AesCode 32B vs. Qoder Cantus: Man kann eines inspizieren und das andere ausführen, niemals beides

Hier ist eine Umkehrung, mit der man sich durchaus länger beschäftigen sollte. AesCode 32B, Microsofts Checkpoint zur HTML- und CSS-Generierung, ist das am besten inspizierbare Modell seiner Klasse: Apache-2.0-Gewichte auf Hugging Face, ein offenes Repository mit den Reward-Verifiern, dem Rubrik-Builder und der Trainingsschleife, eine 300-Sample-Evaluierung, vollständig abgedruckt, und ein Trainingsrezept, das bis hinunter zur Lernrate und zur Anzahl der Rollout-Schritte detailliert ist. Sein Hugging-Face-Repository datiert vom 29. September 2026; der Commit mit dem Titel „Release AesCode-32B“ wurde am 7. Oktober 2026 eingespielt; Microsoft hat nichts davon angekündigt. Und fast niemand kann es ausführen, denn es ist ein 33B-Checkpoint, der rund 65 GB Beschleuniger-Speicher verlangt, und kein Anbieter stellt es bereit. Qoder Cantus ist die exakte Umkehrung. Es läuft heute, innerhalb von Qoder, für jeden mit einem Abonnement – und man kann es überhaupt nicht inspizieren. Qoders gesamte veröffentlichte Beschreibung des Modells ist ein Satz, es gibt keine Parameter, kein Kontextfenster, keine Benchmark-Tabelle und keine Gewichte, und weil es keine API gibt, wird es nie eine Zahl von Drittanbietern geben. Das eine Modell erzählt dir alles und lässt dich nichts tun. Das andere lässt dich alles tun und erzählt dir nichts. Die interessante Frage ist, welcher Fehlermodus dich mehr kostet.

Was die Dokumentation sagt, vollständig

Die Asymmetrie lässt sich am einfachsten erkennen, indem man schlicht zitiert, was existiert.

Bei AesCode 32B umfasst die öffentliche Dokumentation: das Basismodell (Qwen3-VL-32B-Instruct), die Parameteranzahl, die Lizenz, den vorgesehenen Verwendungszweck, den Umfang der Trainingsdaten, die SFT-Lernrate, die Einstellungen des RL-Optimierers, die Namen der Reward-Kanäle, die Anzahl der Prompts und Schritte, die Stichprobengröße der Evaluation, die Anzahl der Generierungen pro Prompt, die Decoding-Temperatur und Top-p, die zur Bewertung verwendete Kontextlänge, drei separate veröffentlichte Ergebnistabellen und eine Zitationsangabe für ein Paper, das als „under review“ gelistet ist. Es fehlen jedoch ein Veröffentlichungsdatum und eine Downloadzahl im zweistelligen Bereich – und der Hinweis auf der Modellkarte, dass es transformers>=4.57 benötigt und dass das automatisch generierte Nutzungs-Snippet auf der Seite nicht mit dem eigenen Beispiel der Karte übereinstimmt, ist genau die Art von Detail, die nur bestehen bleibt, wenn das Artefakt echt ist.

Über Qoder Cantus heißt es im öffentlichen Kenntnisstand: „Qoders integriertes intelligentes Spitzenmodell, das sich bei ausgedehnter autonomer Aufgabenausführung hervortut.“ Das ist die Beschreibung. Es gibt keine Modellkarte, weil es kein Modell zum Herunterladen gibt, keine Benchmark-Tabelle, weil Qoder weder einen Launch-Post noch einen technischen Bericht veröffentlicht hat, und keinen Arena-Eintrag, weil eine Arena einen Endpunkt zum Aufrufen braucht. Was darüber hinaus bekannt ist, ist eher struktureller als technischer Natur: Cantus erscheint in der Modellauswahl von Qoder Desktop, dem JetBrains-Plugin, der CLI, Cloud Agents und dem Webclient und wird über Qoders Credit-System abgerechnet, wobei ein Koeffizient auf die Nutzung des Modells angewendet wird.

Das ist keine Kritik am Modell. Es ist eine Beschreibung dessen, was sich überprüfen lässt, und für Cantus lautet die Antwort: nichts.

