
Vyb: โมเดลออกแบบตัวแรกของ Coco Labs สร้างกราฟิกการตลาดในเลเยอร์ที่แก้ไขได้
- Orcaใหม่Orca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 10 tok/s
- deepseekใหม่DeepSeek: DeepSeek V4.1 Flash 10172026-10-1745ความฉลาด
- DeepSeekใหม่DeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
- Orcaใหม่Orca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 150 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952ความฉลาด
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856ความฉลาด
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 ต่อ 1 ล้านโทเค็น · 297 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238ความฉลาด
- OpenAIOpenAI: GPT-6 Sol2026-09-2248ความฉลาด
- AnthropicAnthropic: Claude Opus 5.52026-09-2258ความฉลาด
- xAIGrok 4.72026-09-2146ความฉลาด
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 49 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 ต่อ 1 ล้านโทเค็น · 826 tok/s
- OpenAIOpenAI: GPT-6 Astra2026-09-0453ความฉลาด77การเขียนโค้ด
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241ความฉลาด76การเขียนโค้ด
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245ความฉลาด76การเขียนโค้ด
- AnthropicAnthropic: Claude Fable 5.12026-09-0153ความฉลาด82การเขียนโค้ด
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 ต่อ 1 ล้านโทเค็น · 47 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 ต่อ 1 ล้านโทเค็น · 94 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642ความฉลาด72การเขียนโค้ด
Coco Labs ประกาศเปิดตัวVyb เมื่อวันที่ 20 ตุลาคม 2026: โมเดลออกแบบที่สร้างกราฟิกการตลาดทีละองค์ประกอบ แทนที่จะวาดภาพแบนเพียงภาพเดียว ข้อเสนอชัดเจนและเป็นรูปธรรม ให้เว็บไซต์หรือไฟล์แอสเซ็ตของแบรนด์แก่ Vyb เพียงครั้งเดียว และทุกดีไซน์ที่สร้างขึ้นจะกลับมาเป็นสแต็กของเลเยอร์ที่แก้ไขได้ — พาดหัวเป็นออบเจ็กต์ข้อความที่พิมพ์ใหม่ได้ โลโก้เป็นเวกเตอร์ รูปสินค้าเป็นพิกเซลต้นฉบับที่ความละเอียดเต็ม เปลี่ยนพาดหัวแล้วไม่มีสิ่งอื่นในไฟล์ขยับ การเปิดตัวเครื่องมือออกแบบแทบไม่เคยเปิดเผยว่าไปป์ไลน์ล้มเหลวในการใช้งานจริงอย่างไร และเหตุการณ์ที่บันทึกไว้ได้รับการจัดหมวดหมู่ใน OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งที่มาของตัวเอง ระดับความรุนแรง เกรดความเชื่อมั่น และสถานะถูกโต้แย้ง
