生成的标题卡写着“FIBO 2.0 对 Ideogram 4.5”,副标题是“两个以编辑为先的模型,排名相差六位”,标签显示“编辑:1,086 对 1,065 Elo”“每 1,000 张图像 $32 对 $220”以及“权重:开放 对 封闭”。页脚写着“Elo 与建模价格依据 Artificial Analysis AA-Image-Editing v2.1,读取于 2026 年 11 月 20 日。”
Guides & Insights

FIBO 2.0 对比 Ideogram 4.5:第31名对阵第38名

作者

Elias Hawthorne

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

Fibo 2.0 和 Ideogram 4.5 是 2026 年末两款以编辑为先的图像模型,而在衡量编辑能力的排行榜上,它们相差六个名次、二十一个 Elo 分:第 31 名的 1,085.98 对第 38 名的 1,064.64。这个差距真实存在,但不算大——它落在两个区间之外,约为半宽的两倍半,因此这是那种值得拥有的差异,却不值得为此重构整套流水线。真正把二者更鲜明地区分开来的,是排行榜没有衡量的一切。一个是 Bria 于 2026 年 10 月 20 日发布的 8B 检查点,你可以下载。另一个是闭源托管模型,其最有力的主张是:它会按你自己的尺寸返回图像,未触碰的像素被精确复制,而不是重新渲染。这不是一句营销话术。这是一个可测试的特性,也正是 Ideogram 4.5 存在的原因。

两项分数都是 Artificial Analysis 的数值,于 2026 年 11 月 20 日从编辑榜单上取得,而且每个数值都附带一个足够宽、值得细读而非略过的 95% 区间。两个价格都是同一榜单建模得出的每千张图像成本——这一数字是为在差异很大的服务模型之间进行比较而构建的,并非任一供应商的报价。如果本文中的某项说法来自 Ideogram 或 Bria 自己的文档而非测量,句子会注明其来源。

两个模型都在的那块板

两个模型在文生图方面都不够强,那个榜单凭此判定不了任何事;在数字开始暗示并非如此之前,这一点值得先说清楚。

• 编辑类——Fibo 2.0 得分 1,085.98(区间 1,072.98 至 1,098.98),在 86 个模型中排名第 31。Ideogram 4.5 在 High 设置下得分 1,064.64(区间 1,050.64 至 1,078.64),排名第 38。两者相差 21.34 Elo。

• 文本到图像 — Fibo 2.0 1,036.98(1,025.98 至 1,047.98),在 116 个中排名第 32。Ideogram 4.5 High 1,016.97(1,002.97 至 1,030.97),排名第 50。差距为 20.01 Elo,且两个区间并未以足够的余量重叠。

• 价格——每 1,000 张图像 32.00 美元,而对比价格为 220.00 美元。根据董事会的建模,Fibo 便宜 6.9 倍。

• 权重 — Fibo 2.0 以 8B 参数规模在 CC BY-NC 4.0 许可下提供下载。Ideogram 4.5 未公开权重;厂商的开放计划仅涵盖 Ideogram 4.0,止步于此。

两个榜单上都相差二十一点 Elo,这是一个值得注意的巧合,因为它说明这两个模型能力相当,但类型不同。在一个置信区间宽度为十三点的榜单上,二十分的差距只是两个相邻质量档位之间的差距,而不是一个好模型与一个差模型之间的差距。如果质量是唯一的维度,那么决定就归结为价格,而价格一句话就能定夺。

Screenshot of the Artificial Analysis image editing leaderboard, headed AA-Image-Editing v2.1, captured in English, showing the ranked table from rank 1 to rank 38, with Fibo 2.0 at rank 31 on Elo 1,086 from 5,753 samples, released October 2026 at 32.00 dollars per 1,000 images, and Ideogram 4.5 (High) at rank 38 on Elo 1,065 from 4,003 samples, released September 2026 at 220.00 dollars per 1,000 images, with ranks 32 to 37 in between.

