Bria の Fibo 2.0 はライセンス画像で学習した。それは安全と同じではない

Bria は10月20日に Fibo 2.0 を公開した。注目すべきはパラメータ数ではない。学習セットだ。約10億枚、そのすべてが商用ライセンス契約を通じて調達されている。

Fibo 2.0 は80億パラメータのオープンウェイト画像モデルで、Bria の FIBO ファミリーで初めて生成と指示ベースの編集を単一の重みで扱う。Bria の API で1枚約0.032ドル、fal では0.04ドル、Hugging Face でオープンウェイトとして利用できる。Bria によれば公開時点で Artificial Analysis の画像編集でオープンウェイト首位、テキストto画像で2位。4,819票のブラインド人間選好投票による Elo は1087。第三者の記事では、同ボードで30以上のクローズドモデルを上回るとされる。

良い数字だ。そして数週間で入れ替わる種類の数字でもある。だからこそライセンスの主張のほうが長持ちする話であり、より誤解されている話でもある。

「ライセンスデータ」が実際に答えるもの

AI 画像と法について議論するとき、2つの別の問いが1つに潰されている。

第一は、モデルが適法に学習されたか。Bria が答えているのはこれだ。学習セットの全画像が商用契約を通じて調達されたなら、モデルがスクレイピングされた著作物の派生物だという論法はこのモデルには当てはまらない。ブランドの法務にとって、未解決の特定リスクを1つ机から下ろすことになる。

第二は、特定の出力が使って安全か。学習データのライセンスはこれにまったく答えない。完全にライセンス済みの写真で学習したモデルでも、商標登録されたキャラクターに似たもの、特徴的な製品デザインを再現したもの、識別可能な人物を描いたものを生成しうる。Bria のライセンス契約がカバーするのは Bria の入力だ。出力に誰あるいは何が入るかについては何も言っていない。

だからこの主張の正直な読み方は、より狭く、それでも価値がある。調達への答えであって、補償ではない。レビュー会議で「学習データがライセンスされたモデルを選びました」と言えるようにする。レビューを飛ばせるようにはしない。

なぜ企業にとって趣味の人より重要なのか

ポスターを1枚生成する個人にとって、ライセンスデータのモデルとスクレイピングデータのモデルの違いは見えない。どちらも画像を出す。リスクは公開する側にあり、請求が来る確率は小さい。

守るべきブランドを持つ企業では計算が変わる。大手広告主は2年前からモデルベンダーに学習データの由来を尋ねており、答えはほとんど「開示していない」だった。ライセンス構造を書面にできるベンダーは、より良いモデルでは取れない案件を取る。契約に署名する人と Elo のグラフを見る人は別人だからだ。

それが Bria が以前の FIBO モデルから売り込んできた市場で、同モデルは TIME の Best Inventions of 2026 に選ばれた。同社の位置づけは一度も「最高のピクセル」ではなかった。「あなたの弁護士が承認するピクセル」だ。

技術的な形

公開された技術記事によれば、Fibo 2.0 は FLUX.2 の VAE 潜在空間で動作するフローマッチングモデルで、SmolLM3-3B のテキストエンコーダと、デコード用の Wan 2.2 変分オートエンコーダを組み合わせる。チェックポイントは2つ。生成・編集・ファインチューニング向けのフルベースモデル Fibo 2.0 Dev と、編集を4ステップで実行する蒸留版 Fibo 2.0 Edit Turbo。

デザイナーが実際に使うかを決めるのはインターフェースだ。Fibo 2.0 はゆるいテキストではなく構造化 JSON プロンプトを受け取る。Bria が VGL と呼ぶスキーマで、構図、テキスト配置、要素の位置をより正確に制御するためのものだ。多重参照編集のために最大4枚の入力画像も受け付ける。バーチャル試着、商品を新しい場面に置き直す、ある参照の見た目を別へ移す。

2つのチェックポイントは別の仕事を向いている。Edit Turbo があるのは、4ステップ編集が試着や再配置の経済性を変えるからだ。デザイナーはモデルに着せた服の12バリエーションを見てから1つ選びたい。1編集4ステップなら、それはバッチ処理ではなくプレビューのループになる。フル版の Dev は出荷する出力のためだ。 構造化プロンプトはトレードオフだ。自由文では表せない配置の制御が得られ、その代償はコピーライターが書けないプロンプト形式で払う。実際には、仕事をすでにテンプレート化しているチームには合い、一文を打って結果を見たい人をいらだたせる。

オープンウェイトの地味な利点

重みがダウンロードできるので、ブランドは Fibo 2.0 を自社インフラで動かし、自社の商品撮影でファインチューニングし、未発表の商品を第三者 API に送らずに済む。まだ発表していないモデルを撮影する自動車会社にとって、それは希望ではなく条件だ。

その制御のコストは運用にある。GPU の請求書、モデルのバージョン、評価プロセスを自分で持つことになる。企業は3つ目をしばしば過小評価する。社内レビューの段階がないセルフホストの画像モデルは、商品のロゴが微妙に違う画像を出荷する道だ。回避しようとした著作権リスクより悪い結果になる。

もう一つの実務的な問いはバージョン管理だ。オープンウェイトならチェックポイントを固定し、ベンダーが先へ進んだ後も使い続けられる。黙って更新される API に対する実際の利点だ。同時に、固定の結果を自分で負うことでもある。そのチェックポイントにあるバイアス、アーティファクト、制限は、移行を引き受けるまで自分のものだ。

どう判断するか

制約が学習データの法的露出で、調達レビューで説明できるものが必要なら、Fibo 2.0 は現時点で数少ない信頼できるオープンウェイトの選択肢の一つで、1枚3セントなら試験導入は高くない。

制約が最前線の出力品質なら、Elo を信じる前に、今使っているものと自分の画像で比較すること。オープンのボードをリードする8Bのオープンウェイトモデルは依然としてオープンモデルで、クローズドのリーダーは動き続けている。

そして制約が素早いビジュアルの納期なら、これは関係ない。一番速いものを使えばいい。ライセンスの問いが本当の問いになるのは、誰かがその画像を承認しなければならない瞬間だけで、その瞬間に「学習データはライセンス済みだった」という答えは持っておく価値がある。ただし誰もそれを「出力はクリア済み」と取り違えない限りにおいて。