AesCode 32B vs Muse Code: silnik plakatów i agent terminalowy nie są rywalami

AesCode 32B i Muse Code są porównywane, ponieważ obie nazwy zawierają słowo „code”, a to jest niemal jedyna rzecz, jaką mają wspólną. AesCode 32B to badawczy checkpoint Microsoftu służący do generowania edytowalnego HTML i CSS — slajdów, plakatów, dashboardów, raportów — opublikowany na licencji Apache 2.0 na Hugging Face, przy czym repozytorium utworzono 29 września 2026 r., a commit noszący nazwę „Release AesCode-32B” ma datę 7 października 2026 r. Microsoft nie ogłosił o nim nic: nie ma wpisu o premierze, nie ma komunikatu prasowego, a sama karta modelu nie podaje daty wydania. Muse Code w ogóle nie jest modelem. To terminalowy agent programistyczny Meta, w wersji beta od początku sierpnia 2026 r., który spędza czas na uruchamianiu poleceń powłoki na repozytorium. Jeden z nich tworzy plik, który otwierasz w przeglądarce. Drugi uruchamia polecenia, aż testy przejdą. Wybór między nimi nie jest wyborem modelu, a użyteczną rzeczą, jaką ta strona może zrobić, jest powstrzymanie cię przed dokonywaniem go tak, jakby był wyborem modelu.

Do czego właściwie służy każdy z nich

AesCode 32B bazuje na Qwen3-VL-32B-Instruct i — zgodnie ze swoją kartą modelu — jest trenowany za pomocą nadzorowanego dostrajania z zimnym startem na 3000 demonstracji, po którym następuje uczenie ze wzmocnieniem GDPO w siedmiu kanałach nagród — wykonanie, tekst, granice, tabele/wykresy, układ, odstępy i projekt. Sześć z tych kanałów to deterministyczne weryfikatory; siódmy to sędzia wizyjno-językowy działający na podstawie rubryki dla poszczególnych próbek powiązanej z „grafem projektu” strony docelowej. Każdy wynik kandydacki jest renderowany w przeglądarce Playwright w piaskownicy z zablokowanymi żądaniami zewnętrznymi, a następnie oceniany na podstawie DOM, obliczonych stylów, ramek ograniczających i zrzutu ekranu. Zamierzone wyniki są wyraźnie wymienione na karcie: edytowalne slajdy, plakaty, pulpity nawigacyjne i raporty, a także badania nad multimodalnym generowaniem kodu. Model generuje kompletny dokument HTML i jest trenowany do używania prawdziwych struktur tabel HTML oraz specyfikacji ECharts, aby jego wynik pozostawał możliwy do inspekcji.

Muse Code robi coś strukturalnie odmiennego. To natywny plik binarny dla macOS i Linuksa z główną pętlą agenta, asynchronicznymi agentami działającymi w tle, którzy nieprzerwanie zbierają kontekst przez całą sesję, izolowanymi drzewami roboczymi Git, aby podagenci się nie kolidowali, oraz lokalnym dziennikiem zdarzeń, który pozwala odtworzyć lub wznowić sesję po awarii. Własne raporty Meta wskazują, że wykonuje tysiące wywołań narzędzi w okresach mierzonych w godzinach. Tym, co się sprzedaje, jest pętla, a nie artefakt.

Postaw oba obok siebie, a czasowniki się nie zgadzają. AesCode 32B renderuje. Muse Code wykonuje. Jeśli twoim problemem jest „nasza kwartalna prezentacja zajmuje projektantowi trzy dni”, Muse Code jest nieistotny, a AesCode 32B jest wycelowany prosto w niego. Jeśli twoim problemem jest „nikt nie chce spędzić weekendu na aktualizowaniu tego drzewa zależności”, AesCode 32B nie ma nic do powiedzenia, a Muse Code jest tym narzędziem.

Dowody po każdej stronie nie są tego samego rodzaju.

To jest ten fragment, który każda strona porównawcza przedstawia błędnie, więc warto podejść do niego bez pośpiechu.

Wyniki AesCode 32B pochodzą z ewaluacji infografik na 300 próbkach, z trzema generacjami na prompt i bez selekcji, i są imponujące same w sobie: wynik ogólny 85,89 wobec 81,28 dla GPT-5.5 i 80,39 dla Claude Opus 4.8, przy czym oba te wyniki zmierzono przy użyciu tego samego układu obrazów referencyjnych we własnym środowisku testowym Microsoftu. W karcie podano również, że poważny błąd granicy kanwy powtarza się w 4,3% próbek wobec 34,7% w przypadku GPT-5.5 oraz że AesCode 32B przewyższa swój własny backbone Qwen3-VL-32B o 22,4 punktu w wymiarze Visual i o 24,8 w Overall.

