Vyb 对决 Qwen 3.8：设计模型迎战那个会向它下达需求的推理模型

0.6 美分。这就是一份 3,000 token 的设计简报在 Qwen3.8-Flash 上按其公布的每百万输入 token 0.15 美元、每百万输出 token 0.47 美元的价格进行推理的成本——正是这个数字让这次比较值得一写。 Vyb是 Coco Labs 的设计模型，于 2026 年 10 月 20 日发布；它能基于品牌自有素材生成分层、可编辑的营销图形，但不公布价格，也没有 API。Qwen 3.8 是 Alibaba 旗下于 2026 年 8 月 3 日全面可用的那一代模型，完全不生成图片，却能按照一份可供查阅的价目表对文本和图像进行推理。其中一个，你今天就能把预算精确到美分；另一个，你根本无从预算。设计产品和推理模型都不会记录工作流在上线后如何失败，而已记录在案的事件则收录在 OrcaRouter AI Incident Archive 中，其中每条记录都附有自己的来源、严重程度、置信度等级和争议标记。

所以，这并不是通常意义上的正面对决。它关乎在设计流程中，资金和规划被投向何处，也关乎一个会思考的模型能否取代一个会绘图的模型。

确切地说，是 Q​wen 3.8 这一侧

Qwen 3.8 是一代模型，而非单一模型；你选择其中哪个成员，会让计算量相差一个数量级以上。

• Qwen3.8-Flash — 每百万输入 token 0.15 美元、每百万输出 token 0.47 美元，具备 1M token 上下文窗口，支持文本、图像和视频输入。这是批量处理通道，用于简报解析几乎免费。

• Qwen3.8-27B — 一个采用 Apache 2.0 许可的稠密 270 亿参数多模态模型，上下文长度为 262,144 个 token，可扩展至接近一百万，55.6 GB 的 BF16 权重分布在十八个分片中。可自托管，这意味着每次调用的边际成本就是你的电费。

• Qwen3.8-Max —— 2.4 万亿参数的稀疏混合专家（MoE）旗舰模型，每 token 约激活 950 亿参数，输入每百万 token 2.00 美元、输出每百万 token 6.00 美元，支持 100 万 token 上下文。

三者都能读图，却都不能生成图像。Qwen3.8-27B 和 Flash 以文本、图像和视频为输入并返回文本；Max 档位以更高的价格提供相同的服务约定。这正是本次比较所围绕的全部局限所在。

简报的算术

设计工作始于一份创意简报：优惠内容、目标受众、投放位置、品牌规则，以及上一季度奏效的案例。在流水线中，推理模型会读取这些内容，并输出结构化结果——布局方案、文案稿、一组约束条件。这正是 Qwen 3.8 擅长的工作，而且其成本足够低，可以精确计算，而不必估算。

• 小型简报 — 2,000 个输入 token，600 个输出。在 Qwen3.8-Flash 上：输入 $0.00030 加输出 $0.00028，合计 $0.00058。每份设计不到十分之一美分。

• 中型简报 — 20,000 输入，600 输出，足以完成一份完整的品牌指南和十几个已批准的示例。$0.0030 加 $0.00028，即 $0.0033。三分之一美分。

• 大型简报——200,000 输入，600 输出，整个活动档案都在上下文中。$0.030 加 $0.00028，或 $0.030。还是三美分。

• 在 Qwen3.8-Max 上完成同样的三项任务——分别为 $0.0040、$0.0403 和 $0.4036。每个规模档位的价格都是十三倍，而即便对于你在现实中会写的最长提示词，也仍然不到半美元。

把这些与 Vyb 的成本放在一起看——先是 10 美元的免费额度，之后是一个未公开的数字——这种不对称就非常明显了。设计流程中负责推理的那一半，在营销团队所处的任何规模下实际上都是免费的。负责生产的那一半才是全部成本所在，而它恰恰是没人定过价的那一半。

为什么图层格式才是真正的争论点

Coco Labs 在发布文章中用了整整一节来抨击 de-layering——即事后将平面图像拆解为图层的做法。其论点是，平面图像中的文字只是像素，因此重建出的文字图层无法承载原字体真实的度量信息，而被其他元素遮挡的内容也只能靠猜测。Coco Labs 的立场是，真正的图层堆栈必须作为图层堆栈生成。

这一论点针对的是一个真实目标。Qwen 自身的产品家族就包含分层图像相关工作，而行业的总体方向一直是让现有图像可编辑，而不是从零开始生成可编辑图像。Coco Labs 押注的是第二种路线，其基准测试就是为了证明这一点：字体保真度为 90.3%，而 ChatGPT Image 为 76.0%；颜色误差字面上为 0.00，而后者为 3.94；在 200 次编辑中的平均像素变化为 11.9%，而后者为 95.5%。这些是 Coco Labs 编写的基准测试中由厂商报告的数据，而且编辑测试向 Vyb 提供的是分层 SVG，而其竞争对手拿到的是扁平化 PNG——公司披露了这一不对称性，因为分层格式正是被测量的对象。

