Vyb vs. LFM2.5 2.6B Base: Wem die Ausgabe gehört, ist wichtiger als wer gewinnt

Weder Vyb noch LFM2.5 2.6B Base ist ein Modell, auf das man eine Aufgabe richten und dann weggehen kann, und die Punkte, an denen sie zu kurz greifen, sind nahezu gegensätzlich. Vyb, am 20. Oktober 2026 von Coco Labs angekündigt, ist ein fertiges Designprodukt hinter einer Warteliste: Es verwandelt die Assets einer Marke in mehrschichtige, bearbeitbare Marketinggrafiken, und es hat keine öffentliche API und keinen veröffentlichten Preis. LFM2.5 2.6B Base, am 4. August 2026 von Liquid AI veröffentlicht, ist ein vortrainierter Checkpoint mit 2,698 Milliarden Parametern und ohne jegliches Instruction-Tuning — heute unter der LFM Open License v1.0 herunterladbar, nützlich, sobald man einen Trainingslauf hat, den man darauf ansetzen kann, und davor nutzlos. Weder ein Wartelistenprodukt noch ein Basis-Checkpoint hält fest, wie eine Design-Pipeline in der Produktion scheitert, und diese Vorfälle sind in dem OrcaRouter AI Incident Archive katalogisiert, wo jeder Eintrag seine eigenen Quellen, Schweregrad, Konfidenzstufe und eine Kennzeichnung als umstritten trägt.

Der entscheidende Vergleich betrifft also nicht die Qualität und auch nicht die Geschwindigkeit. Er betrifft das Eigentum: was Sie mit dem Artefakt tun dürfen, was Sie mit dessen Ausgabe tun können und welche dieser beiden Einschränkungen Ihr Projekt tatsächlich blockiert.

Zwei Artefakte, in den eigenen Worten ihrer Schöpfer

Vyb wird von Coco Labs als „das erste Designmodell, das den Geschmack eines Nutzers versteht“ beschrieben. Es erstellt Designs in Ebenen mithilfe eines internen strukturierten Formats, das das Unternehmen Cocolang nennt, behält Text als Text und Vektoren als Vektoren bei und exportiert verlustfrei in Tools wie Figma. Es liest die Website und Dateien einer Marke ein, sodass Logo, Schriftarten und Farben in der Ausgabe diejenigen sind, die die Marke bereits besitzt. Der Zugang erfolgt über eine Warteliste mit 10 US-Dollar an Generierungsguthaben. Keine Angabe zur Parameteranzahl, keine Offenlegung der Architektur, keine Preisliste, keine API.

LFM2.5 2.6B Base trägt den vollständigeren Namen LFM2.5-2.6B-Base. Seine Modellkarte führt 2,698 Milliarden Gesamtparameter über 30 Schichten auf, davon 22 doppelt gegatete Kurzfaltungsblöcke und acht Grouped-Query-Attention-Schichten, einen Kontext von 131.072 Tokens, ein Vokabular von 128.000 Tokens, Training auf 34 Billionen Tokens und eine Abdeckung von 16 Sprachen. Es ist rein textbasiert. Es ist Teil eines Paars – Liquid AI liefert außerdem LFM2.5-2.6B aus, nachtrainiert für agentische Aufgaben – und die Karte selbst beschreibt den Basis-Checkpoint als das Modell, von dem jede Variante der Familie abstammt. Auf Hugging Face existieren bereits sechzehn feinabgestimmte Derivate davon.

Liest man diese beiden Absätze zusammen, wird das Muster erkennbar. Liquid AI hat eine Komponente veröffentlicht und genau angegeben, woraus sie besteht. Coco Labs hat ein Produkt veröffentlicht und fast nichts darüber gesagt, was darin steckt. Beides sind legitime Wege, ein Modell auszuliefern; sie stecken die Arbeit an unterschiedliche Stellen.

Was die Lizenz tatsächlich erlaubt

Dies ist der Teil des Vergleichs mit der unmittelbarsten praktischen Konsequenz, und er teilt sich in zwei Richtungen.

• Weitergabe — LFM2.5 2.6B Base wird unter der LFM Open License v1.0 vertrieben, einer individuellen Lizenz, die auf dem Hub mit license:other gekennzeichnet ist. Sie ist für offene Nutzung geschrieben und erlaubt kommerziellen Einsatz unter Bedingungen, aber sie ist ein Dokument, das jemand absichtlich verfasst hat, und muss gelesen werden, bevor man ein Derivat weitergibt. Vyb veröffentlicht überhaupt keine Bedingungen, weil es nichts weiterzugeben gibt: Man erhält Designs, nicht Gewichte.

