AlphaProof Code vs AesCode 32B: de een bewijst dat code correct is, de ander tekent het

Zet AlphaProof Code en AesCode 32B in dezelfde zin en het enige wat ze gemeen hebben is het woord "code." AlphaProof Code is een agentisch framework van Google DeepMind, aangekondigd op 10 november 2026, dat ongeveer 6,5 miljoen regels machine-gecontroleerde Lean heeft geproduceerd waarmee wordt bewezen dat de gecompileerde libsignal-binary zich gedraagt zoals gespecificeerd. AesCode 32B is een vision-language-checkpoint met 33 miljard parameters dat Microsoft begin oktober 2026 zonder aankondiging naar Hugging Face uploadde, en het schrijft een prompt in één op zichzelf staand HTML-document — een dia, een poster, een dashboard — waar een mens vervolgens naar kijkt. Geen van beide is een service die je kunt aanroepen. Een van de twee is niet eens een model. Als je hier bent gekomen op zoek naar een beslissing over een drop-invervanging, dan is het eerlijke antwoord dat zo'n beslissing niet bestaat, en de rest van dit stuk legt uit waarom de vergelijking nog steeds de moeite waard is.

De categoriefout, correct geformuleerd

AesCode 32B is een generator. Je geeft hem een beschrijving; hij retourneert een artefact waarvan de kwaliteit esthetisch wordt beoordeeld en op basis van of de getallen op de pagina net de getallen zijn die je hebt opgegeven. De modelkaart zelf formuleert het zo: beeldgeneratoren stellen een fraaie pagina samen en geven de cijfers erop verkeerd weer, terwijl codemodellen de cijfers wel goed krijgen en niet kunnen zien hoe de pagina eruitziet — AesCode combineert je prompt met een afbeelding die uit dezelfde prompt is gegenereerd en gebruikt de afbeelding als esthetische referentie terwijl hij de tekst volgt voor de inhoud.

AlphaProof Code is een verifier. Je geeft het een specificatie — een verklaring van wat waar moet zijn — en het retourneert een bewijs, gecontroleerd door Lean's kernel, dat een bepaalde gecompileerde binary aan die specificatie voldoet. Er is nergens in de lus sprake van esthetisch oordeel. Een bewijs wordt ofwel geaccepteerd of niet, en het acceptatiecriterium is een paar duizend regels kernelcode in plaats van de smaak van een beoordelaar.

Dat onderscheid bepaalt waar elk van beide voor dient. AesCode 32B antwoordt op "maak iets voor me." AlphaProof Code antwoordt op "is dit ding wel wat het beweert te zijn." De eerste zou je op een dinsdagmiddag gebruiken voor een presentatie, en de tweede, als je Signal was, gedurende vier weken met vijf onderzoekers en teams van 40 tot 80 agents.

Wat elk ervan daadwerkelijk levert

• Parameters — AesCode 32B: ongeveer 33,4 miljard in BF16, verdeeld over veertien safetensors-shards met een totaal van 66.714.912.704 bytes. AlphaProof Code: geen. Het is een framework plus een artefactrepository, en er zijn geen gewichten om te downloaden.

• Base — AesCode 32B: een fine-tune van Qwen3-VL-32B-Instruct, architectuur gedeclareerd als Qwen3VLForConditionalGeneration, zodat het laadt met transformers 4.57 en later. AlphaProof Code: model-agnostisch door constructie; de DeepMind-paper noemt G​emini 4 Carbon voor de bewijsagenten en zegt dat Claude Opus 5.5 werd gebruikt onder de modellen die specificaties opstellen en beoordelen.

Licentie — AesCode 32B: Apache 2.0, vandaag op Hugging Face. AlphaProof Code: de Lean-ontwikkeling, AArch64-semantiek en libsignal-binding zijn gepubliceerd op github.com/google-deepmind/code-verification, en de landingspagina vermeldt geen licentie, wat je moet oplossen voordat je er iets op bouwt.

• {{1}}Beschikbaarheid{{/1}} — AesCode 32B: alleen self-host. Ongeveer 65 GB acceleratorgeheugen voor de gewichten, een vLLM-opdracht op vier tensor-parallelle ranks, geen gehost endpoint en geen inference-provider-mapping achter de repopagina. AlphaProof Code: onderzoeksartefact, geen endpoint, geen wachtlijst, geen prijsstelling.

• Uitvoer — AesCode 32B: één HTML-document, controleerbaar door het te openen. AlphaProof Code: een Lean-bewijsterm, controleerbaar door Lean.

• Wat "correct" betekent — AesCode 32B: de pagina ziet er goed uit en de cijfers komen overeen met de prompt, beoordeeld door een persoon. AlphaProof Code: de stelling geldt voor alle inputs in het model, beoordeeld door een kernel.

De enige echt interessante overlap: beide outputs zijn artefacten.

Hier is de vergelijking die de moeite waard is. Beide systemen produceren een bestand dat het model dat het heeft gemaakt overleeft. De HTML van AesCode 32B is een afgerond document; je kunt het opleveren, bewerken, er diffs op maken, en niemand heeft het model nog nodig. De Lean-proef van AlphaProof Code is een afgeronde afleiding; je kunt hem op een laptop opnieuw controleren in een paar minuten rekentijd, en als de specificatie niet is veranderd, staat het resultaat over vijf jaar nog steeds overeind.

Dat is een zeldzamer eigenschap dan het klinkt in een markt vol chat-endpoints. De meeste modeloutput is wegwerptekst waarvan de waarde afhangt van het beschikbaar blijven van het model. Beide leveren iets op dat je kunt bewaren. Het verschil is wat "bewaren" je oplevert: met AesCode bewaar je een deck, met AlphaProof Code bewaar je een garantie.

