AesCode 32B vs Muse Code: Mesin Poster dan Agen Terminal Bukanlah Saingan

AesCode 32B dan Muse Code dibandingkan karena kedua namanya mengandung kata "code", dan itu hampir menjadi satu-satunya kesamaan mereka. AesCode 32B adalah checkpoint riset Microsoft untuk menghasilkan HTML dan CSS yang dapat diedit — slide, poster, dasbor, laporan — diterbitkan di bawah Apache 2.0 di Hugging Face, dengan repositori yang dibuat pada 29 September 2026 dan commit yang membawa nama "Release AesCode-32B" bertanggal 7 Oktober 2026. Microsoft belum mengumumkan apa pun tentangnya: tidak ada postingan peluncuran, tidak ada siaran pers, dan kartu model itu sendiri tidak mencantumkan tanggal rilis. Muse Code sama sekali bukan model. Itu adalah agen coding terminal milik Meta, dalam versi beta sejak awal Agustus 2026, yang menghabiskan waktunya menjalankan perintah shell terhadap sebuah repositori. Salah satunya menghasilkan file yang Anda buka di peramban. Yang lain menjalankan perintah sampai tesnya lulus. Memilih di antara keduanya bukanlah keputusan model, dan hal berguna yang dapat dilakukan halaman ini adalah menghentikan Anda membuat pilihan itu seolah-olah memang keputusan model.

Apa sebenarnya kegunaan masing-masing

AesCode 32B dimulai dari Qwen3-VL-32B-Instruct dan dilatih, menurut kartu modelnya, dengan fine-tuning terawasi cold-start pada 3.000 demonstrasi yang diikuti oleh pembelajaran penguatan GDPO di tujuh kanal reward — eksekusi, teks, batas, tabel/grafik, tata letak, ruang kosong, dan desain. Enam dari kanal tersebut adalah verifier deterministik; kanal ketujuh adalah juri visi-bahasa yang bekerja berdasarkan rubrik per sampel yang terkait dengan "grafik desain" halaman target. Setiap keluaran kandidat dirender di browser Playwright yang di-sandbox dengan permintaan eksternal diblokir, lalu dinilai dari DOM, gaya terhitung, kotak pembatas, dan tangkapan layar. Keluaran yang dituju disebutkan secara eksplisit pada kartu tersebut: slide yang dapat diedit, poster, dasbor, dan laporan, plus riset tentang pembuatan kode multimodal. Model menghasilkan dokumen HTML lengkap dan dilatih untuk menggunakan struktur tabel HTML asli dan spesifikasi ECharts agar keluarannya tetap dapat diperiksa.

Muse Code melakukan sesuatu yang secara struktural berbeda. Ini adalah binary native untuk macOS dan Linux dengan loop agen utama, agen latar belakang asinkron yang terus mengumpulkan konteks sepanjang sesi, worktree Git yang terisolasi agar sub-agen tidak bertabrakan, dan log peristiwa lokal yang memungkinkan sesi yang macet diputar ulang atau dilanjutkan. Laporan Meta sendiri menyebutkan bahwa ia menulis ribuan panggilan alat selama periode yang diukur dalam jam. Yang dijual adalah loop-nya, bukan artefaknya.

Sandingkan keduanya dan kata kerjanya tidak cocok. AesCode 32B merender. Muse Code mengeksekusi. Jika masalah Anda adalah "deck kuartalan kami butuh waktu tiga hari bagi seorang desainer", Muse Code tidak relevan dan AesCode 32B justru ditujukan langsung untuk itu. Jika masalah Anda adalah "tidak ada yang mau menghabiskan akhir pekan untuk memutakhirkan pohon dependensi ini", AesCode 32B tidak bisa berkata apa-apa dan Muse Code adalah alatnya.

Bukti di masing-masing sisi bukanlah jenis bukti yang sama.

Inilah bagian yang selalu keliru dipahami setiap halaman perbandingan, jadi pantas untuk ditelusuri dengan perlahan.

Angka-angka AesCode 32B berasal dari evaluasi infografis 300 sampel, tiga generasi per prompt tanpa seleksi, dan angka-angka itu mengesankan menurut kriterianya sendiri: skor Keseluruhan 85,89 berbanding 81,28 untuk GPT-5.5 dan 80,39 untuk Claude Opus 4.8, keduanya diukur dengan penyiapan gambar referensi yang sama oleh perangkat uji milik Microsoft sendiri. Kartu tersebut juga melaporkan bahwa kegagalan batas kanvas yang parah berulang pada 4,3% sampel berbanding 34,7% untuk GPT-5.5, dan bahwa AesCode 32B mengalahkan backbone Qwen3-VL-32B miliknya sendiri dengan selisih 22,4 poin pada dimensi Visual dan 24,8 pada Keseluruhan.