ประโยคสุดท้ายนั้นคือผลิตภัณฑ์ทั้งหมด ใครก็ตามที่เคยลองแก้คำผิดในโฆษณาที่สร้างโดย AI ย่อมรู้ว่าทางเลือกคืออะไร: รันพรอมต์ซ้ำ ได้ดีไซน์ที่ต่างออกไปเล็กน้อย และสูญเสียเลย์เอาต์ที่คุณอนุมัติไว้แล้ว Vyb คือความพยายามของ Coco Labs ที่จะหยุดวงจรนั้น และถือเป็นการเปิดตัวโมเดลครั้งแรกในทุกประเภทของบริษัท
สิ่งที่ส่งมอบจริง
โพสต์เปิดตัวเขียนโดย David Zats และ Anusha Ramesh และอธิบายว่า Vyb คือ "โมเดลการออกแบบแรกที่เข้าใจรสนิยมของผู้ใช้" กลไกสำคัญกว่าสโลแกน Vyb ประกอบการออกแบบในรูปแบบภายในที่ Coco Labs เรียกว่า Cocolang — คำอธิบายแบบกระชับและมีโครงสร้างของการออกแบบที่ทั้งมนุษย์และโมเดลสามารถอ่านและแก้ไขได้ ข้อความ รูปร่างเวกเตอร์ และรูปภาพคงรูปแบบดั้งเดิมไว้ภายในโครงสร้างนั้น แทนที่จะถูกแบนให้เป็นแรสเตอร์เดียว เนื่องจากเอาต์พุตมีโครงสร้าง จึงสามารถส่งออกแบบ "ไม่สูญเสียข้อมูล" ไปยังเครื่องมือออกแบบภายนอก เช่น Figma ซึ่งแต่ละองค์ประกอบจะมาถึงบนเลเยอร์ของตัวเอง
Vyb ยังสามารถเรียกใช้เครื่องมือสร้างภาพและเครื่องมือแก้ไขภาพได้เมื่องานต้องใช้สิ่งที่มันวาดเองไม่ได้ ซึ่งเป็นการแบ่งหน้าที่ที่สมเหตุสมผล: สร้างภาพถ่ายขึ้นมา วางไว้เป็นเลเยอร์ แล้วคงความคมชัดของตัวอักษรและเลย์เอาต์ไว้รอบ ๆ
สิ่งที่ยังไม่เปิดให้ใช้งานก็สำคัญพอๆ กัน ไม่มีตารางราคา ไม่มี API สาธารณะ ไม่มีการเปิดเผยจำนวนพารามิเตอร์ ไม่มีคำอธิบายสถาปัตยกรรม และไม่มีการเปิดเผยข้อมูลการฝึก นอกเหนือจากข้อเท็จจริงที่ว่า Coco Labs สร้างไปป์ไลน์เฉพาะสำหรับงานดีไซน์แบบเลเยอร์ เนื่องจากมีงานดีไซน์แบบเลเยอร์สาธารณะให้ฝึกน้อย การเข้าถึงต้องผ่านรายการรอ และการเข้าร่วมจะได้รับเครดิตการสร้างมูลค่า $10 ณ เวลาที่เขียนนี้ ผลิตภัณฑ์ได้รับการประกาศแล้วและเปิดเฉพาะผู้ได้รับเชิญ ยังไม่เปิดให้ใช้งานทั่วไป

ตัวเลขสามตัวที่ Coco Labs นำเสนอเป็นหลัก
Coco Labs เผยแพร่ benchmark ที่เรียกว่า VybBench ครอบคลุมฟอนต์ Google 145 แบบ สี 100 สี และการแก้ไข 200 รายการ เทียบกับคู่แข่งสามราย ได้แก่ ChatGPT Image (gpt-image-2.5), Muse (muse-image) และ Recraft v4.1 ตัวเลขทั้งหมดด้านล่างนี้เป็นข้อมูลที่ผู้ขายรายงานเอง ยังไม่มีผู้ใดนอก Coco Labs เคยรันการทดสอบเหล่านี้ และผู้จัดทำ benchmark นี้คือบริษัทที่โมเดลของตนชนะ benchmark ดังกล่าว
