AesCode 32B vs North Mini Code: File Bobot Bukanlah Komitmen

Kedua model ini berlisensi Apache 2.0, keduanya dapat diunduh, dan keduanya dibuat untuk pekerjaan yang sempit — dan di situlah kemiripannya berhenti berguna. AesCode 32B adalah checkpoint riset Microsoft untuk menghasilkan HTML dan CSS yang dapat diedit: slide, poster, dasbor, dan laporan. Repositori Hugging Face-nya dibuat pada 29 September 2026 dan commit berjudul "Release AesCode-32B" masuk pada 7 Oktober 2026; Microsoft tidak menerbitkan pengumuman apa pun, dan kartu modelnya tidak mencantumkan tanggal rilis sama sekali. North Mini Code adalah model coding agentik berbobot terbuka dari Cohere, sebuah mixture-of-experts 30B dengan 3B parameter aktif, dirilis pada Juni 2026, ditujukan untuk rekayasa perangkat lunak dan pekerjaan terminal. Cara yang jelas untuk membandingkannya adalah melalui benchmark, dan itu tidak berhasil, karena keduanya belum pernah diukur pada tugas yang sama dan hanya salah satunya yang pernah diukur oleh siapa pun di luar labnya sendiri. Perbandingan yang berhasil — yang menentukan apakah Anda benar-benar dapat menjalankan salah satunya — adalah file bobotnya.

Dua pos pemeriksaan, dua tagihan yang sangat berbeda

Ini adalah aspek yang dilewatkan oleh sebagian besar perbandingan, dan bagi dua model yang dihosting sendiri, inilah aspek yang paling penting.

• Parameter — AesCode 32B: 33B, padat. North Mini Code: 30B total, 3B aktif, campuran pakar.

• Memori untuk menjalankannya — AesCode 32B: kartu tersebut menyarankan untuk merencanakan sekitar 65 GB memori akselerator hanya untuk parameter bf16. North Mini Code: terkuantisasi, sekitar 20–24 GB sudah cukup, dan deployment referensi termasuk Mac Studio.

• Bentuk serving — AesCode 32B: model vision-language, jadi jalur serving-nya membawa gambar sekaligus teks, dan contohnya sendiri menggunakan paralelisme tensor empat arah. North Mini Code: masukan teks, keluaran teks; benchmark-nya menggunakan satu alat terminal.

• Lisensi — keduanya Apache 2.0, termasuk bobot. Baris ini seri dan bukan pembeda seperti yang diasumsikan orang.

• Konteks — AesCode 32B: 24.576 token dalam konfigurasi yang dilaporkan, dengan prompt dan respons saat pelatihan dibatasi pada 8.192. North Mini Code: 256K masukan, 64K keluaran.

• Yang dihasilkannya — AesCode 32B: dokumen HTML lengkap, tabel sebagai tabel HTML dan bagan sebagai spesifikasi ECharts. North Mini Code: teks atau panggilan tool apa pun yang diminta oleh harness.

• Evaluasi independen — AesCode 32B: tidak ada yang dipublikasikan; semua angkanya berasal dari Microsoft. North Mini Code: dinilai di Artificial Analysis, yang juga menyoroti verbositasnya.

Baca baris kedua dua kali. Model visi-bahasa padat 32B yang membutuhkan 65 GB dan paralelisme empat arah adalah keputusan pengadaan yang berbeda dari MoE aktif 3B yang muat, setelah dikuantisasi, di sebuah workstation. Jika alasan Anda mempertimbangkan bobot terbuka adalah "kami ingin ini di perangkat keras kami sendiri", baris itu sudah menjadi sebagian besar jawabannya sebelum Anda menjalankan satu prompt pun.

Lisensi bukan alasan untuk memilih salah satu.

Hampir setiap perbandingan open-weight dimulai dari lisensi, dan di sini itu jalan buntu: keduanya Apache 2.0, keduanya merilis bobot penuh, dan tidak ada yang membawa pembatasan penggunaan yang akan menghalangi penerapan komersial. Tidak ada klausul berbagi data untuk ditimbang terhadap diskon, tidak ada tingkatan kontributor, tidak ada pengecualian bidang penggunaan. Apa pun yang menjadi dasar Anda memilih di antara keduanya, itu bukan izin.

Yang tersisa setelah lisensi disingkirkan dari meja adalah apa yang model itu dilatih untuk lakukan — dan keduanya dilatih ke arah yang berlawanan.

