Vyb vs LFM2.5 2.6B Base: Siapa yang Memiliki Output Lebih Penting daripada Siapa yang Menang

Baik Vybmaupun LFM2.5 2.6B Basebukanlah model yang bisa Anda arahkan ke suatu tugas lalu tinggalkan, dan kekurangan keduanya hampir saling bertolak belakang. Vyb, yang diumumkan oleh Coco Labs pada 20 Oktober 2026, adalah produk desain jadi di balik daftar tunggu: ia mengubah aset merek menjadi grafik pemasaran berlapis yang dapat diedit, dan tidak memiliki API publik maupun harga yang dipublikasikan. LFM2.5 2.6B Base, yang diterbitkan oleh Liquid AI pada 4 Agustus 2026, adalah checkpoint terlatih awal dengan 2,698 miliar parameter tanpa penyetelan instruksi sama sekali — dapat diunduh hari ini di bawah LFM Open License v1.0, berguna begitu Anda memiliki proses pelatihan untuk diarahkan padanya, dan tidak berguna sebelumnya.Baik produk daftar tunggu maupun checkpoint dasar tidak mencatat bagaimana pipeline desain gagal di produksi, dan insiden-insiden tersebut terdokumentasi di Arsip Insiden AI OrcaRouterdi mana setiap entri menyertakan sumbernya sendiri, tingkat keparahan, tingkat keyakinan, dan penanda status diperdebatkan.

Jadi perbandingan yang penting bukanlah kualitas, dan bukan pula kecepatan. Yang penting adalah kepemilikan: apa yang boleh Anda lakukan dengan artefaknya, apa yang bisa Anda lakukan dengan keluarannya, dan mana dari kedua batasan itu yang sebenarnya menghambat proyek Anda.

Dua artefak, dalam kata-kata pembuatnya sendiri

Vyb digambarkan oleh Coco Labs sebagai "model desain pertama yang memahami selera pengguna." Vyb membangun desain secara berlapis menggunakan format terstruktur internal yang disebut Cocolang, menjaga teks tetap sebagai teks dan vektor tetap sebagai vektor, serta mengekspor secara lossless ke alat seperti Figma. Vyb mengimpor situs web dan file merek sehingga logo, font, dan warna dalam output adalah yang sudah dimiliki merek tersebut. Akses melalui daftar tunggu dengan kredit generasi senilai $10. Tidak ada jumlah parameter, tidak ada pengungkapan arsitektur, tidak ada rate card, tidak ada API.

LFM2.5 2.6B Base memiliki nama lengkap LFM2.5-2.6B-Base. Kartu modelnya mencantumkan 2,698 miliar parameter total di seluruh 30 lapisan, 22 di antaranya berupa blok konvolusi pendek dengan gerbang ganda dan delapan attention dengan query berkelompok, konteks 131.072 token, kosakata 128.000 token, pelatihan pada 34 triliun token, dan cakupan 16 bahasa. Model ini hanya untuk teks. Ia adalah salah satu dari sepasang model — Liquid AI juga merilis LFM2.5-2.6B yang telah dilatih pascapelatihan untuk pekerjaan agentic — dan deskripsi kartu itu sendiri mengenai checkpoint dasar menyatakan bahwa model inilah yang menjadi asal semua varian dalam keluarga tersebut. Enam turunan yang telah di-fine-tuning sudah ada di bawahnya di Hugging Face.

Baca kedua paragraf itu bersama-sama dan polanya akan terlihat. Liquid AI menerbitkan sebuah komponen dan memberi tahu Anda dengan tepat dari apa komponen itu terbuat. Coco Labs menerbitkan sebuah produk dan hampir tidak memberi tahu Anda apa pun tentang isi di dalamnya. Keduanya adalah cara yang sah untuk merilis sebuah model; mereka menaruh pekerjaan di tempat yang berbeda.

Apa yang sebenarnya diizinkan oleh lisensi

Inilah bagian perbandingan yang memiliki konsekuensi praktis paling langsung, dan hal ini bercabang ke dua arah.

