微软开源 AesCode 8B/32B:生成结构化可编辑的视觉化 HTML 产物
jacek2023 · reddit · 2026-10-11
微软发布并开源 AesCode 8B 与 32B 两个模型，专攻用 HTML/CSS 生成信息密度高的视觉产物（幻灯片、海报、仪表盘），输出保持结构化、可编辑、可验证。
核心思路与技术细节：
- 代码模型看不到版式、层级、颜色在画布上的最终效果；图像生成模型视觉好但常写错文字与数字。AesCode 用同一 prompt 生成的图像作为美学参考，同时严格按 prompt 保证内容正确。
- 仅给参考图不够——现成 VLM 会复制幻觉内容或忽略参考版式，因此采用图结构监督与解耦的跨模态奖励。
- AesCode-32B 基于 Qwen3-VL-32B-Instruct，先冷启动 SFT，再用跨七个奖励通道的 GDPO 训练，聚合基准领先。
权重已上架 Hugging Face（含 bartowski 的 GGUF 量化版）。
「编程与Agent」频道最新
- 四组实测:Qwen3-Coder 30B 配 LM Studio 秒过,换 Ollama 修 57 分钟仍失败 — Proof_Nothing_7711 · 2026-10-11
- 开源工具 Insomnia 让 Mac 合盖继续跑 Agent,但工程师警告会过热 — emax · 2026-10-11
- 多数企业还不该用 AI Agent： hype 驱动的复杂项目日烧百万 — DavidLinthicum · 2026-10-11
- Typedef 工作坊：用上下文图给数据与编码 Agent 补上缺失语境 — AI Engineer · 2026-10-11
- Legwork：让 AI 自主搜索并沙箱安装 GitHub 工具的 MCP 服务器 — Status_Record5772 · 2026-10-11
- 研究：多智能体协作耗时达单智能体 6 倍，编排比堆数量更重要 — bibinprasannan · 2026-10-11