AesCode 32B vs North Mini Code: Die Gewichtsdatei ist nicht die Verpflichtung

Beide Modelle sind Apache 2.0, beide sind herunterladbar, und beide wurden für eine eng umrissene Aufgabe gebaut – und genau dort hört die Ähnlichkeit auf, nützlich zu sein. AesCode 32B ist Microsofts Forschungs-Checkpoint zum Generieren von editierbarem HTML und CSS: Folien, Poster, Dashboards und Berichte. Sein Hugging-Face-Repository wurde am 29. September 2026 erstellt, und der Commit mit dem Titel „Release AesCode-32B“ wurde am 7. Oktober 2026 eingespielt; Microsoft hat keine Ankündigung veröffentlicht, und die Modellkarte enthält überhaupt kein Veröffentlichungsdatum. North Mini Code ist Coheres offenes Gewichtsmodell für agentisches Codieren, ein 30B-Mixture-of-Experts mit 3B aktiven Parametern, veröffentlicht im Juni 2026, ausgerichtet auf Softwareentwicklung und Terminal-Arbeit. Der naheliegende Weg, sie zu vergleichen, sind Benchmarks, und er funktioniert nicht, weil die beiden nie an derselben Aufgabe gemessen wurden und nur eine von ihnen von irgendjemandem außerhalb ihres eigenen Labors gemessen wurde. Der Vergleich, der funktioniert – derjenige, der entscheidet, ob man tatsächlich eines von beiden ausführen kann –, ist die Gewichtsdatei.

Zwei Kontrollpunkte, zwei sehr unterschiedliche Rechnungen

Das ist die Achse, die die meisten Vergleiche auslassen, und bei zwei selbst gehosteten Modellen ist sie die Achse, die am wichtigsten ist.

• Parameter — AesCode 32B: 33B, dicht. North Mini Code: 30B insgesamt, 3B aktiv, Mixture-of-Experts.

• Speicher zum Ausführen – AesCode 32B: Die Model Card empfiehlt, für die bf16-Parameter allein grob 65 GB Beschleunigerspeicher einzuplanen. North Mini Code: quantisiert reichen etwa 20–24 GB aus, und zu den Referenz-Deployments zählt auch ein Mac Studio.

• Serving-Form — AesCode 32B: ein Vision-Language-Modell, der Serving-Pfad trägt also sowohl Bilder als auch Text, und sein eigenes Beispiel verwendet vierfache Tensor-Parallelität. North Mini Code: Text rein, Text raus; die Benchmarks nutzten ein einzelnes Terminal-Tool.

• Lizenz — beide Apache 2.0, Gewichte inklusive. Diese Zeile ist ein Gleichstand und nicht das Unterscheidungsmerkmal, für das ihn viele halten.

• Kontext — AesCode 32B: 24.576 Token in der berichteten Konfiguration, wobei Prompts und Antworten beim Training auf 8.192 begrenzt sind. North Mini Code: 256K Eingabe, 64K Ausgabe.

• Was es ausgibt — AesCode 32B: ein vollständiges HTML-Dokument, Tabellen als HTML-Tabellen und Diagramme als ECharts-Spezifikationen. North Mini Code: welchen Text oder Tool-Aufruf das Harness auch immer angefordert hat.

• Unabhängige Bewertung — AesCode 32B: keine veröffentlicht; alle Angaben stammen von Microsoft. North Mini Code: bei Artificial Analysis bewertet, wo auch seine Weitschweifigkeit beanstandet wurde.

Lesen Sie die zweite Zeile zweimal. Ein dichtes 32B-Vision-Language-Modell, das 65 GB und Vier-Wege-Parallelität benötigt, ist eine andere Beschaffungsentscheidung als ein MoE-Modell mit 3B aktiven Parametern, das quantisiert in eine Workstation passt. Wenn Ihr Grund, offene Gewichte in Betracht zu ziehen, „wir wollen das auf unserer eigenen Hardware“ war, dann ist diese Zeile bereits der größte Teil der Antwort, bevor Sie auch nur einen einzigen Prompt ausführen.