Yang satu dilatih di terminal, yang lain di kanvas

Kartu model North Mini Code menyebutkan targetnya secara gamblang: pembuatan kode, rekayasa perangkat lunak agentic, dan tugas terminal. Cohere melatihnya di berbagai agent harness — SWE-Agent, mini-SWE-Agent, OpenCode, Terminus 2 — khusus agar model ini berfungsi di harness mana pun yang sudah Anda jalankan, lalu mengevaluasinya pada SWE-Bench Verified, SWE-Bench Pro, Terminal-Bench v2, dan Terminal-Bench Hard. Kelemahan yang dipublikasikan memang nyata dan ditemukan oleh evaluator eksternal, bukan diungkap sendiri oleh vendor: model ini menghasilkan sekitar tiga kali lipat token output dibandingkan median kelas ukurannya. Model yang verbose menulis trajektori agen yang panjang, dan trajektori panjang itulah yang Anda bayar setelah harga promosi berakhir.

AesCode 32B dilatih pada hal yang sama sekali berbeda dan kartunya luar biasa jelas bahwa targetnya adalah artefak. Inti dari desain ini adalah bahwa model kode tidak dapat melihat bagaimana tata letak, hierarki, dan warna menyatu di atas kanvas, sehingga AesCode menggunakan gambar yang dihasilkan dari prompt yang sama sebagai referensi estetika sambil tetap menjadikan prompt sebagai sumber kebenaran untuk konten. Supervisinya adalah "design graph" dari simpul dan sisi, tujuh saluran reward — eksekusi, teks, batas, tabel/grafik, tata letak, ruang kosong, desain — enam di antaranya adalah verifier deterministik dan satu adalah juri vision-language yang bekerja dari rubrik per sampel. Kandidat dirender di browser Playwright yang di-sandbox dengan permintaan eksternal diblokir dan dinilai dari DOM, gaya terkomputasi, kotak pembatas, dan tangkapan layar.

Mesin itu ada untuk membuat satu hal menjadi benar: keluarannya adalah halaman yang dirender yang akan dibuka dan diedit oleh manusia, bukan patch yang diterapkan pada sebuah repositori. AesCode 32B tidak pernah dilatih untuk menggunakan shell, dan tidak ada apa pun dalam desain reward yang akan memberinya imbalan karena mencobanya.

Asimetri bukti, dinyatakan secara jujur

North Mini Code telah dijalankan oleh pihak ketiga. Artificial Analysis memberi skor 33,4 pada Coding Index dan 27,6 pada Intelligence Index, serta menerbitkan temuan verbositas. Angka utama Cohere sendiri — 61,0% pass@1 pada SWE-Bench Verified — dilaporkan vendor tetapi dapat diperiksa terhadap model yang bisa diunduh siapa pun, dan kartunya terbuka soal pilihan harness-nya, bahkan mencatat bahwa untuk Terminal-Bench Hard, Cohere mengikuti metodologi Artificial Analysis sendiri demi menjaga perbandingan tetap adil.

AesCode 32B tidak memiliki padanan. Evaluasi infografisnya dengan 300 sampel, tiga generasi per prompt tanpa seleksi, menghasilkan nilai Overall 85,89 dibandingkan dengan 81,28 untuk GPT-5.5 dan 80,39 untuk Claude Opus 4.8 — semuanya diukur di dalam harness Microsoft, pada sampel Microsoft, dengan saluran penilaian yang digunakan Microsoft untuk melatih model tersebut. Ada kemungkinan nyata bahwa angka-angka itu adil; desainnya lebih transparan daripada sebagian besar tabel vendor, rangkaian verifier dan pembuat rubriknya bersumber terbuka, dan kartu modelnya mempublikasikan fakta bahwa tidak ada model dalam perbandingan yang melampaui 60 pada dimensi gayanya. Tetapi tidak ada laboratorium luar yang mereproduksi satu pun dari itu, dan tidak ada pencantuman di arena, tidak ada posisi di papan peringkat, dan tidak ada uji throughput independen. Jika tolok ukur vendor yang kebetulan menguntungkan tolok ukur milik vendor sendiri — sebuah tugas infografis — berperan besar dalam keputusan Anda, Anda diminta menerima satu-satunya pembacaan yang tersedia.

Perhatikan apa artinya ini khususnya bagi perbandingan tersebut: tidak ada angka yang sama. Tidak ada. Satu model dinilai berdasarkan apakah tugas-tugas rekayasa perangkat lunak berhasil, yang lain berdasarkan apakah teks terbaca dan tata letak tidak meluber keluar kanvas. Halaman mana pun yang menempatkan 33.4 di sebelah 85.89 sedang membandingkan Coding Index dengan skor Overall infografis, dan tidak ada model yang tahu apa yang diujikan pada model lainnya.

Tidak satu pun merupakan model serbaguna, dan itulah biaya sesungguhnya.

Inilah perangkapnya di kedua bagian perbandingan ini. Mengadopsi salah satu model berarti harus memelihara jalur serving yang dihosting sendiri untuk seorang spesialis: 65 GB VRAM dan stack multimodal untuk model yang merender halaman; satu slot untuk MoE dengan 3B aktif untuk model yang menangani tugas terminal. Keduanya bagus dalam pekerjaannya masing-masing dan tidak ada yang bisa melakukan pekerjaan yang lain, yang berarti tim yang menginginkan kedua kemampuan tersebut kini menjalankan dua deployment inferensi — dan untuk segala hal di antaranya, model yang bukan perender halaman maupun agen terminal, mereka menjalankan yang ketiga.

