AesCode 32B so với Muse Code: Một engine tạo poster và một tác nhân terminal không phải là đối thủ của nhau

AesCode 32B và Muse Code được đem ra so sánh với nhau vì cả hai cái tên đều chứa từ "code", và đó gần như là điểm chung duy nhất giữa chúng. AesCode 32B là checkpoint nghiên cứu của Microsoft để tạo ra HTML và CSS có thể chỉnh sửa được — slide, poster, dashboard, báo cáo — được phát hành theo giấy phép Apache 2.0 trên Hugging Face, với kho lưu trữ được tạo vào ngày 29 tháng 9 năm 2026 và commit mang tên "Release AesCode-32B" có ngày 7 tháng 10 năm 2026. Microsoft chưa công bố bất cứ điều gì về nó: không có bài đăng ra mắt, không có thông cáo báo chí, và bản thân model card cũng không nêu ngày phát hành. Muse Code hoàn toàn không phải là một mô hình. Nó là coding agent trên terminal của Meta, ở giai đoạn beta từ đầu tháng 8 năm 2026, dành thời gian chạy các lệnh shell trên một kho lưu trữ. Một trong hai thứ này tạo ra một tệp mà bạn mở bằng trình duyệt. Cái còn lại chạy lệnh cho đến khi các bài kiểm tra đều đạt. Việc chọn giữa chúng không phải là một quyết định về mô hình, và điều hữu ích mà trang này có thể làm là khiến bạn ngừng lựa chọn như thể đó là quyết định về mô hình.

Mỗi cái thực sự được dùng để làm gì

Theo thẻ mô hình của nó, AesCode 32B khởi đầu từ Qwen3-VL-32B-Instruct và được huấn luyện bằng tinh chỉnh có giám sát kiểu cold-start trên 3.000 minh họa, sau đó là học tăng cường GDPO trên bảy kênh thưởng — thực thi, văn bản, ranh giới, bảng/biểu đồ, bố cục, khoảng trắng và thiết kế. Sáu trong số các kênh đó là bộ xác minh tất định; kênh thứ bảy là một bộ đánh giá thị giác-ngôn ngữ hoạt động dựa trên thang đánh giá theo từng mẫu gắn với “đồ thị thiết kế” của trang đích. Mỗi đầu ra ứng viên được kết xuất trong trình duyệt Playwright chạy trong sandbox với các yêu cầu bên ngoài bị chặn, sau đó được chấm điểm dựa trên DOM, các kiểu được tính toán, hộp bao và ảnh chụp màn hình. Các đầu ra dự kiến được nêu rõ trên thẻ: slide có thể chỉnh sửa, poster, bảng điều khiển và báo cáo, cùng với nghiên cứu về sinh mã đa phương thức. Mô hình phát ra một tài liệu HTML hoàn chỉnh và được huấn luyện để sử dụng cấu trúc bảng HTML thật và đặc tả ECharts để đầu ra của nó luôn có thể kiểm tra được.

Muse Code làm điều gì đó khác biệt về mặt cấu trúc. Nó là một tệp nhị phân gốc cho macOS và Linux với một vòng lặp tác nhân chính, các tác nhân nền bất đồng bộ liên tục thu thập ngữ cảnh xuyên suốt một phiên, các worktree Git biệt lập để các tác nhân con không xung đột, và một nhật ký sự kiện cục bộ cho phép phát lại hoặc tiếp tục một phiên bị hỏng. Báo cáo của chính Meta cho thấy nó thực hiện hàng nghìn lệnh gọi công cụ trong những khoảng thời gian đo bằng giờ. Thứ được bán là vòng lặp, không phải sản phẩm.

Đặt hai cái cạnh nhau thì các động từ chẳng khớp với nhau. AesCode 32B kết xuất. Muse Code thực thi. Nếu vấn đề của bạn là "bài trình bày hàng quý của chúng tôi ngốn của một nhà thiết kế ba ngày", thì Muse Code không liên quan, còn AesCode 32B thì nhắm thẳng vào đó. Nếu vấn đề của bạn là "chẳng ai muốn bỏ cả cuối tuần để nâng cấp cây phụ thuộc này", thì AesCode 32B chẳng có gì để nói, còn Muse Code chính là công cụ.

Bằng chứng ở mỗi bên không phải là cùng một loại bằng chứng.

Đây là phần mà mọi trang so sánh đều làm sai, nên cần phải xem xét thật kỹ càng.

Các con số của AesCode 32B đến từ một đánh giá infographic gồm 300 mẫu, ba lần sinh cho mỗi prompt mà không chọn lọc, và chúng tự thân đã rất ấn tượng: điểm Overall 85.89 so với 81.28 của GPT-5.5 và 80.39 của Claude Opus 4.8, cả hai đều được đo bằng cùng một thiết lập ảnh tham chiếu bởi harness của chính Microsoft. Thẻ còn báo cáo rằng một lỗi nghiêm trọng ở ranh giới canvas tái diễn trên 4.3% mẫu, so với 34.7% ở GPT-5.5, và AesCode 32B vượt qua backbone Qwen3-VL-32B của chính nó 22.4 điểm ở khía cạnh Visual và 24.8 điểm ở Overall.

