FIBO 1.5

Posicionamento e visão geral

O fibo-gen-1.5 é a linha de geração de imagem a partir de texto da família fibo-1.5, voltada para desenvolvedores que precisam de controle profissional e reprodutibilidade. Ele se baseia em uma arquitetura DiT de 8B parâmetros com flow matching, adota amostragem por destilação de poucos passos e completa a inferência com apenas 4–6 passos e CFG=1.0, além de manter o paradigma de prompts longos estruturados, com forte capacidade de seguir atributos como iluminação, composição, cor e lente. É adequado para cenários de produção de imagens que incorporam ao fluxo de engenharia a geração em lote, a iteração no nível de atributos e a reprodução de resultados.

Destaques principais

• Amostragem de poucos passos, que reduz significativamente o custo de inferência por imagem — após a destilação, são necessários apenas 4–6 passos e não é preciso classifier-free guidance, o que resulta em custo de chamada menor do que o de fluxos tradicionais de vários passos com CFG alto.
• Prompts longos estruturados proporcionam forte adesão ao prompt — a geração é guiada por descrições longas que detalham item a item atributos como sujeito, iluminação, composição, cor e lente, tornando o controle mais claro em cenários profissionais.
• Resultados de geração reproduzíveis — o seed é fixado por padrão em 5555; com o mesmo seed e o mesmo prompt, a mesma imagem pode ser reproduzida, o que facilita pipelines em lote e validação de regressão.
• Divisão de funções entre geração de imagem e edição de imagem na família — a mesma família conta ainda com a linha de edição de imagem fibo-edit-1.5, para a qual se pode alternar quando for necessário modificar imagens a partir de uma referência.

Descrição das capacidades

Amostragem por destilação de poucos passos: com as configurações recomendadas de 4–6 passos e CFG=1.0 já é possível gerar imagens, dispensando o ajuste de parâmetros e o consumo computacional dos fluxos tradicionais com CFG alto, com retorno mais rápido de resultados utilizáveis em cada requisição.

Adesão a prompts estruturados: o treinamento e a inferência se baseiam em descrições longas estruturadas da ordem de mil palavras; ao detalhar item a item atributos como sujeito, iluminação, composição e lente, o desenvolvedor obtém imagens mais próximas do esperado.

Geração reproduzível: o parâmetro seed em conjunto com o prompt determina a saída; fixando ambos, a mesma imagem pode ser reproduzida, o que é adequado para comparação de versões e rastreamento de resultados na produção em lote.

Várias proporções de imagem: traz nove proporções integradas — 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16 e 16:9 — que podem ser escolhidas diretamente conforme o posicionamento ou o formato, reduzindo recortes no pós-processamento.

Entrada de prompts longos: o prompt aceita até 10000 caracteres, permitindo gravar descrições longas estruturadas por completo, sem precisar comprimi-las em frases curtas, o que torna a expressão dos atributos mais completa.

Cenários de aplicação

• Designers de comunicação visual comercial: geração com prompts longos estruturados — inserir iluminação, composição, cor e lente item a item no prompt para produzir imagens de nível comercial prontas para uso em publicidade e materiais de e-commerce.
• Equipes criativas: refinamento iterativo no nível de atributos — fixar o seed e alterar apenas um atributo, gerando repetidamente uma série de variantes para comparação de alternativas, reduzindo o retrabalho de reescrever o prompt inteiro.
• Equipes de engenharia: geração em lote reproduzível — chamar em lote com seed fixo e prompts longos modelados para produzir ativos de imagem consistentes em estilo e rastreáveis para pipelines de produção de conteúdo.
• Desenvolvedores de aplicações: geração adaptada a múltiplas proporções — escolher a proporção conforme o formato desejado para gerar recursos de imagem prontos para incorporar em apps, na web e em capas de vídeo.

Limitações e recomendações de escolha

Nesta versão, o prompt negativo não tem efeito, sendo necessário restringir a imagem inteiramente por meio de descrições positivas; a declaração oficial indica que os pesos não se aplicam ao ajuste fino. Reutilizar o fluxo antigo de vários passos com CFG alto desvia do efeito esperado; deve-se usar CFG=1.0 e 4–6 passos. A vantagem de controle depende de prompts longos estruturados; prompts curtos comuns trazem ganho limitado. A escala de 8B é pesada para hardware de consumo local, e a implantação apenas local exige versões quantizadas; chamar via HiAPI.ai não envolve esse problema.