AesCode 32B kontra North Mini Code: Plik wag nie jest zobowiązaniem

Oba te modele są na licencji Apache 2.0, oba można pobrać i oba powstały do wąskiego zadania — i tu podobieństwo przestaje być użyteczne. AesCode 32B to badawczy checkpoint Microsoftu do generowania edytowalnego HTML i CSS: slajdów, plakatów, dashboardów i raportów. Jego repozytorium na Hugging Face zostało utworzone 29 września 2026 r., a commit zatytułowany „Release AesCode-32B” pojawił się 7 października 2026 r.; Microsoft nie opublikował żadnego ogłoszenia, a karta modelu nie zawiera żadnej daty wydania. North Mini Code to agentowy model kodujący Cohere o otwartych wagach, 30B model typu mixture-of-experts z 3B aktywnych parametrów, wydany w czerwcu 2026 r., przeznaczony do inżynierii oprogramowania i pracy w terminalu. Oczywisty sposób ich porównania to benchmarki i to nie działa, ponieważ oba nigdy nie były mierzone na tym samym zadaniu, a tylko jeden z nich został zmierzony przez kogoś spoza własnego laboratorium. Porównanie, które faktycznie działa — to, które decyduje o tym, czy faktycznie możesz uruchomić którykolwiek z nich — to plik wag.

Dwa punkty kontrolne, dwa bardzo różne rachunki

To jest oś, którą większość porównań pomija, a w przypadku dwóch modeli hostowanych samodzielnie to właśnie ta oś ma największe znaczenie.

• Parametry — AesCode 32B: 33B, gęsty. North Mini Code: 30B łącznie, 3B aktywnych, mieszanka ekspertów.

• Pamięć potrzebna do uruchomienia — AesCode 32B: karta zaleca zaplanowanie około 65 GB pamięci akceleratora na same parametry bf16. North Mini Code: w wersji skwantyzowanej wystarczy około 20–24 GB, a referencyjne wdrożenia obejmują Mac Studio.

• Kształt serwowania — AesCode 32B: model wizyjno-językowy, więc ścieżka serwowania przenosi zarówno obrazy, jak i tekst, a jego własny przykład wykorzystuje czterokierunkową równoległość tensorową. North Mini Code: tekst na wejściu, tekst na wyjściu; testy porównawcze korzystały z jednego narzędzia terminalowego.

• Licencja — obie Apache 2.0, wagi w zestawie. Ten wiersz to remis i nie jest tym czynnikiem różnicującym, za jaki ludzie go uważają.

• Kontekst — AesCode 32B: 24,576 tokenów w raportowanej konfiguracji, przy czym prompty i odpowiedzi w czasie treningu są ograniczone do 8,192. North Mini Code: 256K na wejściu, 64K na wyjściu.

• Co generuje — AesCode 32B: kompletny dokument HTML, tabele jako tabele HTML, a wykresy jako specyfikacje ECharts. North Mini Code: dowolny tekst lub wywołanie narzędzia, o które poprosił harness.

• Niezależna ocena — AesCode 32B: nie opublikowano żadnej; wszystkie dane pochodzą od Microsoftu. North Mini Code: został oceniony w Artificial Analysis, przy czym zwrócono tam również uwagę na jego rozwlekłość.

Przeczytaj dwukrotnie drugi wiersz. Gęsty model wizyjno-językowy 32B, który potrzebuje 65 GB i równoległości czterokierunkowej, to inna decyzja zakupowa niż MoE o 3B aktywnych parametrach, który po skwantowaniu mieści się w stacji roboczej. Jeśli powodem rozważania otwartych wag było „chcemy to na własnym sprzęcie”, ten wiersz to większość odpowiedzi, jeszcze zanim uruchomisz choćby jeden prompt.

Licencja nie jest powodem, by wybrać którekolwiek z nich.

Prawie każde porównanie otwartych wag zaczyna się od licencji, a tutaj jest to ślepa uliczka: oba są na licencji Apache 2.0, oba dostarczają pełne wagi, a żaden nie ma ograniczeń użytkowania, które powstrzymałyby komercyjne wdrożenie. Nie ma klauzuli o udostępnianiu danych, którą można by zważyć przeciwko zniżce, nie ma poziomu dla współtwórców, nie ma wyłączenia dla pola zastosowania. Cokolwiek bierzesz pod uwagę przy wyborze między tymi dwoma, nie jest to pozwolenie.

To, co pozostaje, gdy odłożymy na bok kwestię licencjonowania, to to, do czego wytrenowano model — a te dwa wytrenowano w przeciwnych kierunkach.

