Vyb vs LFM2.5 2.6B Base: To, kto jest właścicielem danych wyjściowych, ma większe znaczenie niż to, kto wygrywa

Ani Vyb, ani LFM2.5 2.6B Base nie jest modelem, na który można wskazać zadanie i odejść, a sposoby, w jakie nie spełniają oczekiwań, są niemal przeciwne. Vyb, ogłoszony przez Coco Labs 20 października 2026 r., to gotowy produkt projektowy dostępny za pośrednictwem listy oczekujących: zamienia zasoby marki w warstwowe, edytowalne grafiki marketingowe i nie ma publicznego API ani opublikowanej ceny. LFM2.5 2.6B Base, opublikowany przez Liquid AI 4 sierpnia 2026 r., to wstępnie wytrenowany checkpoint o 2,698 miliarda parametrów bez jakiegokolwiek dostrajania instrukcyjnego — dostępny do pobrania już dziś na licencji LFM Open License v1.0, przydatny od razu, gdy masz przebieg treningowy, na który można go skierować, i bezużyteczny przedtem. Ani produkt z listy oczekujących, ani bazowy checkpoint nie rejestrują, jak pipeline projektowy zawodzi w produkcji, a te incydenty są skatalogowane w OrcaRouter AI Incident Archive, gdzie każdy wpis ma własne źródła, poziom istotności, ocenę pewności i oznaczenie sporne.

Więc porównanie, które naprawdę ma znaczenie, to nie jakość i nie szybkość. To własność: co wolno ci zrobić z artefaktem, co możesz zrobić z jego wynikiem i które z tych dwóch ograniczeń faktycznie blokuje twój projekt.

Dwa artefakty, słowami ich twórców

Vyb jest opisywany przez Coco Labs jako „pierwszy model projektowy, który rozumie gust użytkownika”. Tworzy projekty warstwowo, wykorzystując wewnętrzny format strukturalny nazywany przez firmę Cocolang, zachowuje tekst jako tekst, a wektory jako wektory, i eksportuje bezstratnie do narzędzi takich jak Figma. Pobiera stronę internetową i pliki marki, aby logo, czcionki i kolory na wyjściu były tymi, które marka już posiada. Dostęp odbywa się przez listę oczekujących z 10 USD kredytów na generowanie. Brak liczby parametrów, brak ujawnionej architektury, brak cennika, brak API.

LFM2.5 2.6B Base nosi pełniejszą nazwę LFM2.5-2.6B-Base. Jego karta podaje 2,698 mld parametrów łącznie w 30 warstwach, z których 22 to podwójnie bramkowane bloki krótkiej konwolucji, a osiem to uwaga z grupowaniem zapytań (grouped-query attention), kontekst 131 072 tokenów, słownik 128 000 tokenów, trening na 34 bilionach tokenów i obsługę 16 języków. Model przetwarza wyłącznie tekst. Jest jednym z pary — Liquid AI udostępnia również LFM2.5-2.6B, dotrenowany do pracy agentowej — a sama karta opisuje bazowy checkpoint jako model, od którego wywodzi się każdy wariant w rodzinie. W serwisie Hugging Face istnieje już szesnaście dostrojonych pochodnych tego modelu.

Przeczytaj te dwa akapity razem, a kształt się wyłoni. Liquid AI opublikowało komponent i powiedziało ci dokładnie, z czego jest zrobiony. Coco Labs opublikowało produkt i nie powiedziało ci prawie nic o tym, co ma w środku. Oba są uzasadnionymi sposobami dostarczania modelu; swoją pracę umieszczają w różnych miejscach.

Co licencja tak naprawdę pozwala

To jest ta część porównania, która ma najbardziej bezpośrednie praktyczne konsekwencje, i dzieli się ona na dwa kierunki.

