AlphaProof Code vs AesCode 32B: uno dimostra la correttezza del codice, l'altro lo disegna

Metti AlphaProof Code e AesCode 32B nella stessa frase e l'unica cosa che condividono è la parola «code». AlphaProof Code è un framework agentico di Google DeepMind annunciato il 10 novembre 2026 che ha prodotto circa 6,5 milioni di righe di Lean verificato dalla macchina, dimostrando che il binario libsignal compilato si comporta come specificato. AesCode 32B è un checkpoint visione-linguaggio da 33 miliardi di parametri che Microsoft ha caricato su Hugging Face all'inizio di ottobre 2026 senza alcun annuncio, e che scrive un prompt in un unico documento HTML autonomo — una slide, un poster, una dashboard — che poi una persona guarda. Nessuno dei due è un servizio che puoi chiamare. Uno dei due non è nemmeno un modello. Se sei arrivato qui cercando una decisione su una sostituzione pronta all'uso, la risposta onesta è che una decisione del genere non esiste, e il resto di questo pezzo spiega perché il confronto vale comunque la pena.

L'errore di categoria, formulato correttamente

AesCode 32B è un generatore. Gli fornisci una descrizione; restituisce un artefatto la cui qualità viene giudicata esteticamente e in base al fatto che i numeri sulla pagina siano o meno quelli che hai richiesto. L'impostazione stessa della scheda del modello è che i generatori di immagini compongono una pagina gradevole e rendono male le cifre che vi compaiono, mentre i modelli di codice azzeccano le cifre e non riescono a vedere l'aspetto della pagina — AesCode abbina il tuo prompt a un'immagine generata da quello stesso prompt e usa l'immagine come riferimento estetico mentre segue il testo per il contenuto.

AlphaProof Code è un verificatore. Gli si fornisce una specifica — l'enunciato di ciò che deve essere vero — e restituisce una prova, verificata dal kernel di Lean, che un particolare binario compilato soddisfa quella specifica. Non c'è alcun giudizio estetico in nessun punto del processo. Una prova o è accettata o non lo è, e il criterio di accettazione è qualche migliaio di righe di codice del kernel anziché il gusto di un revisore.

Questa distinzione decide a cosa serve ciascuno. AesCode 32B risponde a «creami una cosa». AlphaProof Code risponde a «questa cosa è ciò che dice di essere?». Useresti il primo un martedì pomeriggio per una presentazione e il secondo, se fossi Signal, nell'arco di quattro settimane con cinque ricercatori e team da 40 a 80 agenti.

Cosa include realmente ciascuno

• Parametri — AesCode 32B: circa 33,4 miliardi in BF16 distribuiti su quattordici shard safetensors per un totale di 66.714.912.704 byte. AlphaProof Code: nessuno. È un framework più un repository di artefatti, e non ci sono pesi da scaricare.

• Base — AesCode 32B: un fine-tune di Qwen3-VL-32B-Instruct, con architettura dichiarata come Qwen3VLForConditionalGeneration, quindi si carica con transformers 4.57 e versioni successive. AlphaProof Code: agnostico rispetto al modello per costruzione; l'articolo di DeepMind indica Gemini 4 Carbon per gli agenti di dimostrazione e afferma che Claude Opus 5.5 è stato impiegato tra i modelli che redigono e revisionano le specifiche.

• Licenza — AesCode 32B: Apache 2.0, su Hugging Face oggi. AlphaProof Code: lo sviluppo Lean, la semantica AArch64 e il binding libsignal sono pubblicati su github.com/google-deepmind/code-verification, e la landing page non dichiara alcuna licenza, cosa che dovresti risolvere prima di costruire qualsiasi cosa su di esso.

• Disponibilità — AesCode 32B: solo self-host. Circa 65 GB di memoria dell'acceleratore per i pesi, un comando vLLM su quattro rank tensor-parallel, nessun endpoint ospitato e nessuna mappatura verso provider di inferenza dietro la pagina del repository. AlphaProof Code: artefatto di ricerca, nessun endpoint, nessuna lista d'attesa, nessun prezzo.

• Output — AesCode 32B: un documento HTML, verificabile aprendolo. AlphaProof Code: un termine di dimostrazione Lean, verificabile con Lean.

• Cosa significa "corretto" — AesCode 32B: la pagina è giusta e le cifre corrispondono al prompt, giudicato da una persona. AlphaProof Code: il teorema vale per tutti gli input del modello, giudicato da un kernel.

L'unica sovrapposizione davvero interessante: entrambi gli output sono artefatti

Ecco il confronto che vale la pena fare. Entrambi i sistemi producono un file che sopravvive al modello che lo ha creato. L'HTML di AesCode 32B è un documento finito; puoi distribuirlo, modificarlo, confrontarne le versioni e nessuno ha più bisogno del modello. La dimostrazione Lean di AlphaProof Code è una derivazione completa; puoi ricontrollarla su un laptop in pochi minuti di calcolo e, se la specifica non è cambiata, il risultato resta valido anche tra cinque anni.

È una proprietà più rara di quanto sembri in un mercato pieno di endpoint chat. Gran parte dell'output dei modelli è testo usa e getta il cui valore dipende dal fatto che il modello resti disponibile. Entrambi producono qualcosa che puoi conservare. La differenza è ciò che "conservare" ti dà: con AesCode conservi un deck, con AlphaProof Code conservi una garanzia.

