SWE-2 Flash مقابل AesCode 32B: نموذجان، كلمة واحدة، بلا معيار مشترك

يصل هذا السؤال في نهاية المطاف إلى كل خيط مقارنة بين «نماذج البرمجة»: أيهما أفضل، SWE-2 Flash أم AesCode 32B؟ الإجابة الصادقة هي أنهما ليسا في المنافسة نفسها، وكون كل منهما يُصنَّف تحت «توليد الشيفرة» هو مشكلة تصنيف لا قرار شراء. SWE-2 Flash، الذي أطلقته Cognition في 4 نوفمبر 2026، هو نموذج وكيل لهندسة البرمجيات: يقرأ مستودعًا، ويخطط لتغيير، ويشغّل أدوات ويعدّل ملفات. أما AesCode 32B، الذي نشرته Microsoft في أكتوبر 2026، فهو نموذج برمجة جمالية: يأخذ مواصفات ويصدر HTML وCSS للشرائح والملصقات ولوحات المعلومات والإنفوجرافيك. أحدهما يغلق التذاكر. والآخر يصنع أشياء تبدو مصممة.

هذا التمييز أغلى قيمةً من جدول قياسات أداء، لأن اختيار الخيار الخاطئ ليس مسألة بضع نقاط — بل مسألة أن يفتقر النموذج كليًا إلى أي آلية لأداء المهمة.

ما الغرض الفعلي من AesCode 32B

AesCode 32B هو نموذج لغوي بصري يضم 33.4 مليار معامل، مبني على Qwen3-VL-32B-Instruct، وصادر بموجب Apache 2.0 مع نافذة سياق تبلغ 32,000 رمز. يتوفر بنسختين 8B و32B، وقُدّم إلى جانب ورقة بحثية بعنوان "AesCode: Aesthetic Code Generation with Decoupled Cross-Modal Rewards"، تصف منهجية التدريب: إشارات مكافأة منفصلة للصحة البرمجية وللجودة البصرية، بحيث لا يُضطر النموذج إلى المقايضة بين إحداهما والأخرى.

المُدخل المقصود هو موجز تصميم. والمُخرج المقصود هو ترميز قابل للعرض. أمثلة Microsoft نفسها هي إنفوجرافيك وعروض شرائح وملصقات ولوحات معلومات — وهي أعمال يكون فيها شرط النجاح ميكانيكيًا جزئيًا (هل يحتوي الجدول على الأرقام الصحيحة، وهل يعرض المخطط السلسلة الصحيحة؟) وإدراكيًا جزئيًا (هل يبدو كأن إنسانًا صممه؟).

• المعلمات — 33.4B، رؤية ولغة، Apache 2.0

• السياق — 32,000 توكن

• المخرجات — مخرجات HTML/CSS؛ لا shell، ولا تنقّل في المستودع، ولا تنفيذ للاختبارات في التقييم المُبلّغ عنه

• بصمة الذاكرة — نحو 65 غيغابايت عند BF16، وأقل عند FP8

ما الذي تعنيه قيمته 85.89 وما لا تعنيه

العنوان الرئيسي لـ AesCode هو درجة إجمالية قدرها 85.89 على معيار قياس إنفوجرافيك من 300 حالة بناه المؤلفون للورقة. ويتفكك ذلك إلى 94.33 في الفحوص القائمة على القواعد (النصوص والحدود والجداول والرسوم البيانية) و77.44 في الجودة البصرية، حيث يقيّم حَكَم رؤيوي-لغوي المحتوى والتخطيط والأسلوب. ويضع المعيار نفسه نموذج Qwen3-VL-32B الأساسي عند 48.61 إجمالاً، لذا فإن التدريب اللاحق يقوم بعمل هائل: +22.4 نقطة في الشطر البصري وحده.

