AlphaProof Code vs AesCode 32B：一方はコードが正しいことを証明し、もう一方はコードを描く

AlphaProof CodeとAesCode 32Bを同じ文に入れると、両者に共通するのは「code」という語だけだ。AlphaProof Codeは2026年11月10日に発表されたGoogle DeepMindのエージェント型フレームワークで、コンパイル済みのlibsignalバイナリが仕様どおりに動作することを証明する、機械検証済みのLeanを約650万行生成した。AesCode 32Bは330億パラメータの視覚言語チェックポイントで、マイクロソフトが2026年10月上旬に何の告知もなくHugging Faceにアップロードしたものだ。そしてプロンプトを単一の自己完結型HTML文書——スライド、ポスター、ダッシュボード——に書き出し、それを人間が後から目にする。どちらも呼び出せるサービスではない。片方はモデルですらない。もしそのまま差し替えられる代替品の判断を求めてここに来たのなら、正直な答えは、そんな判断は存在しないということだ。本稿の残りでは、それでもこの比較に価値がある理由を説明する。

カテゴリー錯誤を正しく述べると

AesCode 32Bはジェネレーターです。説明を渡すと、成果物を返します。その品質は、見た目の美しさと、ページ上の数値がたまたまあなたが求めた数値になっているかどうかによって評価されます。モデルカード自身の位置づけは、画像ジェネレーターは見栄えのするページを構成するがその上の数値を誤って描画し、コードモデルは数値を正しく扱えるがページの見た目はわからない、というものです — AesCodeはプロンプトを、同じプロンプトから生成した画像と組み合わせ、コンテンツについてはテキストに従いつつ、その画像を美的参照として使います。

AlphaProof Code は検証器です。仕様——何が真でなければならないかの記述——を与えると、特定のコンパイル済みバイナリがその仕様を満たすという証明を、Lean のカーネルによって検査された形で返します。この一連の過程のどこにも美的判断は存在しません。証明は受け入れられるか、そうでないかのどちらかであり、受け入れ基準はレビュアーの好みではなく、数千行のカーネルコードです。

その違いが、それぞれが何のためのものかを決める。AesCode 32B は「何かを作って」に答える。AlphaProof Code は「これは自称どおりのものか」に答える。最初のものは火曜日の午後にプレゼン資料を作るのに使い、二つ目は、もしあなたが Signal なら、5人の研究者と40〜80体のエージェントからなるチームを伴って4週間かけて使うだろう。

それぞれが実際に提供するもの

• パラメータ — AesCode 32B：BF16で約334億、14個のsafetensorsシャードにまたがり、合計66,714,912,704バイト。AlphaProof Code：なし。これはフレームワークとアーティファクトリポジトリであり、ダウンロードする重みはありません。

• ベース — AesCode 32B：Qwen3-VL-32B-Instruct のファインチューンで、アーキテクチャは Qwen3VLForConditionalGeneration として宣言されているため、transformers 4.57 以降で読み込めます。AlphaProof Code：構造上モデル非依存。DeepMind の論文では、証明エージェントに Gemini 4 Carbon を挙げ、仕様の起草とレビューを行うモデルの一つとして Claude Opus 5.5 が使用されたと述べています。

• ライセンス — AesCode 32B: Apache 2.0、本日 Hugging Face で公開。AlphaProof Code: Lean 開発、AArch64 セマンティクス、libsignal バインディングは github.com/google-deepmind/code-verification で公開されていますが、ランディングページにはライセンスが明記されていません。その上に何かを作る前に解決すべきです。

• 利用可否 — AesCode 32B：セルフホスト専用。重みには約65 GBのアクセラレータメモリが必要で、4つのテンソル並列ランクでvLLMコマンドを実行します。ホスト型エンドポイントはなく、リポジトリページの背後に推論プロバイダーのマッピングもありません。AlphaProof Code：研究用成果物であり、エンドポイント、ウェイトリスト、価格設定はありません。

• 出力 — AesCode 32B：HTML 文書を1つ出力し、開くことで検証できます。AlphaProof Code：Lean の証明項を出力し、Lean で検証できます。

• 「正しい」とは何か — AesCode 32B：ページの見た目が正しく、図がプロンプトと一致していることを人が判断する。AlphaProof Code：モデル内のすべての入力に対して定理が成り立つことをカーネルが判断する。

唯一本当に興味深い重なり：どちらの出力もアーティファクトである。

ここに、価値のある比較がある。どちらのシステムも、それを作ったモデルより長く生き残るファイルを生成する。AesCode 32B の HTML は完成した文書であり、配布も編集も差分比較もでき、もう誰もモデルを必要としない。AlphaProof Code の Lean 証明は完成した導出であり、数分の計算でノートPC上で再検査でき、仕様が変わっていなければ、その結果は5年後も有効だ。

それは、チャット用エンドポイントであふれる市場では、聞こえる以上に珍しい特性です。多くのモデル出力は、モデルが利用可能であり続けることに価値が依存する、使い捨てのテキストです。これらのどちらも、手元に残せるものを生み出します。違いは、「残す」ことが何をもたらすかです。AesCodeではデッキが残り、AlphaProof Codeでは保証が残ります。