Il punto in cui l'analogia si rompe è l'auditabilità. Chiunque può aprire l'HTML e vedere se il titolo è sbagliato. Quasi nessuno può aprire 6,5 milioni di righe di Lean e vedere se il teorema dice ciò che il comunicato stampa sostiene che dica — ed è esattamente per questo che il paper di DeepMind dedica pagine a enumerare la sua base fidata, le sue 37 primitive contrattate e le proprietà che non dimostra. L'artefatto è verificabile; la sua lettura non è gratuita.

Quanto valgono i numeri su ciascun lato

Il dato di punta di AesCode 32B è un punteggio complessivo di 85,89 contro l'81,28 di GPT-5.5 — una misurazione di Microsoft di un modello concorrente, su una rubrica scritta da Microsoft, su un harness costruito da Microsoft. Boundary si attesta a 97,27 con un grave overflow sul 4,3% dei campioni, e style a 55,99, una riga in cui nessun modello nella tabella supera 60. Secondo i contatori del repository stesso, nessuno al di fuori di Microsoft aveva pubblicato un numero per il modello. Ogni cifra sopra riportata è dichiarata dal fornitore e non riprodotta.

AlphaProof Code non ha affatto una tabella di benchmark, e questa non è una lacuna nel reporting — è un tipo diverso di affermazione. Il risultato è che uno specifico binario soddisfa dieci teoremi simbolici e un percorso computazionale con un limite concreto. Si può dissentire dalla specifica, ma non si può contestare il verdetto del kernel sulla dimostrazione. Le avvertenze comparabili sono strutturali anziché statistiche: nessuna garanzia post-quantistica per la guarigione SPQR, nessuna privacy del payload, nessuna autenticazione del responder sui primi messaggi non promossi, una sessione per promozione, lunghezze dei messaggi fisse, nessuno stato multi-dispositivo. E un limite di falsificazione MAC che diventa vacuo intorno ai 25.000 messaggi in una singola sessione.

Un dato, in effetti, è utile anche in questo contesto. La verifica di AlphaProof Code ha richiesto quattro settimane laddove lavori comparabili hanno storicamente impegnato team di esperti per anni, rispetto alle stime di riferimento citate nello stesso articolo, pari a circa 20 anni-persona per seL4 e a circa 6 per CompCert. È su questo rapporto che bisogna soffermarsi, e si tratta di un'affermazione sul flusso di lavoro, non sulla qualità del modello.

Quale puoi davvero eseguire questa settimana?

AesCode 32B: sì, se hai l'hardware. Scarica gli shard, servili con vLLM su quattro rank, mantieni i prompt sotto il limite di 24.576 token della scheda e accetta che la tua fase di revisione sia un umano che strizza gli occhi davanti all'HTML renderizzato. Non ti dirà se la pagina è corretta; ti dirà se la pagina sembra corretta.

AlphaProof Code: no. Gli artefatti pubblicati sono uno sviluppo Lean, non una pipeline che si invoca. Persino i modelli al suo interno non sono il deliverable: il framework è un costrutto di ricerca, e la stessa impostazione di DeepMind è che scalarlo "richiede ricerca continua". CodeMender è il progetto gemello per la riparazione automatizzata; verifica e correzione sono due prodotti diversi nella roadmap di quel laboratorio.

Se quello che vuoi è un modello che rediga le specifiche — il passaggio in cui esperti umani hanno tradotto in Lean gli obiettivi di sicurezza di Signal, revisionandoli uno per uno — questo è normale lavoro per un modello, e Claude Opus 5.5 è nel catalogo di OrcaRouter a $4 per milione di token in input e $20 per milione di token in output con il prezzo di listino del provider trasferito con markup dello 0%. Instradare un ciclo di redazione delle specifiche su due o tre modelli e confrontare il loro output in Lean è una chiamata a un DSL di routing, non un progetto di ricerca. Nulla di tutto ciò ti dà una prova; il passaggio della prova è da dove sono venute le sei milioni di righe.

Perché l'abbinamento merita comunque di essere pubblicato

Perché "modello di codice" è diventata una categoria senza alcun criterio minimo. Un modello che scrive slide e un framework che dimostra un protocollo di messaggistica finiscono entrambi in questa categoria, e chi li confronta su una classifica non ne ricava nulla. La domanda utile non è quale sia migliore, ma quali prove si ottengono sull'output. AesCode 32B ti dà una pagina renderizzata e una griglia di valutazione del fornitore. AlphaProof Code ti dà una derivazione verificata dal kernel e un elenco insolitamente esplicito delle ipotesi su cui si basa. Uno dei due è adatto a codice su cui preferiresti non sbagliarti, e non è quello con il numero di parametri più alto.

Se stai valutando AesCode 32B per una pipeline di progettazione, ciò che va testato non è il punteggio complessivo ma il suo comportamento ai limiti — il tasso del 4,3% di overflow gravi è il punto in cui una presentazione diventa silenziosamente errata anziché brutta. Se stai valutando AlphaProof Code, ciò che va letto è il catalogo delle deviazioni dalle specifiche nel repository degli artefatti: oltre 200 voci computazionali e circa 35 simboliche, quindici delle quali sono lacune o bug nell'analisi di Double Ratchet. Quel catalogo è il documento più onesto della release, perché è un elenco di tutto ciò che le dimostrazioni non hanno chiuso.