Wo jedes Einzelne wirklich stark ist

AesCode 32B’s Stärke ist die Verifizierbarkeit, und das ist ungewöhnlich genug, um es zu erklären statt einfach zu behaupten. Das Trainingssignal ist nicht ein einzelner Wert – es sind sieben Kanäle, sechs davon deterministische Verifizierer, die Eigenschaften aus dem ausgegebenen Code und dessen Rendering auslesen, plus ein Vision-Language-Judge, der die nicht parsbaren Eigenschaften anhand einer Rubrik bewertet, die an einen Designgraphen pro Sample gebunden ist. Jeder Kandidat wird in einem abgeschotteten Playwright-Browser mit blockierten externen Anfragen gerendert, wobei DOM, berechnete Stile, Bounding Boxes, Konsolenstatus und ein Screenshot exportiert werden. Da jede Eigenschaft zuordenbar ist, kann das Lab berichten, dass es die Visual-Komponente um 22,4 Punkte gegenüber seinem eigenen Qwen3-VL-32B-Backbone verbessert hat, und Ihnen sagen, welche Kanäle am Ende des Trainings noch im Steigen begriffen waren. Das ist ein Release, über das man streiten, das man reproduzieren oder erweitern kann.

Die Kosten sind ebenso konkret. Die Model Card rät dazu, allein für die bf16-Parameter grob 65 GB einzuplanen; ihr Serving-Beispiel verwendet Tensor-Parallelität über vier Wege; die berichteten Zahlen verwenden einen Kontext von 24.576 Token; während des Reinforcement Learning waren die Prompts und Antworten auf 8.192 Token begrenzt. Vergleichen Sie das mit der Tatsache, dass kein Inferenzanbieter den Checkpoint deployt, und die Hürde ist nicht philosophisch. Entweder besitzen Sie die Hardware oder Sie mieten sie, und den multimodalen Serving-Pfad bauen Sie selbst.

Cantus’ Stärke ist das Gegenteil: Es ist einfach da. Kein Download, keine GPU, kein Serving-Stack, kein Harness, den man wählen müsste. Es erscheint in der Modellauswahl der IDE, in der du dich bereits befindest, und es ist genau auf das ausgerichtet, wofür agentische Coding-Tools angepriesen werden – die lang andauernde autonome Ausführung von Aufgaben. Was auch immer sonst daran unsicher sein mag, das Deployment-Problem ist für dich gelöst, und Qoder weiß vermutlich mehr über das Modell, das es gebaut hat, als es veröffentlicht hat.

Die drei Fragen, die Sie über Cantus nicht beantworten können

Es lohnt sich, genau zu sein, wenn es darum geht, was die fehlende Dokumentation kostet, denn „keine Benchmarks“ greift zu kurz.

• Wie groß ist es — unbekannt. Die Parameteranzahl wird nicht offengelegt. Bei einem nach Credits abgerechneten Modell ist das keine Nebensache: Sie ist die wichtigste Größe dafür, ob eine Aufgabe, die dich anderswo 2 $ kostet, hier nur für 6 $ erledigt werden kann.

• Wie viel Kontext fasst es — nicht offengelegt, wobei Diskussionen Dritter auf etwas im Bereich von 200K hindeuten und es dafür keine Quelle gibt. Agentische Arbeit mit langem Horizont steht und fällt mit dieser Zahl, und sie wird nicht veröffentlicht.

• Ist es gut – im strengen Sinne nicht zu beantworten. Qoders Argument, das in der Positionierung mitschwingt, lautet, dass sich lange autonome Ausführung besser daran messen lässt, wie ein Modell mit Kontext, Wiederherstellung und Hunderten von Tool-Aufrufen umgeht, als an Coding-Scores für einzelne Turns. Das ist ein berechtigtes Argument. Es würde stärker verfangen, wenn das Modell testbar wäre, und das kann es nicht sein, weil nichts außerhalb von Qoder es aufrufen kann.

