Bria의 Fibo 2.0, 라이선스 이미지로 학습했지만 안전과는 다른 얘기예요

Bria가 10월 20일 Fibo 2.0을 공개했어요. 헤드라인은 파라미터 수가 아니에요. 학습 세트예요. 약 10억 장, 그 모든 이미지가 상업 라이선스 계약을 통해 조달됐어요.

Fibo 2.0은 80억 파라미터 오픈 웨이트 이미지 모델이고, Bria의 FIBO 패밀리 중 처음으로 생성과 명령 기반 편집을 한 벌의 가중치로 처리해요. Bria API에서 이미지당 약 $0.032, fal에서 $0.04, Hugging Face에서 오픈 웨이트로 쓸 수 있어요. Bria는 출시 시점에 Artificial Analysis에서 이미지 편집 오픈 웨이트 1위, 텍스트-투-이미지 2위였고, 4,819표의 블라인드 인간 선호 투표에서 Elo 1087을 기록했다고 해요. 제3자 기사들은 그 보드에서 30개가 넘는 클로즈드 모델보다 앞선다고 전해요.

좋은 숫자예요. 동시에 몇 주 안에 갈아치워지는 종류의 숫자이고, 그래서 라이선스 주장이 더 오래가는 이야기이자 더 오해받는 이야기예요.

'라이선스 데이터'가 실제로 답하는 것

AI 이미지와 법을 논할 때 사람들이 하나로 뭉쳐버리는 질문이 두 개 있어요.

첫째는 모델이 적법하게 학습됐는가예요. Bria가 답하는 질문이죠. 학습 세트의 모든 이미지가 상업 계약을 거쳤다면, 모델이 스크레이핑한 저작권물의 파생물이라는 주장은 이 모델에 적용되지 않아요. 브랜드 법무팀에게는 구체적이고 아직 해결되지 않은 리스크를 테이블에서 치우는 일이에요.

둘째는 특정 결과물을 써도 안전한가예요. 학습 데이터 라이선스는 이 질문에 전혀 답하지 않아요. 전부 라이선스 사진으로 학습한 모델도 상표 캐릭터를 닮은 것, 독특한 제품 디자인을 재현한 것, 알아볼 수 있는 인물을 그린 것을 생성할 수 있어요. Bria의 라이선스 계약은 Bria의 입력을 보장해요. 당신의 결과물에 누가 무엇이 들어가는지는 말해주지 않아요.

그래서 이 주장을 정직하게 읽으면 더 좁지만 여전히 가치 있어요. 면책이 아니라 조달 답변이에요. 기업이 검토 회의에서 '학습 데이터가 라이선스된 모델을 골랐다'고 말할 수 있게 해줘요. 검토를 건너뛰게 해주지는 않아요.

취미 사용자보다 기업에 더 중요한 이유

포스터 하나를 만드는 개인에게 라이선스 데이터 모델과 스크레이핑 데이터 모델의 차이는 보이지 않아요. 둘 다 이미지를 만들어요. 리스크는 그것을 공개하는 쪽에 있고, 클레임이 들어올 확률은 작아요.

지켜야 할 브랜드가 있는 기업은 계산이 달라져요. 대형 광고주들은 2년째 모델 벤더에 학습 데이터 출처를 물어왔고, 답은 대개 '공개하지 않는다'였어요. 라이선스 구조를 종이에 쓸 수 있는 벤더는 더 좋은 모델이 못 따는 계약을 따요. 계약서에 서명하는 사람은 Elo 차트를 보는 사람이 아니니까요.

Bria가 이전 FIBO 모델부터 팔아온 시장이 그곳이에요. 그 모델들은 TIME의 2026 Best Inventions에 이름을 올렸어요. 회사의 포지셔닝은 한 번도 '최고의 픽셀'이 아니었어요. '당신 변호사가 승인할 픽셀'이었어요.