Die Lizenz ist nicht der Grund, sich für eines von beiden zu entscheiden.

Fast jeder Open-Weights-Vergleich beginnt bei der Lizenzierung, und hier ist sie eine Sackgasse: Beide stehen unter Apache 2.0, beide liefern vollständige Gewichte, und keines von beiden trägt eine Nutzungsbeschränkung, die einen kommerziellen Einsatz verhindern würde. Es gibt keine Datenweitergabeklausel, die man gegen einen Rabatt abwägen könnte, keine Contributor-Stufe, keine Field-of-Use-Ausnahme. Woran auch immer Sie zwischen diesen beiden Ihre Wahl festmachen: Es ist nicht die Erlaubnis.

Was übrig bleibt, wenn man Lizenzierung vom Tisch nimmt, ist das, wozu das Modell trainiert wurde — und diese beiden wurden in entgegengesetzte Richtungen trainiert.

Einer wurde auf einem Terminal trainiert, der andere auf einer Leinwand

Die Modellkarte von North Mini Code benennt ihr Ziel unverblümt: Codegenerierung, agentisches Software-Engineering und Terminal-Aufgaben. Cohere trainierte es über mehrere Agent-Harnesses hinweg – SWE-Agent, mini-SWE-Agent, OpenCode, Terminus 2 –, eigens damit es in demjenigen funktioniert, das Sie bereits ausführen, und evaluierte es auf SWE-Bench Verified, SWE-Bench Pro, Terminal-Bench v2 und Terminal-Bench Hard. Seine veröffentlichte Schwäche ist echt und wurde von einem externen Evaluator gefunden, statt vom Anbieter von sich aus offengelegt: Es gibt ungefähr dreimal so viele Ausgabe-Tokens aus wie der Median seiner Größenklasse. Weitschweifige Modelle schreiben lange Agent-Trajektorien, und lange Trajektorien sind das, wofür Sie zahlen, sobald die Aktionspreise enden.

AesCode 32B wurde auf etwas völlig anderem trainiert, und die Karte stellt ungewöhnlich klar fest, dass das Ziel das Artefakt ist. Der ganze Sinn des Designs besteht darin, dass ein Codemodell nicht sehen kann, wie Layout, Hierarchie und Farbe auf einer Leinwand zusammenkommen, daher verwendet AesCode ein aus demselben Prompt generiertes Bild als ästhetische Referenz, während der Prompt die Quelle der Wahrheit für den Inhalt bleibt. Die Überwachung ist ein „Design-Graph“ aus Knoten und Kanten, sieben Reward-Kanäle – Ausführung, Text, Grenze, Tabelle/Diagramm, Layout, Weißraum, Design –, sechs davon deterministische Verifier und einer ein Vision-Language-Richter, der anhand einer Rubrik pro Stichprobe arbeitet. Kandidaten werden in einem Playwright-Browser in einer Sandbox mit blockierten externen Anfragen gerendert und anhand des DOM, berechneter Stile, Begrenzungsrahmen und eines Screenshots bewertet.

Diese Maschinerie existiert, um eines wahr zu machen: Die Ausgabe ist eine gerenderte Seite, die ein Mensch öffnen und bearbeiten wird, kein Patch, der auf ein Repository angewendet wird. AesCode 32B wurde nie darauf trainiert, eine Shell zu verwenden, und nichts am Belohnungsdesign würde es dafür belohnen, es zu versuchen.

Die Evidenzasymmetrie, ehrlich dargelegt

North Mini Code wurde von einem Dritten ausgeführt. Artificial Analysis bewertet es mit 33,4 auf seinem Coding Index und 27,6 auf seinem Intelligence Index und veröffentlicht den Befund zur Ausführlichkeit. Coheres eigene Schlagzeilenzahl – 61,0 % pass@1 auf SWE-Bench Verified – stammt vom Anbieter, lässt sich aber anhand eines Modells überprüfen, das jeder herunterladen kann, und die Modellkarte ist offen über ihre Harness-Entscheidungen und geht sogar so weit, anzumerken, dass sie für Terminal-Bench Hard der eigenen Methodik von Artificial Analysis gefolgt ist, um den Vergleich fair zu halten.