• Eigentum an den Ergebnissen — das ist der Punkt, den man vor einer Festlegung prüfen sollte. Ein Design, das Vyb erzeugt, ist ein Design, das auf der Infrastruktur eines anderen entsteht, im Rahmen einer Vereinbarung, die Ihnen noch nicht gezeigt wurde – denn die Warteliste ist kein Vertrag. Text, der von einem feinabgestimmten LFM2.5 2.6B Base erzeugt wird, entsteht auf Ihrer Hardware aus Gewichten, die Sie besitzen. Für eine Marke, deren Kampagnen-Assets das Produkt sind, ist dieser Unterschied nicht akademisch.

• Modifikation — jedes Gewicht im LFM-Checkpoint steht Ihnen zur Verfügung, um das Pretraining fortzusetzen, das Modell zu fine-tunen, zu quantisieren oder zu destillieren. Vyb lässt sich überhaupt nicht modifizieren. Sie können seine Ausgabe bearbeiten – das ist der ganze Sinn und Zweck –, aber Sie können nicht das Modell ändern, das sie erzeugt hat.

• Hardware — LFM2.5 2.6B Base ist dicht und klein genug, dass Liquid AI die Familie für Smartphones und Laptops positioniert; ein 2,69-Mrd.-Checkpoint ist eine einzelne Consumer-GPU oder ein Edge-Gerät mit vier Bit. Vyb benötigt keine Hardware, was – je nachdem, ob die Einschränkung in Kapital oder Kontrolle liegt – entweder die beste oder die schlechteste Eigenschaft auf dieser Liste ist.

Wofür man LFM2.5 2.6B Base tatsächlich trainieren würde

Der naheliegende Einsatz ist zugleich der, der mit einer Design-Pipeline zusammenspielt, statt mit ihr zu konkurrieren. {{1}}Vyb platziert Text; irgendetwas muss den Text schreiben – in einer Stimme, die die Marke wiedererkennt, in einem Umfang, den ein Marketingkalender verlangt.{{/1}} Das ist eine Fine-Tuning-Aufgabe mit einem kleinen, klar definierten Datensatz: zwölf Monate genehmigter Headlines, ein Styleguide und die Ablehnungen. Ein 2,69B-Basis-Checkpoint ist genau die richtige Größe dafür – groß genug, um eine Stimme zu fassen, klein genug, um an einem Nachmittag auf einer GPU trainiert zu werden, und klein genug, um für weniger als den Preis eines Kaffees pro tausend Generierungen bereitgestellt zu werden.{{2}}

Der Kontext von 131.072 Token ist für diese Aufgabe großzügig bemessen. Ein Brand Book und hundert freigegebene Beispiele passen bequem hinein, was bedeutet, dass das Fine-Tuning auf den Leitfaden konditioniert werden kann, statt zu hoffen, dass er aufgenommen wurde.

Was LFM2.5 2.6B Base nicht tun wird, ist, eine Frage ohne Training zu beantworten. Es setzt Text fort. Es befolgt kein Format, ruft kein Tool auf und hört nicht auf, wenn Sie es wollen, weil nichts davon ihm antrainiert wurde. Jeder Artikel über Base-Checkpoints sagt das, und jedes Team versucht es trotzdem, also: Wenn Sie ein Modell wollen, das heute eine Schlagzeile schreibt, feintunen Sie zuerst oder verwenden Sie ein nachtrainiertes Geschwistermodell. Der Base-Checkpoint ist eine Ausgangsposition, kein Dienst.

Die Kosten für jeden Pfad, ausgearbeitet

Vybs Preis ist derzeit eine einzige Zahl: 10 $ Guthaben, kostenlos, sobald man von der Warteliste herunter ist. Alles danach ist unbekannt, und das Unbekannte ist nicht klein — ein Marketingteam, das vierzig Assets pro Monat produziert, braucht eine Kennzahl pro Asset, um zu entscheiden, ob das Tool den Nachmittag eines Designers ersetzt oder einen Designer.