Itulah kasus di mana lapisan routing membuktikan kegunaannya, bukan sekadar ditempelkan belakangan. Satu kunci untuk 200+ model pada harga daftar penyedia, tanpa markup, berarti pekerjaan spesialis tetap berada di perangkat keras Anda sendiri, tempat perhitungan ekonomi dan penanganan datanya masuk akal, sementara pekerjaan rutin dialihkan ke model hosted mana pun yang terbaik untuknya minggu itu. Keluarga backbone Qwen3-VL adalah ilustrasi bagus tentang betapa tipisnya batas itu: Microsoft membangun AesCode 32B di atas Qwen3-VL-32B-Instruct, dan anggota vision-language dari keluarga itu dapat dipanggil di katalog OrcaRouter — Qwen3-VL 235B A22B Instruct dengan harga $0.40 per juta token input dan $1.60 output, atau yang lebih kecil Qwen3-VL 8B Instruct dengan harga $0.18 dan $0.70. Tidak satu pun dari keduanya adalah AesCode 32B: fine-tune itu milik Microsoft dan tidak ada penyedia yang menyajikannya. Namun jika yang Anda inginkan dari AesCode 32B adalah model yang membaca tangkapan layar dan menulis kode, dan Anda tidak secara khusus membutuhkan fine-tune desain estetikanya, opsi yang dapat dipanggil itu tersedia dan biayanya hanya sebagian kecil dari GPU. Failover otomatis di bawah endpoint yang sama adalah pembeda antara sekadar mencobanya dan mempertaruhkan jalur produksi padanya.

Bagaimana cara benar-benar memutuskan

Keluarkan dulu lisensi dari pembahasan, karena hasilnya seri dan tidak akan menentukan apa pun.

Kemudian tanyakan seperti apa output yang Anda inginkan. Jika jawabannya adalah halaman yang dirender dan dapat diedit — dek, laporan, dasbor — North Mini Code tidak dapat membantu Anda dan AesCode 32B adalah satu-satunya dari keduanya yang diarahkan pada masalah itu. Masuklah dengan mata terbuka tentang 65 GB, konteks 24K, tidak adanya evaluasi independen, dan fakta bahwa ini adalah model yang belum diumumkan dengan jumlah unduhan dua digit. Ini adalah rilis riset, dan rilis riset memberi imbalan kepada tim yang mampu bersikap penasaran.

Jika jawabannya adalah perubahan pada repositori — migrasi, perbaikan, pekerjaan terminal multi-langkah — North Mini Code adalah yang memiliki pelatihan harness, jendela 256K, profil penerapan 3B-aktif, dan pengukuran dari pihak luar atas kualitas sekaligus verbositasnya. Anggarkan berdasarkan jumlah token, bukan tarif utamanya.

Dan jika daftar hal yang harus Anda kerjakan kuartal ini memuat artefak desain sekaligus migrasi repo, jangan terima ini sebagai keputusan dua model padahal sebenarnya ini keputusan enam model. Jalankan spesialis di tempat yang menguntungkan, rutekan sisanya.

Masalah model yang belum diumumkan

Satu hal terakhir membedakan keduanya, dan itu bukan soal teknis. North Mini Code punya vendor di belakangnya yang menerbitkan kartu model, postingan blog, Hugging Face Space untuk mencobanya, dan jejak dokumen metodologi benchmark yang bisa Anda perdebatkan. AesCode 32B memiliki repositori, README, dan baris sitasi yang berbunyi "Under review, 2027". Microsoft belum menyatakan bahwa itu ada.

Itu berubah ketika Anda dapat mengadopsinya. Dengan North Mini Code, pertanyaan yang terbuka adalah apakah verbositasnya membuatnya tidak ekonomis dalam skala besar — pertanyaan yang dapat Anda jawab dengan menjalankannya. Dengan AesCode 32B, pertanyaan yang terbuka adalah apa yang ingin dilakukan Microsoft dengannya: apakah ini artefak riset, rilis pertama dari lini produk, atau sesuatu yang akan diam-diam digantikan oleh versi 70B dalam enam minggu. Tidak ada apa pun di repositori yang menjawabnya, dan sebanyak apa pun membaca kartu model tidak akan menjawabnya. Perhatikan tiga sinyal — pengumuman resmi, reproduksi independen dari 85.89, atau penyedia inferensi yang mengambil checkpoint tersebut — dan anggap tidak adanya ketiganya sebagai keadaan bukti saat ini, bukan sebagai alasan model tersebut tidak menarik.