AesCode-8B가 조용히 출시됐다: Microsoft의 8B 모델이 슬라이드와 대시보드를 HTML로 작성한다

마이크로소프트의 새 릴리스에서 가장 흥미로운 숫자는 1.00이다. 참조 이미지를 제외하면 AesCode-8B — 슬라이드, 포스터, 대시보드를 편집 가능한 HTML과 CSS로 작성하는 80억 매개변수 모델 — 의 시각 점수는 100점 만점에 1점 떨어진다. 같은 참조를 제외하면 Qwen3-VL-8B-Instruct, 즉 AesCode-8B가 미세조정된 기반이 된 오픈 웨이트 모델에서는 하락 폭이 19.55점이다. GPT-5.5에서는 10.04다. 바로 그 한 가지 비교에 실제 연구 결과가 담겨 있으며, 그것은 마이크로소프트가 함께 발표한 헤드라인 아래에 놓여 있다. 자체 300개 샘플 평가 기준에서 AesCode-8B의 전체 점수 82.94는 참조 조건이 주어진 GPT-5.5의 81.28과 Claude Opus 4.8의 80.39를 근소하게 앞서며, 더 큰 형제 모델인 AesCode-32B는 85.89다.

이번 릴리스에 관해서는 아무것도 발표되지 않았다. Microsoft는 2026-10-07에 Hugging Face에 Apache 2.0에 따라 가중치를 커밋했으며 — AesCode-8B와, Qwen3-VL-32B-Instruct로 같은 방식으로 만든 32B 동반 모델 — 다음 날 훈련 및 평가 코드를 GitHub에 푸시했다. Microsoft Research 블로그 게시물도, 릴리스 노트도, 제품 페이지도, 프리프린트도 없다: 모델 카드의 인용은 "Under review", 2027년으로 적혀 있는데, 이는 날짜라기보다 자리 표시자다. 2026-10-11 기준으로 8B 저장소는 다운로드 2건과 좋아요 1건을 보이며, GitHub 저장소는 별 1개를 보인다. 아래에서 숫자를 포함하는 모든 것은 직접 확인할 수 있는 타임스탬프이거나 Microsoft가 자체 평가 세트에 관해 보고한 수치다 — 그리고 이 구분은 여기서 평소보다 더 중요하다. 왜냐하면 이 모델의 어떤 부분도 다른 누구에 의해서도 측정된 적이 없기 때문이다.

출시된 것과 박스에 포함되지 않은 것

이번 릴리스는 세 가지 날짜로 정의되며, 그것이 이 릴리스의 유일한 날짜입니다. Hugging Face 저장소는 microsoft/AesCode-8B를 위한 것으로, 2026-09-29에 생성되었고, 가중치는 2026-10-07 03:35 UTC에 "Release AesCode-8B"라는 메시지로 커밋되었으며, microsoft/AesCode 코드 저장소는 다음 날인 2026-10-08 23:14 UTC에 공개되었습니다. 32B 가중치도 같은 커밋 기간에 포함되었습니다. 그 사이에는 어디에도 아무것도 발표되지 않았습니다.

• 가중치 — 총 17,543,339,408바이트에 달하는 네 개의 safetensors 샤드로, 이는 대략 88억 개의 bf16 파라미터에 해당합니다. Microsoft는 이 모델을 8B로 표기하고, Hugging Face의 크기 필드는 이를 9B로 반올림합니다. 이는 불일치가 아니라 반올림입니다.

• 아키텍처 — Qwen3-VL 레시피를 그대로 파인튜닝한 모델: Qwen3VLForConditionalGeneration, 36개의 은닉 레이어, 은닉 크기 4,096, 8개의 키-값 헤드를 가진 32개의 어텐션 헤드, 151,936개 토큰 어휘, 그리고 인터리브된 mrope 위치를 사용합니다. 필요한 것은 transformers 4.57 이상입니다.

• 컨텍스트와 출력 — 보고된 실행에서는 24,576 토큰 컨텍스트와 최대 12,000개의 출력 토큰을 사용했으며, 프롬프트당 세 번의 롤아웃에 걸쳐 temperature 0.8, top-p 0.95로 생성되었고 별도의 선택 과정은 없었습니다. vLLM 서빙 명령은 프롬프트당 두 개의 이미지를 허용합니다. 참조 이미지 하나, 그리고 출력이 텍스트이므로 그 외에는 없습니다.

• 라이선스 — Apache 2.0, Qwen3-VL 백본을 따르는 것으로 설명됨. 완전 허용형이며, 게이팅도, 허용 사용 부속 조항도 없음.

