AesCode 32B vs Qoder Cantus: Bạn có thể kiểm tra cái này và chạy cái kia, chứ không bao giờ cả hai

Đây là một sự đảo ngược đáng để ngẫm nghĩ. AesCode 32B, checkpoint tạo HTML và CSS của Microsoft, là mô hình dễ kiểm tra nhất trong cùng phân khúc: trọng số Apache 2.0 trên Hugging Face, một kho lưu trữ mở chứa các trình xác minh phần thưởng, trình tạo rubric và vòng lặp huấn luyện, một bản đánh giá 300 mẫu được in đầy đủ, và một công thức huấn luyện chi tiết đến tận tốc độ học và số bước rollout. Kho lưu trữ Hugging Face của nó có từ ngày 29 tháng 9 năm 2026; commit mang tiêu đề "Release AesCode-32B" được đăng ngày 7 tháng 10 năm 2026; Microsoft chưa công bố bất kỳ điều nào trong số đó. Và gần như không ai có thể chạy nó, bởi vì nó là một checkpoint 33B yêu cầu khoảng 65 GB bộ nhớ tăng tốc và không nhà cung cấp nào phục vụ nó. Qoder Cantus là điều ngược lại hoàn toàn. Nó chạy ngay hôm nay, bên trong Qoder, cho bất kỳ ai có đăng ký — và bạn hoàn toàn không thể kiểm tra nó. Toàn bộ mô tả đã công bố của Qoder về mô hình chỉ là một câu, không có tham số, không có cửa sổ ngữ cảnh, không có bảng benchmark và không có trọng số, và vì không có API nên sẽ không bao giờ có con số từ bên thứ ba. Một mô hình cho bạn biết mọi thứ và không cho bạn làm gì. Mô hình kia cho bạn làm mọi thứ và không cho bạn biết gì. Câu hỏi thú vị là chế độ thất bại nào khiến bạn tốn kém hơn.

Toàn bộ những gì tài liệu nói

Cách dễ nhất để thấy sự bất đối xứng là chỉ cần trích dẫn những gì tồn tại.

Trên AesCode 32B, hồ sơ công khai bao gồm: mô hình cơ sở (Qwen3-VL-32B-Instruct), số lượng tham số, giấy phép, mục đích sử dụng, khối lượng dữ liệu huấn luyện, tốc độ học SFT, các thiết lập bộ tối ưu RL, tên các kênh phần thưởng, số lượng prompt và bước, kích thước mẫu đánh giá, số lượt sinh cho mỗi prompt, nhiệt độ và top-p khi giải mã, độ dài ngữ cảnh dùng để chấm điểm, ba bảng kết quả riêng biệt đã công bố, và trích dẫn cho một bài báo được ghi là đang chờ phản biện. Nó dừng lại ngay trước ngày phát hành và số lượt tải xuống ở mức hai chữ số — và ghi chú trên model card rằng mô hình cần transformers>=4.57 cùng việc đoạn mã sử dụng được tạo tự động trên trang không khớp với ví dụ của chính model card là kiểu chi tiết chỉ tồn tại được khi sản phẩm là thật.

Về Qoder Cantus, hồ sơ công khai ghi rằng: "Mô hình thông minh hàng đầu tích hợp sẵn của Qoder, xuất sắc trong việc thực thi tác vụ tự trị kéo dài." Đó là phần mô tả. Không có model card vì không có mô hình nào để tải xuống, không có bảng benchmark vì Qoder không công bố bài đăng ra mắt hay báo cáo kỹ thuật, và không có danh sách trên arena vì một arena cần endpoint để gọi. Những gì khác được biết mang tính cấu trúc hơn là kỹ thuật: Cantus xuất hiện trong trình chọn mô hình trên khắp Qoder Desktop, plugin JetBrains, CLI, Cloud Agents và web client, và được tính phí qua hệ thống credit của Qoder với một hệ số được áp dụng cho mức sử dụng của mô hình.

Đó không phải là lời chê bai mô hình. Đó là mô tả về những gì có thể kiểm tra được, và với Cantus, câu trả lời là không có gì.

