AesCode 32B vs Muse Code: un motor de pósteres y un agente de terminal no son rivales

AesCode 32B y Muse Code se comparan porque ambos nombres contienen la palabra «code», y eso es casi lo único que comparten. AesCode 32B es el checkpoint de investigación de Microsoft para generar HTML y CSS editables — diapositivas, carteles, paneles, informes — publicado bajo Apache 2.0 en Hugging Face, con el repositorio creado el 29 de septiembre de 2026 y el commit que lleva el nombre «Release AesCode-32B» fechado el 7 de octubre de 2026. Microsoft no ha anunciado nada al respecto: no hay entrada de lanzamiento, ni nota de prensa, y la propia ficha del modelo no indica ninguna fecha de lanzamiento. Muse Code no es un modelo en absoluto. Es el agente de programación de terminal de Meta, en beta desde principios de agosto de 2026, que se dedica a ejecutar comandos de shell contra un repositorio. Uno de ellos produce un archivo que abres en un navegador. El otro ejecuta comandos hasta que pasan las pruebas. Elegir entre ambos no es una decisión sobre un modelo, y lo útil que puede hacer esta página es evitar que la tomes como si lo fuera.

Para qué sirve realmente cada uno

AesCode 32B parte de Qwen3-VL-32B-Instruct y se entrena, según su tarjeta de modelo, con ajuste fino supervisado de inicio en frío sobre 3.000 demostraciones, seguido de aprendizaje por refuerzo GDPO en siete canales de recompensa — ejecución, texto, límites, tabla/gráfico, maquetación, espacios en blanco y diseño. Seis de esos canales son verificadores deterministas; el séptimo es un juez de visión-lenguaje que trabaja a partir de una rúbrica por muestra vinculada a un "grafo de diseño" de la página objetivo. Cada salida candidata se renderiza en un navegador Playwright en sandbox con las solicitudes externas bloqueadas y luego se puntúa a partir del DOM, los estilos computados, los cuadros delimitadores y una captura de pantalla. Los resultados previstos se nombran explícitamente en la tarjeta: diapositivas editables, pósteres, paneles de control e informes, además de investigación sobre generación de código multimodal. El modelo emite un documento HTML completo y está entrenado para usar estructuras de tabla HTML reales y especificaciones de ECharts, de modo que su salida siga siendo inspeccionable.

Muse Code hace algo estructuralmente distinto. Es un binario nativo para macOS y Linux con un bucle de agente principal, agentes en segundo plano asíncronos que siguen recopilando contexto a lo largo de una sesión, árboles de trabajo de Git aislados para que los subagentes no colisionen, y un registro de eventos local que permite reproducir o reanudar una sesión que se ha caído. Según los propios informes de Meta, escribe miles de llamadas a herramientas durante períodos medidos en horas. Lo que se vende es el bucle, no el artefacto.

Pon los dos uno al lado del otro y los verbos no coinciden. AesCode 32B renderiza. Muse Code ejecuta. Si tu problema es "nuestra presentación trimestral le lleva tres días a un diseñador", Muse Code es irrelevante y AesCode 32B apunta directamente a eso. Si tu problema es "nadie quiere pasar un fin de semana actualizando este árbol de dependencias", AesCode 32B no tiene nada que decir y Muse Code es la herramienta.

La evidencia de cada lado no es el mismo tipo de evidencia.

Esta es la parte que todas las páginas de comparación hacen mal, así que vale la pena tomárselo con calma.

Los números de AesCode 32B provienen de una evaluación de infografías de 300 muestras, tres generaciones por prompt sin selección, y son impresionantes en sus propios términos: una puntuación general de 85.89 frente a 81.28 de GPT-5.5 y 80.39 de Claude Opus 4.8, ambos medidos con la misma configuración de imagen de referencia por el propio harness de Microsoft. La tarjeta también informa que un fallo grave de límite de lienzo se repite en el 4.3% de las muestras frente al 34.7% de GPT-5.5, y que AesCode 32B supera a su propio backbone Qwen3-VL-32B por 22.4 puntos en la dimensión Visual y 24.8 en General.

Interpreta todo eso como reportado por el proveedor y no reproducido. El benchmark, los canales de recompensa que entrenaron el modelo y las métricas que lo puntúan son trabajo del mismo laboratorio, y las 300 muestras son de Microsoft. Eso no es razón para descartar el resultado — la evaluación es inusualmente transparente, el stack de verificación está abierto, y el hecho de que la tarjeta publique una dimensión en la que ningún modelo supera el 60 ("estilo", donde nada obtiene más de 55.99) es más honestidad de la que contienen la mayoría de las tablas de proveedores. Es una razón para no poner 85.89 junto a un número producido por un laboratorio diferente en una tarea diferente y pretender que se hizo una comparación.

Los números de Muse Code vuelven a ser reportados por Meta en un sentido distinto: miden un modelo junto con un arnés. Meta reporta 82.9% en Terminal-Bench 2.1 para Muse Code, en segundo lugar por detrás de Claude Opus 5 emparejado con Claude Code con 86.7%, además de 59.3% en DeepSWE 1.1 y 70.6% en un banco de pruebas interno de programación. Como en esa tabla se emparejaron distintos arneses con distintos modelos, no se puede aislar la contribución del modelo a partir de la puntuación del sistema. Y no hay ningún solapamiento entre aquello en lo que se evalúa a Muse Code y aquello en lo que se evalúa a AesCode 32B: a uno se le puntúa en tareas de terminal e ingeniería de software; al otro, en si el texto de una infografía es legible y su diseño no se desborda.

Lo que esconde «un checkpoint de 32B»

El despliegue es donde los dos productos más se distancian, y la versión breve cabe en una lista de viñetas.

