「Fibo-2.0」画像生成・編集ディフュージョンモデル:必要VRAM 32GB〜・ComfyUIの配置先

基本情報
| 項目 | 内容 |
|---|---|
| リポジトリ | Comfy-Org/Fibo-2.0 |
| まとめページ | Fibo-2.0-dev のまとめ(記事3本) |
| 公開日 | 2026-10-21 |
| ライセンス | cc-by-nc-4.0 |
| 配布形式 | safetensors |
| 論文 | arXiv:2511.06876 |
| 出典の種類 | 公開元の一次情報(Comfy-Org公式リポジトリによる一次情報) |
情報を集めた時点で、当サイトのコードが確定させた値です。日付はJSTで表示しています。
概要
Comfy-Orgより、briaaiが開発した画像生成・編集モデル「Fibo 2.0」のComfyUI向けリパッケージ版「Comfy-Org/Fibo-2.0」が公開されました。本モデルは、テキストからの画像生成(Text-to-Image)や画像から画像への変換(Image-to-Image)、インペインティング、複数参照画像に基づく編集などを実行するためのディフュージョンモデル構成となっています。
元モデルとなる「briaai/Fibo-2.0-dev」および編集向けの蒸留モデル「briaai/Fibo-2.0-edit-turbo」の重みファイルを、ComfyUIで扱いやすい単一のファイル構造やレイアウトへ再構成し、bf16精度版およびint8量子化版として提供しています。
スペック
資料から確認できる各種スペックおよび変更点の詳細は以下の通りです。
- ベースモデル:
briaai/Fibo-2.0-devおよびbriaai/Fibo-2.0-edit-turbo - アーキテクチャ・構造調整:
bf16版: diffusersのトランスフォーマーシャードが1つの単一ファイルに統合されています。キー名はComfyUIの構造に合わせてリネームされています。 – アテンションのto_q、to_k、to_vの重みがqkvに結合され、クロスアテンションおよびPerceiverのto_kとto_vはto_kvへ結合されています。重みの値自体はbf16のまま変更ありません。 –w1とw3がw13に融合され、FFN(Feed-Forward Network)の隠れ幅(hidden width)が 9728 にゼロパディングされています。- 量子化仕様 (
int8_convrot.safetensors): - 重みがアダマール回転(Hadamard rotation)およびチャネルごとのスケール適用によってint8に量子化されています。 – adaLNモジュレーション層についてはbf16精度が保持されています。
- 配置ファイル構成:
- ディフュージョンモデル (
models/diffusion_models/に配置): –fibo2_dev_bf16.safetensors–fibo2_dev_int8_convrot.safetensors–fibo2_edit_turbo_bf16.safetensors–fibo2_edit_turbo_int8_convrot.safetensors– テキストエンコーダー (models/text_encoders/に配置): –qwen3vl_4b_bf16.safetensors–qwen3vl_4b_int8_convrot.safetensors– VAE (models/vae/に配置): –flux2-vae.safetensors - ライセンス条件: リパッケージ版のリポジトリには
license:cc-by-nc-4.0(クリエイティブ・コモンズ 表示 – 非営利 4.0 国際)が指定されています。非営利目的での利用が対象となります(なお、元モデルのライセンス表記はbria-fiboとなっています)。
性能・品質
リパッケージ版および元モデルのモデルカードには具体的なベンチマーク数値の比較表などは提示されていませんが、掲載されている解説や関連論文(arXiv: 2511.06876)にてモデルの性能や品質に関する特徴が報告されています。
元モデルであるFibo 2.0(FIBO)は、長文の構造化されたキャプション(long structured captions)を用いて学習されたモデルです。トレーニングサンプルごとに詳細な属性セットが統一して付与されており、視覚的要素に対する分離された制御性や高度な表現力を備えています。また、軽量なLLMの中間トークンをトークン長を増やさずに統合する「DimFusion」機構や、プロンプトの再現性・制御性を測定する評価プロトコル「TaBR(Text-as-a-Bottleneck Reconstruction)」が導入されており、オープンソースモデルにおいて優れたプロンプト整合性(prompt alignment)を達成していると説明されています。
なお、ComfyUI向けにint8量子化されたモデル(int8_convrot.safetensors)については、処理効率の向上と引き換えに、出力結果がオリジナル版の出力とわずかに異なる点が公開元により明記されています。
得意なこと・想定用途
本モデル「Comfy-Org/Fibo-2.0」および元モデルとなるFibo 2.0シリーズは、詳細な属性指定や長文の構造化されたプロンプト(structured prompts)に基づいた、制御性の高い画像生成および高度な画像編集タスクを得意としています。
元モデルの性能特性として、テキストからの高品質な画像生成だけでなく、入力画像をベースにした画像変換(image-to-image)、指定領域の修正を行うインペインティング(inpainting)、さらに複数の参照画像を入力として活用するマルチリファレンス(multi-reference)による編集機能に対応しています。各トレーニングデータに対して一貫した詳細属性の注釈が付与されているため、画像内の視覚的な要素を個別にコントロールした生成が可能です。意図通りの構図や細部の描写を精密に制御したいクリエイティブ制作やプロフェッショナルな画像生成用途に向いています。
また、本リパッケージには標準の開発向けモデルである「Fibo-2.0-dev」に加えて、蒸留(distillation)技術が用いられた編集モデル「Fibo-2.0-edit-turbo」が含まれています。これにより、インタラクティブな画像編集やインペインティングをより少ない推論ステップ数で高速に実行することが可能となります。