Nơi mỗi loại thực sự mạnh

Điểm mạnh của AesCode 32B là khả năng kiểm chứng, và nó đủ khác thường để đáng được giải thích thay vì chỉ khẳng định. Tín hiệu huấn luyện không phải một điểm số — mà là bảy kênh, sáu trong đó là các bộ kiểm định tất định đọc các thuộc tính từ mã được sinh ra và bản kết xuất của nó, cộng với một giám định thị giác-ngôn ngữ chấm điểm các thuộc tính không thể phân tích cú pháp theo một bảng tiêu chí gắn với đồ thị thiết kế theo từng mẫu. Mỗi ứng viên được kết xuất trong trình duyệt Playwright chạy trong sandbox với các yêu cầu bên ngoài bị chặn, xuất ra DOM, kiểu tính toán, hộp bao, trạng thái console và ảnh chụp màn hình. Vì mỗi thuộc tính đều có thể quy kết, phòng thí nghiệm có thể báo cáo rằng nó đã cải thiện thành phần Visual thêm 22,4 điểm so với xương sống Qwen3-VL-32B của chính nó và cho bạn biết những kênh nào vẫn đang tăng vào cuối quá trình huấn luyện. Đó là một bản phát hành mà bạn có thể phản biện, tái tạo hoặc mở rộng.

Chi phí cũng cụ thể không kém. Thẻ khuyến nghị lên kế hoạch khoảng 65 GB chỉ riêng cho các tham số bf16; ví dụ phục vụ của nó dùng song song tensor bốn chiều; các con số được báo cáo dùng ngữ cảnh 24.576 token; trong quá trình học tăng cường, lời nhắc và phản hồi được giới hạn ở 8.192 token. Đối chiếu điều đó với thực tế rằng không có nhà cung cấp suy luận nào triển khai checkpoint và rào cản không nằm ở triết lý. Bạn hoặc sở hữu phần cứng hoặc thuê nó, và bạn tự xây dựng đường dẫn phục vụ đa phương thức.

Điểm mạnh của Cantus thì ngược lại: nó đơn giản là có sẵn. Không cần tải xuống, không GPU, không serving stack, không harness để chọn. Nó xuất hiện trong trình chọn model của IDE mà bạn đang dùng, và nó được định vị đúng cho thứ mà các công cụ lập trình dạng agent được quảng bá — thực thi tác vụ tự chủ trong thời gian dài. Dù còn điều gì khác chưa chắc chắn về nó, bài toán triển khai đã được giải quyết sẵn cho bạn, và Qoder hẳn biết nhiều hơn về model mà nó đã xây dựng so với những gì nó đã công bố.

Ba câu hỏi bạn không thể trả lời về Cantus

Thật đáng để nói chính xác về cái giá của tài liệu còn thiếu, bởi vì "không có benchmark" vẫn còn nói giảm đi.

• Nó lớn cỡ nào — không rõ. Số lượng tham số không được công bố. Trên một mô hình tính phí theo credit, đây không phải chuyện vặt: nó là đầu vào chính để xác định liệu một tác vụ mà ở nơi khác chỉ tốn của bạn $2 lại chỉ có thể được thực hiện với giá $6 ở đây.

• Nó chứa được bao nhiêu ngữ cảnh — không được tiết lộ, với các thảo luận từ bên thứ ba ám chỉ con số đâu đó trong khoảng 200K và không có nguồn nào cho việc đó. Công việc tác tử dài hạn sống còn nhờ con số này, và nó không được công bố.

• Nó có tốt không — không thể trả lời được theo nghĩa chặt chẽ. Lập luận của Qoder, ẩn trong cách định vị, là khả năng thực thi tự chủ kéo dài được đo tốt hơn bằng cách một mô hình xử lý ngữ cảnh, phục hồi và hàng trăm lệnh gọi công cụ, chứ không phải bằng điểm số lập trình một lượt. Đó là một lập luận hợp lý. Nó sẽ có sức nặng hơn nếu mô hình có thể được kiểm thử, và điều đó là không thể, vì không có gì ngoài Qoder có thể gọi nó.

