AesCode 32B vs Muse Code: Een posterengine en een terminalagent zijn geen rivalen

AesCode 32B en Muse Code worden met elkaar vergeleken omdat beide namen het woord "code" bevatten, en dat is ongeveer het enige wat ze gemeen hebben. AesCode 32B is Microsofts onderzoekscheckpoint voor het genereren van bewerkbare HTML en CSS — dia's, posters, dashboards, rapporten — gepubliceerd onder Apache 2.0 op Hugging Face, waarbij de repository is aangemaakt op 29 september 2026 en de commit met de naam "Release AesCode-32B" dateert van 7 oktober 2026. Microsoft heeft er niets over aangekondigd: er is geen lanceringsbericht, geen persbericht, en de modelkaart zelf vermeldt geen releasedatum. Muse Code is helemaal geen model. Het is Meta's terminal-codingagent, sinds begin augustus 2026 in bèta, die zijn tijd besteedt aan het uitvoeren van shell-opdrachten op een repository. Een van deze twee produceert een bestand dat je in een browser opent. De andere voert opdrachten uit totdat de tests slagen. Een keuze tussen hen maken is geen modelbeslissing, en het nuttige dat deze pagina kan doen, is voorkomen dat je die maakt alsof dat wel zo is.

Waar elk exemplaar eigenlijk voor is

AesCode 32B begint bij Qwen3-VL-32B-Instruct en wordt volgens de modelkaart getraind met cold-start supervised fine-tuning op 3.000 demonstraties, gevolgd door GDPO-reinforcement learning via zeven beloningskanalen — uitvoering, tekst, grenzen, tabel/grafiek, lay-out, witruimte en ontwerp. Zes van die kanalen zijn deterministische verifiers; het zevende is een vision-language-beoordelaar die werkt met een rubric per sample, gekoppeld aan een 'design graph' van de doelpagina. Elke kandidaatoutput wordt weergegeven in een Playwright-browser in een sandbox, met externe verzoeken geblokkeerd, en vervolgens gescoord op basis van de DOM, berekende stijlen, bounding boxes en een screenshot. De beoogde outputs staan expliciet op de kaart: bewerkbare dia's, posters, dashboards en rapporten, plus onderzoek naar multimodale codegeneratie. Het model genereert een volledig HTML-document en is getraind om echte HTML-tabelstructuren en ECharts-specificaties te gebruiken, zodat de uitvoer inspecteerbaar blijft.

Muse Code doet iets structureel anders. Het is een native binary voor macOS en Linux met een hoofd-agentlus, asynchrone achtergrondagenten die gedurende een sessie context blijven verzamelen, geïsoleerde Git-worktrees zodat subagenten elkaar niet in de weg zitten, en een lokaal gebeurtenissenlog waarmee een gecrashte sessie opnieuw kan worden afgespeeld of hervat. Volgens Meta's eigen rapportage schrijft het duizenden tool calls over periodes gemeten in uren. Wat wordt verkocht, is de lus, niet het artefact.

Zet de twee naast elkaar en de werkwoorden komen niet overeen. AesCode 32B rendert. Muse Code voert uit. Als je probleem is "onze kwartaalpresentatie kost een designer drie dagen", dan is Muse Code irrelevant en is AesCode 32B er direct op gericht. Als je probleem is "niemand wil een weekend besteden aan het upgraden van deze dependency tree", dan heeft AesCode 32B niets te zeggen en is Muse Code de tool.

Het bewijs aan elke kant is niet hetzelfde soort bewijs.

Dit is het onderdeel waar elke vergelijkingspagina de fout mee ingaat, dus het loont om hier rustig de tijd voor te nemen.

De cijfers van AesCode 32B komen uit een infographic-evaluatie met 300 samples, drie generaties per prompt zonder selectie, en ze zijn op zichzelf indrukwekkend: een Overall-score van 85,89 tegen 81,28 voor GPT-5.5 en 80,39 voor Claude Opus 4.8, beide gemeten met dezelfde referentieafbeeldingsopstelling door de eigen harness van Microsoft. De kaart rapporteert ook dat een ernstige canvasgrens-fout terugkeert bij 4,3% van de samples tegen 34,7% voor GPT-5.5, en dat AesCode 32B zijn eigen Qwen3-VL-32B-backbone verslaat met 22,4 punten op de Visual-dimensie en 24,8 op Overall.