• Redistribusi — LFM2.5 2.6B Base didistribusikan di bawah LFM Open License v1.0, lisensi khusus yang ditandai license:other di Hub. Lisensi ini ditulis untuk penggunaan terbuka dan mengizinkan penerapan komersial dengan syarat, tetapi ini adalah dokumen yang ditulis seseorang dengan sengaja dan harus dibaca sebelum Anda mendistribusikan ulang sebuah derivatif. Vyb tidak menerbitkan ketentuan sama sekali, karena tidak ada yang perlu didistribusikan ulang: Anda mendapatkan desain, bukan bobot.

• Kepemilikan output — inilah yang perlu diperiksa sebelum berkomitmen. Desain yang dihasilkan oleh Vyb adalah desain yang dihasilkan di infrastruktur milik orang lain berdasarkan perjanjian yang belum ditunjukkan kepada Anda, karena daftar tunggu bukanlah kontrak. Teks yang dihasilkan oleh LFM2.5 2.6B Base yang telah di-fine-tuning dihasilkan pada perangkat keras Anda dari bobot yang Anda miliki. Bagi sebuah merek yang aset kampanyenya adalah produknya, perbedaan itu bukanlah hal akademis.

• Modifikasi — setiap bobot dalam checkpoint LFM adalah milik Anda untuk melanjutkan pra-pelatihan, melakukan fine-tuning, kuantisasi, atau distilasi. Vyb sama sekali tidak dapat dimodifikasi. Anda dapat mengedit outputnya, yang justru menjadi intinya, tetapi Anda tidak dapat mengubah model yang menghasilkannya.

• Perangkat keras — LFM2.5 2.6B Base bersifat padat dan cukup kecil sehingga Liquid AI memposisikan keluarga ini untuk ponsel dan laptop; checkpoint 2.69B dapat berjalan di satu GPU konsumen atau perangkat edge pada empat bit. Vyb tidak memerlukan perangkat keras, yang merupakan properti terbaik atau terburuk dalam daftar ini bergantung pada apakah batasan Anda adalah modal atau kendali.

Apa yang sebenarnya akan Anda latih agar LFM2.5 2.6B Base melakukannya

Penggunaan yang jelas juga merupakan penggunaan yang berpasangan dengan pipeline desain alih-alih bersaing dengannya. Vyb menempatkan teks; sesuatu harus menulis teks itu, dalam gaya bahasa yang dikenali merek, pada volume yang dituntut kalender pemasaran. Itu adalah pekerjaan fine-tuning dengan dataset kecil yang terdefinisi dengan baik: dua belas bulan headline yang disetujui, panduan gaya, dan penolakannya. Checkpoint dasar 2.69B adalah ukuran yang tepat untuk itu — cukup besar untuk menampung sebuah suara, cukup kecil untuk dilatih di satu GPU dalam satu sore, dan cukup kecil untuk melayani dengan biaya kurang dari secangkir kopi per seribu generasi.

Konteks 131.072 token terbilang lega untuk pekerjaan itu. Sebuah brand book ditambah seratus contoh yang telah disetujui muat dengan nyaman, yang berarti fine-tune dapat dikondisikan pada panduan tersebut alih-alih berharap panduan itu sudah terserap.

LFM2.5 2.6B Base tidak akan menjawab pertanyaan tanpa pelatihan. Ia melanjutkan teks. Ia tidak mengikuti format, memanggil alat, atau berhenti saat Anda menginginkannya, karena semua itu tidak dilatihkan ke dalamnya. Setiap artikel tentang checkpoint dasar mengatakan ini dan setiap tim tetap mencobanya, jadi: jika Anda ingin model yang menulis judul berita hari ini, lakukan fine-tuning dulu atau gunakan model sejenis yang sudah melalui pelatihan lanjutan. Checkpoint dasar adalah posisi awal, bukan layanan.

Biaya setiap jalur, sudah dihitung

Biaya Vyb saat ini hanya satu angka: kredit senilai $10, gratis, begitu Anda keluar dari daftar tunggu. Segala hal setelah itu tidak diketahui, dan ketidakpastiannya tidak kecil — tim pemasaran yang memproduksi empat puluh aset per bulan membutuhkan angka per aset untuk memutuskan apakah alat ini menggantikan waktu sore seorang desainer atau menggantikan seorang desainer.

