Bria 開源 Fibo 2.0 Edit Turbo：8B 影像編輯模型，4 步即可精準改圖

Fibo 2.0 Edit Turbo 是 Bria AI 開源的 80 億引數（8B）影像編輯模型。說白了，它就是專門用來幫你精準改圖的：換衣服、改顏色、加物體、調光影，或者用畫筆圈出區域區域性重繪。最厲害的地方在於，除了你要求變動的部分，畫面的其餘畫素幾乎紋絲不動。

在 2026 年 10 月 20 日的 Artificial Analysis 影像編輯榜單上，它排在開源權重模型第一名。

它能做什麼

很多人用 AI 改圖最頭疼的就是「牽一髮而動全身」，改個衣服顏色，連模特的臉和背景都變了。Fibo 2.0 Edit Turbo 解決的就是這個問題。

首先是精準改屬性。把白鞋改成啞光黑，鞋型、鞋帶和磨損紋理全保留；把夏日街景換成雪景，建築輪廓和透視完全不變，只是附上一層積雪。改光線、材質、天氣或背景，主體都穩如泰山。

其次是無痕增刪。給貓戴一頂派對帽，帽子會自然壓在耳朵正確位置；抹掉畫面裡的路人，背景會根據周圍環境自動合理補全，光影投射也不會穿幫。

再來是蒙版區域性重繪。用畫筆在圖上塗一塊遮罩，模型就只重繪塗白的部分，周圍完全不碰，比單純靠語言描述更可控。

它還支援最多 4 張圖的多參考編輯。比如一張人物照片加上一件衣服照片，輸入「把圖二的裙子穿到圖一的人身上」，它能結合姿態和光影直接合成換裝，而不是簡單生硬地貼圖。

怎麼做到又快又穩的

Fibo 2.0 是一套執行在 FLUX.2 VAE 隱空間上的 8B 流匹配模型，用 Qwen3-VL-4B 編碼文本和參考影像，主幹是 44 層的單流 DiT。它之所以穩，核心在於一套叫 VGL（Visual GenAI Language）的結構化描述機制。

它不把影像當成一段模糊的文字，而是拆解成包含光影、構圖、相機視角、物體的結構化 JSON 藍圖。改圖本質上只是修改藍圖裡的某一個欄位。為了不讓大家手寫繁瑣的 JSON，官方配套了開源庫 bria-vgl，能自動把自然語言編輯指令轉成結構化提示詞。

至於為什麼快，是因為 Edit Turbo 版本專門做了蒸餾。它去掉了 classifier-free guidance，推理步數從原本的幾十步直接壓縮到 4 步。在 16G 視訊記憶體的家用顯示卡上，處理一張 1000 畫素左右的圖片實測只需要三十多秒。

怎麼跑起來與使用限制

模型權重已在 Hugging Face 開放，採用 CC BY-NC 4.0 非商業許可。如果你是個人學習、本地測試或做研究，可以直接免費用；要是打算放在商業交付、電商工具或線上產品裡，必須和 Bria 簽署商業協議。

硬體方面，框架如 DiffSynth-Studio 提供了視訊記憶體解除安裝配置，社群實測最低 8G 視訊記憶體的輝達顯示卡也能跑起來，裝不下時會自動藉助系統記憶體，不會直接爆視訊記憶體報錯。官方訓練資料全部來自獲授權的資料集，來源可追溯。

想直接體驗的，可以去 Hugging Face Space、fal.ai 線上試用；本地部署支援 Diffusers、DiffSynth-Studio 以及 ComfyUI 節點。

為什麼重要

如果你經常需要做電商產品換景、模特換裝，或者修剪私人照片卻不想把圖片上傳到任何第三方雲端伺服器，這個模型非常值得在本地搭一套試用。4 步出圖的速度讓本地互動式改圖真正變得可用，不用每次調整都乾等一兩分鐘。

我們認為，Bria 這種將生成與編輯統一在同一套 8B 架構下、再用結構化 JSON 進行解耦控制的思路，抓住了專業生產的核心痛點。它的主要門檻在於對指令的結構化要求較高，用自然語言直推有時不如結構化提示詞穩定；但單就開源區域網可控編輯而言，它已經給同類工具立了一個很高的標杆。