AionLabs: Aion-2.0 contro Inception: Mercury 3

AionLabs: Aion-2.0 è un modello testuale di AionLabs, rilasciato il 2026-02-23. Inception: Mercury 3 è un modello testuale di Inception, rilasciato il 2026-10-16. Entrambi sono serviti su api14 nella categoria text, ed entrambi accettano input testuale e restituiscono output testuale. Nessuno dei due modelli accetta immagini, audio o qualsiasi altra modalità, quindi se il tuo carico di lavoro è puramente linguistico, entrambi sono candidati e la scelta si riduce a contesto, parametri e prezzo piuttosto che a ciò che puoi fornire loro.

La divisione più netta è la lunghezza del contesto. Aion-2.0 supporta 131072 token, mentre Mercury 3 supporta 1000000 token, quindi Mercury 3 contiene all'incirca sette o otto volte più testo in una singola richiesta. Questo conta per letture di interi repository, trascrizioni lunghe, grandi insiemi di documenti o qualsiasi prompt in cui altrimenti dovresti suddividere e ricomporre. Sui parametri i due si sovrappongono sulle basi: entrambi accettano max_tokens, temperature, tool_choice, tools, response_format, reasoning e include_reasoning, quindi il function calling e l'output di reasoning sono disponibili su entrambi i lati. Mercury 3 aggiunge reasoning_effort, stop e structured_outputs, il che offre un controllo più fine su quanto intensamente ragiona e sull'applicazione di uno schema. Mercury 3 è il più economico dei due sia in input che in output, quindi è anche il costo per token più basso, anche se la tabella dei prezzi live su questa pagina è il posto dove verificare i numeri attuali.

Per il lavoro quotidiano come riassunti, classificazione, estrazione, assistenti chat e supporto moderato al codice, entrambi i modelli vanno bene, e i fattori decisivi sono di solito contesto e costo. Se i tuoi prompt rientrano comodamente in 131072 token e vuoi un modello testuale semplice con tool calling e reasoning, Aion-2.0 è un default ragionevole. Se spingi abitualmente input molto lunghi, o hai bisogno di structured_outputs per garantire una forma JSON, o vuoi regolare reasoning_effort, Mercury 3 è la scelta migliore, e il suo contesto più ampio significa meno pipeline di suddivisione da mantenere. Poiché Mercury 3 è più economico in input e output, è anche la scelta sensata quando il volume è alto e il compito non è vincolato dal contesto.

Chiamare uno dei due modelli tramite api14 è la stessa operazione. L'API è compatibile con OpenAI, quindi punti il tuo client esistente all'URL di base di api14, invii la tua chiave e imposti il campo model. Per usare Aion-2.0, imposta l'id del modello su "aion-labs/aion-2.0". Per usare Mercury 3, impostalo su "inception/mercury-3". Tutto il resto nel corpo della richiesta, messages, temperature, tools, response_format e il resto, mantiene la stessa forma, quindi passare dall'uno all'altro è un cambiamento di una riga e puoi confrontarli sul tuo traffico senza riscrivere il codice di integrazione.

Ci sono ancora casi in cui Aion-2.0 è la scelta migliore. Se i tuoi input sono di lunghezza breve o media e non hai bisogno di structured_outputs o reasoning_effort, il contesto e i parametri extra di Mercury 3 non ti danno nulla, e una superficie di richiesta più semplice è più facile da ragionare. Se hai già messo a punto prompt e harness di valutazione su Aion-2.0 e questi passano, non c'è motivo di spostarsi a meno che costo o contesto non lo impongano. Tratta i due come intercambiabili a livello di API e scegli per compito: Aion-2.0 per lavoro testuale contenuto, Mercury 3 quando lunghezza, applicazione dello schema o prezzo per token dominano.