AesCode 32B vs Qoder Cantus: 하나는 검사할 수 있고 다른 하나는 실행할 수 있지만, 둘 다는 결코 안 된다

여기 곱씹어 볼 만한 역설이 있다. AesCode 32B는 마이크로소프트의 HTML 및 CSS 생성 체크포인트로, 동급에서 가장 속을 들여다보기 쉬운 모델이다: Hugging Face에 공개된 Apache 2.0 가중치, 보상 검증기와 루브릭 빌더, 학습 루프가 담긴 공개 저장소, 300개 샘플 평가 전문 공개, 학습률과 롤아웃 스텝 수까지 세세히 적힌 학습 레시피가 있다. Hugging Face 저장소는 2026년 9월 29일자이고, "Release AesCode-32B"라는 제목의 커밋은 2026년 10월 7일에 올라왔지만, 마이크로소프트는 이 중 어느 것도 발표하지 않았다. 그리고 거의 아무도 이 모델을 실행할 수 없는데, 33B 체크포인트로서 약 65GB의 가속기 메모리를 요구하는데다 이를 서빙하는 제공자도 없기 때문이다. Qoder Cantus는 정확히 그 반대다. 구독만 있으면 누구나 지금 Qoder 안에서 실행할 수 있지만, 그 속은 전혀 들여다볼 수 없다. Qoder가 이 모델에 대해 공개한 설명은 고작 한 문장이며, 파라미터도, 컨텍스트 윈도도, 벤치마크 표도, 가중치도 없다. 그리고 API가 없으니 제3자 수치가 나올 일도 결코 없을 것이다. 한 모델은 모든 것을 알려주지만 아무것도 하게 해주지 않는다. 다른 모델은 모든 것을 하게 해주지만 아무것도 알려주지 않는다. 흥미로운 질문은 어느 실패 모드가 더 큰 대가를 치르게 하는가이다.

문서에 적혀 있는 내용, 전문 그대로

비대칭성은 존재하는 것을 그대로 인용하기만 하면 가장 쉽게 볼 수 있다.

AesCode 32B의 경우, 공개 기록에는 기반 모델(Qwen3-VL-32B-Instruct), 파라미터 수, 라이선스, 의도된 용도, 학습 데이터 규모, SFT 학습률, RL 옵티마이저 설정, 보상 채널 이름, 프롬프트 및 스텝 수, 평가 샘플 크기, 프롬프트당 생성 횟수, 디코딩 온도와 top-p, 채점에 사용된 컨텍스트 길이, 별도로 공개된 세 개의 결과 표, 그리고 심사 중으로 표기된 논문에 대한 인용이 포함되어 있다. 다만 출시일과 두 자릿수 다운로드 수는 빠져 있고 — 모델 카드에 transformers>=4.57이 필요하다는 설명과 페이지의 자동 생성 사용 스니펫이 카드 자체의 예시와 일치하지 않는다는 점은, 그 아티팩트가 실재할 때에만 살아남는 종류의 세부 사항이다.

Qoder Cantus에 관해 공개된 기록은 다음과 같습니다: "Qoder의 내장 최상위 지능형 모델로, 장시간 자율 작업 실행에 탁월합니다." 그것이 설명의 전부입니다. 다운로드할 모델이 없으므로 모델 카드도 없고, Qoder가 출시 게시물이나 기술 보고서를 게시하지 않았으므로 벤치마크 표도 없으며, 아레나는 호출할 엔드포인트가 필요하므로 아레나 등재도 없습니다. 그 밖에 알려진 정보는 기술적이라기보다 구조적입니다: Cantus는 Qoder Desktop, JetBrains 플러그인, CLI, Cloud Agents 및 웹 클라이언트 전반의 모델 선택기에 나타나며, 모델 사용량에 계수가 적용된 Qoder의 크레딧 시스템을 통해 과금됩니다.

그것은 그 모델에 대한 비난이 아니다. 그것은 확인할 수 있는 것이며, Cantus의 경우 답은 없다.

