AesCode 32B vs North Mini Code: Viktfilen är inte åtagandet

Båda dessa modeller är Apache 2.0, båda är nedladdningsbara och båda byggdes för en smal uppgift – och det är där likheten slutar vara användbar. AesCode 32B är Microsofts forskningscheckpoint för att generera redigerbar HTML och CSS: bildspel, affischer, dashboards och rapporter. Dess Hugging Face-repositorium skapades den 29 september 2026 och commiten med titeln "Release AesCode-32B" landade den 7 oktober 2026; Microsoft har inte publicerat något tillkännagivande, och modellkortet innehåller inget releasedatum alls. North Mini Code är Coheres öppenviktsmodell för agentisk kodning, en 30B mixture-of-experts med 3B aktiva parametrar, släppt i juni 2026, inriktad på mjukvaruutveckling och terminalarbete. Det uppenbara sättet att jämföra dem är på benchmarks, och det fungerar inte, eftersom de två aldrig har mätts på samma uppgift och bara en av dem har mätts av någon utanför det egna labbet. Jämförelsen som faktiskt fungerar – den som avgör om du verkligen kan köra någon av dem – är viktfilen.

Två kontrollpunkter, två väldigt olika räkningar

Detta är den axel som de flesta jämförelser hoppar över, och för två självhostade modeller är det den axel som spelar störst roll.

• Parametrar — AesCode 32B: 33B, tät. North Mini Code: 30B totalt, 3B aktiva, blandning av experter.

• Minne för att köra det — AesCode 32B: kortet rekommenderar att planera ungefär 65 GB acceleratorminne enbart för bf16-parametrarna. North Mini Code: kvantiserat räcker det med omkring 20–24 GB, och referensdriftsättningarna omfattar en Mac Studio.

• Serveringsform — AesCode 32B: en visionsspråkmodell, så serveringsvägen bär bilder såväl som text, och dess eget exempel använder fyrvägs tensor-parallellism. North Mini Code: text in, text ut; benchmarkarna använde ett enda terminalverktyg.

• Licens — båda Apache 2.0, vikter inkluderade. Den här raden är oavgjord och är inte den särskiljande faktorn som folk tror att den är.

• Kontext — AesCode 32B: 24 576 tokens i den rapporterade konfigurationen, med promptar och svar under träningstid begränsade till 8 192. North Mini Code: 256K in, 64K ut.

• Vad den producerar – AesCode 32B: ett komplett HTML-dokument, tabeller som HTML-tabeller och diagram som ECharts-specifikationer. North Mini Code: vilken text eller vilket verktygsanrop som helst som testramverket bad om.

• Oberoende utvärdering — AesCode 32B: ingen publicerad; alla siffror är Microsofts. North Mini Code: betygsattes på Artificial Analysis, som också påpekade dess mångordighet.

Läs den andra raden två gånger. En 32B tät bild-språkmodell som kräver 65 GB och fyrvägsparallelism är ett annat inköpsbeslut än en MoE med 3B aktiva parametrar som, kvantiserad, får plats i en arbetsstation. Om ditt skäl för att överväga öppna vikter var "vi vill ha detta på vår egen hårdvara", är den raden större delen av svaret innan du kör en enda prompt.

Licensen är inte skälet att välja någon av dem

Nästan varje jämförelse av öppna vikter inleds med licensiering, och här är det en återvändsgränd: båda är Apache 2.0, båda levereras med fullständiga vikter, och ingen av dem har någon användningsbegränsning som skulle hindra en kommersiell driftsättning. Det finns ingen datadelingsklausul att väga mot en rabatt, ingen bidragsgivarnivå, inget undantag för användningsområde. Vad du än grundar ditt val mellan dessa två på, är det inte tillstånd.

Det som återstår när licensieringen inte längre är aktuell är vad modellen tränades att göra – och dessa två tränades i motsatta riktningar.

Den ena tränades på en terminal, den andra på en duk.

