Vyb: Coco Labs första designmodell bygger marknadsföringsgrafik i redigerbara lager

Coco Labs tillkännagav Vyb den 20 oktober 2026: en designmodell som bygger marknadsföringsgrafik element för element i stället för att måla en enda platt bild. Pitchen är snäv och konkret. Ge Vyb en webbplats eller resursfiler för ett varumärke en gång, och varje design den skapar kommer tillbaka som en stapel redigerbara lager – rubriken är ett textobjekt som du kan skriva om, logotypen är en vektor, produktbilden är originalpixlarna i full upplösning. Ändra rubriken och inget annat i filen rör sig. Lanseringar av designverktyg publicerar sällan hur pipeline:n misslyckas i produktion, och de registrerade incidenterna katalogiseras i OrcaRouter AI Incident Archive där varje post har sina egna källor, allvarlighetsgrad, konfidensgrad och flagga för omtvistade uppgifter.

Den där sista meningen är hela produkten. Alla som har försökt rätta ett stavfel i en AI-genererad annons känner till alternativet: köra om prompten, få en något annorlunda design och förlora den layout som man redan hade godkänt. Vyb är Coco Labs försök att stoppa den cykeln, och det är företagets första modellsläpp av något slag.

Vad som faktiskt levererades

Lanseringsinlägget är skrivet av David Zats och Anusha Ramesh och beskriver Vyb som "den första designmodellen som förstår en användares smak." Mekanismen är viktigare än slagordet. Vyb komponerar en design i ett internt format som Coco Labs kallar Cocolang — en kortfattad, strukturerad beskrivning av designen som både människor och modeller kan läsa och redigera. Text, vektorformer och bilder behåller sina ursprungliga format i den strukturen i stället för att plattas till en enda rasterbild. Eftersom utdata är strukturerad kan den exporteras "förlustfritt" till externa designverktyg som Figma, där varje element hamnar på sitt eget lager.

{{1}}Vyb{{/1}} kan också anropa bildgeneratorer och redigeringsverktyg när ett jobb behöver något som det inte kan rita själv, vilket är den förnuftiga arbetsfördelningen: generera fotot, placera det som ett lager och håll typografin och layouten skarp runt det.

Det som inte lanserades är nästan lika viktigt. Det finns ingen prislista. Det finns inget publikt API. Det finns inget publicerat parameterantal, ingen arkitekturbeskrivning och ingen information om träningsdata utöver det faktum att Coco Labs byggde en egenutvecklad pipeline för lagerdesigner eftersom få offentliga lagerdesigner finns att träna på. Åtkomst sker via en väntelista, och att gå med innebär 10 USD i genereringskrediter. I skrivande stund är produkten annonserad och endast tillgänglig på inbjudan, inte allmänt tillgänglig.

De tre siffrorna som Coco Labs går ut med

Coco Labs publicerade ett benchmark som de kallar VybBench, med 145 Google-typsnitt, 100 färger och 200 redigeringar mot tre konkurrenter: ChatGPT Image (gpt-image-2.5), Muse (muse-image) och Recraft v4.1. Alla siffror nedan är leverantörsrapporterade. Ingen utanför Coco Labs har kört dem, och benchmarkens författare är företaget vars modell vinner den.

• Typsnittstrohet — formmatchningspoäng mot en programmatisk rendering av samma ord: Vyb 90,3 %, ChatGPT Image 76,0 %, Muse 50,9 %, Recraft 46,2 %. Coco Labs uppmätte ett brustak på 94,4 % genom att poängsätta identiska renderingar mot varandra, så 90,3 % ligger nära det praktiska maximumet i detta test.

Färgtrohet — genomsnittligt maximalt fel per kanal av 255, lägre är bättre: Vyb 0.00, ChatGPT Image 3.94, Muse 5.67, Recraft 27.19. Ett bokstavligt noll är möjligt här eftersom en färg kan skrivas som ett värde i stället för att målas; det är det skiktade formatet som gör jobbet, inte en bättre målare.

• Redigeringslokalitet — genomsnittlig andel ändrade pixlar över 200 redigeringsinstruktioner: {{1}}Vyb{{/1}} 11,9 %, {{2}}ChatGPT Image{{/2}} 95,5 %, {{3}}Muse{{/3}} 91,8 %, {{4}}Recraft{{/4}} 98,9 %. En oberoende LLM-domare bedömde också huruvida varje begärd redigering faktiskt slutfördes: {{5}}Vyb{{/5}} 94,7 %, {{6}}ChatGPT Image{{/6}} 100 %, {{7}}Muse{{/7}} 98,0 %, {{8}}Recraft{{/8}} 50,3 %.

Läs den tredje raden noggrant, för det är den som avgör om produkten är verklig. En pixel-diff-modell kan inte av misstag ändra 11,9 % av en bild; den ändrar nästan allt eftersom den återskapar nästan allt. Vyb ändrar lite eftersom den redigerar ett dokument. Acceptansgraden på 94,7 % bredvid 100 % från ChatGPT Image är det ärliga priset för det: Vyb vägrar ibland att följa en instruktion som den bedömer vara dålig design, till exempel en ändring som skulle göra texten oläslig, och bedömaren räknade avslaget som en miss.