각각이 진정으로 강한 부분

AesCode 32B의 강점은 검증 가능성이며, 이는 단언하기보다 설명할 가치가 있을 만큼 충분히 이례적입니다. 학습 신호는 하나의 점수가 아니라 일곱 개의 채널입니다. 그중 여섯 개는 생성된 코드와 그 렌더링에서 속성을 읽어내는 결정적 검증기이고, 여기에 샘플별 디자인 그래프에 연결된 루브릭에 따라 파싱 불가능한 속성을 채점하는 비전-언어 판정기가 더해집니다. 모든 후보는 외부 요청이 차단된 샌드박스형 Playwright 브라우저에서 렌더링되며, DOM, 계산된 스타일, 바운딩 박스, 콘솔 상태, 스크린샷을 내보냅니다. 각 속성이 귀속 가능하기 때문에, 랩은 자체 Qwen3-VL-32B 백본 대비 Visual 구성 요소를 22.4점 개선했다고 보고하고, 학습이 끝날 때 어떤 채널이 여전히 상승 중이었는지 말해줄 수 있습니다. 이는 여러분이 반박하고, 재현하고, 확장할 수 있는 릴리스입니다.

비용도 똑같이 구체적이다. 이 카드는 bf16 파라미터만을 위해 대략 65GB를 계획하라고 권고한다. 서빙 예시는 4방향 텐서 병렬화를 사용한다. 보고된 수치는 24,576토큰 컨텍스트를 사용한다. 강화 학습 중에는 프롬프트와 응답이 8,192토큰으로 제한되었다. 어떤 추론 제공자도 이 체크포인트를 배포하지 않으며 장벽이 철학적인 것이 아니라는 사실과 그 점을 함께 저울질해 보라. 하드웨어를 직접 소유하거나 임대해야 하고, 멀티모달 서빙 경로는 스스로 구축해야 한다.

Cantus의 강점은 정반대다. 그냥 거기 있다. 다운로드도, GPU도, 서빙 스택도, 고를 하네스도 없다. 이미 사용 중인 IDE의 모델 선택기에 나타나며, 에이전트형 코딩 도구가 내세우는 바로 그 용도 — 장시간 자율 작업 실행 — 에 맞춰 포지셔닝되어 있다. 그 밖에 무엇이 불확실하든, 배포 문제는 이미 당신을 위해 해결되어 있고, Qoder는 자사가 만든 모델에 대해 공개한 것보다 더 많이 알고 있을 것이다.

Cantus에 대해 당신이 대답할 수 없는 세 가지 질문

누락된 문서가 어떤 대가를 치르게 하는지는 정확히 짚을 필요가 있다. "벤치마크가 없다"라는 말은 그 심각성을 축소하기 때문이다.

• 얼마나 큰가 — 알 수 없음. 파라미터 수는 공개되지 않는다. 크레딧 과금 모델에서 이것은 사소한 정보가 아니다: 다른 곳에서는 2달러가 드는 작업이 여기서는 6달러를 내야만 수행될 수 있는지 여부를 좌우하는 핵심 입력이기 때문이다.

• 컨텍스트를 얼마나 담는가 — 공개되지 않았고, 제3자 논의에서 200K 정도일 것이라고 암시할 뿐 출처는 없다. 장기 지평의 에이전트 작업은 이 숫자에 달려 있는데, 그 숫자는 공개되지 않았다.

• 그게 과연 좋은가 — 엄밀한 의미에서는 답할 수 없다. Qoder의 포지셔닝에 내포된 주장은, 장시간 자율 실행은 단일 턴 코딩 점수보다 모델이 컨텍스트와 복구, 수백 번의 도구 호출을 어떻게 처리하는지로 측정하는 편이 낫다는 것이다. 그것은 타당한 주장이다. 모델이 테스트 가능했다면 그 주장은 더 강하게 와닿았겠지만, Qoder 외부에서는 아무것도 그 모델을 호출할 수 없기 때문에 테스트 가능할 수가 없다.