Waar de analogie spaak loopt, is de auditeerbaarheid. Iedereen kan de HTML openen en zien of de titel fout is. Bijna niemand kan 6,5 miljoen regels Lean openen en zien of de stelling zegt wat het persbericht zegt dat ze zegt — precies daarom besteedt de paper van DeepMind pagina's aan het opsommen van zijn vertrouwde basis, zijn 37 gecontracteerde primitieven en de eigenschappen die het niet bewijst. Het artefact is controleerbaar; de interpretatie ervan is niet gratis.

Wat de getallen aan elke kant waard zijn

Het hoofdresultaat van AesCode 32B is een totaalscore van 85,89 tegenover 81,28 voor GPT-5.5 — Microsofts meting van het model van een concurrent, op een beoordelingskader dat Microsoft zelf schreef, op een testomgeving die Microsoft zelf bouwde. Boundary staat op 97,27 met ernstige overflow bij 4,3% van de samples, en stijl op 55,99, een rij waarin geen enkel model in de tabel boven de 60 uitkomt. Volgens de eigen tellers van de repo had niemand buiten Microsoft een cijfer voor het model gepubliceerd. Elk cijfer hierboven is door de leverancier gerapporteerd en niet gereproduceerd.

AlphaProof Code heeft helemaal geen benchmarktabel, en dat is geen lacune in de rapportage — het is een ander soort bewering. Het resultaat is dat een specifiek binair programma voldoet aan tien symbolische stellingen en een computationeel spoor met een concrete grens. Je kunt het oneens zijn met de specificatie, maar je kunt niet in discussie gaan met het oordeel van de kernel over het bewijs. De vergelijkbare voorbehouden zijn structureel in plaats van statistisch: geen post-quantumgarantie voor SPQR-healing, geen payloadprivacy, geen authenticatie van de responder bij niet-gepromoveerde eerste berichten, één sessie per promotie, vaste berichtlengtes, geen state voor meerdere apparaten. En een MAC-vervalsingsgrens die rond 25.000 berichten binnen één sessie nietszeggend wordt.

Eén getal is wel nuttig overdraagbaar. De verificatie door AlphaProof Code duurde vier weken, terwijl vergelijkbaar werk historisch gezien expertteams jaren heeft gekost, afgezet tegen de door het artikel zelf aangehaalde baselines van ongeveer 20 persoonsjaren voor seL4 en ongeveer 6 voor CompCert. Die verhouding is het punt om aan vast te houden, en het is een bewering over workflow, niet over modelkwaliteit.

Welke kun je deze week echt uitvoeren?

AesCode 32B: ja, als je de hardware hebt. Download de shards, serveer met vLLM op vier ranks, houd prompts onder het plafond van 24.576 tokens van de kaart, en accepteer dat je beoordelingsstap een mens is die met samengeknepen ogen naar gerenderde HTML tuurt. Het zal je niet vertellen of de pagina juist is; het zal je vertellen of de pagina er goed uitziet.

AlphaProof Code: nee. De gepubliceerde artefacten zijn een Lean-ontwikkeling, geen pipeline die je aanroept. Zelfs de modellen erin zijn niet het eindproduct — het raamwerk is een onderzoeksconstructie, en de eigen formulering van DeepMind is dat het opschalen ervan "voortgezet onderzoek vereist." CodeMender is het zusterproject voor geautomatiseerde reparatie; verificatie en remediatie zijn twee verschillende producten in de roadmap van dat lab.

Als je een model wilt om de specificaties op te stellen — de stap waarin menselijke experts de beveiligingsdoelen van Signal naar Lean vertaalden, één voor één beoordeeld — dan is dat gewoon modelwerk, en Claude Opus 5.5 staat in de catalogus van OrcaRouter voor $4 per miljoen inputtokens en $20 per miljoen outputtokens waarbij de lijstprijs van de provider wordt doorberekend tegen 0% opslag. Een loop voor het opstellen van specs over twee of drie modellen routeren en hun Lean-output vergelijken is een routing-DSL-aanroep, geen onderzoeksproject. Wat je daarmee allemaal niet krijgt, is een bewijs; de bewijsstap is waar de zes miljoen regels vandaan kwamen.

Waarom de combinatie het toch waard is om gepubliceerd te worden

Omdat "code model" een categorie is geworden zonder ondergrens. Een model dat presentaties schrijft en een framework dat een berichtenprotocol bewijst, vallen er allebei onder, en kopers die ze op een leaderboard vergelijken, leren niets. De nuttige vraag is niet welke beter is — het is welk bewijs je voor de output krijgt. AesCode 32B geeft je een gerenderde pagina en een rubric van de leverancier. AlphaProof Code geeft je een kernel-gecontroleerde afleiding en een ongewoon expliciete lijst van wat het aanneemt. Een van die twee schaalt naar code waar je liever geen fouten in hebt, en dat is niet degene met het grotere aantal parameters.

Als je AesCode 32B beoordeelt voor een ontwerppijplijn, is wat je moet testen niet de algehele score, maar het grensgedrag — het percentage ernstige overflow van 4,3% is waar een deck geruisloos verkeerd wordt in plaats van lelijk. Als je AlphaProof Code beoordeelt, moet je de catalogus van specificatieafwijkingen in de artifactrepository lezen: meer dan 200 computationele vermeldingen en ongeveer 35 symbolische, waarvan vijftien hiaten of bugs in de Double Ratchet-analyse zijn. Die catalogus is het eerlijkste document in de release, omdat het een lijst is van alles wat de bewijzen niet hebben afgesloten.