AesCode 32B North Mini Code: il file dei pesi non è l'impegno

Entrambi questi modelli sono Apache 2.0, entrambi sono scaricabili ed entrambi sono stati creati per un compito ristretto — ed è qui che la somiglianza smette di essere utile. AesCode 32B è il checkpoint di ricerca di Microsoft per generare HTML e CSS modificabili: slide, poster, dashboard e report. Il suo repository Hugging Face è stato creato il 29 settembre 2026 e il commit intitolato "Release AesCode-32B" è arrivato il 7 ottobre 2026; Microsoft non ha pubblicato alcun annuncio, e la model card non riporta alcuna data di rilascio. North Mini Code è il modello di coding agentico open-weight di Cohere, un mixture-of-experts da 30B con 3B parametri attivi, rilasciato a giugno 2026, pensato per l'ingegneria del software e il lavoro da terminale. Il modo più ovvio per confrontarli è tramite i benchmark, e non funziona, perché i due non sono mai stati misurati sullo stesso compito e solo uno dei due è stato misurato da qualcuno al di fuori del proprio laboratorio. Il confronto che invece funziona — quello che decide se puoi davvero eseguire l'uno o l'altro — è il file dei pesi.

Due checkpoint, due conti molto diversi

Questo è l'asse che la maggior parte dei confronti salta, e per due modelli self-hosted è l'asse che conta di più.

• Parametri — AesCode 32B: 33B, denso. North Mini Code: 30B totali, 3B attivi, miscela di esperti.

• Memoria per eseguirlo — AesCode 32B: la scheda consiglia di prevedere circa 65 GB di memoria dell'acceleratore per i soli parametri bf16. North Mini Code: quantizzato, bastano circa 20–24 GB, e i deployment di riferimento includono un Mac Studio.

• Modalità di serving — AesCode 32B: un modello vision-language, quindi il percorso di serving veicola immagini oltre che testo, e il suo esempio utilizza il parallelismo tensoriale a quattro vie. North Mini Code: testo in ingresso, testo in uscita; i benchmark hanno utilizzato un singolo strumento da terminale.

• Licenza — entrambe Apache 2.0, pesi inclusi. Questa riga è un pareggio e non è il fattore distintivo che le persone immaginano.

• Contesto — AesCode 32B: 24.576 token nella configurazione riportata, con prompt e risposte in fase di addestramento limitati a 8.192. North Mini Code: 256K in ingresso, 64K in uscita.

• Cosa emette — AesCode 32B: un documento HTML completo, tabelle come tabelle HTML e grafici come specifiche ECharts. North Mini Code: qualunque testo o chiamata a strumenti che l'harness abbia richiesto.

• Valutazione indipendente — AesCode 32B: nessuna pubblicata; tutte le cifre sono di Microsoft. North Mini Code: valutato su Artificial Analysis, che ne ha anche segnalato la verbosità.

Leggi la seconda riga due volte. Un modello visione-linguaggio denso da 32B che richiede 65 GB e parallelismo a quattro vie è una decisione di acquisto diversa da un MoE con 3B attivi che, quantizzato, entra in una workstation. Se la tua ragione per considerare i pesi aperti era "vogliamo questo sul nostro hardware", quella riga è la maggior parte della risposta prima ancora di eseguire un singolo prompt.

La licenza non è il motivo per scegliere l'uno o l'altro.

Quasi ogni confronto tra modelli open-weights si apre sul licensing, e qui si arriva a un vicolo cieco: entrambi sono Apache 2.0, entrambi distribuiscono i pesi completi e nessuno dei due comporta una restrizione d'uso che bloccherebbe un impiego commerciale. Non c'è alcuna clausola di condivisione dei dati da soppesare rispetto a uno sconto, nessun livello per i contributor, nessuna deroga per campo d'uso. Qualunque sia il criterio su cui stai scegliendo tra questi due, non è il permesso.

Quello che resta quando si esclude la questione delle licenze è ciò che il modello è stato addestrato a fare — e questi due sono stati addestrati in direzioni opposte.