그것을 AesCode 측 세 번째 질문의 거울상과 비교해 보십시오: 숫자들은 존재하고 상세하지만, 그것들은 Microsoft의 숫자이며, Microsoft의 하네스로 Microsoft의 300개 샘플에서 산출된 것이고, 어떤 외부 연구소도 그중 어느 것도 재현하지 못했습니다. AesCode 32B는 자체 스타일 차원에서 문서화된 상한 55.99와 4.3%의 심각한 캔버스 경계 실패율을 가지고 있습니다 — 둘 다 공급업체가 발표한 것이며 — 두 수치 중 어느 것이 맞는지에 대한 독립적인 확인은 없습니다. 따라서 두 가지 실패 모드는 다음과 같습니다: 신뢰할 수 없는 숫자, 그리고 숫자 없음. 그것은 '하나는 좋고 하나는 나쁘다'보다 더 나쁜 선택이며, 이번 맞대결이 실제로 제시하는 선택입니다.

각 측면에서 당신이 치르는 비용

Cantus는 공개된 토큰 요율이 아니라 Qoder의 크레딧 시스템을 통해 청구합니다. Qoder는 모델 사용량에 계수를 적용하며, Cantus는 3.2배 승수로 출시되었고, 2026년 7월 31일까지 진행된 50% 할인 프로모션 아래에서 1.6배로 낮아졌습니다. 토큰당 수치가 아니라 Qoder가 자체 공개한 크레딧 추정치를 바탕으로 재구성하면, 이는 대략 편집기 모드 턴당 $0.38, Quest 작업당 $1.60, Experts 모드의 Quest당 $2.40에 해당합니다. 이는 재구성치이며, 달리 말하는 1차 출처가 없기 때문에 그렇게 표시한 것입니다.

AesCode 32B의 비용은 단위당 숫자가 아니라 자본 지출 규모입니다. 가중치는 Apache 2.0에 따라 무료이고, 청구서는 GPU 시간으로 도착합니다. 파라미터를 담을 65GB의 가속기 메모리, 비전 타워, 그리고 필요한 처리량까지 포함해서요. 이미 다른 작업을 위해 B200급 노드를 운영하고 있다면 한계 비용은 거의 0에 가깝습니다. 그렇지 않다면, 솔직한 비교는 Qoder의 크레딧에 맞선 "$0 per million tokens"가 아닙니다. 그것은 구독에 맞선 하드웨어 결정입니다.

구성 가능성의 차이

접근 모델에는 한 가지 결과가 더 있는데, 그것은 라우팅 플랫폼이 가장 먼저 알아차리는 결과다.

Cantus는 그 무엇과도 조합할 수 없다. API가 없다는 것은 폴백도 없다는 뜻이고, 같은 작업에서 다른 모델과 A/B 비교를 할 수도 없다는 뜻이며, 요청 처리 도중 저렴한 모델에서 비싼 모델로 연쇄 전환할 수도 없다는 뜻이고, 직접 작성한 평가 하네스에 포함시킬 방법도 없다는 뜻이다. 그것은 하나의 제품 안에 있는 하나의 옵션일 뿐이고, 당신이 쥐고 있는 유일한 지렛대는 선택기뿐이다. 이는 Qoder 측의 의도적인 설계 선택이며, 당신이 IDE 안에서 살고 싶다면 지극히 합리적인 선택이다. 하지만 그 대가는 당신의 아키텍처가 Qoder의 로드맵을 그대로 물려받는다는 것이다.

AesCode 32B는 이론상 반대 속성을 지니지만 실제로는 격차가 있다. 가중치는 그것이 어디든 갈 수 있음을 뜻한다: 당신의 클러스터, 임대한 인스턴스, 자체 툴링, 자체 평가. 오늘날 그것이 할 수 없는 것은 호출되는 것인데, 이를 제공하는 제공자가 없기 때문이다 — Microsoft는 체크포인트를 공개하고 거기서 멈췄다. 따라서 구조적으로 구성 가능한 모델은 아직 실질적으로 구성 가능하지 않고, 실질적으로 사용 가능한 모델은 구조적으로 잠겨 있다.