Für AesCode 32B gibt es kein Äquivalent. Seine Infografik-Evaluierung mit 300 Stichproben, drei Generierungen pro Prompt ohne Auswahl, ergibt 85,89 Overall gegenüber 81,28 für GPT-5.5 und 80,39 für Claude Opus 4.8 – alles gemessen innerhalb von Microsofts Harness, an Microsofts Stichproben, mit den Bewertungskanälen, gegen die Microsoft das Modell trainiert hat. Es besteht durchaus die Chance, dass die Zahlen fair sind; das Design ist transparenter als die meisten Anbietertabellen, der Verifier-Stack und der Rubric-Builder sind quelloffen, und die Model Card veröffentlicht die Tatsache, dass kein Modell im Vergleich in seiner Stil-Dimension über 60 kommt. Aber kein externes Labor hat irgendetwas davon reproduziert, und es gibt keinen Arena-Eintrag, keine Leaderboard-Platzierung und keinen unabhängigen Durchsatztest. Wenn ein Anbieter-Benchmark, der zufällig den eigenen Benchmark des Anbieters begünstigt – eine Infografik-Aufgabe –, in Ihrer Entscheidung viel Gewicht hat, wird von Ihnen verlangt, die einzig verfügbare Lesart zu akzeptieren.

Beachte, was das speziell für diesen Vergleich bedeutet: Es gibt keine gemeinsame Zahl. Keine. Das eine Modell wird danach bewertet, ob Software-Engineering-Aufgaben bestanden werden, das andere danach, ob Text lesbar ist und das Layout nicht über die Zeichenfläche hinausläuft. Jede Seite, die 33,4 neben 85,89 setzt, vergleicht einen Coding Index mit einem Overall Score einer Infografik, und keines der Modelle weiß, worauf das andere getestet wurde.

Keines von beiden ist ein Allzweckmodell, und das sind die eigentlichen Kosten.

Hier liegt die Falle in beiden Hälften dieses Vergleichs. Die Übernahme eines der beiden Modelle bedeutet, einen selbst gehosteten Serving-Pfad für einen Spezialisten zu unterhalten: 65 GB VRAM und einen multimodalen Stack für dasjenige, das Seiten rendert; einen Slot für ein MoE mit 3B aktiven Parametern für dasjenige, das Terminal-Aufgaben übernimmt. Beide sind gut in ihrer Aufgabe, und keines kann die des anderen übernehmen, was bedeutet, dass ein Team, das beide Fähigkeiten möchte, nun zwei Inference-Deployments betreibt – und für alles dazwischen, das Modell, das weder ein Seitenrenderer noch ein Terminal-Agent ist, betreiben sie ein drittes.

Das ist der Fall, in dem sich eine Routing-Schicht ihren Platz verdient, statt einfach drangeschraubt zu werden. Ein Schlüssel für über 200 Modelle zum Listenpreis des Anbieters, ohne Aufschlag, bedeutet, dass die Spezialarbeit auf Ihrer eigenen Hardware bleibt, wo die Wirtschaftlichkeit und der Umgang mit Daten Sinn ergeben, und die Routinearbeit geht an das gehostete Modell, das diese Woche am besten dafür geeignet ist. Die Qwen3-VL-Backbone-Familie ist ein gutes Beispiel dafür, wie dünn die Grenze wird: Microsoft hat AesCode 32B auf Qwen3-VL-32B-Instruct aufgebaut, und Vision-Language-Mitglieder dieser Familie sind im OrcaRouter-Katalog aufrufbar — Qwen3-VL 235B A22B Instruct für $0,40 pro Million Input-Tokens und $1,60 Output, oder das kleinere Qwen3-VL 8B Instruct für $0,18 und $0,70. Keines davon ist AesCode 32B: Das Fine-Tune stammt von Microsoft, und kein Anbieter stellt es bereit. Aber wenn Sie von AesCode 32B ein Modell wollten, das einen Screenshot liest und Code schreibt, und Sie nicht speziell das Fine-Tune für ästhetisches Design brauchten, dann gibt es das aufrufbare Modell und es kostet einen Bruchteil der GPU. Automatisches Failover unter demselben Endpunkt ist der Unterschied zwischen dem Ausprobieren und dem Verwetten eines Produktionspfads darauf.

