AionLabs: Aion-2.0 contre Mancer: Weaver (alpha)

AionLabs : Aion-2.0 est un modèle de texte d'AionLabs, publié le 2026-02-23. Mancer : Weaver (alpha) est un modèle de texte de Mancer, publié le 2023-08-02. Les deux sont servis comme modèles texte entrée, texte sortie via api14, donc aucun n'accepte d'images ou d'audio en entrée ni ne produit autre chose que du texte en sortie. La principale différence structurelle entre eux est l'âge et l'orientation : Aion-2.0 est un modèle polyvalent plus récent, tandis que Weaver est une version alpha plus ancienne qui existe depuis assez longtemps pour être une valeur sûre pour un style particulier de prompting.

Les deux divergent le plus nettement sur le contexte et sur ce qu'on peut leur demander de faire. Aion-2.0 a une fenêtre de contexte de 131072 tokens, tandis que celle de Weaver est de 8000 tokens, donc Aion-2.0 est celui vers lequel se tourner lorsqu'il faut faire tenir de longs documents, de gros fichiers de code ou des conversations étendues dans un seul appel. Aion-2.0 prend aussi en charge le raisonnement et l'utilisation d'outils, notamment les paramètres reasoning et include_reasoning, tools et tool_choice, donc il peut appeler des fonctions et exposer une passe de raisonnement. Weaver ne prend en charge rien de tout cela ; à la place, il expose un large ensemble de contrôles d'échantillonnage tels que frequency_penalty, presence_penalty, repetition_penalty, min_p, top_a, top_k, logit_bias, logprobs, top_logprobs, seed et stop. Les deux acceptent temperature, top_p, max_tokens et response_format, donc la sortie structurée est disponible des deux côtés.

Pour le travail pratique, le choix se résume généralement à la forme de la tâche. Si vous construisez un agent qui doit appeler des outils, ou si vous voulez que le modèle raisonne sur un problème avant de répondre, ou si votre prompt plus le contexte récupéré dépasse quelques milliers de tokens, Aion-2.0 est le choix naturel. Si vous faites de la génération courte où vous voulez un contrôle fin de l'échantillonnage, comme l'écriture créative, le dialogue de personnages ou des expériences où vous ajustez les pénalités de répétition et de présence et comparez des seeds, Weaver vous donne les réglages pour cela. Weaver est aussi le moins cher des deux en entrée comme en sortie, donc pour un volume élevé de prompts courts où son contexte plus petit n'est pas une contrainte, il peut être l'option la plus économique. Aion-2.0 convient mieux quand la capacité compte plus que le coût par appel.

Appeler l'un ou l'autre modèle via api14 fonctionne de la même manière, car la passerelle expose une API compatible OpenAI. Vous pointez votre client vers l'URL de base api14, envoyez votre requête au point de terminaison des complétions de chat avec votre clé api14, et définissez le champ model soit sur "aion-labs/aion-2.0", soit sur "mancer/weaver". Tout le reste dans le corps de la requête suit le schéma OpenAI, donc messages, temperature, max_tokens et response_format sont repris sans changement. Passer de l'un à l'autre se fait en modifiant une ligne, l'identifiant du modèle, mais gardez à l'esprit que les paramètres ne sont pas parfaitement interchangeables : tools, tool_choice et reasoning ne s'appliquent qu'à Aion-2.0, tandis que les paramètres de pénalité, de logprob et d'échantillonnage ne s'appliquent qu'à Weaver.

Il reste des cas où Weaver est le meilleur choix même si Aion-2.0 est globalement le modèle le plus capable. Si vos prompts sont courts, que votre budget est serré et que vous voulez ajuster précisément le comportement d'échantillonnage, l'ensemble de paramètres et le prix plus bas de Weaver en font un choix par défaut raisonnable. C'est aussi un choix judicieux lorsque vous reproduisez un travail écrit contre un modèle plus ancien et que vous voulez le même comportement de génération plutôt que la sortie d'un modèle plus récent. Dans ces situations, la fenêtre de contexte plus petite et l'absence d'utilisation d'outils sont des compromis acceptables, et vous pouvez continuer à utiliser le même point de terminaison api14 et la même forme de requête.