Vyb مقابل LFM2.5 2.6B Base: من يملك المخرجات يهم أكثر مما يهم من يفوز

لا Vyb ولا LFM2.5 2.6B Base نموذجًا يمكنك توجيهه إلى مهمة ثم الانصراف عنه، وأوجه قصورهما تكاد تكون متعاكسة. أعلنت Coco Labs عن Vyb في 20 أكتوبر 2026، وهو منتج تصميم مكتمل يقف خلف قائمة انتظار: يحوّل أصول العلامة التجارية إلى رسومات تسويقية متعددة الطبقات وقابلة للتحرير، وليس لديه واجهة برمجة تطبيقات عامة ولا سعر معلن. أما LFM2.5 2.6B Base، الذي نشرته Liquid AI في 4 أغسطس 2026، فهو نقطة تحقق مدربة مسبقًا بـ2.698 مليار معامل دون أي ضبط تعليماتي على الإطلاق — قابلة للتنزيل اليوم بموجب LFM Open License v1.0، ومفيدة لحظة امتلاكك عملية تدريب لتوجيهها إليها، وغير مفيدة قبل ذلك. لا يسجّل منتج في قائمة انتظار ولا نقطة تحقق أساسية كيف يفشل خط أنابيب التصميم في الإنتاج، وتلك الحوادث مفهرسة في أرشيف حوادث OrcaRouter AI حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته وتصنيف ثقته وإشارة كونه محل نزاع.

إذن، المقارنة التي تهم ليست الجودة ولا السرعة، بل الملكية: ما يُسمح لك بفعله بالأصل، وما يمكنك فعله بمخرجاته، وأي هذين القيدين هو الذي يعرقل مشروعك فعليًا.

قطعتان أثريتان، بكلمات صانعيهما

تصف Coco Labs منتج Vyb بأنه "أول نموذج تصميم يفهم ذوق المستخدم". وهو يبني التصاميم في طبقات باستخدام صيغة داخلية منظمة تسميها الشركة Cocolang، ويحتفظ بالنص كنص والمتجهات كمتجهات، ويصدّر دون فقدان إلى أدوات مثل Figma. ويستوعب موقع العلامة التجارية وملفاتها بحيث يكون الشعار والخطوط والألوان في المخرجات هي نفسها التي تمتلكها العلامة التجارية بالفعل. الوصول عبر قائمة انتظار مع رصيد توليد بقيمة 10 دولارات. لا عدد معاملات، ولا إفصاح عن البنية، ولا جدول أسعار، ولا API.

يُعرف LFM2.5 2.6B Base باسمه الكامل LFM2.5-2.6B-Base. وتُدرج بطاقته 2.698 مليار معامل إجمالي عبر 30 طبقة، 22 منها كتل التفاف قصير مزدوجة البوابات وثماني وحدات انتباه بالاستعلامات المجمّعة، وسياق من 131,072 رمزًا، ومفردات من 128,000 رمز، وتدريبًا على 34 تريليون رمز، وتغطية 16 لغة. وهو نصي فقط. وهو واحد من زوج — إذ تطلق Liquid AI أيضًا LFM2.5-2.6B، مدرّبًا لاحقًا للعمل الوكيلي — ويصف نص البطاقة نفسه نقطة التحقق الأساسية بأنها النموذج الذي تنحدر منه كل نسخة في العائلة. توجد بالفعل ستة عشر مشتقًا مضبوطًا تحته على Hugging Face.

اقرأ هاتين الفقرتين معًا وستظهر الصورة. نشرت Liquid AI مكوّنًا وأخبرتك بالضبط مما يتكوّن. ونشرت Coco Labs منتجًا ولم تخبرك تقريبًا بأي شيء عمّا بداخله. كلاهما طريقتان مشروعتان لإصدار نموذج؛ إنهما تضعان العمل في أماكن مختلفة.

ما الذي يسمح به الترخيص فعليًا

هذا هو الجزء من المقارنة ذو النتيجة العملية الأكثر فورية، وهو ينقسم في اتجاهين.

• إعادة التوزيع — تُتاح LFM2.5 2.6B Base بموجب LFM Open License v1.0، وهو ترخيص مخصص موسوم بـ license:other على Hub. وقد كُتب للاستخدام المفتوح ويسمح بالنشر التجاري بشروط، لكنه مستند كتبه شخص عن قصد ويجب قراءته قبل إعادة توزيع أي عمل مشتق. لا تنشر Vyb أي شروط على الإطلاق، لأنه لا يوجد شيء لإعادة توزيعه: فأنت تحصل على تصاميم، لا على أوزان.