• ความถูกต้องของแบบอักษร — คะแนนการจับคู่รูปร่างเทียบกับการเรนเดอร์คำเดียวกันด้วยโปรแกรม: Vyb 90.3%, ChatGPT Image 76.0%, Muse 50.9%, Recraft 46.2% Coco Labs วัดเพดานจาก-noiseได้ที่ 94.4% โดยให้คะแนนการเรนเดอร์ที่เหมือนกันเทียบกันเอง ดังนั้น 90.3% จึงใกล้ค่าสูงสุดในทางปฏิบัติสำหรับการทดสอบนี้
• ความเที่ยงตรงของสี — ค่าความคลาดเคลื่อนสูงสุดเฉลี่ยต่อช่องสัญญาณจาก 255 ยิ่งต่ำยิ่งดี: Vyb 0.00, ChatGPT Image 3.94, Muse 5.67, Recraft 27.19 การได้ศูนย์แบบเป๊ะ ๆ เป็นไปได้ที่นี่เพราะสีสามารถเขียนเป็นค่าแทนที่จะระบายด้วยสี; นั่นคือรูปแบบแบบเลเยอร์ที่ทำงานอยู่ ไม่ใช่เพราะจิตรกรเก่งกว่า
• ความเฉพาะเจาะจงของการแก้ไข — สัดส่วนเฉลี่ยของพิกเซลที่เปลี่ยนแปลงจากคำสั่งแก้ไข 200 คำสั่ง: Vyb 11.9%, ChatGPT Image 95.5%, Muse 91.8%, Recraft 98.9% ผู้ตัดสิน LLM อิสระยังให้คะแนนว่าการแก้ไขที่ร้องขอแต่ละรายการเสร็จสมบูรณ์จริงหรือไม่: Vyb 94.7%, ChatGPT Image 100%, Muse 98.0%, Recraft 50.3%
อ่านแถวที่สามให้ดี เพราะแถวนี้คือแถวที่ตัดสินว่าผลิตภัณฑ์นั้นเป็นของจริงหรือไม่ โมเดล pixel-diff ไม่สามารถเปลี่ยนแปลง 11.9% ของภาพโดยบังเอิญได้ มันเปลี่ยนเกือบทุกอย่างเพราะมันสร้างเกือบทุกอย่างขึ้นใหม่ Vyb เปลี่ยนแปลงเพียงเล็กน้อยเพราะมันกำลังแก้ไขเอกสาร อัตราการยอมรับ 94.7% เทียบกับ 100% จาก ChatGPT Image คือต้นทุนที่ตรงไปตรงมาของเรื่องนั้น บางครั้ง Vyb ปฏิเสธคำสั่งที่มันตัดสินว่าเป็นการออกแบบที่ไม่ดี เช่น การเปลี่ยนแปลงที่จะทำให้ข้อความอ่านไม่ออก และผู้ตัดสินนับการปฏิเสธนั้นเป็นความพลาด
Coco Labs เปิดเผยความไม่สมมาตรเชิงระเบียบวิธีหนึ่งในเบนช์มาร์กของตนเอง: Vyb ได้รับอินพุต SVG แบบมีเลเยอร์สำหรับการทดสอบการแก้ไข ขณะที่อีกสามรายได้รับไฟล์ PNG แบบแบน เพราะไม่สามารถรับเลเยอร์ได้ นั่นไม่ใช่กลอุบาย — แต่เป็นความแตกต่างที่กำลังถูกวัด — อย่างไรก็ตาม มันหมายความว่าการเปรียบเทียบนี้ทดสอบสัญญาอินพุตที่แตกต่างกันสองแบบ ไม่ใช่สองโมเดลที่ได้รับงานเหมือนกัน

ข้อโต้แย้งที่อยู่ใต้เกณฑ์มาตรฐาน