• Redystrybucja — LFM2.5 2.6B Base jest udostępniany na licencji LFM Open License v1.0, niestandardowej licencji oznaczonej license:other na Hubie. Została napisana z myślą o otwartym użyciu i pozwala na wdrożenia komercyjne pod pewnymi warunkami, ale jest dokumentem, który ktoś napisał celowo i trzeba go przeczytać przed redystrybucją utworu pochodnego. Vyb nie publikuje żadnych warunków, ponieważ nie ma czego redystrybuować: otrzymujesz projekty, a nie wagi.

• Własność wyników — to jest kwestia, którą trzeba sprawdzić przed podjęciem decyzji. Projekt wygenerowany przez Vyb to projekt wytworzony na infrastrukturze kogoś innego na podstawie umowy, której jeszcze ci nie przedstawiono, ponieważ lista oczekujących nie jest umową. Tekst wygenerowany przez dostrojony LFM2.5 2.6B Base powstaje na twoim sprzęcie z wag, które posiadasz. Dla marki, której materiały kampanii są produktem, ta różnica nie jest czysto akademicka.

• Modyfikacja — każda waga w checkpoincie LFM należy do Ciebie: możesz kontynuować pretrening, dostrajać, kwantyzować lub destylować. Vyb nie można modyfikować w ogóle. Możesz edytować jego dane wyjściowe, co jest sednem sprawy, ale nie możesz zmienić modelu, który je wygenerował.

• Sprzęt — LFM2.5 2.6B Base jest gęsty i wystarczająco mały, że Liquid AI pozycjonuje tę rodzinę na telefony i laptopy; checkpoint o 2,69 mld parametrów to pojedyncza konsumencka karta GPU lub urządzenie brzegowe w czterech bitach. Vyb nie wymaga sprzętu, co jest albo najlepszą, albo najgorszą właściwością na tej liście, w zależności od tego, czy twoim ograniczeniem jest kapitał, czy kontrola.

Do czego faktycznie wytrenowałbyś LFM2.5 2.6B Base

Oczywiste zastosowanie jest także tym, które współgra z pipeline’em projektowym, zamiast z nim konkurować. Vyb umieszcza tekst; coś musi ten tekst napisać — głosem rozpoznawanym przez markę, w wolumenie, jakiego wymaga kalendarz marketingowy. To zadanie dla fine-tuningu na małym, dobrze zdefiniowanym zbiorze danych: dwanaście miesięcy zatwierdzonych nagłówków, przewodnik stylu i odrzucone propozycje. Bazowy checkpoint 2.69B ma odpowiedni rozmiar — wystarczająco duży, by pomieścić głos, wystarczająco mały, by wytrenować go na jednym GPU w jedno popołudnie, i wystarczająco mały, by obsługiwać go za mniej niż koszt kawy na tysiąc generacji.

Kontekst 131 072 tokenów jest hojny jak na to zadanie. Księga marki plus sto zatwierdzonych przykładów mieści się w nim bez problemu, co oznacza, że dostrajanie można oprzeć na przewodniku, zamiast liczyć na to, że został przyswojony.

To, czego LFM2.5 2.6B Base nie zrobi, to odpowiedź na pytanie bez treningu. Kontynuuje tekst. Nie stosuje formatu, nie wywołuje narzędzia ani nie zatrzymuje się, kiedy tego chcesz, ponieważ nic z tego nie zostało w nim wytrenowane. Każdy artykuł o checkpointach bazowych to mówi, a każdy zespół i tak próbuje, więc: jeśli chcesz model, który napisze nagłówek już dziś, najpierw go dostrój albo użyj siostrzanego modelu po treningu. Checkpoint bazowy to punkt wyjścia, nie usługa.

Obliczony koszt każdej ścieżki

Koszt Vyba to obecnie jedna liczba: kredyty o wartości 10 USD, bezpłatnie, gdy tylko opuścisz listę oczekujących. Wszystko po tym jest nieznane, a ta nieznana część nie jest mała — zespół marketingowy tworzący czterdzieści materiałów miesięcznie potrzebuje stawki za materiał, aby zdecydować, czy narzędzie zastąpi projektantowi popołudnie, czy projektanta.