ComfyUI上での運用においては、オリジナルの分散構造から統合された単一ファイル形式(safetensors)として提供されているため、ノード構成や管理の簡略化に寄与します。また、精度と忠実性を優先するbf16精度版と、アダマール回転を用いて効率化されたint8量子化版(int8_convrot)がそれぞれ用意されています。用途や生成品質への要求水準に応じて、モデル選択の柔軟性が確保されています。
動作環境
動作環境の目安(Local Model Watch 算出) — パラメータ数 8.1B(元モデル briaai/Fibo-2.0-edit-turbo の値)
| 手持ちのVRAM | 選べる量子化 | ファイルサイズ | 必要メモリの目安 |
|---|---|---|---|
| RTX 5090 など 32GB | BF16 | 23.7GB | 28.5GB |
必要メモリは配布ファイルの実サイズに実行時のオーバーヘッド(KVキャッシュ等)を20%見込んだ概算で、文脈長・バッチサイズ・推論エンジンによって増減します。公開元の公称値ではなく、当サイトがファイルサイズから機械的に算出した値です。 他のモデルとの比較はVRAM別の早見表を参照してください。 量子化の名前の読み方は用語集にあります。
手元で動かせるか
公開元の配布形式は safetensors です。
ライセンス cc-by-nc-4.0(商用利用不可):
商用利用は禁止されています(NC = 非営利)。社内の業務利用も「商用」に当たり得るため、業務で使う予定があるなら避けるべきライセンスです。
配布形式とライセンス表記から当サイトのコードが組み立てた判定です。ライセンスの要約は法的助言ではないため、実際の利用にあたっては公開元の原文を確認してください。
当サイトでの実測
ライセンスの都合で行っていない実測
このモデルのライセンス(cc-by-nc-4.0)は商用利用を認めていません。広告を掲載している当サイトでは、ライセンスの都合上、モデルを動かす実測(CPU での実行・回答・量子化の比較・変換・生成)は行っていません。
配布ファイル
Comfy-Org/Fibo-2.0 で配布されている重みファイルを、Hugging FaceのAPIから当サイトが並べたものです。サイズは実ファイルの値です。
| ファイル | サイズ | ComfyUIの配置先 |
|---|---|---|
diffusion_models/fibo2_dev_bf16.safetensors |
16.45GB | models/diffusion_models/ |
diffusion_models/fibo2_dev_int8_convrot.safetensors |
8.41GB | models/diffusion_models/ |
diffusion_models/fibo2_edit_turbo_bf16.safetensors |
16.45GB | models/diffusion_models/ |
diffusion_models/fibo2_edit_turbo_int8_convrot.safetensors |
8.41GB | models/diffusion_models/ |
text_encoders/qwen3vl_4b_bf16.safetensors |
8.88GB | models/text_encoders/ |
text_encoders/qwen3vl_4b_int8_convrot.safetensors |
4.86GB | models/text_encoders/ |
vae/flux2-vae.safetensors |
336MB | models/vae/ |
ComfyUIの配置先は、リポジトリのフォルダ構成が ComfyUI の models/ と対応している場合にだけ示しています。
入手方法
本リパッケージ版のモデル重みは、Hugging Face上の Comfy-Org/Fibo-2.0 リポジトリからsafetensors形式で入手できます。モデルの利用にあたっては、ライセンス同意やアクセス申請の手続きを必要としない公開モデルとして配布されています。
ComfyUI環境で本モデルを利用する際は、リポジトリから必要な safetensors ファイルを取得し、それぞれの役割に応じたディレクトリへ配置します。具体的な配置先の構成は以下の通りです。
- ディフュージョンモデルの配置先 (
ComfyUI/models/diffusion_models/): fibo2_dev_bf16.safetensors–fibo2_dev_int8_convrot.safetensors–fibo2_edit_turbo_bf16.safetensors–fibo2_edit_turbo_int8_convrot.safetensors- テキストエンコーダーの配置先 (
ComfyUI/models/text_encoders/): qwen3vl_4b_bf16.safetensors–qwen3vl_4b_int8_convrot.safetensors- VAEの配置先 (
ComfyUI/models/vae/): flux2-vae.safetensors
実行時には、ComfyUIの標準的なノード群を利用して、テキストエンコーダー(Qwen3-VL 4Bベース)、ディフュージョンモデル、およびFLUX.2 VAE(flux2-vae)を接続することで画像生成・編集のワークフローを構築できます。要求される精度や動作条件に合わせて、bf16版またはint8量子化版の各種ファイルを組み合わせて利用してください。
関連記事
- 「Fibo-2.0-edit-turbo」画像編集向け画像生成モデル:必要VRAM 32GB〜・配布ファイル一覧
- 「Fibo-2.0-dev」長文構造化キャプション対応の画像生成モデル:必要VRAM 32GB〜・配布ファイル一覧
- 「PAN2」物理変化を予測するワールドモデル:ComfyUIの配置先
- 「MiniMax-H3-Image」16メガピクセル出力の画像生成モデル:必要VRAM 4GB〜・ComfyUIの配置先
次に読むなら
- GPUのVRAMから探す(このモデルは32GBの階層から動きます) → VRAM別 ローカルモデル早見表
- 同じモデル系統を調べる → Fibo-2.0-dev 系統のまとめ(記事3本)
- このモデルを動かすエンジンを調べる → ComfyUI
- このモデルを入手できる形式を調べる → Safetensors形式の解説と対応モデル