Bacalah semua itu sebagai laporan vendor dan tidak direproduksi. Tolok ukur, kanal imbalan yang melatih model, dan metrik yang menilainya adalah karya lab yang sama, dan 300 sampel itu milik Microsoft. Itu bukan alasan untuk mengabaikan hasilnya — evaluasinya luar biasa transparan, tumpukan verifier-nya terbuka, dan fakta bahwa kartu itu mempublikasikan dimensi di mana tidak ada model pun melewati 60 ("style", di mana tidak ada yang mendapat skor di atas 55.99) adalah kejujuran yang lebih besar daripada yang dimuat sebagian besar tabel vendor. Itu adalah alasan untuk tidak menempatkan 85.89 di samping angka yang dihasilkan oleh lab berbeda pada tugas berbeda dan berpura-pura bahwa telah terjadi perbandingan.

Angka Muse Code dilaporkan Meta dalam pengertian yang berbeda lagi: angka itu mengukur model plus harness secara bersamaan. Meta melaporkan 82,9% pada Terminal-Bench 2.1 untuk Muse Code, peringkat kedua di belakang Claude Opus 5 yang dipasangkan dengan Claude Code pada 86,7%, plus 59,3% pada DeepSWE 1.1 dan 70,6% pada tolok ukur pengkodean internal. Karena harness yang berbeda dipasangkan dengan model yang berbeda di seluruh tabel itu, Anda tidak dapat membaca kontribusi model dari skor sistem tersebut. Dan sama sekali tidak ada tumpang tindih antara hal yang diukur pada Muse Code dan hal yang diukur pada AesCode 32B — yang satu dinilai pada tugas terminal dan rekayasa perangkat lunak, yang lain pada apakah teks sebuah infografis dapat terbaca dan tata letaknya tidak meluap.

Apa yang disembunyikan oleh "satu checkpoint 32B"

Penyebaran adalah titik di mana kedua produk paling jauh berbeda, dan versi singkatnya cukup dimuat dalam daftar berpoin.

• Apa itu — AesCode 32B: checkpoint model 33B parameter yang Anda unduh. Muse Code: produk agen terminal yang dapat dipasang.

• Lisensi — AesCode 32B: Apache 2.0, termasuk bobot. Muse Code: proprietari; model di baliknya tertutup.

• Apa yang Anda sediakan — AesCode 32B: sebuah GPU dan stack penyajian. Muse Code: kunci API atau langganan.

• Batas bawah perangkat keras — AesCode 32B: kartu tersebut menyarankan merencanakan sekitar 65 GB memori akselerator hanya untuk parameter bf16, dan contoh penyajiannya sendiri menggunakan paralelisme tensor empat arah. Muse Code: sebuah laptop.

• Konteks — AesCode 32B: 24.576 token dalam konfigurasi yang dilaporkan, dengan prompt dan respons dibatasi pada 8.192 selama pelatihan RL. Muse Code: jendela 1 juta token melalui model Muse Spark yang mendasarinya.

• Harga — AesCode 32B: bobotnya gratis; biayanya ada pada perangkat keras. Muse Code: ditagih per token, atau melalui paket bulanan.

• Bukti — AesCode 32B: evaluasi yang dijalankan vendor pada 300 sampelnya sendiri, dengan harness yang dipublikasikan. Muse Code: benchmark tingkat sistem yang dilaporkan Meta pada stack agen-plus-model yang tergabung.

Baris "batas minimum perangkat keras" itulah yang orang lewatkan. Checkpoint 32B pada bf16 bukanlah model untuk laptop, dan AesCode 32B adalah model visi-bahasa di atas itu, sehingga jalur serving juga membawa input gambar. Muse Code adalah biner yang kamu pasang dalam waktu satu sore.

Di mana mereka benar-benar tumpang tindih

Ada tepat satu tumpang tindih yang nyata, dan itu sempit: keduanya dapat diarahkan pada artefak yang berdekatan dengan desain dan diminta menghasilkan sesuatu yang akan disempurnakan oleh manusia. Jika tim Anda menghasilkan dasbor internal sebagai kode dan juga menginginkan agen yang dapat membuka pull request terhadap repositori dasbor, kedua produk menyentuh alur kerja itu.