Uno è stato addestrato su un terminale, l'altro su una tela

La model card di North Mini Code dichiara apertamente il proprio obiettivo: generazione di codice, ingegneria del software agentica e attività da terminale. Cohere lo ha addestrato su diversi harness per agenti — SWE-Agent, mini-SWE-Agent, OpenCode, Terminus 2 — proprio perché funzioni all'interno di quello che già usi, e lo ha valutato su SWE-Bench Verified, SWE-Bench Pro, Terminal-Bench v2 e Terminal-Bench Hard. La sua debolezza pubblicata è reale ed è stata individuata da un valutatore esterno invece che dichiarata spontaneamente dal fornitore: emette circa tre volte i token di output della mediana della sua classe di dimensione. I modelli verbosi generano lunghe traiettorie degli agenti, e sono le lunghe traiettorie ciò per cui paghi una volta terminati i prezzi promozionali.

AesCode 32B è stato addestrato su qualcosa di completamente diverso e la scheda è insolitamente chiara sul fatto che il target sia l'artefatto. L'intero senso del design è che un modello di codice non può vedere come layout, gerarchia e colore si combinino su una tela, quindi AesCode utilizza un'immagine generata dallo stesso prompt come riferimento estetico, mantenendo il prompt come fonte di verità per il contenuto. La supervisione è un "grafo di design" di nodi e archi, sette canali di ricompensa — esecuzione, testo, confine, tabella/grafico, layout, spazi bianchi, design — sei dei quali verificatori deterministici e uno un giudice visione-linguaggio che lavora da una rubrica per campione. I candidati vengono renderizzati in un browser Playwright in sandbox con richieste esterne bloccate e valutati dal DOM, dagli stili calcolati, dai bounding box e da uno screenshot.

Quel meccanismo esiste per rendere vera una sola cosa: l'output è una pagina renderizzata che un essere umano aprirà e modificherà, non una patch applicata a un repository. AesCode 32B non è mai stato addestrato a usare una shell, e nulla nella progettazione della ricompensa lo ricompenserebbe per averci provato.

L'asimmetria delle prove, detta onestamente

North Mini Code è stato eseguito da una terza parte. Artificial Analysis gli assegna 33,4 sul suo Coding Index e 27,6 sul suo Intelligence Index, e pubblica il risultato sulla verbosità. Il dato di punta di Cohere — 61,0% pass@1 su SWE-Bench Verified — è riportato dal fornitore ma verificabile su un modello che chiunque può scaricare, e la scheda è franca sulle proprie scelte di harness, arrivando persino a osservare che per Terminal-Bench Hard ha seguito la metodologia propria di Artificial Analysis per mantenere equo il confronto.

AesCode 32B non ha eguali. La sua valutazione infografica su 300 campioni, tre generazioni per prompt senza selezione, produce 85,89 Overall contro 81,28 di GPT-5.5 e 80,39 di Claude Opus 4.8 — tutti misurati all'interno dell'harness di Microsoft, sui campioni di Microsoft, con i canali di scoring sui quali Microsoft ha addestrato il modello. C'è una reale possibilità che i numeri siano equi; il design è più trasparente della maggior parte delle tabelle dei fornitori, lo stack di verifica e il generatore di rubriche sono open source, e la scheda pubblica il fatto che nessun modello nel confronto supera 60 sulla sua dimensione di stile. Ma nessun laboratorio esterno ne ha riprodotto alcunché, e non esiste alcuna presenza in un'arena, alcuna posizione in classifica e alcun test indipendente di throughput. Se un benchmark di un fornitore che, guarda caso, favorisce il benchmark del fornitore stesso — un compito di infografica — sta pesando molto sulla tua decisione, ti viene chiesto di accettare l'unica lettura disponibile.

Nota cosa significa questo per il confronto nello specifico: non c'è un numero condiviso. Nessuno. Un modello viene valutato in base al superamento delle attività di ingegneria del software, l'altro sulla leggibilità del testo e sul fatto che il layout non superi i limiti della tela. Qualsiasi pagina che metta 33.4 accanto a 85.89 sta confrontando un Coding Index con il punteggio complessivo di un'infografica, e nessuno dei due modelli sa su cosa sia stato testato l'altro.