Wie man wirklich entscheidet

Nimm die Lizenz zuerst vom Tisch, denn es ist ein Patt und sie wird nichts entscheiden.

Fragen Sie dann, was die Ausgabe sein soll. Wenn die Antwort eine gerenderte, bearbeitbare Seite ist – ein Deck, ein Bericht, ein Dashboard –, kann North Mini Code Ihnen nicht helfen, und AesCode 32B ist das einzige der beiden, das auf das Problem ausgerichtet ist. Gehen Sie mit klarem Blick an die Sache heran: die 65 GB, der 24K-Kontext, die fehlende unabhängige Bewertung und die Tatsache, dass dies ein nicht angekündigtes Modell mit einer zweistelligen Downloadzahl ist. Es ist eine Forschungsveröffentlichung, und Forschungsveröffentlichungen belohnen Teams, die es sich leisten können, neugierig zu sein.

Wenn die Antwort eine Änderung an einem Repository ist – eine Migration, ein Fix, ein mehrstufiger Terminal-Job –, dann ist North Mini Code dasjenige mit dem Harness-Training, dem 256K-Fenster, dem Deployment-Profil mit 3B aktiven Parametern und einer externen Messung sowohl seiner Qualität als auch seiner Ausführlichkeit. Kalkulieren Sie mit der Token-Anzahl, nicht mit dem beworbenen Preis.

Und wenn deine To-do-Liste für dieses Quartal sowohl ein Design-Artefakt als auch eine Repo-Migration enthält, dann lass dir das nicht als Zwei-Modell-Entscheidung verkaufen, wo es doch in Wahrheit eine Sechs-Modell-Entscheidung ist. Setze den Spezialisten dort ein, wo es sich lohnt, und route den Rest.

Das Problem unangekündigter Modelle

Eine letzte Sache trennt diese beiden, und sie ist nicht technischer Natur. Hinter North Mini Code steht ein Anbieter, der eine Modellkarte, einen Blogbeitrag, einen Hugging Face Space zum Ausprobieren und eine Papierspur zur Benchmark-Methodik veröffentlicht hat, über die man streiten kann. AesCode 32B hat ein Repository, eine README und eine Zitierzeile mit dem Vermerk „Under review, 2027“. Microsoft hat nicht gesagt, dass es existiert.

Das ändert sich, sobald man es einsetzen kann. Bei North Mini Code ist die offene Frage, ob seine Ausführlichkeit es im großen Maßstab unwirtschaftlich macht – eine Frage, die man beantworten kann, indem man es laufen lässt. Bei AesCode 32B ist die offene Frage, was Microsoft damit vorhat: ob dies ein Forschungsartefakt ist, die erste Veröffentlichung einer Produktlinie oder etwas, das in sechs Wochen stillschweigend durch eine 70B-Version ersetzt wird. Nichts im Repository beantwortet das, und kein noch so gründliches Lesen der Modellkarte wird es tun. Achten Sie auf drei Signale – eine offizielle Ankündigung, eine unabhängige Reproduktion der 85,89 oder einen Inferenzanbieter, der den Checkpoint aufgreift – und betrachten Sie das Fehlen aller drei als den aktuellen Stand der Beweislage und nicht als Grund, das Modell für uninteressant zu halten.