Vyb vs LFM2.5 2.6B Base: Quién es dueño de la salida importa más que quién gana

Ni Vyb ni LFM2.5 2.6B Base es un modelo al que puedas encargarle una tarea y olvidarte de él, y las formas en que no están a la altura son casi opuestas. Vyb, anunciado por Coco Labs el 20 de octubre de 2026, es un producto de diseño terminado disponible solo mediante lista de espera: convierte los activos de una marca en gráficos de marketing editables por capas, y no tiene API pública ni precio publicado. LFM2.5 2.6B Base, publicado por Liquid AI el 4 de agosto de 2026, es un checkpoint preentrenado de 2,698 mil millones de parámetros sin ningún ajuste de instrucciones —descargable hoy bajo la LFM Open License v1.0, útil en el momento en que tengas una ejecución de entrenamiento a la que apuntarlo, e inútil antes de entonces. Ni un producto de lista de espera ni un checkpoint base registran cómo falla un pipeline de diseño en producción, y esos incidentes están catalogados en el Archivo de Incidentes de IA de OrcaRouter donde cada entrada incluye sus propias fuentes, gravedad, grado de confianza e indicador de disputa.

Así que la comparación que importa no es la calidad, ni tampoco la velocidad. Es la propiedad: qué se te permite hacer con el artefacto, qué puedes hacer con su resultado y cuál de esas dos restricciones es la que realmente bloquea tu proyecto.

Dos artefactos, en palabras de sus propios creadores

Coco Labs describe a Vyb como «el primer modelo de diseño que entiende el gusto de un usuario». Crea diseños por capas usando un formato estructurado interno que la empresa llama Cocolang, mantiene el texto como texto y los vectores como vectores, y los exporta sin pérdida a herramientas como Figma. Procesa el sitio web y los archivos de una marca para que el logotipo, las fuentes y los colores del resultado sean los que la marca ya posee. El acceso es mediante lista de espera con $10 en créditos de generación. No se divulga el número de parámetros ni la arquitectura, no hay lista de precios ni API.

El nombre completo de LFM2.5 2.6B Base es LFM2.5-2.6B-Base. Su ficha enumera 2.698 millones de parámetros totales en 30 capas, 22 de las cuales son bloques de convolución corta con doble compuerta y ocho son de atención con consultas agrupadas, un contexto de 131.072 tokens, un vocabulario de 128.000 tokens, entrenamiento con 34 billones de tokens y cobertura de 16 idiomas. Es exclusivamente de texto. Es uno de un par —Liquid AI también distribuye LFM2.5-2.6B, entrenado posteriormente para trabajo agéntico—, y la descripción de la propia ficha del punto de control base indica que es el modelo del que desciende cada variante de la familia. Ya existen dieciséis derivados con ajuste fino bajo él en Hugging Face.

Lea esos dos párrafos juntos y la forma aparece. Liquid AI publicó un componente y le dijo exactamente de qué está hecho. Coco Labs publicó un producto y no le dijo casi nada sobre lo que hay dentro. Ambas son formas legítimas de lanzar un modelo; ponen el trabajo en lugares distintos.

Lo que la licencia realmente permite

Esta es la parte de la comparación con la consecuencia práctica más inmediata, y se divide en dos direcciones.

• Redistribución — LFM2.5 2.6B Base se distribuye bajo la LFM Open License v1.0, una licencia personalizada etiquetada como license:other en el Hub. Está redactada para el uso abierto y permite el despliegue comercial con condiciones, pero es un documento que alguien escribió a propósito y debe leerse antes de redistribuir una obra derivada. Vyb no publica ningún término, porque no hay nada que redistribuir: obtienes diseños, no pesos.

• Propiedad de los resultados: este es el punto que conviene revisar antes de comprometerse. Un diseño producido por Vyb es un diseño producido en la infraestructura de otra persona bajo un acuerdo que aún no se le ha mostrado, porque la lista de espera no es un contrato. El texto producido por un LFM2.5 2.6B Base ajustado se produce en su hardware a partir de pesos que usted posee. Para una marca cuyos activos de campaña son el producto, esa diferencia no es academicista.

• Modificación — cada peso del checkpoint LFM es tuyo para continuar el preentrenamiento, el ajuste fino, la cuantización o la destilación. Vyb no se puede modificar en absoluto. Puedes editar su salida, que es precisamente el objetivo, pero no puedes cambiar el modelo que la produjo.

• Hardware — LFM2.5 2.6B Base es denso y lo bastante pequeño como para que Liquid AI posicione la familia para teléfonos y portátiles; un checkpoint de 2.69B es una sola GPU de consumo o un dispositivo de borde en cuatro bits. Vyb no necesita hardware, lo que es ya sea la mejor o la peor propiedad de esta lista según si tu restricción es el capital o el control.

