生成的標題卡寫著「FIBO 2.0 vs HY-Image 3.5」,副標題為「騰訊的預覽模型對上 Bria 的開放檢查點」,標籤寫著「編輯:1,092 vs 1,086」、「文字轉圖像:972 vs 1,037」以及「兩者每 1,000 張圖像都在 8 美元以內」。頁腳寫著「Elo 依據 Artificial Analysis AA-Image-Editing 與 AA-Image-T2I v2.1,讀取於 2026 年 11 月 20 日。」
Guides & Insights

FIBO 2.0 對決 HY-Image 3.5:某個董事會稱之為平手

作者

jinhao.song

發佈日期

最新模型 · 20查看全部模型 →
基準測試:Artificial Analysis · 每日更新
返回全部文章

把 Fibo 2.0 和 HY-Image 3.5 放上編輯榜,你會得到平手。把它們放上文生圖榜,你會得到 65 分的差距。同樣兩個模型、同一週、同一套方法論,結論卻相反——而原因並不是哪個分數錯了。原因在於,這兩個模型在圖像模型所做的兩件事上並非同樣擅長,而單一個「哪個更好」的答案,恰好會摧毀你真正需要的那項資訊。騰訊的 HY-Image 3.5,廠商在其 HunyuanImage 系列中以 hy-image-v3.5-preview 這個識別碼以預覽版形式推出,其編輯能力大致與 Bria 的 Fibo 2.0 相當——那是 Bria 於 2026 年 10 月 20 日發布的開放 8B 檢查點——而生成能力則明顯較差。如果你做的是編輯,那句話就是整篇文章。

在數字派上用場之前,先交代來源。兩個 Elo 數值及其區間來自 Artificial Analysis;該機構進行盲測成對偏好投票,並公佈每個分數周圍的變動範圍。我於 2026 年 11 月 20 日讀取了這兩個榜單。兩個價格是該榜單模擬出的每千張圖像成本,屬於可比的合成數字,並非任一供應商的價目表。騰訊自家文件與 Bria 的模型卡,是關於限制、授權與發布狀態的一切內容之來源;凡供應商陳述了我未獨立查核的內容,句中都會如實註明。

讀取兩塊彼此不一致的板卡

這種分歧鮮明到可以先列出數字,再加以解讀。

• 編輯 — HY-Image 3.5 1,091.87(區間 1,078.87 至 1,104.87),在 86 中排名第 28。Fibo 2.0 1,085.98(1,072.98 至 1,098.98),排名第 31。HY-Image 領先 5.89 分,這小於任一區間半寬的一半。

• 文字轉圖像 — Fibo 2.0 1,036.98(1,025.98 至 1,047.98),在 116 個中排名第 32。HY-Image 3.5 972.12(960.12 至 984.12),排名第 75。Fibo 領先 64.86,而兩區間最接近時相差 41 點。

• 價格 — Fibo 2.0 每 1,000 張圖片為 $32.00,HY-Image 3.5 為 $24.00。相差八美元,亦即 25%。

• 發布狀態 — Fibo 2.0 已正式推出,提供可下載的權重,授權條款為 CC BY-NC 4.0。HY-Image 3.5 仍標示為預覽版,且除預覽版識別碼外,未發布第二個穩定識別碼。

編輯項目上的平手才是有意思的地方,因為這不是兩個模型抵達同一位置的平手,而是兩種截然不同押注之間的平手。HY-Image 3.5 是中國實驗室的圖像模型,透過 T​encent Cloud 提供服務,具備很強的中文理解能力,針對的是一個提示詞用中文和英文的機率一樣高的市場。Fibo 2.0 則是授權資料檢查點,其整體設計前提是提示詞應該是結構化文件,而不是句子。它們在編輯榜上趨於一致,在生成上卻相差 65 分,而只看編輯榜的人根本不可能預料到這一點。

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.

