Vyb vs LFM2.5 2.6B Base: 누가 이기느냐보다 누가 출력을 소유하느냐가 더 중요하다

도Vyb도LFM2.5 2.6B Base작업에 붙여 두고 손을 떼도 되는 모델이 아니며, 두 모델이 부족한 방식은 거의 정반대다. 코코 랩스(Coco Labs)가 2026년 10월 20일에 발표한 Vyb는 대기자 명단 뒤에 있는 완성된 디자인 제품으로, 브랜드 자산을 레이어별로 편집 가능한 마케팅 그래픽으로 바꿔 주지만 공개 API도 없고 공개된 가격도 없다. 리퀴드 AI(Liquid AI)가 2026년 8월 4일에 공개한 LFM2.5 2.6B Base는 명령 튜닝이 전혀 없는 26억 9,800만 파라미터의 사전 학습 체크포인트로, 오늘 LFM Open License v1.0에 따라 내려받을 수 있고, 학습 실행에 붙일 대상이 있는 순간부터 유용하며 그 전까지는 쓸모가 없다.대기자 명단 제품도 기본 체크포인트도 디자인 파이프라인이 프로덕션에서 어떻게 실패하는지는 기록하지 않으며, 그런 사건들은 OrcaRouter AI Incident Archive에 정리되어 있는데, 각 항목에는 자체 출처, 심각도, 신뢰도 등급, 이견 표시가 함께 붙는다.

따라서 중요한 비교는 품질도, 속도도 아니다. 핵심은 소유권, 즉 그 결과물로 무엇을 할 수 있는지, 그 출력물로 무엇을 할 수 있는지, 그리고 이 두 제약 중 어느 것이 실제로 당신의 프로젝트를 막고 있는지다.

두 유물, 제작자 자신의 말로

Vyb는 Coco Labs가 "사용자의 취향을 이해하는 최초의 디자인 모델"이라고 설명합니다. Vyb는 회사가 Cocolang이라고 부르는 내부 구조화 형식을 사용해 디자인을 레이어로 구축하고, 텍스트는 텍스트로, 벡터는 벡터로 유지하며, Figma 같은 도구로 무손실 내보내기합니다. 브랜드의 웹사이트와 파일을 읽어들여 출력물의 로고, 폰트, 색상이 브랜드가 이미 보유한 것이 되도록 합니다. 이용은 $10 상당의 생성 크레딧이 제공되는 대기자 명단을 통해 이루어집니다. 파라미터 수, 아키텍처 공개, 요금표, API는 없습니다.

LFM2.5 2.6B Base의 더 완전한 이름은 LFM2.5-2.6B-Base입니다. 모델 카드에는 30개 레이어에 걸쳐 총 26억 9,800만 개의 파라미터가 나열되어 있으며, 그중 22개는 이중 게이트 숏 컨볼루션 블록이고 8개는 그룹화된 쿼리 어텐션입니다. 또한 131,072 토큰 컨텍스트, 128,000 토큰 어휘, 34조 토큰으로 학습, 16개 언어 지원이 명시되어 있습니다. 텍스트 전용입니다. 이 모델은 한 쌍 중 하나입니다. Liquid AI는 에이전트 작업을 위해 사후 학습된 LFM2.5-2.6B도 제공하며, 모델 카드 자체의 베이스 체크포인트 설명에 따르면 이 모델은 해당 제품군의 모든 변형이 파생된 모델입니다. Hugging Face에는 이미 이 모델을 기반으로 한 16개의 파인튜닝 파생 모델이 존재합니다.

그 두 문단을 함께 읽으면 윤곽이 드러난다. Liquid AI는 컴포넌트를 공개하고 그것이 무엇으로 만들어졌는지 정확히 알려주었다. Coco Labs는 제품을 공개했지만 그 안에 무엇이 들어 있는지에 대해서는 거의 아무것도 알려주지 않았다. 둘 다 모델을 출시하는 정당한 방식이며, 다만 노력을 서로 다른 곳에 쏟았을 뿐이다.

라이선스가 실제로 허용하는 것

이것은 비교 중 가장 즉각적인 실질적 결과를 낳는 부분이며, 두 가지 방향으로 나뉩니다.

