Vyb: o primeiro modelo de design da Coco Labs cria gráficos de marketing em camadas editáveis

A Coco Labs anunciou o Vyb em 20 de outubro de 2026: um modelo de design que constrói peças gráficas de marketing elemento por elemento, em vez de pintar uma única imagem plana. A proposta é focada e concreta. Basta fornecer ao Vyb o site ou os arquivos de recursos de uma marca uma única vez, e todo design que ele produz volta como uma pilha de camadas editáveis — o título é um objeto de texto que você pode digitar novamente, o logotipo é um vetor, a foto do produto são os pixels originais em resolução total. Altere o título e nada mais no arquivo se move. Lançamentos de ferramentas de design raramente publicam como o pipeline falha em produção, e os incidentes registrados estão catalogados no OrcaRouter AI Incident Archive, onde cada entrada traz suas próprias fontes, gravidade, grau de confiança e indicador de disputa.

Essa última frase é o produto inteiro. Qualquer pessoa que já tenha tentado corrigir um erro de digitação em um anúncio gerado por IA conhece a alternativa: rodar o prompt novamente, obter um design ligeiramente diferente e perder o layout que você já havia aprovado. O Vyb é a tentativa da Coco Labs de interromper esse ciclo, e é o primeiro lançamento de modelo da empresa, de qualquer tipo.

O que realmente foi lançado

O post de lançamento é de David Zats e Anusha Ramesh e descreve o Vyb como "o primeiro modelo de design que entende o gosto de um usuário." O mecanismo importa mais do que o slogan. O Vyb compõe um design em um formato interno que a Coco Labs chama de Cocolang — uma descrição concisa e estruturada do design que tanto humanos quanto modelos podem ler e editar. Texto, formas vetoriais e imagens mantêm seus formatos nativos dentro dessa estrutura em vez de serem achatados em um único raster. Como a saída é estruturada, ela pode ser exportada "sem perdas" para ferramentas externas de design, como o Figma, onde cada elemento chega em sua própria camada.

O Vyb também pode chamar geradores de imagens e ferramentas de edição quando um trabalho precisa de algo que ele próprio não consegue desenhar, o que é a divisão de trabalho sensata: gerar a fotografia, colocá-la como uma camada, manter a tipografia e o layout nítidos ao redor dela.

O que não foi lançado é quase tão importante. Não há tabela de preços. Não há API pública. Não há contagem de parâmetros publicada, nem descrição de arquitetura, nem divulgação dos dados de treinamento, além do fato de que a Coco Labs criou um pipeline proprietário para designs em camadas porque existem poucos designs públicos em camadas para treinar. O acesso é por lista de espera, e entrar nela dá $10 em créditos de geração. Até o momento da redação, o produto está anunciado e é somente por convite, não disponível para o público em geral.

Os três números com que a Coco Labs está liderando

A Coco Labs publicou um benchmark que chama de VybBench, cobrindo 145 fontes G​oogle, 100 cores e 200 edições contra três rivais: ChatGPT Image (gpt-image-2.5), Muse (muse-image) e Recraft v4.1. Todos os números abaixo são informados pelo fornecedor. Ninguém fora da Coco Labs os executou, e o autor do benchmark é a empresa cujo modelo vence.

• Fidelidade tipográfica — pontuação de correspondência de forma em relação a uma renderização programática da mesma palavra: Vyb 90,3%, ChatGPT Image 76,0%, Muse 50,9%, Recraft 46,2%. A Coco Labs mediu um teto de ruído de 94,4% ao pontuar renderizações idênticas umas contra as outras, então 90,3% está próximo do máximo prático neste teste.

• Fidelidade de cor — erro máximo médio por canal em 255, menor é melhor: Vyb 0,00, ChatGPT Image 3,94, Muse 5,67, Recraft 27,19. Um zero literal é possível aqui porque uma cor pode ser escrita como um valor em vez de pintada; é o formato em camadas fazendo o trabalho, não um pintor melhor.

• Localidade da edição — proporção média de pixels alterados em 200 instruções de edição: Vyb 11,9%, ChatGPT Image 95,5%, Muse 91,8%, Recraft 98,9%. Um juiz LLM independente também avaliou se cada edição solicitada foi realmente concluída: Vyb 94,7%, ChatGPT Image 100%, Muse 98,0%, Recraft 50,3%.

Leia a terceira linha com atenção, porque é ela que decide se o produto é real. Um modelo de pixel-diff não consegue alterar 11,9% de uma imagem por acidente; ele altera quase tudo porque regenera quase tudo. O Vyb altera pouco porque está editando um documento. A taxa de aceitação de 94,7% ao lado de 100% do ChatGPT Image é o custo honesto disso: o Vyb ocasionalmente recusa uma instrução que julga ser um design ruim, como uma alteração que tornaria o texto ilegível, e o juiz contou a recusa como um erro.