• 박스에 없음 — 학습 및 평가 데이터. 저장소는 파이프라인을 제공하고 예상 입력과 출력을 문서화하며, 기대하는 분할 파일들을 언급하지만, 모델 카드나 코드 저장소 어디에도 데이터셋 공개는 나열되어 있지 않다. 레시피는 얻지만 재료는 얻지 못한다.

• 또한 기본 제공 아님 — 호스팅된 엔드포인트도 마찬가지입니다. AesCode-8B를 제공하는 API를 어디에서도 찾을 수 없었고, 자체 카탈로그에도 없습니다. 제공자가 이를 채택하기 전까지는, 평가하려면 자체 GPU에 가중치를 로드해야 합니다.

마이크로소프트가 사용하는 이 프레임은 전체 디자인 브리프 그 자체라서 인용할 가치가 있다: 코드 모델은 "레이아웃, 위계, 색상이 캔버스 위에서 어떻게 어우러지는지 볼 수 없고", 이미지 생성기는 "시각적으로 매력적인 페이지를 구성하지만 텍스트, 숫자, 논리적 관계를 종종 잘못 렌더링한다." AesCode는 한쪽에서는 구성 감각을, 다른 쪽에서는 검증 가능성을 가져오려는 시도다.

1.00점 결과에 대한 설명

다음은 첫 번째 문단에 있는 숫자 뒤에 숨은 메커니즘입니다. 학습 중에 모든 프롬프트는 동일한 프롬프트로부터 생성된 참조 이미지와 짝지어집니다 — Microsoft의 자체 실행에서는 이미지에 GPT-Image-2를 사용했고, 짧은 아이디어를 상세한 콘텐츠 프롬프트로 확장하는 데 GPT-5.5를 사용했습니다. 참조 이미지는 내용에 대한 권위를 지니지 않으며, 텍스트 프롬프트가 여전히 진실의 원천입니다. 참조가 제공하는 것은 레이아웃과 스타일이며, 보상 함수는 이 두 가지를 분리된 상태로 유지하도록 설계되었습니다.

그 결과 시각적 사전 정보는 입력이 아니라 정책에 존재하게 된다. AesCode-8B는 추론 시 참조가 제거되면 Visual 점수 1.00점을 잃는다. 참조 조건으로 평가했을 때 Visual 44.72를 기록한 자체 백본은 참조 없이는 19.55점을 잃는다. GPT-5.5는 10.04점을 잃는다. 이를 한마디로 압축하면: 모델은 더 이상 그림을 필요로 하지 않게 되었다.

결과의 후반부는 놓치기 쉬운 부분이다. Microsoft는 참조 기반 보상이 prompt-only Visual을 25.17에서 69.71로 끌어올렸다고 보고한다 — 추론 시점에 참조를 전혀 보지 않는 모델도 참조에 대해 학습된 덕을 여전히 본다. 자신의 파이프라인에서 참조 생성 단계를 건너뛸 계획이었다면, 그 숫자는 훈련에서도 굳이 그것을 건너뛸 필요가 없다고 말해주는 수치다.

솔직한 단서는 이 모든 것에 적용된다. 이것은 Microsoft의 평가 기준표로, Microsoft의 인포그래픽 샘플 300개에 적용되며, 각 프롬프트마다 세 번씩 채점되고 선별적 선택은 없었다. 점수의 절반은 누구나 재현할 수 있는 결정론적 검증기에서 나온다. 나머지 절반인 체크리스트 차원은 문서에서 정체를 밝히지 않은 비전-언어 모델이 판정한다. 어떤 심사자가 그것을 산출했는지 모른 채로는 두 번째 절반을 재현할 수 없다.

취향이 가중치에 스며드는 곳

훈련 방법은 이번 발표에서 가장 전이 가능한 아이디어가 담긴 부분이며, 결과물이 보여주는 것보다 더 기계적이다.

• 모든 것은 먼저 그래프입니다. 각 대상은 디자인 그래프로 표현됩니다: 텍스트, 차트, 표, 카드, 영역, 이미지 슬롯을 위한 노드와 포함, 정렬, 순서, 연결을 위한 에지가 있습니다. 이 그래프의 핵심은 귀속입니다 — 캔버스 위의 모든 속성은 이름이 지정된 요소에 속하므로, 모든 속성은 개별적으로 점수를 매길 수 있습니다.