该论点没有涉及的是语料库问题。每个品牌都已经拥有成千上万的平面素材——去年的营销活动、法务批准的那份演示文稿、上次发布时用的主视觉图。生成式图层模型无法触及其中任何一个。去图层化的方法至少会尝试去触及。Vyb 更擅长制作新的可编辑设计；但它对存档毫无帮助，而发布帖把这一点说成另一种方法错误的理由，而不是把它视为一条边界。

Qwen 3.8 在这条流水线中真正体现价值之处

三项任务，按重要性从低到高排列。

解读品牌。 Vyb 会摄取网站和素材文件；必须由某种机制判断这些材料中哪些是规则，哪些只是偶然。视觉语言模型可以阅读一页过往营销活动，提取其中的模式——字体层级、每个 CTA 上都会出现的颜色、反复出现的短语——并将其交由人工审批。Qwen3.8-27B 可在 262K 上下文下、以 Apache 2.0 许可完成这项工作，因此团队可以在不应外传的品牌材料上私密运行它。

写入图层。 Vyb 的输出是一份内含文本对象的文档。必须有内容用一条合适、便于扫读且不会提出法务团队会否决的主张的标题来填充该对象。这正是本页成本部分定价为 0.6 美分的 Q​wen 3.8 任务。

检查结果。渲染后的设计可以送回多模态模型进行判读：标题是否落在安全区域内，标志在背景上是否清晰可辨，对比度是否达标。Qwen3.8-Flash 接受图像作为输入，每百万 token 收费 0.15 美元，这使得对单个素材做一次视觉检查比存储该素材本身还便宜。

路由管道是什么样的

2026 年末的实际格局是：文本与视觉层完全可自动化，而设计层则无法自动化。Q​wen 3.8 完全位于第一侧：输入简报，输出结构化方案，检查渲染结果，全部通过一个端点完成。Vyb 则位于第二侧，需先进入候补名单，且没有 API，这意味着需要由人来操作它。

这种分工正是路由器在自动化那一半该做的事。OrcaRouter 提供 Qwen3.8-Flash，价格为 $0.15 和 $0.47；Qwen3.8-27B，价格为 $0.33 和 $2.40；以及 Qwen3.8-Max，价格为 $2.00 和 $6.00——供应商自己的标价以 0% 加价直通，所以供应商一降价，当天就会落到同一个密钥上。一次简报解析调用和一次渲染设计检查可以凭 一个凭证针对不同档位运行，并在两者之间自动故障转移；这正是批量任务能跑完，与跑到第三十一个资产就停下的区别。Vyb 不可路由，本文也不会假装它可以；没有可供路由的公共端点。

目前无人能回答的预算问题

营销总监会问的正是这件事，而这就是答案的真实状况。

“制作一次营销活动要花多少钱？”推理侧：在 Flash 上，每份简报的成本在三分之一美分到三美分之间，取决于你允许多少上下文，再加上视觉检查的几十分之一美分。这可以算作四舍五入误差。设计侧：未知。除了 10 美元的候补名单赠金之外，Coco Labs 尚未公布按设计计价的价格、订阅层级或积分费率。在那之前，自动化设计流水线的总成本只有一个已测量的组成部分和一个空白。

那个空白并不是否定该产品的理由——基准测试中的编辑局部性数值，是只有真正结构化的输出格式才能产生的结果，任何推理模型都做不出来。但这确实是一个理由，让我们必须精确说明 Vyb 是什么：一个前景可观的设计组件，其经济账并不隐蔽，就紧挨着一个经济账公开到小数点后四位的推理层。

什么能解决这件事

两项披露就能把这件事从一场有趣的对比变成一项构建决策。一是 Vyb 按每个设计给出的报价，这样整条流水线的总价就不会留空。二是一项自定义字体基准测试，因为 Coco Labs 那 145 款 Google 字体并不是真实品牌会用的字体，而且该公司自己也说，预计自定义字体的差距还会拉大——尽管他们从未对此做过测量。

在两者都落地之前，合理的顺序就是定价已经暗示的顺序。现在就在一个能把成本精确到分的档位上，把推理、简报解析和视觉检查自动化。把设计环节当作试点，投入 10 美元额度并安排一名设计师盯场；等费率卡出现后，再决定完整流水线。0.6 美分这个数字如今是真实的；其余的都还在候补名单上。