Para qué entrenarías realmente a LFM2.5 2.6B Base

El uso obvio es también el que se complementa con un pipeline de diseño en lugar de competir con él. Vyb coloca el texto; algo tiene que escribirlo, con una voz que la marca reconozca, al volumen que exige un calendario de marketing. Ese es un trabajo de ajuste fino con un conjunto de datos pequeño y bien definido: doce meses de titulares aprobados, una guía de estilo y los rechazos. Un checkpoint base de 2.69B es el tamaño adecuado para ello: lo bastante grande como para contener una voz, lo bastante pequeño como para entrenarse en una GPU en una tarde y lo bastante pequeño como para servirse por menos de lo que cuesta un café por cada mil generaciones.

El contexto de 131.072 tokens es generoso para esa tarea. Un manual de marca más cien ejemplos aprobados cabe cómodamente, lo que significa que el ajuste fino puede condicionarse a la guía en lugar de esperar que se haya absorbido.

Lo que LFM2.5 2.6B Base no hará es responder una pregunta sin entrenamiento. Continúa el texto. No sigue un formato, no llama a una herramienta ni se detiene cuando tú quieres, porque nada de eso se ha entrenado en él. Todos los artículos sobre checkpoints base dicen esto y todos los equipos lo intentan de todos modos, así que: si quieres un modelo que escriba un titular hoy, haz fine-tuning primero o usa un hermano post-entrenado. El checkpoint base es una posición de partida, no un servicio.

El coste de cada ruta, calculado

El costo de Vyb es actualmente un solo número: $10 en créditos, gratis, una vez que salgas de la lista de espera. Todo lo que viene después es desconocido, y lo desconocido no es poca cosa: un equipo de marketing que produce cuarenta activos al mes necesita una cifra por activo para decidir si la herramienta sustituye la tarde de un diseñador o a un diseñador.

El coste de LFM2.5 2.6B Base se puede conocer al céntimo y es casi enteramente fijo. Los pesos son gratuitos. La ejecución de entrenamiento son tus horas de GPU. El servicio es tu inferencia y, con 2.69B densos, la aritmética no tiene nada de glamurosa: una sola tarjeta de gama media maneja una carga de trabajo de generación de copias sin despeinarse, y el coste marginal del milésimo titular es, efectivamente, la electricidad. Lo que gastas en su lugar es tiempo de ingeniería —el pipeline de datos, el conjunto de evaluación, las salvaguardas—, y esa es la partida que la gente olvida cuando compara «pesos gratuitos» con «API barata».

Hay una tercera vía por la que se decantan la mayoría de los equipos y merece la pena nombrarla. Usa un modelo alojado para los textos mientras se sigue definiendo la voz de marca, y ajusta LFM2.5 2.6B Base con fine-tuning cuando tengas suficientes ejemplos aprobados como para que el entrenamiento justifique la puesta en marcha. Es una cuestión de enrutamiento más que de modelo: una sola clave para más de 200 modelos alojados, con los precios de lista de los proveedores aplicados sin recargo (0 %), te lleva del prototipo a producción sin un segundo contrato, y el checkpoint local toma el relevo cuando la economía se inclina a su favor.

La lectura honesta de las cifras de Vyb

Como esta página coloca un benchmark de proveedor de hace cuatro días junto a un checkpoint abierto de hace dos meses, la procedencia merece exponerse con claridad en lugar de quedar enterrada.

Coco Labs publicó VybBench, que abarca 145 fuentes de Google, 100 colores y 200 ediciones, e informa una fidelidad tipográfica del 90,3 % frente al 76,0 % de ChatGPT Image, un error de color de 0,00 frente a 3,94 y un cambio medio de píxeles en las ediciones del 11,9 % frente al 95,5 %. La empresa escribió el benchmark y su modelo lo ganó. También revela que Vyb recibió entradas SVG por capas para la prueba de edición, mientras que los modelos de comparación recibieron PNG aplanados, porque no pueden aceptar capas. Nada de eso hace que el resultado sea incorrecto —el formato de capas es el producto—, pero sí significa que las cifras miden un contrato de entrada diferente, no dos modelos a los que se les dio un trabajo idéntico. Ninguna parte independiente ha reproducido nada de esto.

LFM2.5 2.6B Base, en cambio, es un checkpoint que puedes descargar y evaluar tú mismo esta tarde. Eso no es una afirmación sobre la calidad; es una afirmación sobre la verificabilidad, y en ese eje los dos no están en la misma liga.

¿Cuál te bloquea?

Si tu problema es que los diseños aprobados no se pueden editar sin volver a generarlos, Vyb es el único de estos dos con una respuesta, y la lista de espera es una semana de tu tiempo en lugar del presupuesto de un trimestre. Si tu problema es que cada activo necesita un titular con tu voz a un volumen que ningún humano quiere escribir, LFM2.5 2.6B Base más una sesión de ajuste fino es la respuesta, y ya está disponible.

Si tu problema es ambos, no son rivales: son dos etapas del mismo pipeline, una alquilada y otra propia. La decisión que realmente hay que tomar no es qué modelo elegir. Es si los activos de campaña de una marca deben producirlos un modelo que posee o un modelo para el que tiene una cuenta en lista de espera, y el hecho de que esa pregunta siga abierta en octubre de 2026 es lo más útil que esta comparación puede decirte.