So sánh điều đó với hình ảnh phản chiếu của câu hỏi thứ ba ở phía AesCode: các con số tồn tại và chi tiết, nhưng chúng là những con số của Microsoft, được tạo ra bởi bộ kiểm thử của Microsoft, trên 300 mẫu của Microsoft, và không có phòng thí nghiệm bên ngoài nào tái tạo được bất kỳ con số nào trong đó. AesCode 32B có một mức trần được ghi nhận là 55.99 trên chiều phong cách của riêng nó và tỷ lệ thất bại nghiêm trọng ở ranh giới canvas là 4.3% — cả hai đều do nhà cung cấp công bố — và không có xác nhận độc lập nào rằng một trong hai con số đó là đúng. Vậy hai chế độ thất bại là: những con số bạn không thể tin tưởng, và không có con số nào. Đó là một lựa chọn tồi tệ hơn so với "một cái tốt, một cái xấu", và đó chính là lựa chọn mà cặp đấu này thực sự đưa ra.

Chi phí bạn phải trả cho mỗi bên

Cantus tính phí thông qua hệ thống tín dụng của Qoder chứ không phải theo mức giá token được công bố. Qoder áp một hệ số lên mức sử dụng của một mô hình, và Cantus đã ra mắt với hệ số nhân 3,2×, sau đó giảm xuống 1,6× trong chương trình khuyến mãi giảm 50% kéo dài đến ngày 31 tháng 7 năm 2026. Tái dựng từ chính các ước tính tín dụng được Qoder công bố, chứ không phải từ bất kỳ con số trên mỗi token nào — Qoder chưa bao giờ công bố một con số như vậy cho Cantus — thì mức đó tương đương khoảng 0,38 đô la Mỹ cho mỗi lượt ở chế độ biên tập, 1,60 đô la Mỹ cho mỗi tác vụ Quest, và 2,40 đô la Mỹ cho mỗi Quest ở chế độ Experts. Đây là những con số tái dựng, được ghi nhãn như vậy vì không có nguồn sơ cấp nào nói khác.

Chi phí của AesCode 32B là một con số vốn đầu tư, chứ không phải chi phí tính theo đơn vị. Các trọng số được miễn phí theo Apache 2.0, và hóa đơn đến dưới dạng giờ GPU — 65 GB bộ nhớ tăng tốc để chứa các tham số, cộng với tháp thị giác, cộng với bất kỳ mức thông lượng nào bạn cần. Nếu bạn đã vận hành một nút cấp B200 cho công việc khác, chi phí biên gần như bằng không. Nếu chưa, so sánh trung thực không phải là "0 USD mỗi triệu token" với tín dụng của Qoder; đó là một quyết định về phần cứng so với một gói đăng ký.

Sự khác biệt về khả năng kết hợp

Còn một hệ quả nữa của mô hình truy cập, và đó chính là hệ quả mà một nền tảng định tuyến nhận ra đầu tiên.

Cantus không thể được kết hợp với bất cứ thứ gì. Không có API nghĩa là không có phương án dự phòng, không có A/B với một mô hình khác trên cùng một tác vụ, không có chuyện chuyển từ mô hình rẻ sang mô hình đắt giữa chừng yêu cầu, không có cách nào đưa nó vào một khung đánh giá mà bạn tự viết. Nó là một lựa chọn bên trong một sản phẩm, và đòn bẩy duy nhất bạn nắm là bộ chọn. Đó là một lựa chọn thiết kế có chủ đích của Qoder và hoàn toàn hợp lý nếu IDE là nơi bạn muốn sống — nhưng điều đó có nghĩa là kiến trúc của bạn thừa hưởng lộ trình của Qoder.

AesCode 32B có đặc tính ngược lại trên lý thuyết và một khoảng cách trên thực tế. Trọng số nghĩa là nó có thể đi đến bất cứ đâu: cụm máy chủ của bạn, một instance thuê, công cụ của riêng bạn, đánh giá của riêng bạn. Điều nó không thể làm ngày hôm nay là được gọi, bởi vì không có nhà cung cấp nào phục vụ nó — Microsoft đã công bố một checkpoint và dừng lại ở đó. Vì vậy, mô hình có thể tổ hợp về mặt cấu trúc thì chưa thể tổ hợp trên thực tế, còn mô hình thực sự sẵn có thì bị khóa chặt về mặt cấu trúc.