この類推が崩れるのは監査可能性においてだ。誰でもHTMLを開いてタイトルが間違っているかどうかを確認できる。しかし、650万行のLeanを開いて、その定理がプレスリリースの主張どおりのことを述べているかどうかを確認できる人はほとんどいない——まさにそのため、DeepMindの論文は信頼基盤、37の契約済みプリミティブ、そしてそれが証明しない性質の列挙に何ページも費やしている。成果物は検証可能だが、その読み解きは無償ではない。

両側の数字がそれぞれ何を表しているか

AesCode 32Bの目玉は、GPT-5.5の81.28に対する総合スコア85.89だ。これはMicrosoftが競合モデルを測定したもので、Microsoftが作成したルーブリックとMicrosoftが構築したハーネスによるものだ。Boundaryは97.27で、サンプルの4.3%で深刻なオーバーフローが発生しており、styleは55.99で、表内のどのモデルも60を超えない行だ。リポジトリ自体のカウンター時点で、Microsoft外部でこのモデルの数値を公表した者はいない。上記の数値はすべてベンダー報告であり、再現されていない。

AlphaProof Codeにはベンチマーク表が一切なく、それは報告の欠落ではなく、別種の主張である。結果とは、特定のバイナリが10個の記号定理と、具体的な上限を伴う計算トラックを満たすということだ。仕様には反対できるが、証明に対するカーネルの判定には異議を唱えられない。比較可能な注意事項は統計的というより構造的である。SPQRヒーリングに対する耐量子保証はなく、ペイロードのプライバシーもなく、昇格前の最初のメッセージに対するレスポンダ認証もなく、昇格ごとに1セッション、固定メッセージ長、マルチデバイス状態なし。そして、単一セッションで約25,000メッセージあたりで空虚になるMAC偽造限界がある。

有益に転用できる数字が1つある。AlphaProof Codeの検証には4週間かかったが、同等の作業は歴史的に専門家チームでも数年を要してきた。これに対し、論文が自ら引用するベースラインは、seL4が約20人年、CompCertが約6人年である。保持すべき主張はこの比率であり、それはモデルの品質ではなくワークフローに関する主張だ。

今週実際に実行できるのはどれですか

AesCode 32B：はい、ハードウェアがあれば可能です。シャードをダウンロードし、vLLMで4つのランク上で提供し、プロンプトをカードの24,576トークン上限以下に保ち、レビュー工程は人間がレンダリングされたHTMLを目を細めて見るものだと受け入れてください。それはページが正しいかどうかは教えてくれません。ページが正しく見えるかどうかは教えてくれます。

AlphaProof Code：いいえ。公開されている成果物はLeanによる開発であり、呼び出して実行するパイプラインではありません。その内部のモデルでさえも成果物ではありません——フレームワーク自体が研究上の構成物であり、DeepMind自身の説明でも、これをスケールさせるには「継続的な研究が必要」とされています。CodeMenderは自動修復のための兄弟プロジェクトです。検証と修復は、そのラボのロードマップにおいては別々の製品です。

望んでいるのが、仕様の草案を作るモデル——人間の専門家がSignalのセキュリティ目標をLeanに翻訳し、1つずつレビューした段階——であれば、それは通常のモデル作業であり、Claude Opus 5.5はOrcaRouterのカタログに掲載されており、入力100万トークンあたり4ドル、出力100万トークンあたり20ドルで、プロバイダーの定価を0%のマークアップでそのまま反映しています。仕様起草ループを2つか3つのモデルに振り分け、それらのLean出力を比較するのはルーティングDSLの呼び出しであって、研究プロジェクトではありません。ただし、そのどれも証明を与えてはくれません。証明の段階こそが、600万行の出どころです。

それでもその組み合わせを公開する価値がある理由

「コードモデル」が下限のないカテゴリになってしまったからだ。スライドを書くモデルも、メッセージングプロトコルを証明するフレームワークも、同じところに分類され、リーダーボードで比べる買い手は何も学べない。有用な問いはどちらが優れているかではなく、出力に対してどんな証拠が得られるかだ。{{1}}AesCode 32B{{/1}}が与えるのは{{2}}レンダリングされたページとベンダーのルーブリック{{/2}}だ。{{3}}AlphaProof Code{{/3}}が与えるのは{{4}}カーネルでチェックされた導出と、何を仮定しているかの異常なほど明示的なリスト{{/4}}だ。{{5}}そのうち、間違えたくないコードにまでスケールするのは一方だけ{{/5}}であり、パラメータ数が大きい方ではない。

AesCode 32B を設計パイプライン向けに評価しているなら、テストすべきなのは総合スコアではなく境界での挙動です — 4.3% という深刻なオーバーフロー率こそ、デッキが醜くなるのではなく静かに間違ったものになる地点です。AlphaProof Code を評価しているなら、読むべきはアーティファクトリポジトリにある仕様逸脱カタログです。200 件を超える計算エントリと約 35 件の記号エントリがあり、そのうち 15 件は Double Ratchet 分析における欠落またはバグです。このカタログはリリース内で最も正直な文書です。なぜなら、証明が閉じられなかったすべての項目のリストだからです。