Jeden został wytrenowany na terminalu, drugi na płótnie

Karta modelu North Mini Code wprost określa jego przeznaczenie: generowanie kodu, agentowa inżynieria oprogramowania i zadania terminalowe. Cohere wytrenowała go w kilku środowiskach agentowych — SWE-Agent, mini-SWE-Agent, OpenCode, Terminus 2 — specjalnie po to, by działał w tym, którego już używasz, i poddała go ocenie na SWE-Bench Verified, SWE-Bench Pro, Terminal-Bench v2 oraz Terminal-Bench Hard. Jej ujawnioną słabością jest coś realnego, co znalazł zewnętrzny ewaluator, a nie sam dostawca: model generuje około trzykrotnie więcej tokenów wyjściowych niż mediana w swojej klasie rozmiarowej. Gadatliwe modele tworzą długie trajektorie agentowe, a za długie trajektorie płacisz, gdy tylko skończy się promocyjne cennik.

AesCode 32B został wytrenowany na czymś zupełnie innym, a karta wyjątkowo wyraźnie mówi, że celem jest artefakt. Cały sens tego projektu polega na tym, że model kodu nie widzi, jak układ, hierarchia i kolor łączą się na kanwie, więc AesCode używa obrazu wygenerowanego z tego samego promptu jako referencji estetycznej, zachowując prompt jako źródło prawdy dla treści. Nadzór to „graf projektowy” złożony z węzłów i krawędzi, siedem kanałów nagród — wykonanie, tekst, granice, tabela/wykres, układ, biała przestrzeń, design — sześć z nich to deterministyczne weryfikatory, a jeden to sędzia wizyjno-językowy działający na podstawie rubryki dla pojedynczej próbki. Kandydaci są renderowani w przeglądarce Playwright w piaskownicy z zablokowanymi zewnętrznymi żądaniami i oceniani na podstawie DOM, obliczonych stylów, ramek ograniczających i zrzutu ekranu.

Ten mechanizm istnieje po to, by jedna rzecz była prawdziwa: wynikiem jest wyrenderowana strona, którą człowiek otworzy i edytuje, a nie łata zastosowana do repozytorium. AesCode 32B nigdy nie był trenowany do korzystania z powłoki, a nic w projekcie nagród nie nagradzałoby go za próbę.

Asymetria dowodów, wyrażona uczciwie

North Mini Code został uruchomiony przez podmiot trzeci. Artificial Analysis przyznaje mu 33,4 w swoim Coding Index i 27,6 w Intelligence Index oraz publikuje ustalenie dotyczące rozwlekłości. Kluczowa wartość podana przez samą Cohere — 61,0% pass@1 w SWE-Bench Verified — pochodzi od dostawcy, ale można ją sprawdzić na modelu, który każdy może pobrać, a karta jest szczera co do wyborów dotyczących harnessu, posuwając się do odnotowania, że w przypadku Terminal-Bench Hard zastosowano własną metodologię Artificial Analysis, aby porównanie było uczciwe.

AesCode 32B nie ma odpowiednika. Jego ewaluacja infografik na 300 próbkach, trzy generacje na prompt bez selekcji, daje wynik Overall 85,89 w porównaniu z 81,28 dla GPT-5.5 i 80,39 dla Claude Opus 4.8 — wszystko mierzone w środowisku testowym Microsoftu, na próbkach Microsoftu, z kanałami oceniania, względem których Microsoft trenował model. Istnieje realna szansa, że te liczby są uczciwe; konstrukcja jest bardziej przejrzysta niż w większości tabel dostawców, stos weryfikatorów i kreator rubryk są open source, a karta publikuje fakt, że żaden model w porównaniu nie przekracza 60 w wymiarze stylu. Ale żadne zewnętrzne laboratorium nie odtworzyło niczego z tego, nie ma też wpisu na arenie, miejsca w rankingu ani niezależnego testu przepustowości. Jeśli benchmark dostawcy, który przypadkiem sprzyja własnemu benchmarkowi dostawcy — zadaniu tworzenia infografik — odgrywa dużą rolę w twojej decyzji, prosi się ciebie o przyjęcie jedynego dostępnego odczytu.

Zwróć uwagę, co to konkretnie oznacza dla tego porównania: nie ma wspólnej liczby. Żadnej. Jeden model jest oceniany pod kątem tego, czy zadania inżynierii oprogramowania są zaliczane, a drugi pod kątem tego, czy tekst jest czytelny, a układ nie wychodzi poza kanwę. Każda strona, która stawia 33,4 obok 85,89, porównuje Coding Index z ogólnym wynikiem infografiki, a żaden z modeli nie wie, na czym testowano drugi.

Żaden z nich nie jest modelem ogólnego przeznaczenia i to jest prawdziwy koszt

Oto pułapka tkwiąca w obu częściach tego porównania. Przyjęcie któregokolwiek z tych modeli oznacza utrzymywanie self-hostowanej ścieżki serwowania dla specjalisty: 65 GB VRAM i stos multimodalny dla tego, który renderuje strony; miejsce na MoE z 3B aktywnych parametrów dla tego, który obsługuje zadania terminalowe. Oba są dobre w tym, co robią, i żaden nie potrafi zrobić tego, co drugi, co oznacza, że zespół, który chce mieć obie te możliwości, uruchamia teraz dwa wdrożenia inferencyjne — a w przypadku wszystkiego pomiędzy, modelu, który nie jest ani rendererem stron, ani agentem terminalowym, uruchamiają trzecie.