Hãy đọc toàn bộ những điều đó như là do nhà cung cấp báo cáo và chưa được tái lập. Chuẩn đánh giá, các kênh phần thưởng đã huấn luyện mô hình, và các chỉ số dùng để chấm điểm nó đều là công trình của cùng một phòng thí nghiệm, còn 300 mẫu là của Microsoft. Đó không phải là lý do để bác bỏ kết quả — đánh giá này minh bạch một cách bất thường, ngăn xếp trình xác minh là mở, và việc tấm thẻ công bố một chiều mà không mô hình nào vượt qua 60 ("style", nơi không có gì đạt trên 55.99) thể hiện mức độ trung thực cao hơn hầu hết các bảng của nhà cung cấp. Đó là lý do để không đặt 85.89 cạnh một con số do một phòng thí nghiệm khác tạo ra trên một tác vụ khác và giả vờ rằng một sự so sánh đã diễn ra.

Các con số của Muse Code lại được Meta báo cáo theo một nghĩa khác: chúng đo lường một mô hình cùng với một harness với nhau. Meta báo cáo 82,9% trên Terminal-Bench 2.1 cho Muse Code, đứng thứ hai sau Claude Opus 5 được ghép với Claude Code ở mức 86,7%, cùng với 59,3% trên DeepSWE 1.1 và 70,6% trên một bộ đánh giá lập trình nội bộ. Bởi vì các harness khác nhau được ghép với các mô hình khác nhau trong toàn bộ bảng đó, bạn không thể rút ra đóng góp của mô hình từ điểm số của hệ thống. Và không có sự chồng chéo nào giữa những gì Muse Code được đo lường và những gì AesCode 32B được đo lường — một cái được chấm điểm trên các tác vụ terminal và kỹ thuật phần mềm, cái kia dựa trên việc văn bản của một infographic có đọc được hay không và bố cục của nó có bị tràn hay không.

"Một checkpoint 32B" che giấu điều gì

Triển khai là điểm mà hai sản phẩm khác biệt nhau rõ rệt nhất, và phiên bản ngắn gọn thì vừa vặn trong một danh sách gạch đầu dòng.

• Nó là gì — AesCode 32B: một checkpoint mô hình 33 tỷ tham số mà bạn tải về. Muse Code: một sản phẩm agent terminal có thể cài đặt.

• Giấy phép — AesCode 32B: Apache 2.0, bao gồm cả trọng số. Muse Code: độc quyền; mô hình đằng sau nó là đóng.

• Những gì bạn cung cấp — AesCode 32B: một GPU và một ngăn xếp phục vụ. Muse Code: một khóa API hoặc một gói đăng ký.

• Mức tối thiểu về phần cứng — AesCode 32B: thẻ khuyến nghị nên dự trù khoảng 65 GB bộ nhớ tăng tốc chỉ riêng cho các tham số bf16, và ví dụ phục vụ của chính nó sử dụng song song tensor bốn chiều. Muse Code: một chiếc laptop.

• Ngữ cảnh — AesCode 32B: 24.576 token trong cấu hình được báo cáo, với prompt và completion bị giới hạn ở 8.192 trong quá trình huấn luyện RL. Muse Code: cửa sổ 1M token trong mô hình Muse Spark bên dưới nó.

• Giá — AesCode 32B: trọng số miễn phí; chi phí nằm ở phần cứng. Muse Code: tính phí theo token, hoặc qua gói hàng tháng.

• Bằng chứng — AesCode 32B: một đánh giá do nhà cung cấp tự thực hiện trên 300 mẫu của chính họ, với bộ khung đánh giá được công bố. Muse Code: các chuẩn đo lường cấp hệ thống do Meta báo cáo trên một ngăn xếp kết hợp tác tử và mô hình.

Hàng "mức tối thiểu phần cứng" đó là thứ mọi người thường bỏ qua. Một checkpoint 32B ở bf16 không phải là mô hình chạy được trên laptop, và AesCode 32B lại còn là mô hình ngôn ngữ-thị giác, nên luồng phục vụ cũng phải mang theo cả đầu vào hình ảnh. Muse Code là một tệp nhị phân mà bạn cài đặt trong một buổi chiều.

Ở những chỗ chúng thực sự trùng lặp

Có đúng một điểm chồng lấn thực sự, và nó hẹp: cả hai đều có thể được hướng vào một tạo tác gần với thiết kế và được yêu cầu tạo ra thứ mà con người sẽ tinh chỉnh. Nếu nhóm của bạn đang tạo bảng điều khiển nội bộ dưới dạng mã và cũng muốn có một tác nhân có thể mở pull request đối với kho lưu trữ bảng điều khiển, thì cả hai sản phẩm đều chạm tới quy trình đó.

