一张生成的标题卡,标题为“FIBO 2.0 vs Qwen-Image 3.0”,副标题为“一个发布权重,一个发布端点,各自在不同榜单上胜出”。两个标签分别写着“FIBO 2.0 — 编辑 1,086,文生图 1,037,开放权重”和“Qwen-Image 3.0 — 编辑 1,069,文生图 1,076,闭源”。页脚写着“Elo 数据来自 Artificial Analysis,AA-Image-Editing 和 AA-Image-T2I,读取于 2026 年 11 月 20 日。”
Guides & Insights

FIBO 2.0 与 Qwen-Image 3.0:哪个版本号更新?

作者

Gideon Frost

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

先从反直觉的一点说起:在这次对比中,带可下载权重的模型反而是两者中发布得更早的那个——早三个月——也是在编辑上更强的那个;而完全不提供权重的闭源模型则在生成上更强。FIBO 2.0 于 2026 年 10 月 20 日发布,是 Bria 的 8B 统一生成与编辑检查点。Qwen-Image 3.0 于 2026 年 7 月 21 日发布,于 8 月 5 日全面可用,并且从未发布过权重——它是一个托管端点;Alibaba 图像产品线中开放权重的分支是 Qwen-Image 2.1,这是一款版本号更低、发布日期却更晚的不同模型。如果你靠读版本号在这两者之间做选择,那你已经选错了。

得分让这种反转变得具体。于2026年11月20日在 Artificial Analysis 的编辑榜上查阅,FIBO 2.0 以1,086 Elo位列第31名,区间为1,073至1,099。Qwen-Image 3.0 以1,069位列第35名,区间为1,057至1,081。在文生图榜上,顺序发生反转:Qwen-Image 3.0 为1,076,第25名;FIBO 2.0 为1,037,第32名。两个榜单,两个赢家,而且在两种情况下,区间都足够窄,因此排序并非抽样偶然。

为什么单个检查点在编辑任务上胜过专用模型

FIBO 2.0 是一套经过训练、可同时完成这两项任务的单一权重,而该家族的第一代并非如此——FIBO 和 FIBO Edit 是两个彼此独立的模型,其中编辑模型的 Elo 得分为 917,而生成模型为 854。统一检查点是本次发布的工程主线,这一点也体现在编辑一栏:1,086 对比前代的 917,提升了 169 点,而文生图方面则提升了 182 点。Bria 的说法是,这一跃升源于编辑任务在一个同时具备生成能力的模型内部获得了专属的训练侧重,这一解读颇为合理,也解释了统一模型为何能如此大幅地超越其自身的专科前身。

Qwen-Image 3.0 在编辑方面的弱点是相对的,而非绝对的。它以 1,069 分击败榜单上排在其后的所有条目,总共三十四个。它只是没能击败 FIBO。同一家族中的 Pro 层级——Qwen-Image-3.0-Pro——则做到了:编辑 1,092 分、文生图 1,094 分,价格为每千次 40.00 美元。因此,阿里巴巴在编辑方面对 FIBO 2.0 的回应确实存在,成本高出 25%,并且与大多数比较所使用的 SKU 不同。

• 编辑 — FIBO 2.0 1,086(第31名)对比 Qwen-Image 3.0 1,069(第35名)对比 Qwen-Image-3.0-Pro 1,092(第29名)。

• 文生图 — Qwen-Image 3.0 1,076(第25名)对 Qwen-Image-3.0-Pro 1,094(第24名)对 FIBO 2.0 1,037(第32名)。

• 每 1,000 张图像的价格 — FIBO 2.0 $32.00;Qwen-Image 3.0 $30.00;Qwen-Image-3.0-Pro $40.00。