To jest przypadek, w którym warstwa routingu zasługuje na swoje miejsce, zamiast być doklejana. Jeden klucz do ponad 200 modeli w cenie katalogowej dostawcy, bez marży, oznacza, że praca specjalistyczna pozostaje na twoim własnym sprzęcie, tam gdzie ekonomia i obsługa danych mają sens, a rutynowa praca trafia do tego hostowanego modelu, który jest dla niej najlepszy w danym tygodniu. Rodzina bazowa Qwen3-VL dobrze ilustruje, jak cienka staje się ta granica: Microsoft zbudował AesCode 32B na Qwen3-VL-32B-Instruct, a członkowie tej rodziny obsługujący wizję i język są dostępni w katalogu OrcaRouter — Qwen3-VL 235B A22B Instruct za 0,40 USD za milion tokenów wejściowych i 1,60 USD za wyjściowe, albo mniejszy Qwen3-VL 8B Instruct za 0,18 USD i 0,70 USD. Żaden z nich nie jest AesCode 32B: dostrojenie należy do Microsoftu i żaden dostawca go nie udostępnia. Ale jeśli chciałeś od AesCode 32B modelu, który czyta zrzut ekranu i pisze kod, a nie potrzebowałeś konkretnie dostrojenia do projektowania estetycznego, dostępna opcja istnieje i kosztuje ułamek GPU. Automatyczne przełączanie awaryjne pod tym samym punktem końcowym to różnica między wypróbowaniem tego a postawieniem na tym ścieżki produkcyjnej.

Jak faktycznie podjąć decyzję

Najpierw zdejmijmy licencję ze stołu, ponieważ to remis i niczego nie rozstrzygnie.

Następnie zapytaj, jaki ma być wynik. Jeśli odpowiedzią jest wyrenderowana, edytowalna strona — prezentacja, raport, pulpit nawigacyjny — North Mini Code nie pomoże, a AesCode 32B jest jedynym z tej dwójki skierowanym na ten problem. Podchodź do tego świadomie, mając jasność co do 65 GB, kontekstu 24K, braku niezależnej oceny i faktu, że jest to niezapowiedziany model z dwucyfrową liczbą pobrań. To wydanie badawcze, a wydania badawcze nagradzają zespoły, które mogą sobie pozwolić na ciekawość.

Jeśli odpowiedzią jest zmiana w repozytorium — migracja, poprawka, wieloetapowe zadanie terminalowe — North Mini Code to ten z treningiem w harnessie, oknem 256K, profilem wdrożeniowym z 3B aktywnych parametrów i zewnętrznym pomiarem zarówno jego jakości, jak i gadatliwości. Kalkuluj budżet na podstawie liczby tokenów, a nie stawki z nagłówka.

A jeśli Twoja lista rzeczy do zrobienia w tym kwartale obejmuje zarówno artefakt projektowy, jak i migrację repozytorium, nie traktuj tego jako decyzji o dwóch modelach, skoro w rzeczywistości jest to decyzja o sześciu modelach. Użyj specjalisty tam, gdzie się to opłaca, a resztę przekieruj.

Problem niezapowiedzianego modelu

Jeszcze jedna rzecz odróżnia te dwa modele i nie jest to kwestia techniczna. Za North Mini Code stoi dostawca, który opublikował kartę modelu, wpis na blogu, Hugging Face Space do wypróbowania go oraz dokumentację metodologii benchmarków, z którą można polemizować. AesCode 32B ma repozytorium, README i linijkę cytowania o treści „Under review, 2027”. Microsoft nie powiedział, że istnieje.

To się zmienia, gdy możesz go wdrożyć. W przypadku North Mini Code otwartym pytaniem jest, czy jego rozwlekłość nie czyni go nieopłacalnym przy skalowaniu — pytanie, na które możesz odpowiedzieć, uruchamiając go. W przypadku AesCode 32B otwartym pytaniem jest, co Microsoft zamierza z nim zrobić: czy to artefakt badawczy, pierwsze wydanie linii produktowej, czy coś, co po cichu zostanie zastąpione wersją 70B w ciągu sześciu tygodni. Nic w repozytorium na to nie odpowiada, a żadne czytanie karty modelu tego nie rozstrzygnie. Wypatruj trzech sygnałów — oficjalnego ogłoszenia, niezależnego odtworzenia wyniku 85,89 lub dostawcy inferencji, który sięgnie po ten checkpoint — a brak wszystkich trzech traktuj jako obecny stan dowodów, a nie jako powód, dla którego model jest nieciekawy.