โพสต์เปิดตัวของ Vyb ใช้เวลาหนึ่งย่อหน้าในการโจมตีแนวทางของคู่แข่ง และน่าจะยกโครงสร้างของข้อโต้แย้งมากกว่าถ้อยคำ ข้อกล่าวอ้างคือการแปลงภาพแบนที่เสร็จสมบูรณ์กลับเป็นเลเยอร์ — {{1}}การแยกเลเยอร์{{/1}} — ไม่สามารถกู้คืนเลเยอร์ข้อความหรือเวกเตอร์แท้จริงได้ เพราะข้อความในภาพแบนเป็นเพียงพิกเซล และพื้นที่ใดก็ตามที่ซ่อนอยู่หลังองค์ประกอบอื่นจำเป็นต้องเดา {{2}}Coco Labs กำลังโต้แย้งว่าวิธีเดียวที่จะได้สแต็กเลเยอร์จริงคือการสร้างมันขึ้นมา และการแยกองค์ประกอบย้อนหลังเป็นเพียงเดโมที่ไม่รอดเมื่อต้องสัมผัสกับไฟล์จริงของแบรนด์{{/2}}
นั่นเป็นจุดยืนที่สามารถปกป้องได้ และยังเป็นจุดยืนทางการตลาดจากบริษัทที่ขายทางเลือกนั้นด้วย เป็นความจริงที่ว่าข้อความซึ่งถูกเรสเตอร์ไรซ์เป็นภาพแบนไม่สามารถพิมพ์ใหม่ให้ตรงกับเมตริกฟอนต์ต้นฉบับได้อย่างสมบูรณ์แบบ และก็เป็นความจริงเช่นกันว่าทีมการตลาดส่วนใหญ่มีไลบรารีของแอสเซ็ตแบนที่ได้รับอนุมัติอยู่แล้ว ซึ่งพวกเขาอยากทำให้แก้ไขได้มาก และ Vyb ไม่มีอะไรจะเสนอให้พวกเขาสำหรับไฟล์เหล่านั้น วิธีทั้งสองแก้ปัญหาที่แตกต่างกัน และโพสต์เปิดตัวก็เขียนราวกับว่ามีเพียงวิธีเดียวเท่านั้นที่มีความสำคัญ
ตำแหน่งที่มันเข้าไปอยู่ในเวิร์กโฟลว์จริง
โมเดลการออกแบบแบบเลเยอร์ไม่ได้กำจัดส่วนที่เหลือของไปป์ไลน์ ยังมีคนที่ต้องเขียนพาดหัว ตัดสินใจข้อเสนอ และตรวจสอบว่าคำกล่าวอ้างนั้นถูกกฎหมายในตลาดที่ใช้งานอยู่ สิ่งที่ Vyb เปลี่ยนคือขั้นตอนถัดไป: คอปี้ถูกวางเป็นข้อความ ในฟอนต์ของแบรนด์ ในเลย์เอาต์ที่นักออกแบบสามารถปรับได้ แทนที่จะต้องสุ่มสร้างใหม่ด้วยพรอมป์ต์
ส่วนที่เป็นข้อความของไปป์ไลน์นั้นก็เป็นส่วนที่เราเตอร์สามารถให้บริการได้เช่นกัน OrcaRouter ให้บริการ API เดียวครอบคลุมโมเดล 200+ รุ่น โดยส่งต่อราคาตามรายการของผู้ให้บริการในอัตราบวกกำไร 0% ดังนั้นโมเดลที่เขียนพาดหัวและโมเดลที่ตรวจสอบพาดหัวเทียบกับกฎแบรนด์จึงอยู่เบื้องหลังคีย์เดียวได้โดยไม่ต้องมีสัญญาที่สอง การสลับไปใช้ระบบสำรองอัตโนมัติมีความสำคัญในที่นี้ด้วยเหตุผลบ้าน ๆ ข้อหนึ่ง: ขั้นตอนสร้างคำโฆษณาที่ล้มเหลวกลางแบตช์ทำให้งานออกแบบเหลือเลเยอร์เปล่า และโมเดลสำรองมีต้นทุนต่ำกว่าคิวที่หยุดชะงัก ตัว Vyb เองไม่สามารถเรียกผ่านเราเตอร์ใด ๆ ได้ — มันไม่มี API สาธารณะ — ดังนั้นสถาปัตยกรรมที่ตรงไปตรงมาในปลายปี 2026 คือใช้โมเดลข้อความสำหรับถ้อยคำ และใช้ Vyb เมื่อคุณได้รับสิทธิ์เข้าถึง สำหรับงานอาร์ตเวิร์ก

อะไรที่ยังไม่ได้รับการพิสูจน์
สี่สิ่ง โดยเรียงจากมากไปน้อยตามระดับที่ควรมีผลต่อการตัดสินใจซื้อ