像素级精确就是像素级精确

Ideogram 4.5 的宣传说辞比任何竞争对手都更聚焦、更具体,而且值得直接引用而非转述,因为其具体性正是关键所在。该厂商的 API 文档指出,输出始终与输入图像的宽度和高度一致,并且编辑未实质性改动的像素会从源图像中精确复制。模型页面还补充了动机:“每次编辑时,图像模型都可能引入像素偏移、颜色变化和纹理伪影。Ideogram 4.5 减少了这种漂移,在多轮编辑中保留细节。”

对照大多数编辑器实际的做法来理解这句话。典型的基于指令的编辑器会围绕你的修改重新合成整个画面,这就是为什么对产品照片做一个小编辑,可能会连续三次微妙地改变背景渐变,直到图像不再符合品牌素材。Ideogram 的说法是这不会发生,因为未触及的区域是被复制而非重新生成。这比“保留细节”的说法更强,而且用 diff 大约十分钟就能证伪。

支撑它的能力集刻意保持精简。通过自然语言或结构化 JSON 提示进行定向编辑。使用黑白蒙版进行掩码编辑,黑色标记要更改的区域。参考引导编辑,以在一组内容中保持一致。多轮链式编辑,每一步都基于上一步,而不会出现厂商所反对的那种漂移。四种有文档记载的用法,一种机制。

Fibo 2.0 经由另一条路径抵达了相似的位置。它并不承诺未改动的像素会被复制——而是将你的指令扩展为结构化的 VGL/JSON 描述,依据该文档进行生成,并把 JSON 交还给你。你未提及的属性会保持原样,因为它是一个带有值的字段,而不是一个可能在重新分词后幸存或消失的词。这是否与复制像素一样好,取决于你的具体编辑,而这不是 Elo 排行榜能回答的问题。

董事会看不到的东西

有三项特性区分这些模型的程度超过 20 Elo 分,而且它们都没有出现在偏好分数中。

尺寸保真度——Ideogram 4.5 会返回源图像的精确宽度和高度,并已在一项 4,016 × 6,016 像素、24.2 兆像素的编辑中得到验证。Fibo 2.0 以接近一兆像素的 16 的倍数生成——1024×1024、1424×800、1248×832——这使其成为一兆像素级模型。如果你的素材库由全分辨率摄影组成,那就不是舍入误差的问题,而是整个工作的关键所在。

• 所有权——Fibo 的权重今天就可以下载。Ideogram 4.5 的权重则不能,而且供应商尚未公布相关计划。你从 Ideogram 获得的一切都通过其 API、按其条款提供。

• 微调——Fibo 仓库自带一个单 GPU 的 LoRA 训练器。对于闭源模型,没有对应的方案,这意味着 Fibo 可以针对某个产品线进行专门化定制,而 Ideogram 则无法做到。

这三点指向相反的方向,而这正是这一比较的真实格局。Ideogram 在像素控制力和输出尺寸上胜出。Fibo 则在自主权和专业化上胜出。二者之间 21 Elo 的质量差距将它们区分开来,但其重要性不及上述任何一点。

$220 能买到而 $32 买不到的东西

价格比是最有可能让对话戛然而止的数字,它值得比“Fibo 便宜七倍”这种说法更谨慎地对待。

Ideogram 每千张 220 美元是董事会针对 High 设置建模得出的数字,这与运行一个闭源、像素级精确的编辑器的成本相符——该模型每张图所做的工作比一个 100 万像素生成器更多,而且其输出尺寸也更大。这个价格是否适用于所有设置,是 Ideogram 自家价目表而非董事会要回答的问题;董事会的数字最好理解为“这是一个昂贵的模型”,而不是“这就是账单”。

6.9 倍是最主要的比率,而且它不仅能对照董事会的模型成立,也能对照 Bria 自己的价目表成立:在 Ideogram 的 High 设置下,每千张 $220 即每张 $0.22;在 Bria 平台上,每千张 $32 即每张 $0.032。唯一会改变 Fibo 这一侧数据的调整,是可选的结构化提示词辅助功能,每次调用约 $0.02,这会把成本推到 $0.052,并把比率降到大约 4.2——仍然是一个倍数,而且对于你反复渲染的同一场景,仍然可以通过缓存其说明文字来省掉这笔费用。

这个比值没有体现的是,这两个价格对应的是不同的产品。220 美元买到的是在原始分辨率下进行像素级精确编辑,而且无需管理权重。32 美元买到的是百万像素级生成与编辑,外加可下载的检查点以及一条微调路径。按每张图片来比较它们,就像拿快递员和印刷机作比较:单位数字是真实的,但它并不是决策依据。

Generated four-row comparison card titled 'Fibo 2.0 and Ideogram 4.5, by what they do not share'. Row one, Editing Elo: 1,085.98 against 1,064.64. Row two, Modelled price per 1,000 images: 32.00 against 220.00. Row three, Output size: multiples of 16 near one megapixel against the source image's exact dimensions, demonstrated at 24.2 megapixels. Row four, Weights: downloadable 8B checkpoint under CC BY-NC 4.0 against closed hosted API. A footer reads 'Elo and price per Artificial Analysis; size and licence per each vendor's documentation, read 20 November 2026.'

