AlphaProof Code против AesCode 32B: один доказывает корректность кода, другой его рисует

Поставьте AlphaProof Code и AesCode 32B в одно предложение — и единственное, что у них общего, это слово «code». AlphaProof Code — это агентный фреймворк Google DeepMind, анонсированный 10 ноября 2026 года, который создал примерно 6,5 млн строк машинно-проверенных доказательств на Lean, подтверждающих, что скомпилированный бинарный файл libsignal ведёт себя в соответствии со спецификацией. AesCode 32B — это визуально-языковой чекпоинт с 33 млрд параметров, который Microsoft загрузила на Hugging Face в начале октября 2026 года без анонса; он записывает промпт в один самодостаточный HTML-документ — слайд, постер, дашборд, — который затем просматривает человек. Ни один из них не является сервисом, который можно вызвать. Один из них вообще не модель. Если вы пришли сюда в поисках решения о готовой замене, честный ответ таков: такого решения не существует, и остальная часть этого материала объясняет, почему это сравнение всё равно стоит делать.

Категориальная ошибка, сформулированная должным образом

AesCode 32B — это генератор. Вы даёте ему описание; он возвращает артефакт, качество которого оценивается эстетически и по тому, совпадают ли числа на странице с теми, которые вы запросили. В самой карточке модели это описывается так: генераторы изображений создают привлекательную страницу и неверно отрисовывают на ней цифры, тогда как код-модели правильно передают цифры и не могут оценить, как выглядит страница, — AesCode объединяет ваш запрос с изображением, сгенерированным по тому же запросу, и использует изображение как эстетический ориентир, следуя тексту в отношении содержания.

AlphaProof Code — это верификатор. Вы задаёте ему спецификацию — утверждение о том, что должно быть истинным, — и он возвращает доказательство, проверенное ядром Lean, что конкретный скомпилированный двоичный файл удовлетворяет этой спецификации. В этом цикле нет никакого эстетического суждения. Доказательство либо принимается, либо нет, и критерием принятия служат несколько тысяч строк кода ядра, а не вкус проверяющего.

Это различие определяет, для чего предназначен каждый из них. AesCode 32B отвечает на запрос «сделай мне вещь». AlphaProof Code отвечает на вопрос «действительно ли эта вещь является тем, чем заявлена». Первый вы бы использовали во вторник днём для презентации, а второй — если бы вы были Signal — в течение четырёх недель с пятью исследователями и командами из 40–80 агентов.

Что на самом деле входит в каждый из них

• Параметры — AesCode 32B: около 33,4 млрд в BF16, распределённых по четырнадцати шардам safetensors общим объёмом 66 714 912 704 байта. AlphaProof Code: нет. Это фреймворк плюс репозиторий артефактов, и загружать веса не нужно.

• Base — AesCode 32B: дообученная версия Qwen3-VL-32B-Instruct, архитектура указана как Qwen3VLForConditionalGeneration, поэтому загружается с transformers 4.57 и более поздними версиями. AlphaProof Code: по построению не зависит от модели; в статье DeepMind для агентов доказательств указана Gemini 4 Carbon, и говорится, что Claude Opus 5.5 использовалась среди моделей, составлявших и проверявших спецификации.

• Лицензия — AesCode 32B: Apache 2.0, уже доступна на Hugging Face. AlphaProof Code: разработка на Lean, семантика AArch64 и привязка libsignal опубликованы на github.com/google-deepmind/code-verification, а на стартовой странице указано, что лицензия отсутствует; это следует решить до того, как что-либо строить на этом.

Доступность — AesCode 32B: только для самостоятельного развёртывания. Около 65 ГБ памяти ускорителя для весов, команда vLLM на четырёх рангах тензорного параллелизма, без хостируемой конечной точки и без сопоставления с провайдером инференса за страницей репозитория. AlphaProof Code: исследовательский артефакт, без конечной точки, без списка ожидания, без цен.

• Результат — AesCode 32B: один HTML-документ, который можно проверить, открыв его. AlphaProof Code: терм доказательства Lean, проверяемый Lean.

• Что означает «правильно» — AesCode 32B: страница выглядит правильно, а показатели соответствуют запросу; оценивается человеком. AlphaProof Code: теорема выполняется для всех входных данных в модели; оценивается ядром.

Единственное действительно интересное совпадение: оба результата — артефакты.

Вот сравнение, которое стоит провести. Обе системы создают файл, который переживёт модель, его породившую. HTML от AesCode 32B — это готовый документ: его можно выпустить, отредактировать, сравнить через diff, и модель больше никому не понадобится. Доказательство на Lean от AlphaProof Code — это готовый вывод: его можно перепроверить на ноутбуке за несколько минут вычислений, и, если спецификация не изменилась, результат останется верным и через пять лет.

Это более редкое свойство, чем кажется, на рынке, полном чат-эндпоинтов. Большая часть вывода моделей — это одноразовый текст, ценность которого зависит от того, остаётся ли модель доступной. И то, и другое создаёт нечто, что можно сохранить. Разница в том, что даёт вам «сохранить»: с AesCode вы сохраняете колоду, с AlphaProof Code вы сохраняете гарантию.