為什麼代溝才是更重要的事實

六十五 Elo 的差距,是那種會在前二十個輸出就顯現、而不是到第二百個才出現的差異。它大致相當於同一榜單上第 32 名與第 75 名之間的落差,也就是說,它橫跨了整個中段——也就是一個能與 Qwen-Image-2.1 和 FLUX 3 Image Klein 旗鼓相當的模型,與一個排在 Wan 2.7 Pro 和 HiDream-O1-Image 之下的模型之間的距離。

編輯排行榜呈現出不同的情況,因為編輯是一項不同的任務。編輯器從一張已經具備大部分構圖、光線和結構的影像開始。模型的工作是進行局部變更,而一個生成能力平庸的模型,只要它能保留所給定的內容,仍然可以成為稱職的編輯器。這正是這些數字所描述的情形:HY-Image 3.5 是一個建立在較弱生成器之上的不錯編輯器,而 Fibo 2.0 是一個強大的生成器,其編輯能力大致同樣出色。

實際影響是,這兩個模型並非彼此的替代品。如果你要為同時負責生成與編輯的管線挑選單一模型,應由生成評測榜來決定,而 Fibo 2.0 在此以任何信賴區間論證都無法撼動的幅度勝出。如果你已有一批現有圖像,而且只會編輯它們,HY-Image 3.5 是兩者中較便宜的一個,且在你關心的軸線上統計上持平。

預覽標籤並非只是形式。

Tencent 先推出這條產品線的預覽版,之後才推出正式版,而目前這一代正處於這兩種狀態中的第一種。目前流通的識別碼是 hy-image-v3.5-preview。並沒有另一個穩定、非預覽版的識別碼與之並存,Tencent 也未公布它何時會出現。

對比較而言,這比對評測更重要,因為它改變了「更便宜」的含義。預覽模型可能未經通知就被重新定價、改名或被取代,而固定綁定到預覽識別碼的管線,等於綁定到廠商已明確拒絕承諾的東西。Fibo 2.0 則在不同層面上有相反的問題:權重穩定,授權不穩定。它的檢查點不會在你使用期間變動;你被允許對它們做什麼,才是需要合約的部分。

這就是一句話總結的選擇。預覽 API 在授權上穩定,但在存在性上不穩定。開放檢查點在存在性上穩定,但在授權上受限。兩者都不是安全選項,而你更願意承擔哪種風險,取決於你的問題是法律審查還是生產事故。

每個模型實際上做什麼

Fibo 2.0 是一個擁有 80 億參數的流匹配模型,會在 FLUX.2 VAE 的潛空間中進行去噪,因此提示詞會依序經過 Qwen3-VL-4B-Instruct 編碼器、兩層 Perceiver 重採樣器(將提示詞壓縮成 256 到 512 個重點 token),以及 44 個區塊的單流 DiT,最後抵達繪圖階段;其中五個區塊會透過交叉注意力直接接收 VLM 層,而不是讀取圖說。正是這樣的接線方式,讓結構化圖說的前提得以成立。Dev 是 50 步、guidance 5.0 的檢查點,同時處理生成與編輯。Edit Turbo 則是蒸餾版兄弟:四步、guidance 1.0、僅供編輯,而且不是任何人該嘗試微調的基礎模型。

• 參考圖片 — Fibo 2.0 最多接受四張,依序標示為 <image_1> 至 <image_4>。根據騰訊的文件,HY-Image 3.5 最多接受五張。

• 輸出尺寸範圍 — Fibo 2.0 在約一百萬像素下產生 16 的倍數,預設為 1024×1024、1424×800 或 1248×832。HY-Image 3.5 的文件記載可達 2K。

結構化提示詞——Fibo 的差異化優勢。簡短指令會變成帶有主體、材質、光線與位置欄位的 JSON/VGL 標註,並回傳 JSON 給你。改一個欄位、重新執行,其餘一切保持不變。

• 中文理解能力——HY-Image 3.5 的差異化優勢,也是它之所以作為獨立產品存在、而非某個產品的本地化版本的原因。騰訊自家的產品資料在推廣圖像生成的同時,也強調其強大的中文理解能力。

• 取得方式 — Fibo 2.0 可透過 Bria 的平台、其授權方案、ComfyUI 與社群生態系,以及自 11 月 18 日起透過 Civitai 的生成器取得。HY-Image 3.5 則可透過 T​encent Cloud 的 TokenHub API 介面取得。