기술적 형태

Fibo 2.0은 FLUX.2 VAE 잠재 공간에서 동작하는 flow-matching 모델이고, SmolLM3-3B 텍스트 인코더와 디코딩용 Wan 2.2 VAE를 쓴다고 릴리스 기술 기사들이 전해요. 체크포인트는 두 개예요. 생성과 편집, 파인튜닝용 전체 베이스인 Fibo 2.0 Dev와, 4스텝으로 편집을 수행하는 증류 변형 Fibo 2.0 Edit Turbo예요.

디자이너가 실제로 쓸지를 결정하는 건 인터페이스예요. Fibo 2.0은 느슨한 텍스트가 아니라 구조화된 JSON 프롬프트를 받아요. Bria가 VGL이라 부르는 스키마로, 구도와 텍스트 배치, 요소 위치를 더 정밀하게 통제하기 위한 것이에요. 다중 참조 편집을 위해 입력 이미지를 최대 4장까지 받아요. 가상 피팅, 제품을 새 장면에 재배치, 한 참조의 외형을 다른 참조로 옮기기 같은 것들이죠.

두 체크포인트는 다른 작업을 겨냥해요. Edit Turbo가 있는 이유는 4스텝 편집이 피팅과 재배치 작업의 경제성을 바꾸기 때문이에요. 디자이너는 모델이 입은 옷의 열두 가지 변형을 보고 하나를 고르고 싶어 하죠. 편집당 4스텝이면 배치 작업이 아니라 미리보기 루프예요. 전체 Dev 체크포인트는 출고되는 결과물용이에요. 구조화 프롬프트는 트레이드오프예요. 자유 텍스트로 표현할 수 없는 배치 통제를 얻고, 카피라이터가 쓸 수 없는 프롬프트 형식을 비용으로 내요. 실무적으로는 이미 작업을 템플릿화한 팀에 맞고, 문장 한 줄 치고 결과를 보고 싶은 사람을 답답하게 해요.

오픈 웨이트의 화려하지 않은 이점

가중치를 내려받을 수 있으니 브랜드는 Fibo 2.0을 자체 인프라에서 돌리고, 자사 제품 사진으로 파인튜닝하고, 미공개 제품을 제3자 API로 보내지 않아도 돼요. 아직 발표하지 않은 모델을 촬영하는 자동차 회사에게 이건 선호가 아니라 조건이에요.

그 통제의 비용은 운영이에요. 이제 GPU 청구서와 모델 버전, 평가 프로세스를 소유하게 돼요. 기업들은 세 번째를 습관적으로 과소평가해요. 내부 검토 단계가 없는 자체 호스팅 이미지 모델은 브랜드가 제품 로고가 미묘하게 틀린 이미지를 출고하게 되는 경로이고, 피하려던 저작권 리스크보다 나쁜 결과예요.

또 다른 실무 질문은 버전 관리예요. 오픈 웨이트는 체크포인트를 고정해 벤더가 넘어간 뒤에도 계속 쓸 수 있다는 뜻이고, 조용히 업그레이드되는 API보다 실제 이점이에요. 동시에 고정의 결과도 당신 몫이라는 뜻이에요. 그 체크포인트의 편향과 아티팩트, 한계는 마이그레이션을 떠안기 전까지 당신 것이에요.

어떻게 결정할까

제약이 학습 데이터의 법적 노출이고 조달 검토에서 방어할 수 있는 게 필요하다면, Fibo 2.0은 현재 몇 안 되는 신뢰할 만한 오픈 웨이트 선택지 중 하나이고, 이미지당 3센트면 파일럿하기 비싸지 않아요.

제약이 최전선 품질이라면, Elo를 믿기 전에 지금 쓰는 것과 자기 이미지로 비교해보세요. 오픈 보드 1위인 8B 오픈 웨이트 모델도 여전히 오픈 모델이고, 클로즈드 선두들은 멈추지 않았어요.

그리고 제약이 빠른 시각 자료의 처리 속도라면 이 모든 게 상관없어요. 가장 빠른 걸 쓰세요. 라이선스 질문은 누군가 이미지를 승인해야 하는 순간에야 실제 질문이 되고, 그 순간 '학습 데이터는 라이선스였다'는 답은 있으면 좋아요. 누구도 그것을 '결과물이 클리어됐다'로 착각하지 않는 한.