生成的标题卡写着“FIBO 2.0 vs HY-Image 3.5”,副标题为“Tencent 的预览模型对比 Bria 的开放检查点”,标签写着“编辑:1,092 vs 1,086”、“文本到图像:972 vs 1,037”以及“两者均在每 1,000 张图像 8 美元以内”。页脚写着“Elo 依据 Artificial Analysis AA-Image-Editing 和 AA-Image-T2I v2.1,读取于 2026 年 11 月 20 日。”
Guides & Insights

FIBO 2.0 vs HY-Image 3.5:某董事会称二者打成平手

作者

jinhao.song

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

把 Fibo 2.0 和 HY-Image 3.5 放到编辑榜上,你会得到平局。放到文生图榜上,你会得到 65 分的差距。同样的两个模型、同一周、同一套方法,却得出相反的结论——而原因并不是任一分数有错。原因在于,这两个模型在图像模型所做的两件事上并不一样强,而一个单一的“哪个更好”的答案,恰恰会毁掉你真正需要的信息。腾讯的 HY-Image 3.5,厂商在其 HunyuanImage 产品线中以标识符 hy-image-v3.5-preview 作为预览版发布,其编辑效果大致与 Bria 的 Fibo 2.0 相当——后者是 Bria 于 2026 年 10 月 20 日发布的开放 8B 检查点——而生成效果则差得多。如果你的工作是编辑,这句话就是整篇文章的要点。

在数字发挥作用之前,先说明一下来源。两个 Elo 数值及其区间来自 Artificial Analysis,该机构开展盲测成对偏好投票,并公布每个分数周围的分布范围;我是在 2026 年 11 月 20 日读取这两个榜单的。两个价格是该榜单建模得出的每千张图像成本——这是一个可比的合成数字,而非任何一方的价目表。关于各项限制、许可和发布状态,来源均为腾讯自己的文档和 Bria 的模型卡;凡属厂商陈述而未经我独立核实之处,文中均已注明。

读取两块不一致的板卡

分歧如此鲜明,以至于可以先陈述数字,然后再作解读。

• 编辑 — HY-Image 3.5 1,091.87(区间 1,078.87 至 1,104.87),在 86 个中排名第 28。Fibo 2.0 1,085.98(1,072.98 至 1,098.98),排名第 31。HY-Image 领先 5.89 分,小于任一区间半宽的一半。

• 文生图 — Fibo 2.0 1,036.98(1,025.98 至 1,047.98),在116个中排名第32。HY-Image 3.5 972.12(960.12 至 984.12),排名第75。Fibo领先64.86,且两个区间在最接近处相差41个点。

• 价格 — Fibo 2.0 每 1,000 张图片 32.00 美元,HY-Image 3.5 为 24.00 美元。相差八美元,即 25%。

发布状态——Fibo 2.0 已正式可用,权重可下载,采用 CC BY-NC 4.0 许可。HY-Image 3.5 仍标注为预览版,除该预览标识外并未发布第二个稳定标识符。

编辑项上的并列才是有意思的,因为它并不是两个模型殊途同归的并列,而是两种相当不同的押注之间的并列。HY-Image 3.5 是一家中国实验室的图像模型,通过 Tencent Cloud 提供服务,中文理解能力强,面向的是一个提示词用中文和英文的可能性同样大的市场。Fibo 2.0 是一个基于授权数据的检查点,其整体设计前提是提示词应当是结构化文档,而不是句子。它们在编辑榜上趋同,却在生成上相差 65 分,而只看编辑榜的人谁也不会预料到这一点。

Screenshot composite of two Artificial Analysis leaderboards, captured in English. The upper block is headed AA-Image-Editing v2.1 and shows rank 28 HunyuanImage 3.5 (Preview) at Elo 1,092 with 7,095 samples, released September 2026 at 24.00 dollars per 1,000 images, and rank 31 Fibo 2.0 at Elo 1,086 with 5,753 samples, released October 2026 at 32.00 dollars per 1,000 images. The lower block is headed AA-Image-T2I v2.1 and shows rank 32 Fibo 2.0 at Elo 1,037 with 5,741 samples, released October 2026 at 32.00 dollars per 1,000 images, and rank 75 HunyuanImage 3.5 (Preview) at Elo 972 with 6,258 samples, released September 2026 at 24.00 dollars per 1,000 images.

