một người

Bria công bố kiến trúc với mức chi tiết hiếm thấy. FIBO 2.0 là một mô hình flow-matching chạy trong không gian latent của FLUX.2 VAE, với Qwen3-VL-4B-Instruct làm bộ mã hóa prompt, một bộ tái lấy mẫu Perceiver hai lớp nén đầu ra của bộ mã hóa đó thành 256 đến 512 token "gist", và một transformer khuếch tán luồng đơn 44 khối với năm khối được cấp thêm dữ liệu bởi cross-attention. Checkpoint có 8,127,342,213 tham số trong BF16 safetensors — khoảng 16 GB trọng số trước mọi chi phí vận hành. Một card tiêu dùng 24 GB chứa được nó và vẫn còn chỗ cho bộ mã hóa văn bản.

MiniMax H3 Image là một đẳng cấp khác hẳn. Kho của nó chứa 68,65 GB trọng số cùng một bộ mã hóa văn bản mượn từ một kho thứ hai, và đó chính là cái giá phải trả để phát hành một mô hình được thiết kế cho đầu ra 4K, 16 triệu pixel và tối đa mười sáu ảnh tham chiếu. Thông báo ngày 10 tháng 11 mở đầu bằng con số mười giây cho một ảnh 16 megapixel, và dù con số đó có giá trị thế nào trên phần cứng của bạn, thì đó không phải là con số mà một máy trạm dùng một card tạo ra được.

• Trọng số trên đĩa — FIBO 2.0 khoảng 16 GB BF16; H3-Image 68,65 GB cộng thêm một bộ mã hóa văn bản riêng biệt.

• Số tham chiếu mỗi lần chỉnh sửa — FIBO 2.0 tối đa 4, được xử lý theo thứ tự; H3-Image tối đa 16, theo thông báo của Mini​Max.

• Kích thước đầu ra — FIBO 2.0 kết xuất ở độ phân giải cấp 1K thông qua pipeline đã được công bố; H3-Image quảng cáo 4K, tương đương khoảng mười sáu megapixel.

• Elo chỉnh sửa — FIBO 2.0 1.086, xếp thứ 31 tổng thể; H3-Image 1.135, thứ 14. H3-Image Highspeed, phân khúc nhanh hơn, ở mức 1.132.

• Elo văn bản sang hình ảnh — FIBO 2.0 1,037, thứ 32; H3-Image 1,066, thứ 27; H3-Image Highspeed 1,072.

• Giá niêm yết — FIBO 2.0 32,00 USD cho mỗi 1.000 hình ảnh; H3-Image 26,54 USD đối với chỉnh sửa và 21,79 USD đối với chuyển văn bản thành hình ảnh; H3-Image Highspeed 45,25 USD đối với chỉnh sửa.

Số lượng ảnh tham chiếu là con số quyết định nhiều công việc thực tế hơn cả Elo. Bốn ảnh bao quát người + trang phục + phông nền + logo. Mười sáu ảnh bao quát cả một dòng sản phẩm trong một lần gọi, và nếu công việc của bạn là ghép ảnh chứ không phải chỉnh sửa ảnh, thì mười sáu không phải là một tiện ích xa xỉ — đó là năng lực khiến những cảnh nhiều chủ thể trở nên khả thi ngay từ đầu. Bốn ảnh của FIBO đủ cho một bản chỉnh sửa thời trang và không đủ cho một trang catalogue trải rộng.

A crop of the Artificial Analysis AA-Image-Editing leaderboard showing consecutive ranked rows, including H3-Image at rank 14 with 1,135 Elo and an interval of 1,119 to 1,151 across 3,267 battles at $26.54 per 1,000 images, and Fibo 2.0 at rank 31 with 1,086 Elo, an interval of 1,073 to 1,099 across 5,753 battles at $32.00 per 1,000 images.

Ba tuần là một khoảng thời gian dài trên hội đồng này.

Bảng xếp hạng mà FIBO 2.0 đang đọc hồi tháng 10 đã hai lần dịch chuyển xuống dưới nó. H3-Image xuất hiện vào ngày 10 tháng 11 và đi thẳng tới vị trí thứ mười bốn. Seedream 5.5, được ByteDance công bố ngày 9 tháng 11, đáp xuống ở mức 1.160 và vị trí thứ tám. Krea 3 (Ultra), ra đời sớm hơn FIBO năm ngày, đã dẫn trước ở mức 1.154 dù không hề có trọng số nào. Ở lần đọc hiện tại, các mô hình xếp trên FIBO 2.0 trên bảng chỉnh sửa bao gồm ba mô hình ra mắt sau nó, và mục trọng số mở ngay bên dưới nó là Qwen-Image-2.1 ở mức 1.082 — mô hình mà FIBO từng được ca ngợi vì đã vượt qua cách đây một tháng.