编辑您已拥有的内容

决定通常取决于一个与模型质量毫无关系的问题:你在编辑什么?

如果源素材是品牌资产——一张产品图、一张包装照、一件带有标识、连一个像素都不能偏移的包装——那么 Ideogram 4.5 的保证就是你花钱买的那项功能,而 Fibo 领先的 21 Elo 并不能弥补背景在第四次生成时偏蓝 2% 的问题。厂商自己的定位正是瞄准这一点:保持一致的链式编辑、跨一组图像的参考引导编辑,以及 Studio 中的整图处理。

如果源图是粗糙或合成图像,而任务是创造与之相似的新内容,那么 Fibo 的结构化提示词方法更合适,因为你并不是在保留像素——而是在指定属性,让模型去构建。试穿、产品整合和风格迁移(最多使用四张有序参考图像)正是 JSON 字段胜过像素复制的任务。

如果你两者都需要,那么诚实的答案是你会把两者都运行起来,而有趣的问题就变成了:当图像调用要发往两家供应商时,如何让周边流水线保持在同一处。

围绕该选择的流程

这里涉及的路由问题很窄,也值得具体说明。Ideogram 4.5 不在 OrcaRouter 的目录中,Fibo 2.0 也不在;路由器不会伸进厂商自己的端点,而这两者也都不是通过路由器端点接入的。在这条流水线中,单个密钥真正的用途是处理图像周边的工作:生成 Fibo 的 JSON 的图像描述环节、检查一次编辑是否保留了本应保持不变部分的评分器,以及负责重试的批处理脚手架。这些都是普通的聊天和视觉调用,而这些你可以放在一个端点上,享受 0% 加价和自动故障转移。

这些支撑性工作并非附带事项。Fibo 流水线在设计上就内置了一个视觉语言模型,因为结构化说明文字正是由它生成的。Ideogram 流水线通常会增加一个比对步骤,因为其整个前提就是未改动的像素会原样返回,因此必须有一个环节来核验它们确实如此。这两者都是普通的聊天与视觉调用,位于路由器从不触碰的图像端点上游和下游——而这恰恰是那种受益于单一 OpenAI 兼容密钥的工作形态,该密钥覆盖 200 多款模型,按供应商标价、0% 加价,因此供应商一旦调价,当天就能生效。

路由 DSL 真正体现价值的地方,是一条混合流水线——在 Fibo 上跑便宜的一百万像素草稿,在 Ideogram 上完成最终像素级精确的一遍,而评分器则完全放在别处。把这一切组合成一次调用,而不是三个集成点,区别就在于:你的工作流是花一个下午就能改好,还是得推倒重建。

裁决,连同其误差线

Ideogram 4.5 是两者中更好的那个编辑器,在品牌团队最看重的维度上:它原封不动地返回你的像素,并保持原始尺寸,而且这一切都依托于一个无需管理权重的 API。在通用编辑排行榜上落后 Fibo 21 个 Elo——为了一项该排行榜并不衡量的特性,这个代价值得付出。

Fibo 2.0 是更适合作为基础来构建的模型。它可下载、可微调,根据你如何计算辅助调用,成本要低三到七倍;在编辑上仅落后二十一 Elo,而在生成上领先二十。对于希望将模型专门化以适配自家产品线的团队来说,这就是全部理由。

Screenshot of Ideogram's API reference page for Precise edit with Ideogram 4.5, captured in English, showing the endpoint POST https://api.ideogram.ai/v2/image/precise-edit/ideogram-4-5 with the description that an image is edited and returned at that image's exact width and height, that the image is uploaded as image using multipart/form-data with optional reference images and a mask, that whole-image editing is bounded by 4,194,304 pixels (the area of a 2048x2048 square) so an 8192x8192 image returns as 2048x2048, and that setting context_window confines the edit to one region so the rest comes back unchanged at the image's own width and height.

我不会说哪一个更好。21 分的差距配上 13 分的间隔,体现的是一种偏好;这两个模型本就是为满足不同偏好而构建的。选择你无法舍弃的特性——全分辨率下的像素保真度,还是你可拥有的检查点——模型就会随之而定。这一次,Elo 表反而是对比中最没用的一页。