• 재배포 — LFM2.5 2.6B Base는 Hub에서 license:other로 태그된 사용자 정의 라이선스인 LFM Open License v1.0에 따라 배포됩니다. 이 라이선스는 공개적 사용을 염두에 두고 작성되었으며 조건부로 상업적 배포를 허용하지만, 누군가 의도적으로 작성한 문서인 만큼 파생물을 재배포하기 전에 반드시 읽어야 합니다. Vyb는 약관을 전혀 공개하지 않습니다. 재배포할 것이 없기 때문입니다. 여러분이 받는 것은 가중치가 아니라 설계도입니다.

• 산출물 소유권 — 확정하기 전에 확인해야 할 바로 그 항목입니다. Vyb가 제작한 디자인은 아직 제시받지 못한 계약에 따라 다른 사람의 인프라에서 제작된 디자인입니다. 대기자 명단은 계약이 아니기 때문입니다. 파인튜닝된 LFM2.5 2.6B Base가 생성한 텍스트는 귀하가 보유한 가중치로 귀하의 하드웨어에서 생성됩니다. 캠페인 자산이 곧 제품인 브랜드에게 그 차이는 이론적인 것에 그치지 않습니다.

• 수정 — LFM 체크포인트의 모든 가중치는 사전 학습을 이어가거나, 파인튜닝하거나, 양자화하거나, 증류하는 데 마음대로 쓸 수 있습니다. Vyb는 전혀 수정할 수 없습니다. 출력을 편집할 수는 있으며 바로 그것이 핵심이지만, 그 출력을 만들어낸 모델 자체는 바꿀 수 없습니다.

• 하드웨어 — LFM2.5 2.6B Base는 dense하고 충분히 작아서 Liquid AI가 이 제품군을 스마트폰과 노트북용으로 포지셔닝한다. 2.69B 체크포인트는 소비자용 GPU 한 장이나 4비트로 동작하는 엣지 디바이스 하나로 충분하다. Vyb는 하드웨어가 전혀 필요 없는데, 이는 제약 조건이 자본이냐 통제력이냐에 따라 이 목록에서 최고의 특성일 수도, 최악의 특성일 수도 있다.

LFM2.5 2.6B Base를 실제로 무엇을 하도록 학습시키게 되는지

가장 명백한 용도는 디자인 파이프라인과 경쟁하는 것이 아니라 그것과 짝을 이루는 용도이기도 하다. Vyb는 텍스트를 배치한다. 무언가가 브랜드가 인식하는 목소리로, 마케팅 캘린더가 요구하는 분량만큼 그 텍스트를 작성해야 한다. 그것은 작고 잘 정의된 데이터셋으로 하는 파인튜닝 작업이다: 12개월 분의 승인된 헤드라인, 스타일 가이드, 그리고 거부된 것들. 2.69B 기본 체크포인트는 그 작업에 맞는 크기다. 목소리를 담기에 충분히 크고, 한 대의 GPU에서 반나절 만에 학습할 수 있을 만큼 작으며, 1,000회 생성당 커피 한 잔 값보다 낮은 비용으로 서빙할 수 있을 만큼 작다.

131,072토큰 컨텍스트는 그 작업에 넉넉한 용량입니다. 브랜드 북과 승인된 예시 백여 개가 무리 없이 들어가므로, 파인튜닝이 가이드를 흡수했기를 바라는 대신 가이드에 조건화될 수 있습니다.

LFM2.5 2.6B Base가 하지 않는 일은 훈련 없이 질문에 답하는 것입니다. 그것은 텍스트를 이어 씁니다. 형식을 따르지 않고, 도구를 호출하지 않으며, 원할 때 멈추지도 않습니다. 그런 것은 어느 것도 훈련되지 않았기 때문입니다. 베이스 체크포인트에 관한 모든 글에서 이렇게 말하고 모든 팀이 그래도 시도하지만, 결론은 이렇습니다: 오늘 당장 헤드라인을 써 주는 모델을 원한다면 먼저 파인튜닝하거나 사후 훈련된 형제 모델을 사용하세요. 베이스 체크포인트는 출발점이지 서비스가 아닙니다.

각 경로의 비용 산출

Vyb의 비용은 현재 단 하나의 숫자입니다. 대기자 명단에서 빠지면 $10 상당의 크레딧이 무료로 제공됩니다. 그 이후의 모든 것은 알 수 없으며, 그 불확실성은 작지 않습니다. 한 달에 40개의 에셋을 제작하는 마케팅 팀은 이 도구가 디자이너의 오후를 대체하는지, 아니면 디자이너를 대체하는지 결정하기 위해 에셋당 비용 수치가 필요합니다.