North Mini Codes modellkort anger sitt mål rakt ut: kodgenerering, agentisk mjukvaruutveckling och terminaluppgifter. Cohere tränade den över flera agentramverk – SWE-Agent, mini-SWE-Agent, OpenCode, Terminus 2 – specifikt för att den ska fungera i vilket du än redan kör, och utvärderade den på SWE-Bench Verified, SWE-Bench Pro, Terminal-Bench v2 och Terminal-Bench Hard. Dess publicerade svaghet är verklig och hittades av en extern utvärderare i stället för att ha uppgetts frivilligt av leverantören: den avger ungefär tre gånger så många utdatatokens som medianen för sin storleksklass. Mångordiga modeller skriver långa agenttrajektorier, och långa trajektorier är vad du betalar för när kampanjprissättningen tar slut.

AesCode 32B tränades på något helt annat, och modellkortet är ovanligt tydligt med att målet är artefakten. Själva poängen med designen är att en kodmodell inte kan se hur layout, hierarki och färg samverkar på en canvas, så AesCode använder en bild genererad från samma prompt som estetisk referens medan prompten förblir källan till sanning för innehållet. Övervakningen är en "designgraf" av noder och kanter, sju belöningskanaler – exekvering, text, gräns, tabell/diagram, layout, vitrum, design – sex av dem deterministiska verifierare och en vision-språkdomare som arbetar utifrån en bedömningsmatris per sampel. Kandidater renderas i en sandlådad Playwright-webbläsare med externa anrop blockerade och poängsätts utifrån DOM:en, beräknade stilar, avgränsningsrutor och en skärmbild.

Det maskineriet finns för att göra en sak sann: resultatet är en renderad sida som en människa kommer att öppna och redigera, inte en patch som appliceras på ett kodförråd. AesCode 32B har aldrig tränats att använda ett skal, och inget i belöningsdesignen skulle belöna det för att försöka.

Bevisasymmetrin, ärligt uttryckt

North Mini Code har körts av en tredje part. Artificial Analysis ger den 33,4 på sitt Coding Index och 27,6 på sitt Intelligence Index, och publicerar verbositetsfyndet. Coheres egen rubriksiffra – 61,0 % pass@1 på SWE-Bench Verified – är leverantörsrapporterad men kontrollerbar mot en modell som vem som helst kan ladda ner, och kortet är uppriktigt om sina val av utvärderingsramverk, och går till och med så långt att det noterar att man för Terminal-Bench Hard följde Artificial Analysis egen metodik för att hålla jämförelsen rättvis.

AesCode 32B har ingen motsvarighet. Dess utvärdering av 300 infografikprover, tre genereringar per prompt utan urval, ger 85,89 Overall mot 81,28 för GPT-5.5 och 80,39 för Claude Opus 4.8 – allt mätt i Microsofts testramverk, på Microsofts prover, med de poängsättningskanaler som Microsoft tränade modellen mot. Det finns en verklig chans att siffrorna är rättvisa; designen är mer transparent än de flesta leverantörstabeller, verifieringsstacken och bedömningskriteriebyggaren är släppta som öppen källkod, och modellkortet publicerar det faktum att ingen modell i jämförelsen passerar 60 i sin stildimension. Men inget utomstående labb har reproducerat något av det, och det finns ingen arena-listning, ingen topplistplacering och inget oberoende genomströmningstest. Om ett leverantörsbenchmark som råkar gynna leverantörens eget benchmark – en infografikuppgift – gör en stor del av arbetet i ditt beslut, uppmanas du att göra den enda tolkning som finns tillgänglig.

Notera vad detta specifikt innebär för jämförelsen: det finns inget gemensamt tal. Inget. Den ena modellen poängsätts efter huruvida mjukvaruutvecklingsuppgifter godkänns, den andra efter huruvida texten är läsbar och layouten inte flödar över canvasen. Varje sida som ställer 33.4 bredvid 85.89 jämför ett Coding Index med en infografiks Overall-poäng, och ingen av modellerna vet vad den andra testades på.

Ingen av dem är en generell modell, och det är den verkliga kostnaden.