للسياق، تُفيد الورقة بأنّ GPT-5.5 سجّل 81.28 في الإجمالي، وClaude Opus 4.8 سجّل 80.39 على الحالات الـ300 نفسها. وهذه أرقام قوية تُذكر إلى جانبها، وهي أيضاً سبب قراءة الجدول بعناية: فهذا معيار مُصمَّم خصيصاً للإنفوجرافيك، وليس مؤشراً على القدرات العامة. وكل رقم في تلك الفقرة مُبلَّغ عنه من قِبل المورّد ولم يُعَد إنتاجه بشكل مستقل. ولا يوجد أي تصنيف في الساحات ولا إعادة تشغيل من طرف ثالث.

أنماط الفشل التي تكشفها الورقة أكثر فائدة من العنوان الرئيسي. تتكرر مشكلة تجاوز حدود اللوحة (Canvas overflow) في نحو 4.3% من عمليات التوليد — أفضل بكثير من 34.7% لدى GPT-5.5، وهو مكسب حقيقي — لكن الهياكل العلائقية المعطوبة تظهر في 23.9% من المخرجات، والأيقونات المشوّهة أو العناصر الخاطئة دلاليًا في 23.3%. ويبقى الأسلوب عنق زجاجة مشتركًا: لا يتجاوز أي نموذج في المقارنة 60% في ذلك التقييم الفرعي. إذا كنت تولّد لوحات معلومات للإنتاج، فإن احتمالًا واحدًا من كل أربعة لهيكل علائقي معطوب هو الرقم الذي ينبغي أن يوجّه عملية المراجعة لديك، لا 85.89.

ما الذي يبلغ عنه SWE-2 Flash — ولماذا لا يتداخل أيٌّ منه

يورد SWE-2 Flash ثمانية صفوف، كلها تقييمات وكيلية أو أمنية: FrontierCode 2.0 عند 24.0، وFrontierCode 1.1 Main عند 45.5، وDeepSWE 1.1 عند 60.1، وTerminal-Bench 4.0 عند 20.0، وTerminal-Bench 2.1 عند 89.2، وSWE-Atlas QA عند 50.0، وSWE-Bench Pro v2 Hard عند 89.9، وExploitBench عند 34.8. كل رقم منها هو رقم Cognition نفسه، جرى تشغيله على إطار اختبار لا يسميه منشور الإطلاق.

لا يوجد صف لجودة بصرية. لا درجة تخطيط، ولا فحص تصيير، ولا مُقيّم تصميم. وأيًا كان ما يتفوق فيه SWE-2 Flash، فإنه لم يُقَس على المحور الذي بُني AesCode حوله، ولم يُقَس AesCode قط على محور هندسة البرمجيات الوكيلية. لا يشترك الجدولان إلا في رأس عمود، ولا شيء غير ذلك.

وينطبق الأمر نفسه على المدخلات العملية. يعمل SWE-2 Flash داخل Devin Desktop وDevin CLI، مجانًا حتى 30 نوفمبر 2026، من دون API، ومن دون معرّف طراز، ومن دون نافذة سياق منشورة. ويعمل AesCode 32B أينما أمكنك تحميل 65 GB من الأوزان، أو لدى أي مزوّد استدلال يقدّمه، بنافذة سياق منشورة تبلغ 32,000 رمز وترخيص Apache 2.0. أحدهما منتج تشترك فيه ولا يمكنك فحصه. والآخر قطعة أثرية يمكنك تنزيلها وتكميمها.

المكان الضيق حيث يلتقيان

ثمة تداخل حقيقي واحد، ويستحق التسمية لأنه الموضع الذي تخطئ فيه الفرق فعليًا. إذا كان وكيلك ينتج مخرجات موجهة للمستخدم — صفحة تقرير، أو لوحة معلومات للحالة، أو شريحة مُولّدة — فعند نقطة ما في تلك السلسلة يتعين على نموذج أن يقرر التخطيط. نموذج تحرير المستودعات سيبادر بكل سرور إلى إخراج HTML يعمل ويبدو كعام 2009. ونموذج التصميم سيبادر بكل سرور إلى إخراج لوحة معلومات جميلة لكنها تحوي أرقامًا خاطئة، لأنه لا يستطيع الوصول إلى مجموعة الاختبارات أو طبقة البيانات لديك.