A Coco Labs divulga uma assimetria metodológica em seu próprio benchmark: a Vyb recebeu entradas SVG em camadas para o teste de edição, enquanto as outras três receberam PNGs achatados, porque não conseguem aceitar camadas. Isso não é um truque — é a diferença que está sendo medida —, mas significa que a comparação testa dois contratos de entrada diferentes, não dois modelos aos quais foi dado um trabalho idêntico.

O argumento subjacente ao benchmark

O post de lançamento da Vyb dedica um parágrafo a atacar a abordagem de um concorrente, e vale mais citar o formato do argumento do que as palavras exatas. A alegação é que converter uma imagem finalizada e achatada de volta em camadas — a desestratificação — não consegue recuperar texto ou camadas vetoriais genuínos, porque o texto em uma imagem achatada é apenas pixels, e qualquer região oculta atrás de outro elemento precisa ser adivinhada. A Coco Labs argumenta que a única forma de obter uma pilha de camadas real é gerá-la, e que a decomposição post-hoc é uma demonstração que não sobrevive ao contato com os arquivos reais de uma marca.

Essa é uma posição defensável, e também é uma posição de marketing da empresa que vende a alternativa. É verdade que texto rasterizado em uma imagem plana não pode ser redigitado com fidelidade perfeita às métricas da fonte original. Também é verdade que a maioria das equipes de marketing já tem uma biblioteca de assets planos aprovados que adorariam tornar editáveis, e a Vyb não tem nada a oferecer a elas para esses arquivos. As duas abordagens resolvem problemas diferentes, e o post de lançamento foi escrito como se apenas uma delas contasse.

Onde isso se encaixa em um fluxo de trabalho real

Um modelo de design em camadas não elimina o restante do pipeline. Alguém ainda precisa escrever a manchete, decidir a oferta e verificar se a alegação é legal no mercado em que é veiculada. O que a Vyb muda é a etapa seguinte: o texto é posicionado como texto, na fonte da marca, em um layout que pode ser ajustado por um designer em vez de ser regerado por um prompt.

A metade textual desse pipeline também é a metade que um roteador pode atender. O OrcaRouter executa uma única API em mais de 200 modelos, com os preços de tabela dos provedores repassados com 0% de margem, de modo que o modelo que escreve a manchete e o modelo que a verifica em relação às regras da marca podem ficar atrás de uma única chave sem um segundo contrato. O failover automático importa aqui por um motivo pouco empolgante: uma etapa de geração de textos que falha no meio do lote deixa um trabalho de design com uma camada em branco, e um modelo de fallback custa menos do que uma fila parada. O próprio Vyb não pode ser chamado por nenhum roteador — ele não tem API pública —, então a arquitetura honesta no final de 2026 é um modelo de texto para as palavras e o Vyb, depois que você tiver acesso, para a arte.

O que ainda não foi comprovado

Quatro coisas, em ordem decrescente de quanto deveriam influenciar uma decisão de compra.

• Preço.Não existe tabela de preços. A Coco Labs está oferecendo US$ 10 em créditos para quem entra na lista de espera, o que não revela nada sobre quanto custa uma campanha concluída.

• Testes independentes.Todos os números deste artigo vêm do fornecedor. O benchmark de fontes abrange apenas fontes Google disponíveis publicamente; a Coco Labs diz que espera que a diferença aumente para fontes personalizadas de marca, mas não as mediu, que é justamente o caso que interessa a uma marca.

• Fidelidade de arquivo na prática. "Exportação sem perdas para o Figma" é uma afirmação sobre o exportador, não sobre se a árvore de camadas resultante é uma em que um designer queira trabalhar. Ninguém fora da empresa abriu um desses arquivos.

• Cobertura. O lançamento mostra pôsteres, anúncios, cartões de citação e comunicados. Documentos de várias páginas, dielines de embalagem e qualquer item com perfil de cor de impressão não são abordados no material publicado até agora.

Nada disso torna o produto vaporware. Um modelo de design cuja saída é um documento, e não uma imagem, é uma categoria genuinamente diferente de um gerador de imagens, e o número de localidade de edição é o tipo de resultado que só vem dessa arquitetura. Mas uma lista de espera e um benchmark de fornecedor são um anúncio, não um histórico comprovado, e a pergunta útil para uma equipe de marketing não é se o Vyb supera o ChatGPT Image em fontes — é se os arquivos que ele produz economizam mais tempo de um designer do que teria custado refazer o layout manualmente. Essa pergunta será respondida quando a lista de espera abrir, e não antes.

O que assistir

Três sinais fariam o Vyb passar de interessante a adotado. Um preço publicado por design ou por crédito, para que o custo possa ser comparado com o valor da hora de um freelancer. Um benchmark com fontes personalizadas, porque toda marca de verdade usa pelo menos uma tipografia que não está no Google Fonts. E uma API, porque no momento em que o Vyb puder ser chamado por API ele deixa de ser uma ferramenta e passa a ser um componente que pode ser roteado ao lado de todo o resto em um pipeline de conteúdo. Até lá, o crédito de US$ 10 é a forma mais barata de descobrir se a árvore de camadas é tão limpa quanto o benchmark dá a entender.