Här är fällan i båda halvorna av den här jämförelsen. Att införa endera modellen innebär att underhålla en självhostad serveringsväg för en specialist: 65 GB VRAM och en multimodal stack för den som renderar sidor; en plats för en 3B-aktiv MoE för den som hanterar terminaluppgifter. Båda är bra på sitt jobb och ingen av dem kan göra den andras, vilket innebär att ett team som vill ha båda förmågorna nu kör två inferensdriftsättningar — och för allt däremellan, modellen som varken är en sidrenderare eller en terminalagent, kör de en tredje.

Det är fallet där ett routinglager förtjänar sin plats i stället för att hängas på i efterhand. En enda nyckel över 200+ modeller till leverantörens listpris, utan påslag, innebär att det specialiserade arbetet stannar på din egen hårdvara där ekonomin och datahanteringen är vettig, och rutinarbetet går till vilken hostad modell som helst som är bäst för det den veckan. Qwen3-VL-basfamiljen är en bra illustration av hur tunn gränsen blir: Microsoft byggde AesCode 32B på Qwen3-VL-32B-Instruct, och medlemmarna i den familjen med vision-språk går att anropa i OrcaRouter-katalogen — Qwen3-VL 235B A22B Instruct för 0,40 USD per miljon indatatokens och 1,60 USD för utdata, eller den mindre Qwen3-VL 8B Instruct för 0,18 USD och 0,70 USD. Ingen av dem är AesCode 32B: finjusteringen är Microsofts och ingen leverantör tillhandahåller den. Men om det du ville ha från AesCode 32B var en modell som läser en skärmbild och skriver kod, och du inte specifikt behövde finjusteringen för estetisk design, så finns det anropbara alternativet och kostar en bråkdel av GPU:n. Automatisk failover under samma endpoint är skillnaden mellan att prova det och att satsa en produktionsväg på det.

Hur man faktiskt bestämmer sig

Ta licensen av bordet först, för det står lika och kommer inte att avgöra något.

Fråga sedan vad du vill att resultatet ska vara. Om svaret är en renderad, redigerbar sida – en presentation, en rapport, en dashboard – kan North Mini Code inte hjälpa dig, och AesCode 32B är den enda av de två som är inriktad på problemet. Gå in i det med öppna ögon för 65 GB, 24K-kontexten, avsaknaden av oberoende utvärdering och det faktum att detta är en oannonserad modell med ett tvåsiffrigt antal nedladdningar. Det är en forskningsrelease, och forskningsreleaser belönar team som har råd att vara nyfikna.

Om svaret är en ändring i ett repository – en migrering, en fix, ett terminaljobb i flera steg – är North Mini Code den som har harness-träningen, 256K-fönstret, driftsättningsprofilen med 3B aktiva parametrar och en extern mätning av både dess kvalitet och dess mångordighet. Budgetera för tokenantalet, inte för rubrikpriset.

Och om din att-göra-lista för det här kvartalet innehåller både en designartefakt och en repomigrering, behandla inte detta som ett tvåmodellsbeslut när det i själva verket är ett sexmodellsbeslut. Kör specialisten där det lönar sig, routa resten.

Problemet med oannonserade modeller

En sista sak skiljer dessa två åt, och den är inte teknisk. North Mini Code har en leverantör bakom sig som har publicerat ett modellkort, ett blogginlägg, ett Hugging Face Space att prova det i, och ett pappersspår av benchmarkmetodik som du kan argumentera emot. AesCode 32B har ett repository, en README och en citeringsrad som lyder "Under review, 2027". Microsoft har inte sagt att det existerar.

Det förändras när du kan ta den i bruk. Med North Mini Code är den öppna frågan huruvida dess mångordighet gör den oekonomisk i stor skala – en fråga du kan besvara genom att köra den. Med AesCode 32B är den öppna frågan vad Microsoft avser att göra med den: om detta är en forskningsartefakt, den första utgåvan i en produktlinje, eller något som tyst kommer att ersättas av en 70B-version inom sex veckor. Inget i repositoriet besvarar det, och hur mycket man än läser modellkortet kommer det inte att göra det. Håll utkik efter tre signaler – ett officiellt tillkännagivande, en oberoende reproduktion av 85,89, eller att en inferensleverantör plockar upp checkpointen – och behandla frånvaron av alla tre som det aktuella bevisläget snarare än som ett skäl till att modellen är ointressant.