• 일곱 개의 보상 채널. 여섯 개의 결정론적 검증기가 구문 분석 가능한 항목들 — 실행, 정확한 텍스트, 경계, 표 및 차트 데이터, 의미론적 레이아웃, 공백 — 을 확인하고, 샘플별 Visual Graph Rubric이 기하학과 배치에 관한 그래프 기반 예/아니요 질문으로 구성되어 나머지를 점수화합니다. 채널은 실행, 텍스트, 경계, 테이블차트, 레이아웃, 공백, 디자인입니다.

• 채널은 결합되기 전에 정규화됩니다.GDPO는 각 채널을 해당 롤아웃 그룹 내에서 정규화하므로, 조밀한 규칙 기반 신호가 희소한 시각적 신호를 압도할 수 없습니다. Microsoft는 동일한 설정의 일반 스칼라 GRPO 대비 5.12 Visual 포인트로 이를 측정했습니다 — 벤더가 보고한 수치이긴 하지만, 단순한 주장이 아니라 구체적인 절제 실험 결과입니다.

• 채점은 렌더링을 통해 이루어집니다.후보 HTML은 외부 요청이 차단된 샌드박스 Playwright 브라우저에서 렌더링되며, 하네스는 DOM, 계산된 스타일, 바운딩 박스, 콘솔 상태 및 스크린샷을 다시 읽어옵니다. 표는 반드시 HTML 표여야 하고, 차트는 ECharts 스펙이어야 합니다. 이 제약은 실질적인 역할을 합니다 — 검증자가 파싱할 수 있는 형태로 출력을 강제하기 때문입니다.

• 레시피 자체. 3,000개의 데모에 대해 학습률 1e-5로 콜드 스타트 지도 미세 조정을 수행한 다음, verl의 FSDP-vLLM 하이브리드 엔진에서 7,408개의 프롬프트에 대해 400스텝 동안 GDPO를 실행하며, 크리틱도 별도로 훈련된 보상 모델도 없습니다. AdamW는 상수 5e-6, 워밍업 없음, 가중치 감쇠 0.01, 스텝당 프롬프트 128개에 각각 롤아웃 8개, KL 및 엔트로피 계수는 모두 0.001, 프롬프트와 응답은 각각 8,192토큰으로 제한됩니다. 공개된 런은 NVIDIA B200 8개가 있는 단일 노드를 사용했습니다. AesCode-32B는 동일한 레시피를 520스텝 동안 사용합니다.

전체적으로 읽어 보면, 이것은 모델 공개를 의상처럼 걸친 보상 설계 논문이다 — 그리고 이는 인용 문구가 프리프린트를 가리키는 대신 “Under review”라고 되어 있는 것과 일치한다.

점수판, 그리고 그것을 보증하는 사람

다음 내용은 모두 모델 카드에 보고된, 300개 인포그래픽 샘플에 대한 Microsoft 자체 평가입니다. Rule은 프로그램 방식의 Text, Bound, Chart 검사를 평균내고, Visual은 Content, Layout, Style 체크리스트 차원을 평균냅니다. Overall은 이 둘의 평균입니다. 점수는 프롬프트당 선별 없이 세 번 생성한 결과에 걸쳐 평균한 백분율입니다. "Ref."는 모델에 프롬프트와 함께 생성된 참조가 주어졌는지 여부를 표시합니다.

• 레퍼런스가 포함된 AesCode-8B — 텍스트 94.06, 바운드 88.36, 차트 87.79, 규칙 90.07; 콘텐츠 86.41, 레이아웃 87.80, 스타일 53.21, 비주얼 75.80; 종합 82.94.

• 자체 백본과 비교했을 때 — 참조 조건화된 Qwen3-VL-8B-Instruct는 Visual 44.72점, Overall 51.93점을 기록합니다. 이는 Visual 31.1점 상승, Overall 31.0점 상승이며, 학습의 핵심이 바로 시각적 절반이기 때문에 표에서 가장 놀랄 만한 것 없는 비교입니다.

• GPT-5.5 대비, 레퍼런스 조건부 — 종합 81.28, 콘텐츠 82.44, 레이아웃 89.93, 스타일 57.91.

• Claude Opus 4.8 대비, 레퍼런스 조건 기준 — 종합 80.39, 콘텐츠 86.42, 레이아웃 89.76.

• AesCode-32B, 참조 조건부 — 텍스트 95.34, 바운드 97.27, 차트 90.37, 규칙 94.33, 레이아웃 90.58, 시각 77.44, 종합 85.89. 자체 32B 백본보다 시각 점수가 22.4점 높음.