Vergleichen Sie das mit dem Spiegelbild der dritten Frage auf der AesCode-Seite: Die Zahlen existieren und sind detailliert, aber es sind Microsofts Zahlen, erzeugt von Microsofts Testumgebung, auf Microsofts 300 Stichproben, und kein externes Labor hat auch nur eine davon reproduziert. AesCode 32B hat eine dokumentierte Obergrenze von 55,99 auf seiner eigenen Stil-Dimension und eine Rate schwerwiegender Canvas-Grenzfehler von 4,3 % – beides vom Anbieter veröffentlicht – und keine unabhängige Bestätigung, dass eine der beiden Angaben stimmt. Die beiden Fehlerarten sind also: Zahlen, denen man nicht trauen kann, und keine Zahlen. Das ist eine schlechtere Wahl als „eines ist gut, eines ist schlecht“, und es ist die Wahl, die dieses Duell tatsächlich bietet.

Was es Sie auf jeder Seite kostet

Cantus rechnet über Qoders Creditsystem ab, nicht über einen veröffentlichten Token-Preis. Qoder wendet einen Koeffizienten auf die Nutzung eines Modells an, und Cantus ging mit einem 3,2×-Multiplikator live, der im Rahmen einer 50%-Rabattaktion, die bis zum 31. Juli 2026 lief, auf 1,6× gesenkt wurde. Rekonstruiert aus Qoders eigenen veröffentlichten Credit-Schätzungen statt aus irgendeiner Pro-Token-Zahl – Qoder hat nie eine für Cantus veröffentlicht –, ergibt das grob 0,38 $ pro Durchlauf im Editor-Modus, 1,60 $ pro Quest-Aufgabe und 2,40 $ pro Quest im Experts-Modus. Dabei handelt es sich um Rekonstruktionen, die als solche gekennzeichnet sind, weil es keine Primärquelle gibt, die etwas anderes sagt.

Die Kosten von AesCode 32B sind ein Kapitalbetrag statt eines Preises pro Einheit. Die Gewichte sind unter Apache 2.0 kostenlos, und die Rechnung fällt in Form von GPU-Stunden an – 65 GB Accelerator-Speicher für die Parameter, dazu der Vision-Tower und der Durchsatz, den Sie benötigen. Wenn Sie bereits einen Node der B200-Klasse für andere Arbeit betreiben, liegen die Grenzkosten nahe null. Wenn nicht, ist der ehrliche Vergleich nicht „$0 pro Million Tokens“ gegenüber Qoders Credits; es ist eine Hardware-Entscheidung gegenüber einem Abonnement.

Der Unterschied bei der Komponierbarkeit

Es gibt noch eine weitere Konsequenz des Zugriffsmodells, und es ist diejenige, die eine Routing-Plattform als Erstes bemerkt.

Cantus lässt sich mit nichts kombinieren. Keine API bedeutet kein Fallback, kein A/B gegen ein anderes Modell bei derselben Aufgabe, kein Kaskadieren von einem günstigen Modell zu einem teuren mitten in einer Anfrage, keine Möglichkeit, es in ein von dir geschriebenes Evaluierungs-Harness aufzunehmen. Es ist eine Option innerhalb eines Produkts, und der einzige Hebel, den du in der Hand hältst, ist der Picker. Das ist eine bewusste Designentscheidung von Qoder und eine vollkommen vernünftige, wenn die IDE der Ort ist, an dem du leben möchtest – aber es bedeutet, dass deine Architektur Qoders Roadmap erbt.

AesCode 32B hat in der Theorie die entgegengesetzte Eigenschaft und in der Praxis eine Lücke. Gewichte bedeuten, dass es überallhin gelangen kann: in deinen Cluster, auf eine gemietete Instanz, in dein eigenes Tooling, in deine eigene Evaluation. Was es heute nicht kann, ist, aufgerufen zu werden, weil kein Anbieter es bereitstellt — Microsoft hat einen Checkpoint veröffentlicht und es dabei belassen. Das Modell, das strukturell komponierbar ist, ist also noch nicht praktisch komponierbar, und das Modell, das praktisch verfügbar ist, ist strukturell verschlossen.

