AesCode 32B vs Qoder Cantus: Puoi ispezionare uno ed eseguire l'altro, mai entrambi

Ecco un'inversione su cui vale la pena soffermarsi. AesCode 32B, il checkpoint di generazione HTML e CSS di Microsoft, è il modello più ispezionabile della sua categoria: pesi Apache 2.0 su Hugging Face, un repository aperto che contiene i verificatori di reward, il costruttore di rubriche e il ciclo di training, una valutazione su 300 campioni stampata integralmente e una ricetta di training dettagliata fino al learning rate e al numero di passi di rollout. Il suo repository Hugging Face risale al 29 settembre 2026; il commit intitolato "Release AesCode-32B" è arrivato il 7 ottobre 2026; Microsoft non ne ha annunciato nulla. E quasi nessuno può eseguirlo, perché è un checkpoint da 33B che richiede circa 65 GB di memoria dell'acceleratore e nessun provider lo offre. Qoder Cantus è l'esatto inverso. Funziona oggi, dentro Qoder, per chiunque abbia un abbonamento — e non puoi ispezionarlo affatto. L'intera descrizione del modello pubblicata da Qoder è una sola frase, non ci sono parametri, né finestra di contesto, né tabella di benchmark, né pesi, e poiché non c'è un'API non ci sarà mai un numero di terze parti. Un modello ti dice tutto e non ti lascia fare nulla. L'altro ti lascia fare tutto e non ti dice nulla. La domanda interessante è quale modalità di fallimento ti costa di più.

Quello che dice la documentazione, per intero

L'asimmetria è più facile da vedere semplicemente citando ciò che esiste.

Su AesCode 32B, le informazioni pubbliche includono: il modello base (Qwen3-VL-32B-Instruct), il numero di parametri, la licenza, l'uso previsto, il volume dei dati di addestramento, il learning rate di SFT, le impostazioni dell'ottimizzatore RL, i nomi dei canali di ricompensa, il numero di prompt e di passaggi, la dimensione del campione di valutazione, il numero di generazioni per prompt, la temperatura di decodifica e top-p, la lunghezza del contesto usata per lo scoring, tre tabelle di risultati pubblicate separatamente e una citazione per un paper indicato come in revisione. Non arriva a una data di rilascio e a un conteggio dei download a due cifre — e la nota della model card secondo cui richiede transformers>=4.57 e che lo snippet di utilizzo generato automaticamente sulla pagina non concorda con l'esempio della model card stessa è il tipo di dettaglio che sopravvive solo quando l'artefatto è reale.

Su Qoder Cantus, le informazioni pubbliche sono: "Il modello intelligente di fascia alta integrato in Qoder, che eccelle nell'esecuzione autonoma prolungata di attività". Questa è la descrizione. Non esiste una scheda del modello perché non c'è alcun modello da scaricare, né una tabella di benchmark perché Qoder non ha pubblicato alcun post di lancio o rapporto tecnico, né una scheda in un'arena perché un'arena ha bisogno di un endpoint da chiamare. Il resto di ciò che si sa è strutturale anziché tecnico: Cantus compare nel selettore dei modelli su Qoder Desktop, nel plugin JetBrains, nella CLI, in Cloud Agents e nel client web, e viene fatturato tramite il sistema di crediti di Qoder con un coefficiente applicato all'utilizzo del modello.

Non è una critica al modello. È la descrizione di ciò che si può verificare e, per Cantus, la risposta è: niente.

Dove ciascuno è davvero forte

La forza di AesCode 32B è la verificabilità, ed è abbastanza inusuale da valere la pena di spiegarla invece di affermarla. Il segnale di addestramento non è un singolo punteggio — sono sette canali, sei dei quali verificatori deterministici che leggono proprietà dal codice emesso e dalla sua resa, più un giudice vision-linguaggio che valuta le proprietà non analizzabili rispetto a una rubrica legata a un grafo di progettazione per campione. Ogni candidato viene renderizzato in un browser Playwright in sandbox con le richieste esterne bloccate, esportando il DOM, gli stili calcolati, i bounding box, lo stato della console e uno screenshot. Poiché ogni proprietà è attribuibile, il lab può riportare di aver migliorato il componente Visual di 22,4 punti rispetto al proprio backbone Qwen3-VL-32B e dirti quali canali erano ancora in crescita alla fine dell'addestramento. Questa è una release con cui puoi discutere, che puoi riprodurre o estendere.