Điều đó khiến cho lập luận về định tuyến trở nên hẹp hơn thường lệ, và đáng để nói thẳng: không model nào trong cuộc so tài này nằm trong danh mục của chúng tôi, và trang này sẽ không giả vờ điều ngược lại. Điều mà một endpoint duy nhất với hơn 200 model ở mức giá niêm yết của nhà cung cấp thực sự mang lại cho bạn ở đây chính là lớp bao quanh — khả năng xây dựng quy trình tiêu thụ đầu ra của AesCode 32B và định tuyến những phần mà một model tổng quát nên đảm nhiệm, mà không cần dựng thêm một hợp đồng thứ hai cho mỗi thứ. Nếu bạn muốn thử nghiệm lớp đó trước khi cam kết triển khai vision-language tự vận hành, cách rẻ nhất là dùng một model có thể gọi được trong cùng dòng: AesCode 32B là một bản fine-tune của Qwen3-VL-32B-Instruct, và Qwen3-VL 235B A22B Instruct có giá $0.40 cho mỗi triệu token đầu vào và $1.60 cho đầu ra, còn model nhỏ hơn là Qwen3-VL 8B Instruct ở mức $0.18 và $0.70. Đó là những model khác nhau, không phải bản thay thế cho bản fine-tune — nhưng chúng trả lời câu hỏi "liệu một VLM được host có thể đọc ảnh chụp màn hình này và viết code đủ tốt cho pipeline của chúng ta không" với chi phí vài xu thay vì 65 GB, và tính năng failover giữa các nhà cung cấp nằm bên dưới cùng một key nếu câu trả lời là có và lưu lượng thực sự trở nên đáng kể.

Cách chọn

Chọn Cantus nếu bạn đã ở trong Qoder, bạn coi trọng việc không phải làm công việc hạ tầng, và việc không thể kiểm chứng là cái giá bạn sẵn sàng trả cho nó. Hãy tỉnh táo rằng bạn đang mua một năng lực, chứ không phải một mô hình: bạn không thể đánh giá hiệu năng của nó trước khi áp dụng, bạn không thể so sánh giá của nó với bất cứ thứ gì trên cơ sở mỗi token, và bạn không thể mang nó theo nếu Qoder thay đổi giá hoặc lộ trình của mình.

Chọn AesCode 32B nếu bạn cần artifact và bạn có thể chi trả cho việc triển khai — và cụ thể là nếu bạn cần một mô hình phát ra HTML có thể chỉnh sửa mà bạn có thể so sánh, xem xét và phát hành. Hãy tỉnh táo một cách tương tự: nó chưa được công bố, chưa được tái lập, quá lớn đối với hầu hết phần cứng, và được tài liệu hóa cho ngữ cảnh 24K sẽ hạn chế các tài liệu dài.

Nếu bạn không muốn sự ràng buộc của cái thứ nhất, cũng không muốn chi phí vốn của cái thứ hai, thì cách trung thực là có được cùng năng lực đó từ một mô hình mà bạn có thể gọi. Một mô hình thị giác - ngôn ngữ đứng sau một khóa API sẽ đọc ảnh chụp màn hình và viết markup có cấu trúc. Nó sẽ không được huấn luyện với bảy kênh thưởng được tinh chỉnh cho chất lượng thiết kế, và nó sẽ không sánh được với AesCode 32B trên bộ đánh giá infographic mà Microsoft xây dựng. Nhưng nó sẽ khiến bạn tốn một thẻ thanh toán đã lưu thay vì một khoản mua sắm GPU, và bạn sẽ có thể tự mình đo lường nó — đó chính là điều duy nhất mà toàn bộ cuộc so tài này hướng tới.

Xem gì

Cantus trở thành một mô hình bình thường vào ngày Qoder công bố một endpoint hoặc phát hành trọng số; cho đến lúc đó, mọi tuyên bố về nó đều là tuyên bố về sản phẩm của Qoder chứ không phải về một mô hình, và khoảng trống bằng chứng mang tính cấu trúc chứ không phải là một sự thiếu sót trong tài liệu. AesCode 32B trở thành một mô hình bình thường vào ngày một nhà cung cấp suy luận tiếp nhận checkpoint hoặc một phòng thí nghiệm bên ngoài tái lập được con số 85.89 — và nếu điều đó xảy ra cùng lúc với việc Microsoft thực sự công bố nó, thì rào cản 65 GB là rào cản duy nhất còn lại. Cái nào xuất hiện trước sẽ cho bạn biết ngành này đã quyết định ngừng dung thứ cho kiểu thất bại nào trong hai kiểu thất bại đó.