Coco Labs redovisar en metodologisk asymmetri i sitt eget benchmark: Vyb fick skiktade SVG-indata för redigeringstestet medan de övriga tre fick tillplattade PNG-filer, eftersom de inte kan ta emot lager. Det är inte ett knep — det är skillnaden som mäts — men det innebär att jämförelsen testar två olika indatakontrakt, inte två modeller som fått identiskt arbete.

Argumentet under benchmarken

Vyb:s lanseringsinlägg ägnar ett stycke åt att angripa en konkurrerande metod, och det är värt att återge dess form snarare än ordalydelsen. Påståendet är att omvandling av en färdig platt bild tillbaka till lager – de-layering – inte kan återställa äkta text- eller vektorlager, eftersom texten i en platt bild bara är pixlar, och varje område som döljs bakom ett annat element måste gissas. Coco Labs argumenterar för att det enda sättet att få en riktig lagerstack är att generera en, och att post-hoc-dekomposition är en demo som inte klarar kontakten med ett varumärkes faktiska filer.

Det är en försvarbar ståndpunkt, och det är också en marknadsföringsposition från företaget som säljer alternativet. Det är sant att text som rasteriserats till en platt bild inte kan skrivas om med perfekt trohet mot originalets typsnittsmetrik. Det är också sant att de flesta marknadsföringsteam redan har ett bibliotek med godkända platta tillgångar som de gärna skulle vilja göra redigerbara, och Vyb har inget att erbjuda dem för de filerna. De två angreppssätten löser olika problem, och lanseringsinlägget är skrivet som om bara ett av dem räknas.

Var det hamnar i ett verkligt arbetsflöde

En skiktad designmodell tar inte bort resten av flödet. Någon måste fortfarande skriva rubriken, bestämma erbjudandet och kontrollera att påståendet är lagligt på den marknad där det används. Det Vyb förändrar är steget efter det: reklamtexten placeras som text, i varumärkets typsnitt, i en layout som kan justeras av en designer i stället för att genereras om av en prompt.

Texthalvan av den pipeline är också den halva som en router kan betjäna. OrcaRouter kör ett enda API mot över 200 modeller, med leverantörernas listpriser vidarebefordrade med 0 % påslag, så modellen som skriver rubriken och modellen som kontrollerar den mot varumärkesregler kan sitta bakom en enda nyckel utan ett andra avtal. Automatisk failover spelar roll här av en tråkig anledning: ett copygenereringssteg som misslyckas mitt i en batch lämnar ett designjobb med ett tomt lager, och en reservmodell kostar mindre än en stillastående kö. Vyb i sig går inte att anropa via någon router – det har inget publikt API – så den ärliga arkitekturen i slutet av 2026 är en textmodell för orden och Vyb, när du väl har tillgång, för bildmaterialet.

Vad är fortfarande obevisat?

Fyra saker, i fallande ordning efter hur mycket de bör påverka ett köpbeslut.

• Pris. Det finns ingen prislista. Coco Labs delar ut krediter värda 10 dollar till dem som anmäler sig till väntelistan, vilket inte säger något om vad en färdig kampanj kostar.

• Oberoende tester. Varje siffra i den här artikeln kommer från leverantören. Typsnittsbenchmarken omfattar endast offentligt tillgängliga Google-typsnitt; Coco Labs säger att de förväntar sig att gapet kommer att öka för anpassade varumärkestypsnitt, men de mätte inte dessa, vilket är precis det fall som ett varumärke bryr sig om.

• Filens trohet i praktiken. "Förlustfri export till Figma" är ett påstående om exportverktyget, inte om huruvida det resulterande lagerträdet är ett som en designer vill arbeta i. Ingen utanför företaget har öppnat någon av dessa filer.

• Täckning. Lanseringen visar affischer, annonser, citatkort och meddelanden. Dokument med flera sidor, stansmallar för förpackningar och allt som har en tryckfärgsprofil behandlas inte i materialet som publicerats hittills.

Inget av det gör produkten till ett luftslott. En designmodell vars utdata är ett dokument i stället för en bild är en helt annan kategori än en bildgenerator, och siffran för redigeringslokalitet är den typ av resultat som bara kommer från den arkitekturen. Men en väntelista och ett leverantörsbenchmark är ett tillkännagivande, inte en dokumenterad meritlista, och den användbara frågan för ett marknadsföringsteam är inte huruvida Vyb slår ChatGPT Image när det gäller typsnitt – utan huruvida filerna det producerar sparar mer tid åt en designer än vad det skulle ha kostat att göra om layouten för hand. Den frågan får sitt svar när väntelistan öppnas, och inte tidigare.

Vad du ska titta på

Tre signaler skulle flytta Vyb från intressant till adopterat. Ett publicerat pris per design eller per kredit, så att kostnaden kan jämföras med en frilansares timpris. Ett benchmark för anpassade typsnitt, eftersom varje riktigt varumärke använder minst ett typsnitt som inte finns på Google Fonts. Och ett API, eftersom i samma stund som Vyb går att anropa upphör det att vara ett verktyg och blir en komponent som kan routas tillsammans med allt annat i en innehållspipeline. Tills dess är $10-krediten det billigaste sättet att ta reda på om lagerträdet är så rent som benchmarken antyder.