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,一旦你不再相信每張圖片的數字

每千次八美元是這則頭條,但這是錯誤的頭條。有兩件事會改變這筆算術。

Bria 平台上的價格是每張圖片 $0.032,而這裡看板模擬出的 $32 恰好完全對上。這兩個數字都沒包含的是結構化提示輔助工具:那個獨立的視覺語言呼叫,會把你的指令改寫成 JSON 描述,每次收費約 $0.02。每次算圖都執行它,真實成本就會攀升到 $0.052,也就是每千張 $52——超過 HY-Image 3.5 的 $24 的兩倍。略過輔助工具、手寫 JSON,或在固定場景中重複使用一個快取的描述,只改動會變的欄位,那你實際支付的就是 $32。

第二點是,HY-Image 3.5 的 $24 買到的只是預覽版。若模型在正式全面推出時重新定價——而預覽定價通常是先導優惠——你在十一月做的比較未必能撐到二月。Fibo 的 $32 是已上市產品的公開費率,而且如果你寧願用 GPU 時數付費,權重可免費用於非商業用途。

• 每張圖片最便宜 — HY-Image 3.5 每千張 24 美元,但存在預覽定價風險。

• 每次呼叫都搭配輔助工具時最便宜——HY-Image 3.5 便宜超過 2 倍。

• 若您自有硬體,規模化時最便宜——Fibo 2.0,在非商業授權下邊際成本為零。某個社群工作流程在 RTX 6000 Pro 上測得每張 2K 影像約需 19 秒。

• 就託管 API 上的商業產品而言,最便宜的選項——直接了當地說,兩者都不是。Fibo 需要 Bria 的同意;HY-Image 的預覽條款才是該讀的內容,而且它們是放在 Tencent Cloud 上,而不是行銷頁面上。

OrcaRouter 適合哪些情況——以及哪些情況不適合

先講尷尬的部分:這兩個模型都不在 OrcaRouter 的目錄中。Fibo 2.0 是 Bria 授權下的 Bria checkpoint;HY-Image 3.5 是 Tencent Cloud 的產品。兩者都不是路由器能直接提供給你的東西,而若假裝可以,那會是這個頁面唯一可能弄錯的有用之事。

這條管線中路由器能承擔的部分,就是除了像素以外的一切。Fibo 渲染始於由視覺語言模型撰寫的說明文字,並可能以第二個視覺語言模型作結,評估這次編輯是否讓畫面其餘部分保持原樣;兩者都是文字呼叫,而且兩者都能放在同一把金鑰上,與其他 200 多個模型並列這在批次很長時最為重要:路由規則會把成本低的提示改寫交給便宜模型,並把需要謹慎處理的評分留給昂貴模型;0% 加價意味著供應商當天收多少,你就付多少,而自動容錯移轉讓兩千張影像的執行保持運作,即使某個供應商的端點不穩定長達一小時。

如果你特別想要 HY-Image 3.5 的中文理解能力,請注意,T​encent 自家的語言模型是另一回事,也屬於不同的產品線——請查看產品目錄以確認實際上有什麼,而不要假設某個圖像模型就代表它的同系列模型可路由。

誰該選哪個

先從任務本身著手,而不是分數,答案通常就會自然浮現。

如果你產出的量和編輯的量一樣多,就選 Fibo 2.0。65 點的生成差距是這項比較中最大的數字,也是每天都會反映在你成品上的那一項。HY-Image 在編輯上領先的 5.89 點落在雜訊範圍內,不會顯現出來。

如果你只編輯現有圖片,而且提示詞是中文,就選 HY-Image 3.5。它在排行榜上與對手並列,每張圖更便宜,而中文理解正是 Fibo 2.0 文件沒有宣稱具備的能力。

如果你需要擁有這個模型,就別無選擇。HY-Image 3.5 是封閉且僅供預覽的。Fibo 2.0 可下載、微調、量化,並在氣隙環境中執行——供非商業用途,或依協議供商業用途。

如果你是為受監管買方採購,編輯委員會裡的平票並不重要,問題在於哪家供應商會簽下什麼。Bria 把賠償保障與來源溯源當成產品來賣。Tencent 賣的是雲端服務。這是兩種不同的採購對話,而只有其中一種會以一份你的法務團隊滿意的文件作結。

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.

最後值得說的一點,是到底該怎麼解讀這樣的比較。兩個模型、四個數字,而結論會隨著你看的是哪一對而翻轉。這不是基準測試的失敗——而是基準測試盡到了職責,告訴你「更好」並不是單一軸線。選定你的工作實際所在的軸線,檢查該軸線上的差距是否超出它自身的誤差範圍,然後忽略表格其餘部分。