그러면 라우팅 논쟁이 남기는 지점은 평소보다 좁고, 솔직히 말할 가치가 있습니다: 이번 맞대결에 등장하는 두 모델 중 어느 것도 우리 카탈로그에 없으며, 이 페이지는 그렇지 않은 척하지 않을 것입니다. 200개가 넘는 모델을 제공자 정가로 이용할 수 있는 단일 엔드포인트가 여기서 실제로 사주는 것은 그 주변 계층입니다 — AesCode 32B의 출력을 소비하는 워크플로를 구축하고, 그중 범용 모델이 처리해야 할 부분을 라우팅할 수 있는 능력이며, 각각을 위해 별도의 계약을 세울 필요가 없습니다. 자체 호스팅 비전-언어 배포에 뛰어들기 전에 그 계층을 시험해 보고 싶다면, 가장 저렴한 방법은 같은 계열의 모델을 호출하는 것입니다: AesCode 32B는 Qwen3-VL-32B-Instruct의 파인튜닝이며, Qwen3-VL 235B A22B는 백만 입력 토큰당 $0.40, 출력 $1.60에 이용할 수 있고더 작은 Qwen3-VL 8 Instruct는 $0.18과 $0.70. 이것들은 서로 다른 모델이지 파인튜닝의 대체물이 아닙니다 — 하지만 65 GB 대신 몇 푼으로 "호스팅된 VLM이 이 스크린샷을 읽고 우리 파이프라인에 충분할 만큼 코드를 작성할 수 있는가"라는 질문에 답해 주며, 답이 그렇고 트래픽이 실제로 발생한다면 제공자 간 페일오버가 같은 키 아래에 놓입니다.

선택하는 방법

Qoder 안에 이미 있고, 인프라 작업이 없다는 점을 중요하게 여기며, 검증 불가능성을 그 대가로 기꺼이 치를 의향이 있다면 Cantus를 선택하십시오. 당신이 사는 것은 모델이 아니라 역량이라는 점을 분명히 인식하십시오. 도입하기 전에 벤치마킹할 수 없고, 그 가격을 토큰당 기준으로 다른 무엇과도 비교할 수 없으며, Qoder가 가격이나 로드맵을 바꾸면 그것을 가지고 갈 수 없습니다.

아티팩트가 필요하고 배포 비용을 감당할 수 있다면 — 특히 diff하고 검토하고 출시할 수 있는 편집 가능한 HTML을 내놓는 모델이 필요하다면 — AesCode 32B를 선택하세요. 똑같이 냉정하게 보세요: 이 모델은 발표되지 않았고, 재현되지 않았으며, 대부분의 하드웨어에는 너무 크고, 긴 문서를 제약할 24K 컨텍스트를 기준으로 문서화되어 있습니다.

첫 번째의 종속성도, 두 번째의 자본 비용도 원하지 않는다면, 정직한 선택은 호출할 수 있는 모델에서 같은 역량을 얻는 것입니다. API 키 뒤에 있는 비전-언어 모델은 스크린샷을 읽고 구조화된 마크업을 작성할 것입니다. 그것은 디자인 품질에 맞춰 조정된 일곱 개의 보상 채널로 훈련되지 않을 것이며, Microsoft가 만든 인포그래픽 벤치마크에서 AesCode 32B와 맞먹지도 못할 것입니다. 하지만 GPU 조달 대신 등록된 카드 하나로 비용을 지불하게 될 것이고, 스스로 측정할 수 있게 될 것입니다 — 이는 이 전체 맞대결의 핵심입니다.

볼 만한 것

Cantus는 Qoder가 엔드포인트를 공개하거나 가중치를 배포하는 날 일반적인 모델이 된다. 그때까지 그것에 관한 모든 주장은 모델에 관한 주장이라기보다 Qoder 제품에 관한 주장이며, 증거 격차는 문서화상의 누락이라기보다 구조적인 것이다. AesCode 32B는 추론 제공자가 체크포인트를 가져가거나 외부 연구소가 85.89를 재현하는 날 일반적인 모델이 된다. 그리고 그 일이 Microsoft가 실제로 그 제품을 발표하는 것과 함께 일어난다면, 남은 장벽은 65 GB뿐이다. 어느 쪽이 먼저 실현되는지가, 이 업계가 더 이상 용인하지 않기로 결정한 두 가지 실패 모드 중 어느 쪽인지를 말해준다.