Biaya LFM2.5 2.6B Base dapat diketahui hingga sen dan hampir seluruhnya tetap. Bobotnya gratis. Proses pelatihannya adalah jam GPU Anda. Penyajiannya adalah inferensi Anda, dan pada 2,69B dense hitungannya tidak glamor: satu kartu kelas menengah menangani beban kerja pembuatan salinan tanpa kewalahan, dan biaya marginal untuk judul ke-1000 secara efektif adalah listrik. Yang Anda keluarkan sebagai gantinya adalah waktu rekayasa — pipeline data, set evaluasi, guardrail — dan itulah pos biaya yang orang lupakan saat membandingkan "bobot gratis" dengan "API murah".

Ada jalur ketiga yang akhirnya dipilih sebagian besar tim dan layak disebutkan. Gunakan model hosted untuk copy selama brand voice masih dalam tahap pendefinisian, lalu fine-tune LFM2.5 2.6B Base setelah Anda memiliki cukup banyak contoh yang disetujui agar pelatihan sepadan dengan persiapannya. Itu adalah pertanyaan routing, bukan pertanyaan model: satu key untuk 200+ model hosted, dengan harga daftar penyedia diteruskan pada markup 0%, membawa Anda dari prototipe ke produksi tanpa kontrak kedua, dan checkpoint lokal mengambil alih saat kalkulasi ekonominya mulai menguntungkan.

Pembacaan jujur atas angka-angka Vyb

Karena halaman ini menempatkan benchmark dari vendor yang berusia empat hari di samping checkpoint terbuka yang berusia dua bulan, asal-usul datanya layak dinyatakan secara gamblang, bukan disembunyikan.

Coco Labs menerbitkan VybBench yang mencakup 145 font Google, 100 warna, dan 200 edit, serta melaporkan kesetiaan jenis huruf sebesar 90,3% dibandingkan 76,0% untuk ChatGPT Image, galat warna 0,00 dibandingkan 3,94, dan rata-rata perubahan piksel pada edit sebesar 11,9% dibandingkan 95,5%. Perusahaan itu menulis tolok ukur tersebut dan modelnya memenangkannya. Perusahaan juga mengungkapkan bahwa Vyb menerima masukan SVG berlapis untuk uji edit, sementara model pembanding menerima PNG yang telah diratakan, karena model-model tersebut tidak dapat menerima lapisan. Tidak ada satu pun dari itu yang membuat hasilnya salah — format berlapis adalah produknya — tetapi itu berarti angka-angka tersebut mengukur kontrak masukan yang berbeda, bukan dua model yang diberi pekerjaan yang identik. Belum ada pihak independen yang mereproduksi satu pun dari itu.

Sebaliknya, LFM2.5 2.6B Base adalah checkpoint yang dapat Anda unduh dan evaluasi sendiri sore ini. Itu bukan klaim tentang kualitas; itu klaim tentang seberapa dapat diverifikasi, dan dalam hal ini keduanya tidak berada di kelas yang sama.

Yang mana yang memblokir Anda

Jika masalah Anda adalah desain yang sudah disetujui tidak dapat diedit tanpa membuatnya ulang, Vyb adalah satu-satunya dari kedua opsi ini yang punya jawaban, dan daftar tunggunya memakan seminggu waktu Anda, bukan anggaran satu kuartal. Jika masalah Anda adalah setiap aset membutuhkan judul dengan gaya Anda pada volume yang tidak ingin ditulis oleh manusia mana pun, LFM2.5 2.6B Base ditambah satu sesi fine-tuning adalah jawabannya, dan itu tersedia sekarang.

Jika masalah Anda adalah keduanya, mereka bukan pesaing — mereka adalah dua tahap dari pipeline yang sama, satu disewa dan satu dimiliki. Keputusan yang sebenarnya perlu diambil bukanlah model mana yang harus dipilih. Melainkan apakah aset kampanye suatu merek harus diproduksi oleh model yang dimiliki merek itu sendiri atau model yang akun daftar tunggunya dipegang merek tersebut, dan fakta bahwa pertanyaan itu masih terbuka pada Oktober 2026 adalah hal paling berguna yang dapat disampaikan oleh perbandingan ini kepada Anda.