Traktuj to wszystko jako zgłoszone przez dostawcę i nieodtworzone. Benchmark, kanały nagród, które trenowały model, oraz metryki, które go oceniają, to praca tego samego laboratorium, a 300 próbek należy do Microsoftu. To nie jest powód, by odrzucać wynik — ewaluacja jest wyjątkowo przejrzysta, stos weryfikatorów jest otwarty, a fakt, że karta publikuje wymiar, w którym żaden model nie przekracza 60 („style”, gdzie nic nie osiąga powyżej 55,99), to więcej uczciwości, niż niosą ze sobą większość tabel dostawców. To powód, by nie stawiać 85,89 obok liczby uzyskanej przez inne laboratorium w innym zadaniu i nie udawać, że doszło do porównania.

Wyniki Muse Code są znowu raportowane przez Metę w innym sensie: mierzą one model razem z harnessem. Meta podaje 82,9% na Terminal-Bench 2.1 dla Muse Code – drugie miejsce za Claude Opus 5 w parze z Claude Code z wynikiem 86,7% – a także 59,3% na DeepSWE 1.1 i 70,6% na wewnętrznym benchmarku kodowania. Ponieważ jednak w tej tabeli różne harnessy łączono z modelami, nie można odczytać wkładu samego modelu z wyniku systemu. Poza tym nie ma żadnej wspólnej części między tym, na czym mierzy się Muse Code, a tym, na czym mierzy się AesCode 32B – jedno jest oceniane na zadaniach terminalowych i w inżynierii oprogramowania, drugie zaś na tym, czy tekst infografiki jest czytelny, a jej układ się nie przepełnia.

Co kryje „jeden 32B checkpoint”

Wdrażanie to obszar, w którym te dwa produkty różnią się najbardziej, a krótka wersja mieści się na liście punktowanej.

• Co to jest — AesCode 32B: pobierany checkpoint modelu o 33 mld parametrów. Muse Code: instalowalny produkt — agent terminalowy.

• Licencja — AesCode 32B: Apache 2.0, wagi w zestawie. Muse Code: zastrzeżona; stojący za nią model jest zamknięty.

• Co dostarczasz — AesCode 32B: GPU i stos serwujący. Muse Code: klucz API lub subskrypcja.

• Minimalne wymagania sprzętowe — AesCode 32B: karta zaleca zaplanowanie około 65 GB pamięci akceleratora wyłącznie na parametry bf16, a jej własny przykład serwowania wykorzystuje czterokierunkowy paralelizm tensorowy. Muse Code: laptop.

• Kontekst — AesCode 32B: 24 576 tokenów w raportowanej konfiguracji, a prompty i odpowiedzi są ograniczone do 8 192 podczas treningu RL. Muse: okno 1 mln tokenów z modelem Muse Spark pod spodem.

• Cena — AesCode 32B: wagi są darmowe; koszt to sprzęt. Muse Code: rozliczany za token lub w ramach miesięcznego planu.

• Dowody — AesCode 32B: ewaluacja przeprowadzona przez dostawcę na własnych 300 próbkach, z opublikowanym harnessem. Muse Code: raportowane przez Meta benchmarki na poziomie systemowym dla sprzężonego stosu agenta i modelu.

Ten wiersz „dolna granica sprzętowa” to ten, który ludzie pomijają. Checkpoint 32B w bf16 to nie model na laptopa, a AesCode 32B jest do tego modelem wizyjno-językowym, więc ścieżka serwowania obsługuje także wejścia obrazowe. Muse Code to plik binarny, którego instalacja zajmuje jedno popołudnie.

Tam, gdzie naprawdę się pokrywają

Istnieje dokładnie jedno prawdziwe nakładanie się zakresów i jest ono wąskie: oba można skierować na artefakt z pogranicza projektowania i poprosić, aby wytworzyły coś, co człowiek dopracuje. Jeśli Twój zespół generuje wewnętrzne dashboardy jako kod i chce też agenta, który potrafi otworzyć pull request do repozytorium dashboardów, oba produkty dotykają tego workflow.