Nessuno dei due è un modello generalista, e questo è il vero costo

Ecco la trappola in entrambe le metà di questo confronto. Adottare l'uno o l'altro modello significa mantenere un percorso di serving self-hosted per uno specialista: 65 GB di VRAM e uno stack multimodale per quello che renderizza le pagine; uno slot per un MoE con 3B attivi per quello che gestisce attività da terminale. Entrambi sono bravi nel proprio compito e nessuno dei due può svolgere quello dell'altro, il che significa che un team che vuole queste capacità ora esegue due deployment di inferenza — e per tutto ciò che sta nel mezzo, il modello che non è né un renderer di pagine né un agente da terminale, ne esegue un terzo.

Questo è il caso in cui uno strato di routing si guadagna il suo posto invece di essere aggiunto a posteriori. Una sola chiave su oltre 200 modelli al prezzo di listino del fornitore, senza ricarichi, significa che il lavoro specialistico resta sul tuo hardware, dove l'economia e la gestione dei dati hanno senso, e il lavoro routinario va al modello ospitato che quella settimana è il migliore per quel compito. La famiglia di backbone Qwen3-VL è un buon esempio di quanto il confine diventi sottile: Microsoft ha costruito AesCode 32B su Qwen3-VL-32B-Instruct, e i membri vision-language di quella famiglia sono richiamabili nel catalogo OrcaRouter — Qwen3-VL 235B A22B Instruct a 0,40 $ per milione di token di input e 1,60 $ di output, oppure il più piccolo Qwen3-VL 8B Instruct a 0,18 $ e 0,70 $. Nessuno dei due è AesCode 32B: il fine-tune è di Microsoft e nessun fornitore lo serve. Ma se quello che volevi da AesCode 32B era un modello che legge uno screenshot e scrive codice, e non avevi specificamente bisogno del fine-tune di design estetico, l'opzione richiamabile esiste e costa una frazione della GPU. Il failover automatico sotto lo stesso endpoint è la differenza tra provarlo e puntarci un percorso di produzione.

Come decidere davvero

Togli prima la licenza dal tavolo, perché è un pareggio e non deciderà nulla.

Poi chiedi cosa vuoi che sia l'output. Se la risposta è una pagina renderizzata e modificabile — un deck, un report, una dashboard — North Mini Code non può aiutarti e AesCode 32B è l'unico dei due puntato al problema. Vai avanti con occhi chiari riguardo ai 65 GB, al contesto di 24K, all'assenza di una valutazione indipendente e al fatto che questo è un modello non annunciato con un numero di download a doppia cifra. È un rilascio di ricerca, e i rilasci di ricerca premiano i team che possono permettersi di essere curiosi.

Se la risposta è una modifica a un repository — una migrazione, una correzione, un lavoro da terminale a più passaggi — North Mini Code è quello con l'addestramento sull'harness, la finestra da 256K, il profilo di deployment da 3B attivi e una misurazione esterna sia della sua qualità sia della sua verbosità. Metti in conto il numero di token, non la tariffa di copertina.

E se la tua lista di cose da fare per questo trimestre contiene sia un artefatto di design sia una migrazione di repository, non liquidarla come una decisione a due modelli quando in realtà è una decisione a sei modelli. Esegui lo specialista dove conviene, instrada il resto.

Il problema del modello non annunciato

Un'ultima cosa separa questi due, e non è tecnica. North Mini Code ha alle spalle un fornitore che ha pubblicato una model card, un post sul blog, un Hugging Face Space in cui provarlo e una documentazione sulla metodologia dei benchmark con cui si può discutere. AesCode 32B ha un repository, un README e una riga di citazione che recita "Under review, 2027". Microsoft non ha detto che esiste.

Questo cambia quando puoi adottarlo. Con North Mini Code, la questione aperta è se la sua verbosità lo renda antieconomico su larga scala — una domanda a cui puoi rispondere eseguendolo. Con AesCode 32B, la questione aperta è cosa intenda fare Microsoft con esso: se si tratti di un artefatto di ricerca, del primo rilascio di una linea di prodotti, o di qualcosa che verrà silenziosamente sostituito da una versione 70B nel giro di sei settimane. Nulla nel repository risponde a questa domanda, e nessuna lettura della model card, per quanto attenta, lo farà. Tieni d'occhio tre segnali — un annuncio ufficiale, una riproduzione indipendente dell'85,89, o un provider di inferenza che adotta il checkpoint — e considera l'assenza di tutti e tre come lo stato attuale delle prove, non come una ragione per cui il modello non sia interessante.