Bria FIBO 2.0: 8-Milliarden-Modell bringt planbare Bildgenerierung und 4-Schritt-Editing

Wer mit modernen Bildmodellen arbeitet, kennt das Grundproblem: Kurze Texteingaben zwingen neuronale Netze dazu, dutzende fehlende Bilddetails eigenmächtig zu erraten. Ändert man anschließend ein einziges Detail im Prompt, mutiert oft die gesamte Szene - Gesichter verformen sich, der Kamerawinkel kippt oder die Lichtstimmung bricht weg. Das KI-Unternehmen Bria AI will dieses Dilemma mit der Veröffentlichung von FIBO 2.0 beenden. Das Modell setzt nicht auf vage Freitexte, sondern auf eine strikt strukturierte Beschreibungssprache im JSON-Format, bei der Kamera, Licht, Geometrie und Motive unabhängig voneinander steuerbar bleiben.

FIBO 2.0 umfasst zwei zentrale Modellvarianten: das Basismodell Fibo 2.0 Dev für die reine Bilderzeugung sowie das spezialisierte Modell Fibo 2.0 Edit Turbo, das bestehende Bildmotive in nur vier Rechenschritten gezielt anpassen kann. Auf der unabhängigen Benchmark-Plattform Artificial Analysis setzt sich das Modell damit an die Spitze der Open-Weights-Kategorie: Rang eins bei der Bildbearbeitung und Rang zwei bei der Text-zu-Bild-Generierung, im direkten Duell mit Alibabas Bildmodell Qwen-Image-2.1.

Vom Zufallsprompt zur Datenstruktur: Die Architektur hinter VGL

Die technologische Grundlage von FIBO 2.0 basiert auf Forschungsarbeiten, die Bria-Forscher um Gal Davidi und Eyal Gutflaish in ihrem Preprint Generating an Image From 1,000 Words dargelegt haben. Anstatt Modelle darauf zu trainieren, knappe Prompts mit statistischen Durchschnittswerten aufzufüllen, wurde FIBO 2.0 auf extrem langen, detaillierten Bildbeschreibungen trainiert, die teilweise mehr als 1.000 Wörter umfassen. Kernstück ist die sogenannte Visual GenAI Language (VGL) - ein hierarchisches JSON-Schema, das visuelle Faktoren vollständig voneinander entkoppelt.

In der Praxis bedeutet das: Parameter wie Blende, Brennweite, Tiefenschärfe, Hauptlicht, Gegenlicht, Farbpalette, Oberflächenstrukturen und einzelne Objekte sind in getrennten Datenfeldern definiert. Wer die Beleuchtung einer Szene von warmem Abendlicht auf diffuses Studiolicht umstellen möchte, ändert lediglich das entsprechende Attribut im JSON-Code, ohne dass das Modell das Gesicht der porträtierten Person oder die Raumarchitektur neu interpretiert. Um diese gewaltigen Textstrukturen verarbeiten zu können, ohne den Rechenaufwand explodieren zu lassen, setzt das Team auf ein Verfahren namens DimFusion. Dabei werden Zwischenrepräsentationen eines kompakten Sprachmodells effizient in den Diffusionsprozess eingespeist, ohne die effektive Sequenzlänge aufzublähen.

Technisch verfügt FIBO 2.0 über 8,1 Milliarden Parameter und arbeitet als Single-Stream Diffusion Transformer mit 44 Blöcken. Als Latenzraum dient der bewährte VAE aus den FLUX-Modellen von Black Forest Labs, während das multimodale Modell Qwen3-VL-4B-Instruct für das Sprachverständnis und die Bild-Text-Ausrichtung zuständig ist.

Edit Turbo: Bildbearbeitung in vier Schritten

Besonderes Augenmerk verdient das Schwestermodell Fibo 2.0 Edit Turbo. Während klassische Inpainting- und Editing-Pipelines oft minutenlang iterieren und aufwendige Classifier-Free-Guidance-Berechnungen erfordern, wurde Edit Turbo auf eine latente Destillation getrimmt: Die Bildanpassung erfolgt in lediglich vier Berechnungsschritten. Auf einer professionellen L40S-GPU von Nvidia beansprucht ein Bearbeitungsschritt bei 1024-Pixel-Auflösung laut Dokumentation lediglich rund sieben Sekunden.

Fibo 2.0 Edit Turbo verarbeitet bis zu vier Referenzbilder gleichzeitig. Dadurch lassen sich komplexe Workflows umsetzen, die in Kreativagenturen und im E-Commerce bisher mühsame Handarbeit erforderten:

• Produktplatzierung (Restaging): Ein freigestellter Verkaufsartikel kann in eine völlig neue Studioumgebung versetzt werden, während Form, Etikett und Proportionen unverändert bleiben.
• Mehrfach-Referenzen: Nutzer können dem Modell ein Motivbild, eine Stilreferenz und eine Beleuchtungsvorlage übergeben, die Fibo 2.0 anhand gezielter Textbefehle zu einer konsistenten Neukomposition verschmilzt.
• Gezielte Maskierung: Über einen Pinsel-Editor lässt sich ein beliebiger Bildausschnitt markieren, um selektiv Kleidung, Hintergründe oder Gegenstände auszutauschen, während der unberührte Bildteil bitgenau erhalten bleibt.

Rechtssicherheit und C2PA für den Unternehmenseinsatz

Neben der technischen Kontrollierbarkeit zielt Bria AI unter Leitung von CEO Dr. Yair Adato vor allem auf eine Schwachstelle herkömmlicher KI-Generatoren ab: das Urheberrechtsrisiko. Unternehmen scheuen den produktiven Einsatz vieler marktüblicher Modelle, da diese auf ungefragt gecrawlten Internet-Bildern trainiert wurden und Haftungsrisiken bergen. Bria trainiert seine Modelle nach Unternehmensangaben ausnahmslos auf vollständig lizenzierten Bildbeständen und betreibt ein internes Tantiemen-System, das ursprüngliche Künstler und Bildagenturen an generierten Erlösen beteiligt.

Zudem integriert die Bria-Plattform standardmäßig C2PA-Standards für Content Authenticity. Jede generierte Datei wird mit kryptografisch signierten Metadaten versehen, die Herkunft und Bearbeitungsverlauf manipulationssicher dokumentieren - eine Voraussetzung für die Einhaltung künftiger Transparenzvorgaben wie dem europäischen KI-Gesetz.

Trotz der Bezeichnung „Open-Weights" sollten Firmen die Lizenzbedingungen genau prüfen: Auf Plattformen wie Hugging Face sind die Gewichte von Fibo 2.0 Dev und Edit Turbo unter der Lizenz bria-fibo (basierend auf CC BY-NC 4.0) ausschließlich für die nicht-kommerzielle Forschung freigegeben. Wer das 8-Milliarden-Modell in eigene kommerzielle Produkte, Agentur-Workflows oder Kundenkampagnen einbinden möchte, benötigt eine separate kommerzielle Vereinbarung oder nutzt die kostenpflichtigen Programmierschnittstellen von Bria.