• Qué es — AesCode 32B: un checkpoint de modelo de 33B parámetros que descargas. Muse Code: un producto de agente de terminal instalable.

• Licencia — AesCode 32B: Apache 2.0, pesos incluidos. Muse Code: propietario; el modelo que lo respalda es cerrado.

• Lo que proporcionas — AesCode 32B: una GPU y un stack de servicio. Muse Code: una clave de API o una suscripción.

• Mínimo de hardware — AesCode 32B: la ficha aconseja planificar aproximadamente 65 GB de memoria de acelerador solo para los parámetros en bf16, y su propio ejemplo de servicio usa paralelismo tensorial de cuatro vías. Muse Code: una laptop.

• Contexto — AesCode 32B: 24.576 tokens en la configuración reportada, con un límite de 8.192 para prompts y respuestas durante el entrenamiento de RL. Muse Code: una ventana de 1 M de tokens a través del modelo Muse Spark que lo sustenta.

• Precio — AesCode 32B: los pesos son gratuitos; el coste es el hardware. Muse Code: se factura por token o mediante un plan mensual.

• Evidencia — AesCode 32B: una evaluación realizada por el proveedor sobre sus propias 300 muestras, con el arnés publicado. Muse Code: benchmarks a nivel de sistema reportados por Meta sobre una pila acoplada de agente y modelo.

Esa fila de "mínimo de hardware" es la que la gente se salta. Un checkpoint de 32B en bf16 no es un modelo para portátil, y AesCode 32B es, además, un modelo de visión-lenguaje, así que la ruta de servicio también maneja entradas de imagen. Muse Code es un binario que instalas en una tarde.

Donde realmente se superponen

Existe exactamente una superposición real, y es estrecha: a ambos se los puede dirigir a un artefacto adyacente al diseño y pedirles que produzcan algo que un humano refinará. Si tu equipo genera paneles internos como código y además quiere un agente que pueda abrir una pull request contra el repositorio del panel, ambos productos tocan ese flujo de trabajo.

Incluso ahí la división es nítida. AesCode 32B produce el artefacto. Muse Code produce el cambio. Un pipeline que hiciera ambas cosas llamaría a AesCode 32B para renderizar y luego entregaría el archivo resultante a un agente para colocarlo, conectarlo y probarlo — y nada en ninguno de los dos productos lo impide, porque nunca estuvieron compitiendo por la misma posición.

La mitad de este enfrentamiento que puedes pronosticar hoy

He aquí una asimetría práctica que vale la pena decir sin rodeos. AesCode 32B no lo despliega ningún proveedor de inferencia. La ficha de Hugging Face no incluye ningún endpoint alojado, ningún socio y ninguna API; si quieres usarlo, tienes que descargar 65 GB de pesos y construir tú mismo la ruta de servicio. Ese es un estado normal para un lanzamiento de investigación y también es lo más grande que se interpone entre el modelo y cualquiera que no tenga ocho GPU.

El modelo subyacente de Muse Code no tiene ese problema. La familia Muse Spark se sirve como un modelo de API sin más, y Muse Spark 1.2 está en el catálogo de OrcaRouter donde se factura a las tarifas de lista de Meta de $1,25 por millón de tokens de entrada y $4,25 por millón de tokens de salida —precio de lista del proveedor transferido tal cual, sin margen de nuestro lado, así que un cambio de precio de Meta llega aquí el mismo día que llega allí. Una sola clave lo cubre junto con más de 200 otros modelos, con conmutación por error automática si un proveedor falla, que es la diferencia entre «podemos probar esto» y «podemos poner esto en una ruta de producción». Si lo que realmente querías de esta página era una forma de usar la inteligencia dentro de Muse Code sin adoptar el producto Muse Code, esa es la vía, y existe. Si lo que querías era AesCode 32B, la vía es una descarga.

¿Cuál elegir?

Elige AesCode 32B si el artefacto es lo que importa. Produces presentaciones, informes, pósteres o paneles en volumen, tienes el hardware o la disposición de alquilarlo, y el atractivo de un modelo que emite HTML estructurado y editable —tablas como tablas, gráficos como especificaciones de ECharts, todo se puede diferenciar en Git— merece un entorno de servicio de nivel investigación. Acepta que eres un adoptante temprano de un modelo no anunciado con un recuento de descargas bajo, que ningún laboratorio independiente ha reproducido sus puntuaciones, y que su contexto de 24K es una restricción real para documentos largos.

Elige Muse Code si el proceso es lo importante. Quieres un agente que se ejecute en la terminal, que sobreviva a un fallo a mitad de sesión y que pueda mantener varios flujos de trabajo a la vez en worktrees aislados, y no te importa pagar por token o por mes por ello.

No elijas ninguno de los dos, y dirígete directamente a Muse Spark 1.2, si lo que necesitabas era un modelo de razonamiento capaz detrás de una clave de API y el harness de terminal nunca fue la parte que querías.

¿Qué cambiaría esta página?

Tres cosas. Si un proveedor de inferencia incorpora AesCode 32B —o Microsoft publica un endpoint alojado—, la columna de despliegue se derrumba y el modelo pasa a ser algo que puedes evaluar en una tarde, lo que convertiría esto en una cuestión mucho más reñida para los equipos con un fuerte componente de diseño. Si una evaluación independiente reproduce el 85.89 global y la tasa de fallos en los límites del 4.3%, la asimetría de evidencia se reduce considerablemente. Y si Meta abre los pesos de Muse Spark, el planteamiento de «puedes descargar uno y no el otro» desaparece por completo. Hasta que ocurra una de esas cosas, el resumen honesto es que estos dos productos comparten una palabra, no una función.