Worauf das die Routing-Diskussion reduziert, ist enger als üblich, und es lohnt sich, das ehrlich zu sagen: Keines der beiden Modelle in diesem Vergleich steht in unserem Katalog, und diese Seite wird nicht so tun, als wäre es anders. Was ein einzelner Endpoint mit über 200 Modellen zum Listenpreis des Anbieters hier tatsächlich bringt, ist die umgebende Schicht – die Möglichkeit, den Workflow aufzubauen, der die Ausgabe von AesCode 32B konsumiert, und die Teile davon, die ein Allzweckmodell übernehmen sollte, entsprechend zu routen, ohne für jedes einen zweiten Vertrag aufsetzen zu müssen. Wenn Sie diese Schicht testen möchten, bevor Sie sich auf ein selbst gehostetes Vision-Language-Deployment festlegen, ist der günstigste Weg ein aufrufbares Modell aus derselben Familie: AesCode 32B ist ein Fine-Tune von Qwen3-VL-32B-Instruct, und Qwen3-VL 235B A22B Instruct ist für 0,40 $ pro Million Input-Tokens und 1,60 $ Output verfügbar, wobei das kleinere Qwen3-VL 8B Instruct bei 0,18 $ und 0,70 $ liegt. Das sind andere Modelle, keine Substitute für das Fine-Tune – aber sie beantworten die Frage „Kann ein gehostetes VLM diesen Screenshot lesen und Code schreiben, der gut genug für unsere Pipeline ist" für Cents statt 65 GB, und Failover über Anbieter hinweg liegt unter demselben Schlüssel, falls die Antwort ja lautet und der Traffic real wird.

Wie man wählt

Wähle Cantus, wenn du bereits in Qoder arbeitest, wenn du es schätzt, dass keine Infrastrukturarbeit anfällt, und wenn dir die Nichtüberprüfbarkeit ein Preis ist, den du dafür zu zahlen bereit bist. Sei dir klar darüber, dass du eine Fähigkeit kaufst, kein Modell: Du kannst sie nicht benchmarken, bevor du sie einsetzt, du kannst ihren Preis mit nichts auf Pro-Token-Basis vergleichen, und du kannst sie nicht mitnehmen, wenn Qoder seine Preisgestaltung oder seine Roadmap ändert.

Wählen Sie AesCode 32B, wenn Sie das Artefakt brauchen und sich das Deployment leisten können – und insbesondere, wenn Sie ein Modell benötigen, das editierbares HTML ausgibt, das Sie diffen, prüfen und ausliefern können. Seien Sie ebenso nüchtern: Es ist nicht angekündigt, nicht reproduziert, für die meiste Hardware zu groß und für einen 24K-Kontext dokumentiert, der lange Dokumente einschränken wird.

Wenn du weder das Lock-in des ersten noch die Kapitalkosten des zweiten willst, ist der ehrliche Weg, dieselbe Fähigkeit von einem Modell zu beziehen, das du aufrufen kannst. Ein Vision-Language-Modell hinter einem API-Schlüssel liest einen Screenshot und schreibt strukturiertes Markup. Es wird nicht mit sieben Reward-Kanälen trainiert, die auf Designqualität abgestimmt sind, und es wird auf dem Infografik-Benchmark, den Microsoft gebaut hat, nicht mit AesCode 32B mithalten. Aber es kostet dich eine hinterlegte Karte statt einer GPU-Beschaffung, und du wirst es selbst messen können — worauf es in diesem gesamten Duell einzig und allein ankommt.

Was zu sehen

Cantus wird an dem Tag zu einem normalen Modell, an dem Qoder einen Endpunkt bereitstellt oder Gewichte ausliefert; bis dahin ist jede Aussage darüber eine Aussage über Qoders Produkt statt eine Aussage über ein Modell, und die Beweislücke ist strukturell und nicht ein Dokumentationsversehen. AesCode 32B wird an dem Tag zu einem normalen Modell, an dem ein Inferenzanbieter den Checkpoint übernimmt oder ein externes Labor die 85,89 reproduziert – und wenn das zeitgleich damit geschieht, dass Microsoft die Sache tatsächlich ankündigt, ist die 65-GB-Hürde die einzige, die übrig bleibt. Was zuerst eintritt, verrät Ihnen, welchen der beiden Fehlermodi diese Branche beschlossen hat, nicht länger zu tolerieren.