为什么代沟才是更大的事实

65 Elo 的差距,是那种在前二十次输出里就能显现、而不是要到第二百次才看出来的差别。它大致相当于同一榜单上第 32 名与第 75 名之间的差距,也就是说,它横跨了中游的大部分区间——一端是与 Qwen-Image-2.1 和 FLUX 3 Image Klein 不相上下的模型,另一端则排在 Wan 2.7 Pro 和 HiDream-O1-Image 之下。

编辑评测榜讲述的是另一个故事,因为编辑是一项不同的任务。编辑者面对的是一张已经具备大部分构图、光照和结构的图像。模型的工作是进行局部修改,而一个生成能力平平的模型,只要它能保留所给定的内容,依然可以成为一名合格的编辑者。这正是这些数字所描述的:HY-Image 3.5 是一个建立在较弱生成器之上的尚可的编辑模型,而 Fibo 2.0 是一个强大的生成器,其编辑能力大致与之相当。

实际结果是,这两个模型并不是替代品。如果你要为同时执行生成和编辑的流水线选择一个模型,那么应由生成评测榜单来决定,而 Fibo 2.0 以任何置信区间论证都无法动摇的优势胜出。如果你已有图像库,并且只会编辑这些图像,那么 HY-Image 3.5 是两者中更便宜的选择,并且在你关心的维度上统计上持平。

预览标签不是形式主义

Tencent 先发布这条产品线的预览版,正式版稍后推出,而当前这一代正处于这两种状态中的第一种。目前流传的标识符是hy-image-v3.5-preview。它旁边并不存在第二个稳定的、非预览版的标识符,Tencent 也没有公布它何时会出现。

对于一篇对比评测来说,这一点比单篇评测更重要,因为它会改变“更便宜”的含义。预览版模型可能在没有通知的情况下被重新定价、更名或被取代,而把流水线固定到一个预览版标识符上,就等于固定到供应商已明确拒绝作出承诺的东西上。Fibo 2.0 则在另一个层面上有着相反的问题:权重稳定,许可证不稳定。它的检查点不会在你使用期间发生变化;你被允许用它们做什么,才是需要合同来约定的部分。

这就是一句话概括的选择。预览版 API 在许可证上稳定,在是否存在上不稳定。开放检查点在存在性上稳定,在许可证上受限。两者都不是安全选项,而你更愿意承担哪种风险,取决于你的问题是法律审查还是生产事故。

每个模型实际做什么

Fibo 2.0 是一个拥有八十亿参数的流匹配模型,它在 FLUX.2 VAE 的潜空间内进行去噪,因此提示词要到达绘图阶段,需经过 Qwen3-VL-4B-Instruct 编码器、一个将其压缩为 256 到 512 个要点 token 的两层 Perceiver 重采样器,以及一个 44 块的单流 DiT——其中五个块通过交叉注意力直接接收 VLM 层,而不是读取描述文本。正是这种连接方式,才让结构化描述这一前提得以成立。Dev 是 50 步、guidance 5.0 的检查点,同时处理生成和编辑。Edit Turbo 是蒸馏出的同系模型:四步、guidance 1.0、仅用于编辑,而且不是任何人应该尝试微调的基座。

• 参考图像 — Fibo 2.0 最多接受四张,按顺序分别记为 <image_1> 至 <image_4>。根据 T​encent 的文档,HY-Image 3.5 最多接受五张。

• 输出规格 — Fibo 2.0 在约一百万像素的规模下输出 16 的倍数,默认为 1024×1024、1424×800 或 1248×832。HY-Image 3.5 的文档标称可达 2K。

• 结构化提示词——Fibo 的差异化优势。一条简短的指令即可转化为包含主体、材质、光照和位置等字段的 JSON/VGL 描述,并直接返回 JSON。改动一个字段,重新运行,其余部分保持不变。

• 中文理解——HY-Image 3.5 的差异化优势,也是它作为独立产品而非某款产品的本地化版本而存在的原因。腾讯自家的产品材料在宣传图像生成的同时,也强调了其强大的中文理解能力。

• 访问方式 — Fibo 2.0 可通过 Bria 的平台、其授权计划、ComfyUI 和社区生态系统,以及自 11 月 18 日起的 Civitai 生成器访问。HY-Image 3.5 可通过腾讯云的 TokenHub API 接口访问。

Generated two-column scoreboard titled 'FIBO 2.0 vs HY-Image 3.5'. Left column Fibo 2.0: editing Elo 1,085.98; text-to-image Elo 1,036.98; price 32 dollars per 1,000; release state generally available; weights downloadable under CC BY-NC 4.0; reference images four. Right column HY-Image 3.5: editing Elo 1,091.87; text-to-image Elo 972.12; price 24 dollars per 1,000; release state preview; weights closed; reference images five. A footer reads 'Elo and price per Artificial Analysis; release state and limits per vendor documentation, 20 November 2026.'