Vat dat allemaal op als door de leverancier gerapporteerd en niet gereproduceerd. De benchmark, de beloningskanalen waarmee het model is getraind, en de metrieken waarmee het wordt gescoord zijn werk van hetzelfde lab, en de 300 samples zijn van Microsoft. Dat is geen reden om het resultaat terzijde te schuiven — de evaluatie is ongewoon transparant, de verificatiestack is open, en het feit dat de kaart een dimensie publiceert waarop geen enkel model boven de 60 uitkomt ("stijl", waar niets boven 55,99 scoort) getuigt van meer eerlijkheid dan de meeste leverancierstabellen bevatten. Het is een reden om 85,89 niet naast een getal te zetten dat door een ander lab voor een andere taak is geproduceerd en te doen alsof er een vergelijking heeft plaatsgevonden.

De cijfers van Muse Code worden door Meta weer op een andere manier gerapporteerd: ze meten een model plus een harness samen. Meta rapporteert voor Muse Code 82,9% op Terminal-Bench 2.1, tweede achter Claude Opus 5 gekoppeld aan Claude Code met 86,7%, plus 59,3% op DeepSWE 1.1 en 70,6% op een interne codingbench. Omdat in die tabel verschillende harnesses aan verschillende modellen waren gekoppeld, kun je de bijdrage van het model niet uit de score van het systeem aflezen. En er is helemaal geen overlap tussen waarop Muse Code wordt gemeten en waarop AesCode 32B wordt gemeten — de een wordt beoordeeld op terminaltaken en software-engineering, de ander op of de tekst van een infographic leesbaar is en de lay-out niet overloopt.

Wat "één 32B-checkpoint" verbergt

Deployment is waar de twee producten het sterkst uiteenlopen, en de korte versie past in een bulletlist.

• Wat het is — AesCode 32B: een model-checkpoint met 33B parameters dat je downloadt. Muse Code: een installeerbaar terminal-agentproduct.

• Licentie — AesCode 32B: Apache 2.0, gewichten inbegrepen. Muse Code: propriëtair; het model erachter is gesloten.

• Wat u aanlevert — AesCode 32B: een GPU en een servingstack. Muse Code: een API-sleutel of een abonnement.

• Hardwareondergrens — AesCode 32B: de kaart adviseert om alleen al voor de bf16-parameters ongeveer 65 GB aan acceleratorgeheugen te plannen, en het eigen serveervoorbeeld gebruikt vierweg-tensorparallellisme. Muse Code: een laptop.

• Context — AesCode 32B: 24.576 tokens in de gerapporteerde configuratie, waarbij prompts en antwoorden tijdens RL-training zijn beperkt tot 8.192. Muse Code: een venster van 1 miljoen tokens via het onderliggende Muse Spark-model.

• Prijs — AesCode 32B: de gewichten zijn gratis; de kosten zitten in de hardware. Muse Code: per token gefactureerd, of via een maandabonnement.

• Bewijs — AesCode 32B: een door de leverancier uitgevoerde evaluatie op zijn eigen 300 samples, waarbij de testomgeving is gepubliceerd. Muse Code: door Meta gerapporteerde benchmarks op systeemniveau op een gekoppelde stack van agent en model.

Die rij met de "hardwareondergrens" is degene die mensen overslaan. Een 32B-checkpoint in bf16 is geen laptopmodel, en AesCode 32B is daarbovenop een visie-taalmodel, dus het servingpad verwerkt ook beeldinvoer. Muse Code is een binary die je in een middag installeert.