Không điều nào trong số đó là lỗi của mô hình. Đó là diện mạo của một hạng mục đang chuyển động nhanh, và cách trung thực để viết về một bản ra mắt đã ba tuần tuổi là nói đúng như vậy, thay vì trích dẫn ảnh chụp nhanh của tuần ra mắt như thể mũi tên chưa hề dịch chuyển. Thẻ Hugging Face của chính Bria vẫn mang tuyên bố hồi tháng Mười — “đứng đầu về chỉnh sửa hình ảnh và thứ hai về văn bản-thành-hình ảnh trong số các mô hình trọng số mở, ngày 20 tháng 10 năm 2026” — điều đúng vào ngày nó được đóng dấu. Hiện tại thì điều đó không còn đúng, và tấm thẻ không nói khác đi bởi vì thẻ mô hình không phải là bảng xếp hạng.

Điều không hề thay đổi là yếu tố khác biệt khác của Bria, và đây là điều đáng giá nhất đối với một nhóm dự định tiếp tục sử dụng mô hình sau khi bảng xếp hạng của quý này bị lãng quên: checkpoint nhỏ, có tài liệu, và có một lộ trình fine-tuning đi kèm. Kho lưu trữ bao gồm một trình huấn luyện LoRA trên một GPU cho chỉnh sửa và văn bản sang hình ảnh, cùng hướng dẫn chuẩn bị dữ liệu, dựa trên lập luận rằng tạo sinh và chỉnh sửa dùng chung một bộ trọng số, nên một lần fine-tune có thể dạy mô hình phong cách riêng của tổ chức và cách chỉnh sửa trong phong cách đó. Một mô hình 68 GB không phải là không thể fine-tune, nhưng đó là một phép tính ngân sách khác.

Giấy phép mà không nhà cung cấp nào quảng bá rầm rộ

Cả hai đều là các bản phát hành trọng số mở theo nghĩa kỹ thuật và không bản nào là mã nguồn mở. Thẻ của Bria ghi CC BY-NC 4.0 cho mục đích phi thương mại, trong khi sử dụng thương mại yêu cầu một thỏa thuận riêng, và chỉ mở quyền truy cập kho lưu trữ sau khi điền biểu mẫu về công ty và mục đích sử dụng. MiniMax H3 Image được phát hành theo thỏa thuận giấy phép cộng đồng của riêng mình — một văn bản may đo riêng chứ không phải giấy phép OSI — và công việc thực tế là đọc một giấy phép may đo riêng thì dài hơn, chứ không phải ngắn hơn, so với đọc một giấy phép Creative Commons. Không công ty nào đang cung cấp cho bạn thứ mà cụm từ "open weights" thường ngụ ý, đó là quyền xây dựng một sản phẩm trên tệp đó và phát hành nó.

A generated card titled 'What fits on one workstation', showing two bars drawn to scale: FIBO 2.0 at about 16 GB of BF16 weights, which fits a 24 GB card alongside its text encoder, and MiniMax H3 Image at 68.65 GB plus a separate text encoder, which does not. A footer reads 'Parameter counts and repository sizes per each vendor's published model card, November 2026.'

Điều khác biệt còn tồn tại là chi phí thử nghiệm. Một bản tải xuống 16 GB có kiểm soát truy cập, vừa với một máy trạm và đi kèm script tinh chỉnh, là thứ mà một kỹ sư duy nhất có thể đánh giá vào một ngày thứ Ba. Một bản tải xuống 68 GB cần một máy nhiều GPU và một bộ mã hóa văn bản riêng là một dự án có số ticket. Sự bất đối xứng đó có lợi cho FIBO trong nghiên cứu và tạo mẫu thử, và có lợi cho H3-Image với bất kỳ ai mà vấn đề của họ vốn đã là "chúng tôi có GPU và chúng tôi cần mười sáu tham chiếu".

Có một lựa chọn thứ ba mà cả hai bài đăng ra mắt đều không nhắc đến, và đó chính là nơi hầu hết các đội sẽ thực sự dừng lại: không chạy cục bộ mô hình nào cả. Cả hai mô hình đều được bán dưới dạng endpoint được lưu trữ, với giá lần lượt là 32,00 đô la và 26,54 đô la mỗi nghìn ảnh, và với mức giá đó, lập luận về phần cứng sẽ tan biến đối với bất kỳ nhu cầu nào dưới vài nghìn ảnh mỗi tháng. Tự lưu trữ trở nên hợp lý khi bạn cần tinh chỉnh, quyền riêng tư hoặc khối lượng lớn — không phải khi bạn muốn bức ảnh rẻ nhất.