成本:一旦你不再相信单张图片的数字

每千次八美元是那个头条,但它是个错误的头条。有两件事改变了这笔账。

Bria 平台上的价格是每张图 $0.032,而这里董事会建模得出的 $32 恰好与之吻合。两个数字都不包含的是结构化提示词辅助工具:那是一次单独的视觉语言调用,会把你的指令改写成 JSON 描述,每次收费约 $0.02。如果每次渲染都运行它,真实成本会升至 $0.052,也就是每千张 $52——比 HY-Image 3.5 的 $24 高出一倍还多。跳过这个辅助工具、手写 JSON,或者在一个固定场景中复用一张缓存的描述、只改动会变化的字段,那你实际支付的就是 $32。

第二点是,HY-Image 3.5 的 $24 买到的是一个预览版。如果该模型在正式全面可用时重新定价——而预览定价通常是引入性的——你在 11 月做的对比可能撑不到 2 月。Fibo 的 $32 是已发布产品上的公开定价;如果你更愿意用 GPU 小时来付费,其权重可免费用于非商业用途。

• 每张图片最便宜——HY-Image 3.5 每千张 24 美元,但存在预览定价风险。

• 每次调用都搭配助手时最便宜——HY-Image 3.5 的成本低 2 倍以上。

• 若拥有自己的硬件,规模化时成本最低——Fibo 2.0,在非商业许可下边际成本为零。一个社区工作流在 RTX 6000 Pro 上测得每张 2K 图像约需 19 秒。

• 对于托管 API 上的商业产品来说,最便宜的——直白地说,两者都不是。Fibo 需要 Bria 的同意;HY-Image 的预览条款才是需要阅读的内容,而且这些条款在 T​encent Cloud 上,而不在营销页面上。

OrcaRouter 的适用场景——以及不适用场景

先把不好听的说在前头:这两个模型都不在 OrcaRouter 的目录里。Fibo 2.0 是 Bria 授权下的 Bria 检查点;HY-Image 3.5 是腾讯云产品。两者都不是路由器能直接提供给你的东西,而如果假装并非如此,那就会是这个页面唯一能发挥作用的地方犯下的错误。

这条流水线中,路由器能承载的部分是除像素之外的一切。Fibo 渲染从由视觉语言模型撰写的说明文字开始,并可能以第二个视觉语言模型来评分结束,判断这次编辑是否没有改动画面其余部分;两者都是文本调用,而且两者都可以放在同一个密钥上,与 200 多个其他模型并列。当批次很长时,这一点最重要:路由规则把廉价的提示词重写交给廉价模型,把需要谨慎处理的评分留给昂贵模型;0% 加价意味着提供商当天收多少,你就付多少;而且自动故障转移能让一次两千张图像的运行保持存活,即使某个提供商的端点在一小时内变得不稳定。

如果你特别需要 HY-Image 3.5 的中文理解能力,请注意,T​encent 自家的 语言模型则是另一回事,也属于另一条产品线——请查看目录中实际提供的内容,而不是想当然地认为某个图像模型意味着它的同系列模型也可路由。

谁应该选哪个

从任务开始,而不是从分数开始,答案通常就会自然浮现。

如果你生成和编辑一样多,就选择 Fibo 2.0。65 分的生成差距是本次比较中最大的数字,也是每天都会体现在你输出中的那个。HY-Image 5.89 分的编辑领先落在噪声范围内,不会体现出来。

如果你只编辑现有图像,并且提示词是中文,就选 HY-Image 3.5。它在排行榜上与之一水平,每张图像更便宜,而中文理解正是 Fibo 2.0 的文档没有声称具备的能力。

如果你需要真正拥有模型,那就别无选择。HY-Image 3.5 是闭源预览版。Fibo 2.0 可下载、微调、量化,并能在气隙隔离环境中运行——可用于非商业用途,或依据协议用于商业用途。

如果你是在为受监管的采购方做采购,编辑画板上的那条领带无关紧要,真正的问题是哪家供应商会签什么。Bria 把赔偿保障和来源溯源本身当作产品来卖。T​encent 卖的是云服务。这是两类不同的采购对话,而其中只有一类会以一份你的法务团队满意的文件收尾。

Screenshot of the Hugging Face model card for briaai/Fibo-2.0-dev, captured in English, showing the task tags text-to-image, diffusers, safetensors and English alongside image-editing, image-to-image, inpainting, multi-reference and fine-tuning, the license badge bria-fibo, the line that model weights are open source for non-commercial use only per the provided licence, a gated-access form for non-commercial use, the size listed as 8B params in BF16, and a note claiming first place in image editing and second in text-to-image among open-weights models on Artificial Analysis as of 20 October 2026.

最后值得说的是,究竟该如何读懂这样一份比较。两个模型、四个数字,而你看向哪一对,结论就会翻转。这并非基准测试的失败——而是基准测试在履行自己的职责,即告诉你“更好”并不是单一维度。选择你的工作真正所处的那个维度,检查该维度上的差距是否超过它自身的误差范围,然后忽略表格的其余部分。