• ราคา ยังไม่มีตารางอัตราค่าบริการ Coco Labs แจกเครดิตมูลค่า $10 ให้กับผู้ที่เข้าร่วมรายการรอ ซึ่งไม่ได้บอกอะไรเลยว่าแคมเปญที่ทำเสร็จแล้วจะมีค่าใช้จ่ายเท่าไร
• การทดสอบที่เป็นอิสระ ตัวเลขทุกตัวในบทความนี้มาจากผู้จำหน่ายเอง การทดสอบประสิทธิภาพฟอนต์ครอบคลุมเฉพาะฟอนต์ Google ที่เปิดให้ใช้งานสาธารณะเท่านั้น Coco Labs ระบุว่าคาดว่าช่องว่างจะกว้างขึ้นสำหรับฟอนต์แบรนด์ที่ออกแบบเฉพาะ แต่ไม่ได้วัดฟอนต์เหล่านั้น ซึ่งเป็นกรณีที่แบรนด์ให้ความสำคัญโดยตรง
• ความเที่ยงตรงของไฟล์ในทางปฏิบัติ “การส่งออกไปยัง Figma แบบไม่สูญเสียข้อมูล” เป็นคำกล่าวอ้างเกี่ยวกับตัวส่งออก ไม่ใช่เกี่ยวกับว่าโครงสร้างเลเยอร์ที่ได้จะเป็นโครงสร้างที่นักออกแบบอยากทำงานด้วยหรือไม่ ไม่มีใครนอกบริษัทเคยเปิดไฟล์เหล่านี้แม้แต่ไฟล์เดียว
• ความครอบคลุม การเปิดตัวครั้งนี้แสดงโปสเตอร์ โฆษณา การ์ดคำกล่าว และประกาศ เอกสารหลายหน้า ไดไลน์บรรจุภัณฑ์ และสิ่งใดก็ตามที่มีโปรไฟล์สีสำหรับการพิมพ์ ยังไม่ได้รับการกล่าวถึงในสื่อที่เผยแพร่จนถึงขณะนี้
ทั้งหมดนั้นไม่ได้ทำให้ผลิตภัณฑ์กลายเป็นเพียงภาพลวง โมเดลการออกแบบที่มีผลลัพธ์เป็นเอกสารแทนที่จะเป็นภาพนั้นจัดอยู่ในหมวดหมู่ที่แตกต่างอย่างแท้จริงจากเครื่องสร้างภาพ และตัวเลข edit-locality ก็เป็นผลลัพธ์แบบที่มาจากสถาปัตยกรรมนั้นเท่านั้น แต่รายชื่อรอและเกณฑ์มาตรฐานจากผู้ขายเป็นเพียงการประกาศ ไม่ใช่ประวัติผลงานที่พิสูจน์ได้ และคำถามที่มีประโยชน์สำหรับทีมการตลาดไม่ใช่ว่า Vyb ชนะ ChatGPT Image ด้านฟอนต์หรือไม่ แต่คือว่าไฟล์ที่มันสร้างขึ้นช่วยประหยัดเวลาของนักออกแบบได้มากกว่าการทำเลย์เอาต์ใหม่ด้วยมือหรือไม่ คำถามนั้นจะได้รับคำตอบเมื่อรายชื่อรอเปิด และไม่ใช่ก่อนหน้านั้น
ดูอะไรดี
สัญญาณสามอย่างจะทำให้ Vyb ก้าวจาก “น่าสนใจ” ไปสู่ “ถูกนำไปใช้จริง” หนึ่ง ราคาที่ประกาศต่อดีไซน์หรือต่อเครดิต เพื่อให้เปรียบเทียบต้นทุนกับอัตรารายชั่วโมงของฟรีแลนซ์ได้ สอง เกณฑ์มาตรฐานด้านฟอนต์กำหนดเอง เพราะทุกแบรนด์ที่จริงจังล้วนใช้ไทป์เฟซอย่างน้อยหนึ่งแบบที่ไม่ได้อยู่บน Google Fonts และสาม API เพราะทันทีที่ Vyb เรียกใช้งานได้ มันจะเลิกเป็นแค่เครื่องมือและกลายเป็นคอมโพเนนต์ที่จัดเส้นทางให้ทำงานร่วมกับสิ่งอื่นๆ ในไปป์ไลน์เนื้อหาได้ จนถึงตอนนั้น เครดิต $10 คือวิธีที่ถูกที่สุดในการดูว่าเลเยอร์ทรีสะอาดสมกับที่เกณฑ์มาตรฐานบอกไว้หรือไม่
