微软开源 AesCode-32B：把幻灯片、海报、仪表盘写成可直接编辑的 HTML/CSS，而不是一张图

微软放出 AesCode-32B 的权重：它不生成图片，而是把幻灯片、海报、仪表盘、报告直接写成一份完整的 HTML 文档——表格用 HTML 表格结构、图表走 ECharts 配置，输出结构化、可编辑、可校验。它沿用 Qwen3-VL 的对话接口，需要 transformers>=4.57，bf16 权重光参数就要约 65 GB 显存。官方点出的难点很实在：代码模型看不见布局、层级和颜色在画布上如何组合，只给参考图也不行，通用视觉语言模型会抄错内容或忽略版式。做法是把语义要求和视觉线索分开——用图结构做监督、把奖励拆成执行、文本、边界、表格图表、布局、留白、设计七路，候选 HTML 在沙箱 Playwright 里渲染后再打分；照片和复杂插画一律留成语义占位块，交给后续图像生成或人工补。官方在 300 条信息图提示上测得综合 85.89 分（视觉 77.44、规则 94.33）。