Ngay cả ở đó, sự tách bạch vẫn rõ ràng. AesCode 32B tạo ra sản phẩm. Muse Code tạo ra thay đổi. Một pipeline làm cả hai sẽ gọi AesCode 32B để render, rồi giao tệp kết quả cho một agent để đặt, kết nối và kiểm thử — và không có gì ở cả hai sản phẩm ngăn cản điều đó, bởi vì chúng chưa bao giờ cạnh tranh cho cùng một vị trí.

Một nửa của cuộc đối đầu này mà bạn có thể dự đoán ngay hôm nay

Đây là một sự bất đối xứng thực tế đáng để nói thẳng. AesCode 32B không được bất kỳ nhà cung cấp dịch vụ suy luận nào triển khai. Thẻ Hugging Face không liệt kê endpoint được lưu trữ nào, không có đối tác và không có API; nếu bạn muốn dùng nó, bạn phải tải xuống 65 GB trọng số và tự xây dựng đường phục vụ. Đó là trạng thái bình thường đối với một bản phát hành nghiên cứu, và nó cũng là rào cản lớn nhất duy nhất giữa mô hình và bất kỳ ai không sở hữu tám GPU.

Mô hình nền tảng của Muse Code không có vấn đề đó. Dòng Muse Spark được cung cấp dưới dạng một mô hình API thuần, và Muse Spark 1.2 nằm trong danh mục của OrcaRouter nơi nó được tính phí theo mức giá niêm yết của Meta là 1,25 đô la cho mỗi triệu token đầu vào và 4,25 đô la cho mỗi triệu token đầu ra — giá niêm yết của nhà cung cấp được truyền thẳng, không có phụ phí từ phía chúng tôi, nên khi Meta thay đổi giá thì ở đây cũng đổi cùng ngày. Một khóa duy nhất bao trùm nó cùng với hơn 200 mô hình khác, kèm tính năng tự động chuyển đổi dự phòng nếu một nhà cung cấp gặp trục trặc, đó chính là sự khác biệt giữa "chúng ta có thể thử cái này" và "chúng ta có thể đưa cái này vào lộ trình sản xuất". Nếu điều bạn thực sự muốn từ trang này là một cách sử dụng trí tuệ bên trong Muse Code mà không cần dùng đến sản phẩm Muse Code, thì đó chính là con đường đó, và nó tồn tại. Nếu điều bạn muốn là AesCode 32B, thì con đường là tải xuống.

Nên chọn cái nào

Hãy chọn AesCode 32B nếu thành phẩm là điều mấu chốt. Bạn đang sản xuất slide, báo cáo, poster hay dashboard với số lượng lớn, bạn có phần cứng hoặc sẵn sàng thuê nó, và sức hấp dẫn của một mô hình phát ra HTML có cấu trúc, có thể chỉnh sửa — bảng ra bảng, biểu đồ dưới dạng đặc tả ECharts, mọi thứ đều diff được trong Git — đáng để bạn dựng một thiết lập phục vụ chuẩn nghiên cứu. Hãy chấp nhận rằng bạn là người dùng sớm của một mô hình chưa được công bố với số lượt tải nhỏ, rằng chưa có phòng thí nghiệm độc lập nào tái lập được điểm số của nó, và rằng ngữ cảnh 24K của nó là một hạn chế thực sự đối với các tài liệu dài.

Hãy chọn Muse Code nếu quy trình chính là điều quan trọng. Bạn muốn một agent chạy trong terminal, vẫn trụ được qua một sự cố sập giữa phiên, và có thể duy trì nhiều luồng công việc cùng lúc trong các worktree tách biệt, đồng thời bạn thấy thoải mái khi trả tiền theo token hoặc theo tháng cho nó.

Đừng chọn cả hai, mà định tuyến thẳng tới Muse Spark 1.2, nếu thứ bạn cần là một mô hình suy luận đủ mạnh đứng sau một API key và terminal harness chưa bao giờ là phần bạn muốn.

Điều gì sẽ thay đổi trang này

Ba điều. Nếu một nhà cung cấp suy luận nào đó đón nhận AesCode 32B — hoặc Microsoft công bố một endpoint được lưu trữ — thì cột triển khai sẽ sụp đổ và mô hình trở thành thứ bạn có thể đánh giá trong một buổi chiều, điều đó sẽ khiến đây trở thành một câu hỏi sát nút hơn nhiều đối với các nhóm thiên về thiết kế. Nếu một đánh giá độc lập tái lập được mức Tổng thể 85,89 và tỷ lệ thất bại ở ranh giới 4,3%, thì sự bất cân xứng về bằng chứng sẽ thu hẹp đáng kể. Và nếu Meta mở trọng số Muse Spark, thì cách diễn đạt "bạn có thể tải một cái mà không tải được cái kia" sẽ biến mất hoàn toàn. Cho đến khi một trong những điều đó xảy ra, tóm tắt trung thực nhất là hai sản phẩm này chia sẻ một từ, chứ không phải một công việc.