• 权重 — FIBO 2.0 采用门控发布,81 亿参数,CC BY-NC 4.0 许可;Qwen-Image 3.0 为闭源,未公布权重。

• 一个检查点内含多种模式——FIBO 2.0 支持生成和编辑;Qwen-Image 3.0 以单一模型覆盖这两项功能来销售,尽管两个榜单分别对它评分。

• 提示词格式 — VGL:面向 FIBO 的结构化 JSON schema;面向 Qwen-Image 3.0 的自然语言。

A generated chart card titled 'Two boards, two winners', showing four horizontal bars across two panels. Editing panel: FIBO 2.0 at 1,086 and Qwen-Image 3.0 at 1,069. Text-to-image panel: Qwen-Image 3.0 at 1,076 and FIBO 2.0 at 1,037. A footer reads 'Elo per Artificial Analysis, AA-Image-Editing and AA-Image-T2I, read 20 November 2026.'

版本号并不是一个序列

这是 Qwen 图像产品线中代价最大的单一混淆,而且会实实在在浪费人们的时间。Qwen-Image 2.1 于 2026 年 9 月 20 日发布——比 Qwen-Image 3.0 晚两个月——它是开放权重模型,采用允许非商业使用的研究许可证。编号并不是版本序列;而是共享同一名称的两条产品线,并且它们在决定你能否基于其进行构建的问题上立场相反。一个团队选择了 Qwen-Image 3.0,期待它是可下载的 2.1 的继任者,随后却发现没有任何可下载的内容,就已经损失了一个季度。

A screen capture of the Artificial Analysis AA-Image-Editing leaderboard ranked by Elo, showing Qwen-Image-3.0-Pro at rank 29 with 1,092 Elo, Qwen-Image-3.0 at rank 35 with 1,069 Elo and an interval of 1,057 to 1,081, and Fibo 2.0 at rank 31 with 1,086 Elo and an interval of 1,073 to 1,099.

与 FIBO 2.0 相比,这段历史的重要性并没有看起来那么大,因为 FIBO 的权重同样是非商用的。区别在于,Bria 在模型卡上明确说明了这一点,以受限访问的形式,并明确写有需另行签订商业协议,而 Aliba​ba 则根本没有发布 Qwen-Image 3.0 的权重。一份可以阅读并协商的许可证,比没有许可证更有利,即便两者最终都免不了一通电话。

Qwen-Image 3.0 提供的替代方案,正是托管模型始终提供的东西:无需运维。无需下载 16 GB 文件,无需调校 50 步采样循环,也无需操心文本编码器跑在哪块 GPU 上。按每千张图像 30.00 美元计算,一个每月完成 20,000 次渲染的团队只需支付 600 美元,从此再也不用考虑推理问题。同样的量放在自托管的 FIBO Dev checkpoint 上,则需要一块 GPU、一个队列、一套监控方案,还得有人在机器宕机时随时待命;而真实的盈亏平衡点大约在每月十万张图像以上——几乎没几个读到这里的人能跨过这个门槛。

字幕才是让你付出代价的那部分

两种模型都青睐冗长、具体的提示词,也都同样会惩罚一件事:用错误的词汇描述你想要的内容。FIBO 通过记录 VGL 来应对,这是一种结构化描述格式,将主体、构图、光线、镜头、风格和图中文字分别列为独立字段,并附带一个配套包,可将普通指令转换为该结构。Qwen-Image 3.0 则以规模应对——长自然语言提示词,以及一个以三个层级发布的家族,让你可以把廉价草稿交给标准模型,把最终稿交给 Pro。

无论采用哪种方式,提示词都是由生产环境中的语言模型编写的。流水线的成本与脆弱性正源于此:一次描述生成器调用、一次 schema 检查、一次渲染、一轮验证、一次用修正后描述进行的重试。OrcaRouter 通过一个密钥提供 200 多个文本模型,按供应商标价计费,0% 加价,因此描述生成器可以在困难任务上使用 Qwen3.8-Max,在常规任务上使用更便宜的模型,而无需第二份合同;当供应商服务降级时,自动故障转移会覆盖关键步骤;路由 DSL 可以将“先描述再渲染”组合为一次配置调用。两个图像模型都不在我们的目录中——渲染仍由其供应商负责——但工作流中决定这次渲染是否值得执行的那一半,不必拆成四个集成。

