Bria 的 Fibo 2.0 用授權影像訓練，但那不等於安全

Bria 在 10 月 20 日發布 Fibo 2.0，頭條不是參數量。是訓練集：大約十億張影像，每一張都透過商業授權協議取得。

Fibo 2.0 是 80 億參數的開放權重影像模型，也是 Bria 的 FIBO 系列中第一個在同一組權重裡同時處理生成與指令式編輯的模型。它可透過 Bria 的 API 以每張約 0.032 美元取得，在 fal 上為 0.04 美元，也在 Hugging Face 上以開放權重釋出。Bria 說發布時它在 Artificial Analysis 的影像編輯類開放權重模型中排第一、文生圖排第二，Elo 為 1087，來自 4,819 票盲測的人類偏好投票。第三方報導說它在該榜上領先超過 30 個閉源模型。

那些都是好數字。它們也是那種幾週內就會被換掉的數字，所以授權的主張才是更耐久的故事，也是更容易被誤解的那一個。

「授權資料」到底回答了什麼

人們爭論 AI 影像與法律時，有兩個不同的問題常被壓成一個。

第一個是模型是否合法訓練。那是 Bria 在回答的問題。如果訓練集裡每張影像都來自商業協議，那麼「這個模型是爬取受著作權保護作品之衍生物」的論點就不適用於這個模型。對品牌的法務團隊來說，這把一項具體且目前未解的風險從桌上移開。

第二個問題是某個特定輸出是否安全可用。授權訓練資料完全沒有回答這個。一個模型可以完全用授權照片訓練，卻仍生成近似註冊商標角色、重現某個獨特產品設計，或描繪某個可辨識人物的東西。Bria 的授權協議涵蓋 Bria 的輸入。它們對你的輸出裡最後出現誰或什麼，一句話都沒說。

所以對這個主張誠實的解讀更窄，但仍有價值：它是採購上的答案，不是賠償保證。它讓一家公司可以在審查會議上說「我們選了一個訓練資料有授權的模型」。它不能讓他們跳過審查。

為什麼這對企業比對業餘玩家更重要

對一個只想生成海報的個人，授權資料模型和爬取資料模型的差別是看不見的。兩者都產出一張影像。風險落在發布它的人身上，而被主張的機率很小。

對一個有品牌要保護的公司，計算就變了。大型廣告主兩年來一直向模型供應商詢問訓練資料的來源，而答案大多是「我們不揭露」。一家能把授權結構寫在紙上的供應商，會贏下更好的模型贏不了的案子，因為簽約的人和看 Elo 圖表的人不是同一個。

那就是 Bria 自更早的 FIBO 模型以來一直在賣的市場，那些模型曾入選 TIME 2026 年度最佳發明。這家公司的定位從來不是「最好的畫素」。而是「你的律師會核准的畫素」。

這個東西的技術輪廓

根據針對這次發布的技術報導，Fibo 2.0 是一個在 FLUX.2 VAE 潛在空間中運作的 flow-matching 模型，配 SmolLM3-3B 文字編碼器，解碼則用 Wan 2.2 變分自編碼器。它以兩個 checkpoint 出貨：Fibo 2.0 Dev，用於生成、編輯與微調的完整基礎模型；以及 Fibo 2.0 Edit Turbo，一個四步完成編輯的蒸餾變體。

介面才是決定設計師會不會真的用它的部分。Fibo 2.0 接受結構化 JSON 提示，而不是鬆散的文字，這個 schema Bria 稱為 VGL，目的是對構圖、文字位置與元素定位給出更精確的控制。它還接受最多四張輸入影像做多參考編輯：虛擬試穿、把產品重新安置到新場景、把一個參考的外觀轉移到另一個參考上。

兩個 checkpoint 針對不同的工作。Edit Turbo 存在，是因為四步編輯改變了試穿與重新安置工作的經濟性——設計師想先看到一件衣服在模特兒身上的十二種變化，再挑一個。每次編輯四步，那就是預覽迴圈而不是批次工作。完整的 Dev checkpoint 是給要交出去的成品用的。 結構化提示是一種交換。你得到自由文字表達不了的定位控制，代價是撰稿人寫不來的提示格式。實務上這意味著這個工具適合本來就把工作範本化的團隊，而會讓想打一句話看會發生什麼的人感到挫折。

開放權重不性感的好處

因為權重可以下載，品牌可以在自己的基礎設施上跑 Fibo 2.0，用自家產品攝影微調，而且永遠不必把未發布的產品送到第三方 API。對一家在拍尚未發表車款的車廠來說，那不是偏好。那是條件。

這種控制的代價是營運面的：你現在要自己扛 GPU 帳單、模型版本和評估流程。企業經常低估第三項。一個沒有內部審查環節的自架影像模型，正是品牌最後交出 logo 微妙錯誤影像的原因，而那比他們原本想避開的著作權風險更糟。

另一個實務問題是版本管理。開放權重意味著你可以鎖定一個 checkpoint，並在供應商往前走之後繼續用它，這是相對會默默升級的 API 的真正優勢。它也意味著你承擔鎖定的後果：那個 checkpoint 裡存在什麼偏誤、瑕疵或限制，都歸你，直到你決定遷移。

怎麼決定

如果你的限制是訓練資料上的法律曝險，而且你需要一個能在採購審查中辯護的東西，Fibo 2.0 目前是少數可信的開放權重選項之一，而一張三分錢，試辦並不貴。

如果你的限制是前沿的輸出品質，在相信 Elo 之前，先拿你自己的影像跟你現在用的比。一個領先開放榜的 8B 開放權重模型仍然是開放模型，而閉源領先者也沒有停下來。

而如果你的限制是快速視覺的周轉時間，這些都不重要。用最快的就好。授權問題只有在有人必須核准那張影像的那一刻才變成真問題，而在那一刻，「訓練資料有授權」這個答案值得擁有，只要沒有人把它誤認成「輸出已經清乾淨」。