Koszt LFM2.5 2.6B Base można określić co do centa i jest on niemal w całości stały. Wagi są darmowe. Przebieg treningu to twoje godziny GPU. Serwowanie to twoja inferencja, a przy gęstym modelu 2.69B arytmetyka jest bez polotu: pojedyncza karta średniej klasy obsługuje obciążenie generowaniem copy bez trudu, a koszt krańcowy tysięcznego nagłówka to praktycznie energia elektryczna. Zamiast tego wydajesz czas inżynierów — potok danych, zestaw ewaluacyjny, zabezpieczenia — i to jest pozycja, o której ludzie zapominają, porównując „darmowe wagi” z „tanim API”.

Istnieje trzecia droga, na którą trafia większość zespołów, i warto ją nazwać. Korzystaj z hostowanego modelu do tworzenia tekstów, gdy głos marki dopiero się określa, a następnie dostrój LFM2.5 2.6B Base, gdy będziesz mieć wystarczająco dużo zatwierdzonych przykładów, aby szkolenie uzasadniało przygotowania. To kwestia routingu, a nie wyboru modelu: jeden klucz do ponad 200 hostowanych modeli, z cenami katalogowymi dostawców przekazywanymi bez narzutu (0%), przenosi cię od prototypu do produkcji bez drugiej umowy, a lokalny checkpoint przejmuje kontrolę, gdy ekonomia przechyli szalę.

Uczciwa interpretacja liczb Vyb

Ponieważ ta strona stawia czterodniowy benchmark dostawcy obok dwumiesięcznego otwartego checkpointu, pochodzenie danych należy podać wprost, a nie ukrywać.

Coco Labs opublikowało VybBench obejmujący 145 czcionek Google, 100 kolorów i 200 edycji i podaje wierność kroju pisma na poziomie 90,3% w porównaniu z 76,0% dla ChatGPT Image, błąd koloru 0,00 w porównaniu z 3,94 oraz średnią zmianę pikseli przy edycjach 11,9% w porównaniu z 95,5%. Firma napisała ten benchmark, a jej model go wygrał. Ujawnia również, że Vyb otrzymywał warstwowe dane wejściowe SVG do testu edycji, podczas gdy modele porównawcze otrzymywały spłaszczone pliki PNG, ponieważ nie obsługują warstw. Nic z tego nie czyni wyniku błędnym — format warstwowy jest produktem — ale oznacza to, że liczby mierzą inny kontrakt wejściowy, a nie dwa modele wykonujące identyczną pracę. Żaden niezależny podmiot nie odtworzył żadnego z tych wyników.

LFM2.5 2.6B Base to z kolei checkpoint, który możesz pobrać i samodzielnie ocenić jeszcze dziś po południu. To nie jest twierdzenie o jakości; to twierdzenie o weryfikowalności, a pod tym względem te dwa nie grają w tej samej lidze.

Który z nich cię blokuje?

Jeśli Twoim problemem jest to, że zatwierdzonych projektów nie można edytować bez ich ponownego wygenerowania, Vyb jest jedynym z tych dwóch, który ma na to odpowiedź, a lista oczekujących to tydzień Twojego czasu, a nie kwartalny budżet. Jeśli Twoim problemem jest to, że każdy zasób potrzebuje nagłówka w Twoim stylu w ilości, której żaden człowiek nie chce pisać, LFM2.5 2.6B Base plus przebieg dostrajania to odpowiedź i jest dostępny już teraz.

Jeśli twój problem dotyczy obu, nie są rywalami — to dwa etapy tego samego procesu, jeden wynajęty, drugi posiadany. Decyzja, którą naprawdę trzeba podjąć, nie dotyczy tego, który model wybrać. Chodzi o to, czy zasoby kampanii marki powinny być tworzone przez model, który marka posiada, czy przez model, do którego ma konto na liście oczekujących, a fakt, że to pytanie pozostaje otwarte w październiku 2026, jest najużyteczniejszą rzeczą, jaką to porównanie może ci powiedzieć.