Nawet w tym przypadku podział jest czysty. AesCode 32B tworzy artefakt. Muse Code generuje zmianę. Potok, który robi jedno i drugie, wywołałby AesCode 32B do wyrenderowania, a następnie przekazałby wynikowy plik agentowi, aby go umieścił, podłączył i przetestował — i nic w żadnym z tych produktów nie stoi temu na przeszkodzie, ponieważ nigdy nie konkurowały o to samo miejsce.

Połowę tego starcia możesz wytypować już dziś.

Oto praktyczna asymetria, którą warto powiedzieć wprost. AesCode 32B nie jest wdrażany przez żadnego dostawcę inferencji. Karta na Hugging Face nie wymienia żadnego hostowanego punktu końcowego, żadnego partnera ani żadnego API; jeśli chcesz go używać, pobierasz 65 GB wag i samodzielnie budujesz ścieżkę serwowania. To normalny stan dla wydania badawczego, a jednocześnie największa pojedyncza przeszkoda między modelem a każdym, kto nie ma ośmiu GPU.

Model bazowy Muse Code nie ma tego problemu. Rodzina Muse Spark jest udostępniana jako zwykły model API, a Muse Spark 1.2 znajduje się w katalogu OrcaRouter, gdzie jest rozliczany według list cenowych Meta: 1,25 USD za milion tokenów wejściowych i 4,25 USD za milion tokenów wyjściowych — cenа listowa dostawcy przekazywana dalej, bez marży po naszej stronie, więc zmiana ceny Meta ląduje tutaj tego samego dnia, w którym ląduje tam. Jeden klucz obejmuje go wraz z ponad 200 innymi modelami, z automatycznym przełączaniem awaryjnym, jeśli dostawca zacznie szwankować — to różnica między „możemy tego spróbować" a „możemy wprowadzić to na ścieżkę produkcyjną". Jeśli tym, czego naprawdę chciałeś z tej strony, był sposób na wykorzystanie inteligencji tkwiącej w Muse Code bez przyjmowania produktu Muse Code, to właśnie ta droga — i ona istnieje. Jeśli chciałeś AesCode 32B, droga wiedzie przez pobranie.

Które wybrać

Wybierz AesCode 32B, jeśli artefakt jest najważniejszy. Tworzysz masowo prezentacje, raporty, plakaty lub dashboardy, masz sprzęt albo jesteś gotów go wynająć, a urok modelu, który generuje ustrukturyzowany, edytowalny HTML — tabele jako tabele, wykresy jako specyfikacje ECharts, wszystko, co można diffować w Git — jest wart konfiguracji serwowania klasy badawczej. Pogódź się z tym, że jesteś wczesnym użytkownikiem nieogłoszonego modelu o małej liczbie pobrań, że żadne niezależne laboratorium nie odtworzyło jego wyników i że jego kontekst 24K jest realnym ograniczeniem dla długich dokumentów.

Wybierz Muse Code, jeśli liczy się proces. Chcesz agenta, który działa w terminalu, przetrwa awarię w trakcie sesji i potrafi jednocześnie prowadzić kilka strumieni pracy w izolowanych drzewach roboczych, a płacenie za token lub miesięcznie ci odpowiada.

Nie wybieraj żadnego z nich i skieruj się bezpośrednio do Muse Spark 1.2, jeśli tym, czego potrzebowałeś, był sprawny model rozumujący dostępny za kluczem API, a terminalowy harness nigdy nie był tym, na czym ci zależało.

Co zmieniłoby tę stronę?

Trzy rzeczy. Jeśli dostawca inferencji zacznie oferować AesCode 32B — albo Microsoft opublikuje hostowany punkt końcowy — kolumna wdrożeniowa się zapada, a model staje się czymś, co można ocenić w jedno popołudnie, co uczyniłoby to znacznie bardziej wyrównanym pytaniem dla zespołów mocno nastawionych na design. Jeśli niezależna ewaluacja odtworzy wynik ogólny 85,89 i 4,3-procentowy wskaźnik awarii granicznych, asymetria dowodów znacznie się zmniejszy. A jeśli Meta otworzy wagi Muse Spark, narracja „możesz pobrać jeden, a nie drugi” zniknie całkowicie. Dopóki któreś z tych zdarzeń nie nastąpi, uczciwe podsumowanie jest takie, że te dwa produkty łączy słowo, a nie zadanie.