AionLabs: Aion-2.0 contre Inception: Mercury 2.5

AionLabs : Aion-2.0 est un modèle texte d'AionLabs, publié le 2026-02-23. Inception : Mercury 2.5 est un modèle texte d'Inception, publié le 2026-09-08. Les deux sont servis via api14 comme modèles de chat dans la catégorie texte, donc l'un ou l'autre peut se trouver derrière le même code client. La décision principale pour un développeur n'est pas ce qu'ils sont, mais comment ils se comportent une fois que vous commencez à leur envoyer de vraies charges de travail.

La différence la plus nette est le contexte. Mercury 2.5 accepte jusqu'à 260000 tokens, soit environ le double de la fenêtre de 131072 tokens d'Aion-2.0, ce qui compte lorsque vous alimentez de longs documents, de grandes bases de code ou un historique de conversation étendu en un seul appel. Les deux modèles sont texte en entrée et texte en sortie, donc aucun n'accepte d'images ni d'audio, et sur l'appel d'outils il n'y a pas de différence significative entre eux. Là où ils divergent, c'est sur la sortie structurée : Mercury 2.5 expose structured_outputs en plus de response_format, tandis qu'Aion-2.0 n'offre que response_format. Mercury 2.5 ajoute aussi reasoning_effort et stop à sa liste de paramètres, offrant un contrôle plus fin sur la quantité de raisonnement effectuée et sur l'endroit où la génération s'arrête. Aion-2.0 prend en charge reasoning et include_reasoning mais pas reasoning_effort. Côté prix, Mercury 2.5 est l'option la moins chère pour les tokens d'entrée comme de sortie, donc le coût n'est pas une raison de se tourner vers Aion-2.0.

Pour le travail quotidien, le choix suit généralement la forme de l'entrée. Si vous résumez un long contrat, faites de la récupération sur un grand corpus, ou maintenez une longue session d'agent dans un seul contexte, Mercury 2.5 est le choix naturel en raison de la fenêtre plus grande et du prix plus bas. Si votre pipeline dépend de schémas JSON stricts, Mercury 2.5 est aussi le meilleur choix grâce à structured_outputs. Aion-2.0 reste un choix raisonnable pour des prompts plus courts où vous avez déjà une intégration fonctionnelle et n'avez pas besoin des paramètres supplémentaires, mais aucune capacité listée ici ne lui est propre et absente de Mercury 2.5.

Appeler l'un ou l'autre modèle via api14 est la même opération. Les deux sont compatibles OpenAI, donc vous pointez votre client OpenAI existant vers l'URL de base api14, envoyez votre clé, et définissez le champ model. Passer de l'un à l'autre est un changement d'une ligne : utilisez "aion-labs/aion-2.0" ou "inception/mercury-2.5". Tout le reste dans le corps de la requête, messages, temperature, max_tokens, tools et response_format, est repris sans modification, et la forme de la réponse est identique. Cela rend peu coûteux de benchmarker les deux sur votre propre trafic plutôt que de faire confiance à une page de comparaison.

Il existe un cas où Aion-2.0 mérite encore d'être considéré. Si vous avez déjà ajusté des prompts et des harnais d'évaluation dessus, et que vos entrées tiennent confortablement dans 131072 tokens, passer à Mercury 2.5 ne vous apporte pas grand-chose au-delà d'une facture plus basse. Rester en place évite de revalider les sorties. Sinon, pour tout ce qui est long, structuré ou sensible au coût, Mercury 2.5 est le choix par défaut.