这件事有一个具体原因,使得 FIBO 在边际上更占优势。Qwen-Image 3.0 拿到一个平铺直叙的句子,会做出还算合理的处理。FIBO 也能做到,但它在结构化形式上明显更可预测,因为 Perceiver 瓶颈会将其提示编码器的输出压缩到 256 到 512 个 token,从而保留字段边界,而一个流水句会把这些边界糊在一起。如果你的流水线已经输出 JSON——而且大多数 agent 流水线都是如此——那么 FIBO 会把这项资产转化为质量,而 Qwen-Image 3.0 只是勉强容忍它。

各自真正更擅长什么

• 从零开始生成——Qwen-Image 3.0 领先 39 个 Elo;如果你购买 Pro 套餐,对阵 FIBO 时则领先 57 个 Elo。这一差距毫不接近,也正是从空白画布起步的营销活动应选择 Aliba​ba 的原因。

• 编辑现有帧——FIBO 2.0,比标准档高出 17 Elo。两个区间存在重叠,因此应把这一差距视为一种倾向,而非最终结果;你自己用一个下午测试图像,应该比它更有说服力。

• 微调 —— FIBO 2.0,且仅限于 FIBO。该仓库提供了一个单 GPU 的 LoRA 训练器,同时适用于编辑与文生图任务,其论点是:一次微调就能让模型学会一种专属风格,以及该风格之内的各类编辑。

• 运维简便 — Qwen-Image 3.0。单一端点,单一价格,无需下载,无需 GPU。

• 价格——基础档的 Qwen-Image 3.0 为 $30.00,而 FIBO 为 $32.00;Pro 档为 $40.00,并且在编辑方面确实胜过 FIBO。

• 许可证清晰度 — FIBO 2.0。非商业用途,已明确说明,需申请获取,可协商。Qwen-Image 3.0 的权重则完全不提供。

我会如何决定

如果任务就是生成,直接买 Qwen-Image 3.0——或者,如果 18 Elo 值每千次 10 美元,就买它的 Pro 档——别再去看对比了。它在那张榜上表现更好,基础档更便宜,而且没有什么运营故事需要构建。

如果任务是编辑,并且你想要一个可以检查的文件,那么 FIBO 2.0 是两者中唯一提供这种文件的那个,而且它恰好也是更好的编辑器。请认真对待“非商业”条款:这是一份研究和原型开发许可,商业用途需要另行申请,而不是通往可发布产品的捷径。

如果任务两者兼有,而且你的业务量足以支撑自托管,那么 FIBO 的统一检查点(checkpoint)是更有意思的产物——一次部署覆盖两项任务,其运维面比两个托管模型、两张价目表要小。如果业务量不够,就用 Qwen-Image 3.0 做生成、用 FIBO 的端点做编辑,并接受你是在为"各取所长"而向两家供应商付费。

A generated timeline card titled 'Version numbers are not a sequence', plotting four releases left to right: Qwen-Image 3.0 in July 2026, Qwen-Image 3.0 general availability in August 2026, Qwen-Image 2.1 in September 2026, and FIBO 2.0 on 20 October 2026. A caption under the Qwen-Image 2.1 marker reads 'the open-weights model, released two months after the 3.0 endpoint'. A footer reads 'Release dates per Alibaba and Bria published announcements.'

什么会改变这一点:来自 Bria 的商业许可证,它会让这些权重成为真正可用的选项,而不只是研究用途的选项;Qwen-Image 3.0 权重发布,而 Alibaba 并未给出任何相关迹象;或者 Pro 档降价,使 1,092 Elo 达到或低于 FIBO 的 $32.00,这会直接终结关于编辑的争论。截至 2026 年 11 月 20 日,这些情况都尚未发生;在上述任一情况发生之前,上面的数字就是应当据以规划的数字。