Il costo è altrettanto specifico. La scheda consiglia di prevedere circa 65 GB solo per i parametri bf16; il suo esempio di serving utilizza il parallelismo tensoriale a quattro vie; i numeri riportati usano un contesto di 24.576 token; durante l'apprendimento per rinforzo i prompt e le risposte sono stati limitati a 8.192 token. Metti tutto questo a confronto con il fatto che nessun provider di inferenza distribuisce il checkpoint e la barriera non è filosofica. O possiedi l'hardware o lo noleggi, e costruisci da solo il percorso di serving multimodale.

La forza di Cantus è l'opposto: è semplicemente lì. Nessun download, nessuna GPU, nessuno stack di serving, nessun harness da scegliere. Compare nel selettore del modello dell'IDE in cui ti trovi già, ed è posizionato esattamente per ciò su cui vengono venduti gli strumenti di coding agentico: l'esecuzione autonoma di attività lunghe. Per quanto altro su di esso sia incerto, il problema del deployment è stato risolto per te, e Qoder presumibilmente sa più sul modello che ha costruito di quanto abbia pubblicato.

Le tre domande a cui non puoi rispondere su Cantus

Vale la pena essere precisi su quanto costa la documentazione mancante, perché "nessun benchmark" lo minimizza.

• Quanto è grande — sconosciuto. Il numero di parametri non è divulgato. Su un modello a consumo di crediti questo non è un dettaglio: è il fattore principale per stabilire se un compito che altrove ti costa $2 qui può essere svolto solo a $6.

• Quanto contesto può contenere — non divulgato, con discussioni di terze parti che lasciano intendere qualcosa nell'ordine dei 200K e nessuna fonte al riguardo. Il lavoro agentico a lungo orizzonte vive e muore su questo numero, e non è pubblicato.

• È — senza risposta in senso stretto. L'argomento di Qoder, implicito nel posizionamento, è che l'esecuzione autonoma prolungata è meglio misurata da come un modello gestisce contesto, recupero e centinaia di chiamate a strumenti che dai punteggi di codifica a turno singolo. È un argomento valido. Sarebbe più incisivo se il modello fosse testabile, e non può esserlo, perché nulla al di fuori di Qoder può chiamarlo.

Confrontalo con l'immagine speculare della terza domanda sul versante AesCode: i numeri esistono e sono dettagliati, ma sono i numeri di Microsoft, prodotti dall'harness di Microsoft, sui 300 campioni di Microsoft, e nessun laboratorio esterno ne ha riprodotto alcuno. AesCode 32B ha un tetto documentato di 55,99 sulla propria dimensione di stile e un tasso di gravi fallimenti ai confini della canvas del 4,3% — entrambi pubblicati dal fornitore — e nessuna conferma indipendente che l'una o l'altra cifra sia corretta. Quindi le due modalità di fallimento sono: numeri di cui non ci si può fidare, e nessun numero. È una scelta peggiore di «uno è buono, uno è cattivo», ed è la scelta che questo confronto presenta davvero.

Quanto ti costa su ciascun lato

Cantus fattura tramite il sistema di crediti di Qoder anziché una tariffa token pubblicata. Qoder applica un coefficiente all'utilizzo di un modello, e Cantus è stato lanciato con un moltiplicatore di 3,2×, ridotto a 1,6× nell'ambito di una promozione con sconto del 50% attiva fino al 31 luglio 2026. Ricostruendo dalle stime di crediti pubblicate da Qoder stesso anziché da qualsiasi cifra per token — Qoder non ne ha mai pubblicata una per Cantus — si ottiene all'incirca $0,38 per turno in modalità editor, $1,60 per attività Quest e $2,40 per Quest in modalità Experts. Queste sono ricostruzioni, etichettate come tali perché non esiste una fonte primaria che affermi il contrario.

Il costo di AesCode 32B è una cifra in conto capitale invece che per unità. I pesi sono gratuiti sotto Apache 2.0, e il conto arriva sotto forma di ore GPU — 65 GB di memoria dell'acceleratore per contenere i parametri, più la torre di visione, più qualunque throughput ti serva. Se già esegui un nodo di classe B200 per altri lavori, il costo marginale è quasi zero. In caso contrario, il confronto onesto non è "$0 per milione di token" contro i crediti di Qoder; è una decisione hardware contro un abbonamento.

La differenza di componibilità

C'è un'ulteriore conseguenza del modello di accesso, ed è quella che una piattaforma di routing nota per prima.