Waar ze daadwerkelijk overlappen

Er is precies één echte overlap, en die is smal: beide kunnen op een design-gerelateerd artefact worden gericht en gevraagd om iets te produceren dat een mens zal verfijnen. Als je team interne dashboards als code genereert en ook een agent wil die een pull request kan openen tegen de dashboardrepository, dan raken beide producten die workflow.

Zelfs daar is de splitsing helder. AesCode 32B produceert het artefact. Muse Code produceert de wijziging. Een pipeline die beide doet, zou AesCode 32B aanroepen om te renderen en het resulterende bestand vervolgens aan een agent geven om het te plaatsen, aan te sluiten en te testen — en niets aan een van beide producten verhindert dat, omdat ze nooit om dezelfde plek streden.

De helft van deze confrontatie die je vandaag kunt voorspellen

Hier is een praktische asymmetrie die het loont om ronduit te benoemen. AesCode 32B wordt door geen enkele inferentieprovider uitgerold. De Hugging Face-kaart vermeldt geen gehost endpoint, geen partner en geen API; als je het wilt gebruiken, download je 65 GB aan gewichten en bouw je de servingroute zelf. Dat is een normale situatie voor een onderzoeksrelease en het is tevens het allergrootste obstakel tussen het model en iedereen die geen acht GPU's bezit.

Het onderliggende model van Muse Code heeft dat probleem niet. De Muse Spark-familie wordt als een gewoon API-model geleverd, en Muse Spark 1.2 staat in de OrcaRouter-catalogus waar het factureerbaar is tegen Meta's lijsttarieven van $1,25 per miljoen inputtokens en $4,25 per miljoen outputtokens — de lijstprijs van de provider wordt doorgegeven, geen markup van onze kant, dus een prijswijziging van Meta landt hier dezelfde dag dat die daar landt. Eén sleutel dekt het naast meer dan 200 andere modellen, met automatische failover als een provider hapert, wat het verschil is tussen "dit kunnen we proberen" en "dit kunnen we op een productiepad zetten". Als wat je eigenlijk van deze pagina wilde een manier was om de intelligentie in Muse Code te gebruiken zonder het product Muse Code te adopteren, dan is dat de route, en die bestaat. Als wat je wilde AesCode 32B was, dan is de route een download.

Welke te kiezen?

Kies AesCode 32B als het artefact het doel is. Je produceert decks, rapporten, posters of dashboards op grote schaal, je hebt de hardware of de bereidheid om die te huren, en de aantrekkingskracht van een model dat gestructureerde, bewerkbare HTML uitstuurt — tabellen als tabellen, grafieken als ECharts-specificaties, alles diffbaar in Git — is een onderzoekswaardige serveeropstelling waard. Accepteer dat je een early adopter bent van een onaangekondigd model met een klein aantal downloads, dat geen enkel onafhankelijk lab de scores heeft gereproduceerd, en dat de context van 24K een echte beperking vormt voor lange documenten.

Kies Muse Code als het proces het belangrijkste is. Je wilt een agent die in de terminal draait, een crash midden in een sessie overleeft, meerdere werkstromen tegelijk in geïsoleerde worktrees aankan, en je vindt het prima om ervoor per token of per maand te betalen.

Kies geen van beide, en routeer direct naar Muse Spark 1.2, als wat je nodig had een capabel redeneermodel achter een API-sleutel was en de terminal-harness nooit het deel was dat je wilde.

Wat zou deze pagina veranderen

Drie dingen. Als een inference-aanbieder AesCode 32B oppikt — of Microsoft een gehost endpoint publiceert — stort de deployment-kolom in en wordt het model iets dat je in een middag kunt evalueren, wat dit voor designintensieve teams een veel lastiger vraagstuk zou maken. Als een onafhankelijke evaluatie de 85,89 Overall en het percentage grensfouten van 4,3% reproduceert, neemt de asymmetrie in het bewijs aanzienlijk af. En als Meta de Muse Spark-gewichten openstelt, verdwijnt de framing "je kunt de een wel downloaden en de ander niet" volledig. Totdat een van die dingen gebeurt, is de eerlijke samenvatting dat deze twee producten een woord delen, niet een taak.