Bria, Fibo 2.0 Edit Turbo 공개: 4단계로 끝내는 8B 이미지 편집 모델

Fibo 2.0 Edit Turbo는 Bria AI가 비상업용 가중치로 공개한 80억 파라미터(8B) 규모의 이미지 편집 모델입니다. 옷 갈아입히기, 색상 변경, 사물 추가 및 제거, 마스크 기반 부분 수정 등 원하는 요소만 짚어서 바꾸며, 손대지 않은 나머지 영역은 픽셀 단위로 안정적으로 보존합니다.

2026년 10월 20일 기준 Artificial Analysis의 오픈 가중치 모델 이미지 편집 벤치마크에서 1위를 기록했습니다.

어떤 작업을 할 수 있나

기존 이미지 편집 모델의 고질적인 문제는 옷 색 하나만 바꾸려 해도 인물의 얼굴이나 배경 구조까지 통째로 왜곡된다는 점이었습니다. Fibo 2.0 Edit Turbo는 이를 해결합니다.

속성 변경이 정밀합니다. 흰색 운동화를 무광 블랙으로 바꿔도 실밥과 주름, 마모 흔적은 그대로 남습니다. 여름 풍경을 눈 덮인 겨울로 바꿀 때도 건물의 형태는 유지한 채 지붕과 잔디 위에만 자연스럽게 눈을 얹습니다.

사물 추가와 제거도 정교합니다. 고양이에게 고깔모자를 씌우면 귀 위치와 조명 방향에 맞춰 자연스럽게 합성되며, 지우고 싶은 객체를 제거하면 주변 맥락에 맞춰 빈자리를 채웁니다.

브러시로 수정할 영역만 칠하는 마스크 편집은 물론, 최대 4장의 이미지를 함께 넣어 2번 사진의 원피스를 1번 사진의 인물에게 입히는 멀티 레퍼런스 스타일 합성도 지원합니다.

4단계로 끝내는 원리

FLUX.2 VAE 잠재 공간에서 동작하는 8B 플로우 매칭 모델로, 프롬프트와 참조 이미지 처리에 Qwen3-VL-4B를 사용하며 44개 블록의 싱글 스트림 DiT 구조를 갖췄습니다.

이미지가 무너지지 않는 핵심은 VGL(Visual GenAI Language)이라는 구조화 프롬프트에 있습니다. 이미지를 막연한 자연어 문장이 아니라 조명, 구도, 카메라, 피사체가 분리된 JSON 설계도로 다루며, 편집은 해당 필드의 차이점만 수정하는 방식입니다. 공식 오픈소스 라이브러리인 bria-vgl을 사용하면 일상적인 자연어 지시문을 자동으로 정형화된 JSON으로 변환해 줍니다.

Edit Turbo 버전은 증류 기법을 적용해 CFG 없이 단 4단계 추론만으로 결과물을 냅니다. 16GB VRAM 사양의 일반 그래픽카드에서 1000픽셀 내외 이미지를 편집할 때 약 30초대면 처리가 끝납니다.

사양 및 실행 방법

가중치는 Hugging Face에 CC BY-NC 4.0(비상업적 이용) 라이선스로 공개되었습니다. 개인 연구나 로컬 테스트는 자유롭게 가능하며, 상업적 활용 시에는 Bria와 별도 계약이 필요합니다. 학습 데이터는 100% 라이선스를 확보한 데이터만 사용되었습니다.

DiffSynth-Studio를 활용하면 메모리 오프로드 설정을 통해 최소 8GB VRAM의 NVIDIA 그래픽카드에서도 구동할 수 있습니다. Diffusers, ComfyUI 노드를 통해 로컬에 구축할 수 있으며, Hugging Face Space와 fal.ai에서 웹 데모로 바로 테스트해 볼 수 있습니다.

왜 중요한가

제품 사진이나 민감한 개인 사진을 외부 클라우드에 올리지 않고 로컬에서 안전하게 편집해야 하는 디자이너와 개발자에게 매력적인 선택지입니다. 4단계 추론 덕분에 대기 시간이 짧아 대화형 편집 워크플로우에 직접 도입해 볼 만합니다.

자연어의 모호함을 JSON 구조화로 풀어내 변형 범위를 통제한 방식은 실무적 관점에서 매우 영리한 접근입니다. 로컬 환경에서 정밀한 이미지 수정을 원한다면 한 번쯤 직접 돌려볼 가치가 있습니다.