Bộ định tuyến làm gì ở đây và không làm gì

FIBO 2.0 không có trong danh mục của OrcaRouter, và H3-Image cũng vậy; các mô hình hình ảnh mà chúng tôi thực sự cung cấp là một bộ hoàn toàn khác. Vì vậy, vai trò trung thực của một router trong so sánh này không phải là "gọi cả hai thông qua một API", bởi vì điều đó sẽ không đúng. Đó là phần xoay quanh khâu render.

Cả hai mô hình đều cần một prompt dài, có cấu trúc — FIBO thông qua schema JSON VGL của nó, H3-Image thông qua các caption dài mà chính các ví dụ của MiniMax sử dụng — và trong môi trường sản xuất, những caption đó được viết bởi một mô hình ngôn ngữ, được xác thực theo schema, và được thử lại khi kết quả render trả về bị sai. Chính vòng lặp đó là nơi phát sinh chi phí và cũng là nơi xảy ra lỗi. OrcaRouter cung cấp hơn 200 mô hình văn bản chỉ qua một khóa với mức giá niêm yết của nhà cung cấp, không đánh thêm 0%, nhờ đó bộ tạo caption và bộ xác thực có thể được hoán đổi theo từng tác vụ mà không cần hợp đồng mới, cơ chế chuyển đổi dự phòng tự động xử lý được tình huống một nhà cung cấp gặp sự cố lúc 2 giờ sáng, và DSL định tuyến kết hợp caption, lệnh gọi render và bước thử lại thành một bước được cấu hình duy nhất. Dù theo cách nào thì mô hình hình ảnh vẫn nằm nguyên tại chỗ của nó.

Đó là một tuyên bố khiêm tốn và nó được cố ý tạo ra như vậy. Một bộ định tuyến không thể biến một mô hình 1.135 Elo thành một mô hình 1.200 Elo, và nó cũng không giúp bạn có được mười sáu tài liệu tham khảo.

Tháng này ai nên chọn cái nào

• Chọn FIBO 2.0 nếu chiếc máy dưới bàn của bạn chính là mục tiêu triển khai, nếu bạn muốn tinh chỉnh trên danh mục của riêng mình, hoặc nếu "giấy phép có lộ trình thương mại được nêu rõ" quan trọng hơn với bộ phận pháp lý của bạn so với "giấy phép ngắn gọn".

• Chọn H3-Image nếu bạn ghép hơn bốn thứ vào một khung hình, nếu đầu ra 4K là yêu cầu bắt buộc chứ không phải điểm cộng, hoặc nếu bạn đã chấp nhận rằng mô hình trọng số mở tốt nhất là một mục tiêu luôn dịch chuyển và thà mua endpoint của mô hình dẫn đầu hiện tại còn hơn mua tệp của nó.

• Bỏ qua cả hai nếu bạn chỉ chỉnh sửa vài trăm ảnh mỗi tháng và không có lý do tuân thủ nào để giữ chúng trong nội bộ — cả hai đều được bán dưới dạng API với giá vài xu mỗi ảnh, và chi phí vận hành một máy GPU sẽ vượt quá hóa đơn.

A generated card titled 'Two questions, two answers', with two columns: 'Need the file — FIBO 2.0, 16 GB, gated, non-commercial licence with a commercial path' and 'Need sixteen references — H3-Image, 68.65 GB, 4K output, bespoke community licence'. A footer reads 'Licence terms per Bria and MiniMax model cards; Elo per Artificial Analysis, read 20 November 2026.'

• Hãy đợi hai tuần nếu quyết định đang sát nút, vì ba trong số tám mô hình chỉnh sửa hàng đầu trên bảng xếp hạng đã ra mắt vào tháng 11 và thứ hạng vẫn chưa ổn định.

Điều có thể thay đổi cách đánh giá này là những yếu tố cụ thể. Nếu Bria nới lỏng điều khoản phi thương mại, vị thế của FIBO 2.0 sẽ thay đổi qua một đêm bất kể Elo ra sao, bởi giấy phép hiện là thứ duy nhất đứng giữa một checkpoint 8B và mọi đội ngũ sản phẩm muốn có một mô hình mà họ có thể kiểm toán. Nếu MiniMax công bố một H3-Image lượng tử hóa hoặc chưng cất vừa trong 24 GB, lập luận về kích thước sẽ biến mất và lý do còn lại để chọn FIBO thu hẹp còn VGL và các script tinh chỉnh. Và nếu lần đọc tiếp theo của arena đặt khoảng của H3-Image cao hơn của FIBO — hai bên cách nhau 49 Elo với biên 20 điểm giữa các dải, nên sẽ cần một thay đổi thực sự chứ không phải nhiễu — thì bảng xếp hạng tháng Mười không còn là một điều tò mò lịch sử nữa mà trở thành một sự thật đã ngã ngũ. Hiện tại, đó là một ảnh chụp nhanh của cửa sổ ba tuần, và đó chính xác là cách nên đọc bài viết này.