Cantus non può essere composto con nulla. Nessuna API significa nessun fallback, nessun test A/B contro un altro modello sullo stesso compito, nessuna cascata da un modello economico a uno costoso a metà richiesta, nessun modo per includerlo in un harness di valutazione che hai scritto. È un'opzione all'interno di un solo prodotto, e l'unica leva che hai è il selettore. Questa è una scelta progettuale deliberata da parte di Qoder, e perfettamente ragionevole se è nell'IDE che vuoi vivere — ma significa che la tua architettura eredita la roadmap di Qoder.

AesCode 32B ha in teoria la proprietà opposta e una lacuna nella pratica. I pesi significano che può andare ovunque: il tuo cluster, un'istanza noleggiata, i tuoi strumenti, la tua valutazione. Ciò che oggi non può fare è essere invocato, perché nessun provider lo serve — Microsoft ha pubblicato un checkpoint e si è fermata lì. Quindi il modello che è strutturalmente componibile non è ancora praticamente componibile, e il modello che è praticamente disponibile è strutturalmente bloccato.

Il che rende la questione del routing più ristretta del solito, e vale la pena dirlo onestamente: nessuno dei due modelli in questo confronto è nel nostro catalogo, e questa pagina non fingerà il contrario. Ciò che un singolo endpoint con oltre 200 modelli al prezzo di listino del provider ti offre davvero qui è lo strato circostante — la capacità di costruire il workflow che consuma l'output di AesCode 32B e di instradare le parti di esso che un modello generale dovrebbe gestire, senza stipulare un secondo contratto per ognuno. Se vuoi testare quello strato prima di impegnarti in un deployment vision-language self-hosted, il modo più economico è un modello invocabile della stessa famiglia: AesCode 32B è un fine-tune di Qwen3-VL-32B-Instruct, e Qwen3-VL 235B A22B Instruct è disponibile a $0,40 per milione di token di input e $1,60 di output, con il più piccolo Qwen3-VL 8B Instruct a $0,18 e $0,70. Quelli sono modelli diversi, non sostituti del fine-tune — ma rispondono a "un VLM ospitato può leggere questo screenshot e scrivere codice abbastanza bene per la nostra pipeline" per centesimi invece di 65 GB, e il failover tra provider si trova sotto la stessa chiave se la risposta è sì e il traffico diventa reale.

Come scegliere

Scegli Cantus se sei già all'interno di Qoder, se apprezzi l'assenza di lavoro sull'infrastruttura e se la non verificabilità è un prezzo che sei disposto a pagare per questo. Sii lucido sul fatto che stai acquistando una capacità, non un modello: non puoi valutarla con benchmark prima di adottarla, non puoi confrontare il suo prezzo con nulla su base per token e non puoi portarla con te se Qoder cambia i suoi prezzi o la sua roadmap.

Scegli AesCode 32B se hai bisogno dell'artefatto e puoi permetterti il deployment — e in particolare se ti serve un modello che generi HTML modificabile che puoi diffare, revisionare e rilasciare. Sii altrettanto lucido: non è annunciato, non è riprodotto, è troppo grande per la maggior parte dell'hardware ed è documentato per un contesto da 24K che limiterà i documenti lunghi.

Se non vuoi né il lock-in del primo né il costo di capitale del secondo, la mossa onesta è ottenere la stessa capacità da un modello che puoi chiamare. Un modello visione-linguaggio dietro una chiave API leggerà uno screenshot e scriverà markup strutturato. Non sarà addestrato con sette canali di ricompensa messi a punto per la qualità del design, e non sarà all'altezza di AesCode 32B sul benchmark per infografiche che Microsoft ha creato. Ma ti costerà una carta registrata anziché l'acquisto di una GPU, e potrai misurarlo da solo — che è l'unica cosa di cui verte questo intero confronto.

Cosa guardare

Cantus diventa un modello normale il giorno in cui Qoder espone un endpoint o rilascia i pesi; fino ad allora, ogni affermazione al riguardo è un'affermazione sul prodotto di Qoder piuttosto che su un modello, e il divario di prove è strutturale anziché una svista documentale. AesCode 32B diventa un modello normale il giorno in cui un fornitore di inferenza adotta il checkpoint o un laboratorio esterno riproduce l'85.89 — e se ciò accade insieme al fatto che Microsoft annunci effettivamente la cosa, la barriera dei 65 GB è l'unica rimasta. Quale delle due arriva per prima ti dice quale dei due modi di fallire questa industria ha deciso di non tollerare più.