Bahkan di sana pembagiannya rapi. AesCode 32B menghasilkan artefak. Muse Code menghasilkan perubahan. Pipeline yang melakukan keduanya akan memanggil AesCode 32B untuk merender, lalu menyerahkan file yang dihasilkan kepada agen untuk ditempatkan, disambungkan, dan diuji — dan tidak ada apa pun pada kedua produk itu yang menghalangi hal tersebut, karena keduanya tidak pernah bersaing untuk slot yang sama.

Separuh dari pertandingan ini yang bisa kamu perkirakan hari ini.

Berikut adalah asimetri praktis yang layak dinyatakan secara terus terang. AesCode 32B tidak di-deploy oleh penyedia inferensi mana pun. Kartu Hugging Face tidak mencantumkan endpoint yang dihosting, tidak ada mitra, dan tidak ada API; jika Anda ingin menggunakannya, Anda mengunduh 65 GB bobot dan membangun jalur penyajiannya sendiri. Itu adalah keadaan yang normal untuk rilis riset dan juga merupakan satu hal terbesar yang berdiri di antara model ini dan siapa pun yang tidak memiliki delapan GPU.

Model dasar Muse Code tidak memiliki masalah itu. Keluarga Muse Spark disajikan sebagai model API biasa, dan Muse Spark 1.2 ada di katalog OrcaRouter dengan tarif daftar Meta sebesar $1,25 per juta token masukan dan $4,25 per juta token keluaran — harga daftar penyedia diteruskan apa adanya, tanpa markup dari pihak kami, jadi perubahan harga Meta tiba di sini pada hari yang sama saat perubahan itu tiba di sana. Satu kunci mencakupnya bersama 200+ model lain, dengan failover otomatis jika penyedia bermasalah, dan itulah perbedaan antara "kami bisa mencoba ini" dan "kami bisa menaruh ini di jalur produksi". Jika yang sebenarnya Anda inginkan dari halaman ini adalah cara memanfaatkan kecerdasan di dalam Muse Code tanpa mengadopsi produk Muse Code, itulah jalurnya, dan jalur itu ada. Jika yang Anda inginkan adalah AesCode 32B, jalurnya adalah mengunduh.

Mana yang harus dipilih

Pilih AesCode 32B jika artefaknya adalah intinya. Anda memproduksi dek, laporan, poster, atau dasbor dalam jumlah besar, Anda memiliki perangkat kerasnya atau bersedia menyewanya, dan daya tarik model yang menghasilkan HTML terstruktur dan dapat diedit — tabel sebagai tabel, bagan sebagai spesifikasi ECharts, semuanya dapat di-diff di Git — sepadan dengan penyiapan penyajian kelas riset. Terimalah bahwa Anda adalah pengadopsi awal dari model yang belum diumumkan dengan jumlah unduhan yang kecil, bahwa tidak ada lab independen yang mereproduksi skornya, dan bahwa konteks 24K-nya merupakan kendala nyata untuk dokumen panjang.

Pilih Muse Code jika prosesnya adalah intinya. Anda menginginkan agen yang berjalan di terminal, tetap bertahan saat terjadi crash di tengah sesi, dan dapat menangani beberapa alur kerja sekaligus di worktree yang terisolasi, serta Anda tidak keberatan membayar per token atau per bulan untuknya.

Jangan pilih keduanya, dan arahkan langsung ke Muse Spark 1.2, jika yang Anda butuhkan adalah model penalaran yang mumpuni di balik kunci API dan harness terminal memang bukan bagian yang Anda inginkan.

Apa yang akan mengubah halaman ini

Tiga hal. Jika penyedia inferensi mulai mendukung AesCode 32B — atau Microsoft menerbitkan endpoint yang dihosting — kolom penerapan akan runtuh dan model itu menjadi sesuatu yang dapat Anda evaluasi dalam satu sore, yang akan menjadikan ini pertanyaan yang jauh lebih berimbang bagi tim yang berfokus pada desain. Jika evaluasi independen mereproduksi nilai Overall 85,89 dan tingkat kegagalan batas 4,3%, asimetri bukti menyempit secara signifikan. Dan jika Meta membuka bobot Muse Spark, pembingkaian "Anda dapat mengunduh yang satu dan tidak yang lain" akan hilang sepenuhnya. Sampai salah satu dari itu terjadi, ringkasan yang jujur adalah bahwa kedua produk ini berbagi kata, bukan pekerjaan.