LFM2.5 2.6B Base의 비용은 1센트 단위까지 알 수 있고 거의 전부 고정되어 있습니다. 가중치는 무료입니다. 학습 실행은 여러분의 GPU 시간입니다. 서빙은 여러분의 추론이며, 2.69B dense에서는 계산이 화려할 게 없습니다. 중급형 카드 한 장이 카피 생성 워크로드를 식은땀 흘리지 않고 처리하고, 1000번째 헤드라인의 한계 비용은 사실상 전기료입니다. 대신 여러분이 쓰는 것은 엔지니어링 시간입니다 — 데이터 파이프라인, 평가 세트, 가드레일 — 그리고 그것이 사람들이 "무료 가중치"와 "저렴한 API"를 비교할 때 잊는 비용 항목입니다.

대부분의 팀이 결국 도달하는 세 번째 경로가 있으며, 이는 이름 붙일 가치가 있습니다. 브랜드 보이스가 아직 정의되는 중에는 카피에 호스티드 모델을 사용하고, 학습 준비를 감수할 만큼 승인된 예시가 충분히 쌓이면 LFM2.5 2.6B Base를 파인튜닝하세요. 이는 모델 질문이라기보다 라우팅 질문입니다. 200개 이상의 호스티드 모델 전반에 하나의 키를 사용하고 제공업체 정가를 0% 마크업으로 그대로 전달하면 두 번째 계약 없이 프로토타입에서 프로덕션까지 갈 수 있으며, 경제성이 역전되는 시점에는 로컬 체크포인트가 이를 이어받습니다.

Vyb의 수치에 대한 솔직한 해석

이 페이지는 나흘 된 벤더 벤치마크를 두 달 된 공개 체크포인트와 나란히 배치하고 있으므로, 출처는 묻히기보다 분명히 밝혀야 마땅하다.

Coco Labs는 145개의 Google 글꼴, 100가지 색상, 200개의 편집을 다루는 VybBench를 공개했으며, 서체 충실도는 90.3%로 ChatGPT Image의 76.0%보다 높고, 색상 오차는 0.00 대 3.94, 편집 시 평균 픽셀 변화율은 11.9% 대 95.5%라고 보고했다. 이 벤치마크는 회사가 직접 작성했고 자사 모델이 이겼다. 또한 편집 테스트에서 Vyb는 계층형 SVG 입력을 받은 반면 비교 모델들은 계층을 지원하지 않아 평면화된 PNG를 받았다는 점도 공개한다. 그렇다고 결과가 틀린 것은 아니다. 계층 형식 자체가 제품이기 때문이다. 다만 이는 수치가 동일한 작업을 부여받은 두 모델이 아니라 서로 다른 입력 계약을 측정한다는 뜻이다. 어떤 독립적인 제3자도 그중 어느 것도 재현하지 못했다.

반면 LFM2.5 2.6B Base는 오늘 오후에 직접 내려받아 평가해 볼 수 있는 체크포인트입니다. 그것은 품질에 대한 주장이 아니라 검증 가능성에 대한 주장이며, 이 측면에서 두 모델은 같은 급이 아닙니다.

어느 것이 당신을 막고 있나요?

문제가 승인된 디자인을 다시 생성하지 않고는 편집할 수 없다는 점이라면, 이 둘 중 답을 가진 것은 Vyb뿐이며, 대기 기간은 분기 예산이 아니라 일주일의 시간입니다. 문제가 모든 에셋에 사람이 쓰고 싶어 하지 않을 만큼 많은 양의 브랜드 목소리 헤드라인이 필요하다는 점이라면, LFM2.5 2.6B Base와 파인튜닝 실행이 답이며, 지금 이용할 수 있습니다.

문제가 둘 다라면, 그것들은 경쟁자가 아니라 같은 파이프라인의 두 단계입니다 — 하나는 임대한 것이고 하나는 소유한 것입니다. 실제로 내려야 할 결정은 어떤 모델을 고를지가 아닙니다. 브랜드의 캠페인 자산을 자사가 보유한 모델로 제작해야 하는지, 아니면 대기자 명단에 올라간 계정만 있는 모델로 제작해야 하는지입니다. 그리고 2026년 10월에도 이 질문이 여전히 열려 있다는 사실이, 이 비교가 여러분에게 말해 줄 수 있는 가장 유용한 정보입니다.