Где аналогия ломается — так это на аудируемости. Любой может открыть HTML и увидеть, неправильно ли указан заголовок. Почти никто не может открыть 6,5 миллиона строк Lean и увидеть, говорит ли теорема то, что, по словам пресс-релиза, она говорит — и именно поэтому статья DeepMind тратит страницы на перечисление своей доверенной базы, своих 37 примитивов, заданных контрактами, и свойств, которые она не доказывает. Артефакт проверяем; его прочтение не бесплатно.

Сколько стоят числа с каждой стороны

Ключевой показатель AesCode 32B — общая оценка {{1}}85.89{{/1}} против {{2}}81.28{{/2}} у GPT-5.5 — это измерение Microsoft модели конкурента, по критериям, написанным Microsoft, на стенде, построенном Microsoft. Показатель Boundary составляет {{3}}97.27{{/3}} при серьёзном переполнении на {{4}}4.3%{{/4}} выборок, а style — {{5}}55.99{{/5}}, строка, в которой ни одна модель в таблице не превышает {{6}}60{{/6}}. Судя по собственным счётчикам репозитория, никто за пределами Microsoft не публиковал число для этой модели. Все приведённые выше цифры заявлены производителем и не воспроизведены.

У AlphaProof Code вообще нет таблицы бенчмарков, и это не пробел в отчётности — это утверждение иного рода. Результат таков: конкретный бинарный файл удовлетворяет десяти символическим теоремам и вычислительному треку с конкретной оценкой. Вы можете не соглашаться со спецификацией, но не можете оспорить вердикт ядра относительно доказательства. Сопоставимые оговорки носят структурный, а не статистический характер: отсутствие постквантовой гарантии для SPQR healing, отсутствие конфиденциальности полезной нагрузки, отсутствие аутентификации ответчика на первых сообщениях, не прошедших повышение статуса, одна сессия на одно повышение статуса, фиксированные длины сообщений, отсутствие состояния для нескольких устройств. И оценка стойкости MAC к подделке, которая становится недействительной примерно после 25 000 сообщений в одной сессии.

Одна цифра действительно полезна при переносе. Верификация AlphaProof Code заняла четыре недели, тогда как сопоставимая работа исторически занимала у экспертных команд годы; для сравнения, в самой статье приводятся базовые оценки примерно в 20 человеко-лет для seL4 и около 6 для CompCert. Именно за это соотношение стоит держаться, и это утверждение о рабочем процессе, а не о качестве модели.

Какой из них вы действительно сможете запустить на этой неделе?

AesCode 32B: да, если у вас есть соответствующее оборудование. Скачайте шарды, запустите обслуживание через vLLM на четырёх рангах, держите промпты в пределах потолка карты в 24 576 токенов и смиритесь с тем, что на этапе проверки человек будет щуриться на отрендеренный HTML. Это не скажет вам, правильна ли страница; это скажет, выглядит ли страница правильно.

AlphaProof Code: нет. Опубликованные артефакты — это разработка на Lean, а не конвейер, который вы запускаете. Даже модели внутри неё не являются поставляемым результатом — этот фреймворк представляет собой исследовательскую конструкцию, и, по собственной формулировке DeepMind, его масштабирование «требует продолжения исследований». CodeMender — родственный проект для автоматизированного исправления; верификация и устранение дефектов — два разных продукта в дорожной карте этой лаборатории.

Если вам нужна модель, чтобы составлять черновик спецификаций — этап, на котором эксперты-люди переводили цели безопасности Signal в Lean и проверяли их по одному, — это обычная работа модели, и Claude Opus 5.5 есть в каталоге OrcaRouter по цене $4 за миллион входных и $20 за миллион выходных токенов с передачей каталожной цены провайдера без наценки (0%). Маршрутизация цикла составления черновиков спецификаций через две или три модели и сравнение их вывода на Lean — это вызов routing-DSL, а не исследовательский проект. Но ничего из этого не даёт вам доказательства; именно на этапе доказательства и появились эти шесть миллионов строк.

Почему эту пару всё равно стоит опубликовать

Потому что «кодовая модель» стала категорией без нижней планки. Модель, которая пишет слайды, и фреймворк, который доказывает протокол обмена сообщениями, оба попадают под неё, и покупатели, сравнивающие их по таблице лидеров, не узнают ничего полезного. Полезный вопрос — не какая из них лучше, а какие доказательства вы получаете для результата. AesCode 32B даёт вам отрисованную страницу и оценочную рубрику от поставщика. AlphaProof Code даёт вам проверенный ядром вывод и необычайно явный список допущений. Один из этих вариантов масштабируется на код, в котором вы предпочли бы не ошибаться, и это не тот, у которого больше параметров.

Если вы оцениваете AesCode 32B для конвейера проектирования, проверять нужно не его общую оценку, а поведение на границах — именно при 4,3% серьёзных переполнений презентация незаметно становится неправильной, а не просто некрасивой. Если вы оцениваете AlphaProof Code, читать стоит каталог отклонений от спецификации в репозитории артефактов: более 200 вычислительных записей и около 35 символических, пятнадцать из которых — пробелы или ошибки в анализе Double Ratchet. Этот каталог — самый честный документ в релизе, потому что это список всего, что доказательства не закрыли.