• ملكية المخرجات — هذه هي النقطة التي يجب التحقق منها قبل الالتزام. فالتصميم الذي ينتجه Vyb هو تصميم يُنتَج على بنية تحتية تابعة لطرف آخر بموجب اتفاق لم يُعرض عليك بعد، لأن قائمة الانتظار ليست عقدًا. أما النص الذي ينتجه نموذج LFM2.5 2.6B Base المضبوط بدقة فيُنتَج على عتادك من الأوزان التي تملكها. وبالنسبة لعلامة تجارية تُعد أصول حملاتها هي المنتج نفسه، فإن هذا الفرق ليس نظريًا.

• التعديل — كل وزن في نقطة تحقق LFM ملكك لمواصلة التدريب المسبق أو الضبط الدقيق أو التكميم أو التقطير. لا يمكن تعديل Vyb إطلاقًا. يمكنك تعديل مخرجاته، وهذا هو المقصد كله، لكن لا يمكنك تغيير النموذج الذي أنتجه.

• العتاد — إن LFM2.5 2.6B Base كثيف وصغير بما يكفي بحيث تضع Liquid AI هذه العائلة في فئة الهواتف والحواسيب المحمولة؛ فنقطة حفظ بحجم 2.69B تعمل على بطاقة رسومات استهلاكية واحدة أو على جهاز طرفي بدقة أربع بتات. أما Vyb فلا يحتاج إلى عتاد، وهي إما أفضل أو أسوأ خاصية في هذه القائمة اعتمادًا على ما إذا كان قيدك هو رأس المال أم التحكم.

ما الذي ستدرّب LFM2.5 2.6B Base فعليًا على القيام به

الاستخدام البديهي هو أيضًا الاستخدام الذي يتكامل مع مسار التصميم بدلًا من أن ينافسه. يضع Vyb النص؛ لكن لا بد من جهة تكتب النص، بصوت تعرفه العلامة التجارية، وبحجم يفرضه تقويم تسويقي. هذه مهمة ضبط دقيق مع مجموعة بيانات صغيرة ومحددة جيدًا: اثنا عشر شهرًا من العناوين المعتمدة، ودليل أسلوب، والعناوين المرفوضة. نقطة تحقق أساسية بحجم 2.69B هي الحجم المناسب لذلك — كبيرة بما يكفي لاستيعاب صوت، وصغيرة بما يكفي للتدريب على وحدة GPU واحدة في فترة بعد الظهر، وصغيرة بما يكفي للتقديم بأقل من تكلفة فنجان قهوة لكل ألف عملية توليد.

سياق الـ131,072 توكن واسع بما يكفي لتلك المهمة. فكتاب العلامة التجارية مع مئة مثال معتمد يتّسع له بارتياح، ما يعني أن الضبط الدقيق يمكن تكييفه وفق الدليل بدلًا من الأمل في أنه قد استُوعب.

ما لن يفعله LFM2.5 2.6B Base هو الإجابة عن سؤال دون تدريب. إنه يواصل النص. لا يتبع تنسيقًا، ولا يستدعي أداة، ولا يتوقف عندما تريد منه ذلك، لأن شيئًا من ذلك لم يُدرَّب عليه. كل مقال عن نقاط التحقق الأساسية يقول هذا، وكل فريق يحاول ذلك على أي حال، لذا: إذا أردت نموذجًا يكتب عنوانًا اليوم، فاضبطه ضبطًا دقيقًا أولًا أو استخدم نموذجًا شقيقًا مدرَّبًا بعد ذلك. نقطة التحقق الأساسية هي نقطة انطلاق، وليست خدمة.

تكلفة كل مسار، محسوبة

تكلفة Vyb حالياً رقم واحد: رصيد بقيمة 10 دولارات، مجاناً، بمجرد خروجك من قائمة الانتظار. كل ما يأتي بعد ذلك غير معروف، والمجهول ليس صغيراً — فريق تسويق ينتج أربعين أصلاً شهرياً يحتاج إلى رقم لكل أصل ليقرر ما إذا كانت الأداة تحل محل فترة بعد ظهر مصمم أم مصمم.