• Style 상한 — 표에 있는 어떤 모델도 60을 넘지 못하며, 그중 GPT-5.5의 57.91이 가장 높습니다. AesCode-8B는 53.21에 머물러 있습니다. Microsoft 자체의 정의는 엄격합니다: Style은 디자인을 납품 전에 추가적인 시각적 수정이 필요 없을 때에만 인정합니다. 따라서 사람이 실제로 편집 없이 페이지를 출시할지 여부를 측정하는 단 하나의 차원에서, 8B 모델은 선두가 아닙니다.

• 경계 실패 — 심각한 캔버스 오버플로 실패가 300개 샘플 중 4.3%에서 반복적으로 발생하며, 이는 GPT-5.5의 34.7%와 대조됩니다. 오버플로는 생성된 HTML을 단지 보기 흉한 수준이 아니라 사용할 수 없게 만드는 실패 모드입니다.

이제 표만큼이나 중요한 부분입니다. 위의 모든 수치는 공급업체가 보고한 것이며 재현되지 않았습니다. AesCode-8B는 우리가 찾을 수 있는 어떤 독립 리더보드에도 나타나지 않으며, GPT-5.5 및 Claude Opus 4.8과의 비교는 Microsoft의 평가 기준으로, 그 모델들이 튜닝되지 않은 작업에서, 페이지를 만들어내기만 해도 점수를 주는 "Layout" 정의를 사용해 이루어지고 있습니다. Text 점수 94.06은 이 모델이 텍스트에서 GPT-5.5를 이긴다는 뜻이 아닙니다. 그것은 인포그래픽 페이지에서 프롬프트에 모순되지 않게 레이블을 배치한다는 뜻이며, 이는 훨씬 작은 주장입니다. Style 결과는 이 평가 기준이 AesCode에 유리하게 조작된 것이 아니라는 신호입니다 — 가장 큰 스코어보드 승리 바로 옆에 가장 보기 좋지 않은 숫자가 나란히 있기 때문입니다.

확인된 것과 확인되지 않은 것은 무엇인가?

조용히 출시되었기 때문에, 이 둘을 명확히 구분할 가치가 있다.

• 확인됨 — 가중치는 존재하며 Apache 2.0에 따라 다운로드할 수 있습니다. 두 개의 릴리스 타임스탬프는 저장소에 있습니다. 아키텍처, 파라미터 수, 컨텍스트 길이 및 샘플링 설정은 모두 공개된 config와 모델 카드에 있습니다. 학습 레시피와 보상 설계는 이견을 제기할 수 있을 만큼 충분히 자세히 문서화되어 있습니다. 코드, 검증기 스택 및 루브릭 빌더는 공개되어 있습니다. 32B 동반 모델이 존재합니다.

• 확인되지 않음 — 벤더 이외의 누구에 의한 벤치마크 수치 전부. 문서 자체가 심사 중이라고 설명하는 논문. 점수의 시각적 절반을 담당하는 비전-언어 판정자의 정체. 어떤 제공업체가 이를 호스팅할지 여부. 보고된 평가가 단일 인포그래픽 페이지를 대상으로 하므로, 24,576토큰 컨텍스트가 실제 다중 슬라이드 덱에서도 견딜 수 있는지 여부. 그리고 영어 이외의 동작에 관한 그 어떤 것도 — 모델 카드의 언어 태그는 "en" 하나뿐이다.

그것을 실행하고 싶다면, 그리고 그 비용이 얼마인지

Qwen3-VL-8B-Instruct — AesCode-8B가 파인튜닝된 모델이자, 누군가 독립적인 AesCode 결과를 발표할 때까지 이용 가능한 가장 강력한 단일 비교 대상 — 은 별개의 문제다:

AesCode-8B 자체의 서빙 경로는 짧으며, 모델 카드에 바로 나와 있습니다: vllm serve microsoft/AesCode-8B --limit-mm-per-prompt image=2 --max-model-len 24576, 그리고 transformers 4.57 이상이 비-vLLM 경로에 필요하며, 텍스트 프롬프트 앞에 선택적 참조 이미지를 받는 Python 스니펫도 있습니다.