هذا خط أنابيب فيه مهمتان، وليس مقارنة بفائز واحد. القرار الحقيقي هو ما إذا كانت خطوة التصميم استدعاءً منفصلًا له نموذجه الخاص وبوابة مراجعته الخاصة، أم أنك تقبل تخطيطًا متوسطًا من نموذج عام واحد. الفرق التي تهتم بالنتيجة البصرية تنتهي إلى فصل الخطوة؛ والفرق التي لا تهتم يجب ألا تشتري نموذج تصميم أصلًا.

التكلفة والوصول وما ستنفقه فعليًا

• AesCode 32B — أوزان مفتوحة بموجب Apache 2.0، لذا فإن التكلفة الحدية هي وحدة معالجة الرسوميات لديك أو سعر الرمز لدى مزوّدك؛ لا اشتراك مع أي بائع.

• SWE-2 Flash — مجاني داخل Devin حتى 30 نوفمبر 2026، ثم دون تسعير، لأن Cognition لم تنشر سعرًا لكل رمز عند الإطلاق.

• التكلفة الخفية لـ AesCode — بوابة المراجعة. معدل فشل بنسبة 23.9% في البنية العلائقية يعني التحقق البشري أو البرمجي من كل مُخرَج.

• التكلفة الخفية لـ SWE-2 Flash — الاحتكار. لا توجد نقطة نهاية يمكن الرجوع إليها إذا أُغلقت النافذة المجانية بشروط لا توافق عليها.

لا يمكن استدعاء أيٍّ من هذين النموذجين عبر OrcaRouter اليوم: فـ SWE-2 Flash لا يملك أي نقطة نهاية على الإطلاق، وAesCode 32B ليس في الكتالوج. لكن ما تؤكّده المقارنة فعلاً هو شكل طبقة التوجيه المحيطة بها. يوفّر OrcaRouter أكثر من 200 نموذج خلف مفتاح واحد، كما تتيح لغة التوجيه الخاصة به (DSL) تثبيت نماذج مختلفة على خطوات مختلفة من استدعاء مركّب واحد — وهو بالضبط التقسيم القائل "خطوة التصميم هنا، وخطوة الهندسة هناك" الموصوف أعلاه. أنت لا تحصل على أيٍّ من هذين النموذجين منّا، بل تحصل على مكان واحد تضع فيه أي زوج تنتهي باختياره، مع تجاوز تلقائي للفشل عندما يكون أحدهما غير متاح في الساعة الثانية صباحًا.

القاعدة العامة

إذا كان المُخرَج الذي يراه مستخدمك طلبَ سحب، فإن SWE-2 Flash يقع في النطاق وAesCode 32B ليس كذلك. وإذا كان المُخرَج شريحة عرض أو ملصقًا أو لوحة معلومات أو رسمًا معلوماتيًا، فإن AesCode 32B يقع في النطاق ولا يستطيع SWE-2 Flash أداء المهمة — لا بشكل سيئ، ولا ببطء، بل لا يستطيعها إطلاقًا. وإذا احتجت إلى كليهما، فأنت بحاجة إلى استدعاءين وبوابة مراجعة على الاستدعاء الخاص بالتصميم.

المقارنة التي ستكون مفيدة فعلاً غير موجودة بعد: لم يُشغّل أحد AesCode 32B داخل حلقة وكيل قادرة على التحقق من مخرجاته المُصيَّرة مقابل مجموعة اختبارات، ولم يُشغّل أحد SWE-2 Flash على معيار لتقييم التخطيط. وإلى أن يحدث أحد هذين الأمرين، فإن الادعاء الوحيد القابل للدفاع هو الادعاء الممل. فهذان النموذجان ليسا بديلين لبعضهما، وأي جدول يضع درجاتهما في أعمدة متجاورة إنما يقيس شيئين مختلفين بمسطرة واحدة.