تكلفة LFM2.5 2.6B Base معروفة حتى السنت، وهي ثابتة بالكامل تقريبًا. الأوزان مجانية. أما تشغيل التدريب فهو ساعات GPU الخاصة بك. وأما تقديم الخدمة فهو استدلالك، وعند نموذج كثيف بحجم 2.69B تكون الحسابات غير مبهرة: بطاقة واحدة من الفئة المتوسطة تتعامل مع عبء عمل لتوليد النصوص الإعلانية دون عناء، والتكلفة الحدية للعنوان الرئيسي الألف هي الكهرباء فعليًا. وما تنفقه بدلًا من ذلك هو وقت الهندسة — خط أنابيب البيانات، ومجموعة التقييم، وضوابط الحماية — وهذا هو البند الذي ينساه الناس عندما يقارنون بين «الأوزان المجانية» و«API الرخيص».

هناك مسار ثالث يختاره معظم الفرق، ويستحق أن نسمّيه. استخدم نموذجًا مستضافًا لكتابة النصوص ما دام صوت العلامة التجارية قيد التحديد، واضبط LFM2.5 2.6B Base ضبطًا دقيقًا حين تصبح لديك أمثلة معتمدة كافية تجعل التدريب يستحق الإعداد. هذه مسألة توجيه لا مسألة نموذج: مفتاح واحد عبر أكثر من 200 نموذج مستضاف، مع تمرير أسعار قائمة المزوّدين بهامش ربح 0%، ينقلك من النموذج الأولي إلى الإنتاج دون عقد ثانٍ، وتتولى نقطة الحفظ المحلية المسؤولية عندما تميل الجدوى الاقتصادية.

القراءة الصادقة لأرقام Vyb

لأن هذه الصفحة تضع معيار أداء من مورّد عمره أربعة أيام إلى جانب نقطة تحقق مفتوحة عمرها شهران، فإن مصدر المعلومات يستحق أن يُذكر بوضوح بدلًا من أن يُطمر.

نشرت Coco Labs معيار VybBench الذي يغطي 145 خطًا من Google و100 لون و200 تعديل، وأفادت بدقة الخط عند 90.3% مقابل 76.0% لـ ChatGPT Image، وخطأ لوني قدره 0.00 مقابل 3.94، ومتوسط تغيّر البكسل في التعديلات عند 11.9% مقابل 95.5%. وقد كتبت الشركة المعيار وفاز نموذجها به. وتكشف أيضًا أن Vyb تلقّى مدخلات SVG طبقية لاختبار التحرير بينما تلقّت النماذج المقارنة ملفات PNG مسطّحة، لأنها لا تستطيع قبول الطبقات. لا شيء من ذلك يجعل النتيجة خاطئة — فصيغة الطبقات هي المنتج — لكنه يعني أن الأرقام تقيس عقد مدخلات مختلف، لا نموذجين أُعطيا العمل نفسه. ولم يُعِد أي طرف مستقل إنتاج أي من ذلك.

في المقابل، إن LFM2.5 2.6B Base نقطة تحقق يمكنك تنزيلها وتقييمها بنفسك بعد ظهر اليوم. هذا ليس ادعاءً بشأن الجودة؛ بل هو ادعاء بشأن قابلية التحقق، وعلى هذا المحور فإن الاثنين ليسا في نفس المستوى.

أي واحد يحجبك؟

إذا كانت مشكلتك هي أن التصاميم المعتمدة لا يمكن تعديلها دون إعادة توليدها، فإن Vyb هو الوحيد من بين هذين لديه حل، وقائمة الانتظار تكلّفك أسبوعًا من وقتك لا ميزانية ربع سنة. وإذا كانت مشكلتك هي أن كل أصل يحتاج إلى عنوان رئيسي بصوتك وبحجم لا يرغب أي إنسان في كتابته، فإن LFM2.5 2.6B Base مع جولة ضبط دقيق هو الحل، وهو متاح الآن.

إذا كانت مشكلتك هي الاثنان معًا، فهما ليسا متنافسين — بل مرحلتان في المسار نفسه، إحداهما مستأجرة والأخرى مملوكة. القرار الذي يحتاج فعلاً إلى اتخاذه ليس أي نموذج تختار. بل ما إذا كان ينبغي إنتاج أصول حملة العلامة التجارية بواسطة نموذج تملكه أو نموذج لديها حساب في قائمة انتظار عليه، وكون هذا السؤال لا يزال مفتوحًا في أكتوبر 2026 هو أكثر شيء مفيد يمكن أن تخبرك به هذه المقارنة.