직접 해야 하는 산수는 메모리다. bf16 가중치 17.5 GB가 24,576토큰 컨텍스트와 최대 두 이미지에 대한 KV 캐시와 나란히 들어가야 하므로, 24 GB 카드 한 장은 기술적으로는 가중치에 충분하지만 그 밖의 모든 것에는 불편할 만큼 빠듯하다. 40-48 GB, 또는 24 GB 카드 두 장이 현실적인 최소선이다. 32B 동반 모델은 문제의 차원이 다르다. 샤드 합계가 66.7 GB이므로 텐서 병렬 처리와 멀티 GPU 노드가 필요하다. 렌더러도 예산에 넣어야 한다. 모델은 완전한 HTML 문서를 출력하고, 그에 관한 모든 품질 주장은 그 문서를 렌더링함으로써 이루어지므로, 자체 출력을 채점하려면 외부 요청을 차단한 상태로 Playwright를 구동해야 한다.

추론 시점에 참조 이미지를 생성할 필요는 없습니다 — 그것이 바로 1.00점 결과가 주는 이점입니다 — 하지만 문서는 참조 이미지를 제공할 때 품질이 여전히 가장 높다고 분명히 밝히므로, 정직한 설정은 참조 없음(reference-free)이라기보다 참조 선택 사항(reference-optional)입니다.

AesCode-8B는 OrcaRouter가 라우팅하는 모델이 아니며, 다른 어디에서도 호스팅되는 곳을 찾을 수 없었습니다. 따라서 현재로서 평가를 하려면 자체 하드웨어에 가중치를 올리는 수밖에 없습니다. 하지만 그 백본은 이야기가 다릅니다. Qwen3-VL-8B-Instruct 는 오늘날 OrcaRouter를 통해 100만 입력 토큰당 $0.18, 100만 출력 토큰당 $0.70에 라우팅할 수 있으며, 131,072토큰 컨텍스트를 갖추고 있습니다 — 덕분에 다른 사람의 레시피를 재현하느라 GPU를 일주일씩 쏟아붓기 전에, 이 아키텍처의 튜닝되지 않은 버전이 여러분의 인포그래픽 프롬프트에서 어떤 성능을 내는지 저렴하게 확인할 수 있습니다. OrcaRouter는 제공업체 정가를 0% 마크업으로 그대로 전달하고 제공업체 간에 자동으로 페일오버합니다, 따라서 그 비교에는 키 하나만 필요하고 별도의 계약은 필요하지 않습니다. AesCode-8B가 우리가 라우팅하는 제공업체에 언젠가 올라온다면, 같은 날 카탈로그에 등록될 것입니다. 그리고 직접 자체 호스팅한다면, 프로덕션에서 폴백으로 사용하게 될 모델들은 이미 그 하나의 엔드포인트 뒤에 있는 모델들입니다 — 이는 독립적인 평가가 전혀 없는 조용히 공개된 모델에 대한 합리적인 태도입니다.

볼 만한 것

두 가지입니다. 그리고 둘 중 어느 것도 또 다른 벤치마크 표가 아닙니다.

첫 번째는 그 논문이다. "AesCode: Aesthetic Code Generation with Decoupled Cross-Modal Rewards"는 2027년 심사 중이라고 인용되어 있는데, 이는 일정이라기보다 BibTeX 항목에 입력된 자리 표시자처럼 읽힌다. 프리프린트나 카메라 레디가 나오기 전까지, 위의 보상 채널 설명은 연구실 밖에서는 아무도 읽을 수 없는 초록의 요약일 뿐이다 — 그리고 Visual Graph Rubric이 그 자체로 잘못된 디자인 그래프를 어떻게 다루는지 같은 흥미로운 질문들은 오직 전체 본문에서만 답을 얻을 수 있다.

두 번째는 호스팅입니다. 구조화되고 검증 가능한 HTML을 생성하는 8.8B Apache-2.0 모델은 플랫폼이 채택하는 바로 그 형태입니다. 왜냐하면 그 출력은 JPEG와는 달리 검사할 수 있기 때문입니다. 누군가 이 모델을 서빙하는 순간, 이것은 자체 호스팅 결정이기를 그치고 라우팅 결정이 되며 — 비용 비교는 더 이상 GPU 시간에 관한 것이 아니게 됩니다.

기대하지 말아야 할 것은 깔끔한 판정이다. Style은 그 표에 있는 모든 시스템, 이 시스템을 포함해, 각 시스템의 상한선이며, Style은 사람이 그 페이지를 그대로 출시할지 여부를 묻는 유일한 차원이다. AesCode-8B에 대해 방어 가능한 해석은 좁지만 실재한다. 그것은 기계로 검증할 수 있는 시각 디자인의 부분에서는 매우 뛰어나고, 그럴 수 없는 부분에서는 중간 정도이며, 이 틈새에서 그 둘 사이의 격차가 출시의 부수적 사고가 아니라 출시의 핵심인 최초의 오픈 웨이트 모델이다.