Die Kosten von LFM2.5 2.6B Base lassen sich auf den Cent genau bestimmen und sind nahezu vollständig fix. Die Gewichte sind kostenlos. Der Trainingslauf besteht aus Ihren GPU-Stunden. Das Serving ist Ihre Inferenz, und bei 2,69 Mrd. Parametern in dichter Architektur ist die Rechnung unspektakulär: Eine einzige Mittelklasse-Karte bewältigt eine Copy-Generation-Workload mühelos, und die Grenzkosten der tausendsten Schlagzeile sind effektiv der Strom. Was Sie stattdessen ausgeben, ist Engineering-Zeit – die Datenpipeline, das Evaluationsset, die Guardrails – und das ist der Posten, den Leute vergessen, wenn sie „freie Gewichte“ gegen „günstige API“ abwägen.

Es gibt einen dritten Weg, auf den die meisten Teams stoßen, und er verdient es, benannt zu werden. Verwenden Sie ein gehostetes Modell für Texte, solange die Markenstimme noch definiert wird, und fine-tunen Sie LFM2.5 2.6B Base, sobald Sie genügend freigegebene Beispiele haben, damit sich das Training den Einrichtungsaufwand lohnt. Das ist eher eine Routing- als eine Modellfrage: Ein Schlüssel für über 200 gehostete Modelle, wobei die Listenpreise der Anbieter ohne Aufschlag (0 %) weitergegeben werden, bringt Sie vom Prototyp in die Produktion, ohne einen zweiten Vertrag, und der lokale Checkpoint übernimmt, sobald die Wirtschaftlichkeit kippt.

Die ehrliche Lesart von Vybs Zahlen

Da diese Seite einen vier Tage alten Anbieter-Benchmark neben einen zwei Monate alten offenen Checkpoint stellt, sollte die Herkunft klar benannt und nicht verschleiert werden.

Coco Labs hat VybBench veröffentlicht, das 145 Google Fonts, 100 Farben und 200 Bearbeitungen abdeckt, und meldet eine Schriftbildtreue von 90,3 % gegenüber 76,0 % für ChatGPT Image, einen Farbfehler von 0,00 gegenüber 3,94 und eine durchschnittliche Pixeländerung bei Bearbeitungen von 11,9 % gegenüber 95,5 %. Das Unternehmen hat den Benchmark geschrieben, und sein Modell hat ihn gewonnen. Es legt außerdem offen, dass Vyb für den Bearbeitungstest SVG-Eingaben mit Ebenen erhielt, während die Vergleichsmodelle abgeflachte PNGs erhielten, weil sie keine Ebenen akzeptieren können. Nichts davon macht das Ergebnis falsch – das Ebenenformat ist das Produkt –, aber es bedeutet, dass die Zahlen einen anderen Eingabekontrakt messen, nicht zwei Modelle, denen identische Arbeit gegeben wurde. Keine unabhängige Instanz hat irgendetwas davon reproduziert.

LFM2.5 2.6B Base hingegen ist ein Checkpoint, den Sie sich noch heute Nachmittag selbst herunterladen und evaluieren können. Das ist keine Aussage über die Qualität; es ist eine Aussage über die Verifizierbarkeit, und auf dieser Achse spielen die beiden nicht in derselben Liga.

Welcher blockiert dich?

Wenn Ihr Problem darin besteht, dass freigegebene Designs nicht bearbeitet werden können, ohne sie neu zu generieren, ist Vyb der einzige der beiden, der eine Antwort hat – und die Warteliste kostet Sie eine Woche Zeit statt ein Quartalsbudget. Wenn Ihr Problem darin besteht, dass jedes Asset eine Headline in Ihrem Ton braucht, und zwar in einem Volumen, das kein Mensch schreiben will, dann ist LFM2.5 2.6B Base plus ein Fine-Tuning-Durchlauf die Antwort – und die ist ab sofort verfügbar.

Wenn Ihr Problem beides ist, sind sie keine Rivalen – sie sind zwei Stufen derselben Pipeline, eine gemietet und eine im eigenen Besitz. Die Entscheidung, die tatsächlich getroffen werden muss, ist nicht, welches Modell man wählt. Sie lautet, ob die Kampagnen-Assets einer Marke von einem Modell produziert werden sollten, das sie selbst besitzt, oder von einem Modell, für das sie nur einen Waitlist-Account hat – und die Tatsache, dass diese Frage im Oktober 2026 noch offen ist, ist das Nützlichste, was Ihnen dieser Vergleich sagen kann.