AionLabs: Aion-2.0

Aion-2.0 è un modello testuale di AionLabs, rilasciato il 23 febbraio 2026. È una variante di DeepSeek V3.2 ottimizzata per il roleplaying immersivo e la narrazione. AionLabs lo posiziona come particolarmente forte nell'introdurre tensione, crisi e conflitto nelle storie, che è la qualità che rende le sue narrazioni più coinvolgenti. Se stai costruendo narrativa interattiva, chat basata sui personaggi o qualsiasi prodotto in cui conta lo slancio narrativo, questo è il focus dichiarato del modello.

Il modello lavora solo con testo, sia in input che in output, quindi non accetta immagini o audio e non li genera. Offre una finestra di contesto di 131.072 token, sufficiente a contenere lunghe cronologie di conversazione, descrizioni estese di scene o bozze multi-capitolo in una singola richiesta. L'output massimo è di 32.768 token, quindi una singola risposta può arrivare a un brano di prosa sostanzioso invece che a una replica breve. Questi due numeri insieme sono il principale vincolo pratico da considerare quando progetti i prompt e gestisci lo stato della conversazione.

A causa di questa combinazione, i casi d'uso naturali sono sessioni di roleplay a lungo termine in cui il modello deve ricordare scene precedenti, generazione di storie che richiede che una trama intensifichi invece di vagare, e personaggi interattivi che dovrebbero opporre resistenza, creare complicazioni o alzare la posta invece di essere d'accordo con l'utente. Gli stessi tratti si adattano ad applicazioni in stile game master, strumenti narrativi ramificati e assistenti di scrittura che aiutano gli autori a redigere scene ricche di conflitto. Anche qualsiasi carico di lavoro puramente di estrazione fattuale, classificazione o risposte deterministiche brevi può essere gestito da questo modello, ma il suo comportamento distintivo è nella narrazione e nel dialogo.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando l'id del modello "aion-labs/aion-2.0". I parametri di richiesta supportati sono include_reasoning, max_tokens, reasoning, response_format, temperature, tool_choice, tools e top_p. Ciò significa che puoi controllare il campionamento con temperature e top_p, limitare la lunghezza della risposta con max_tokens, richiedere output strutturato tramite response_format e fornire al modello funzioni richiamabili con tools e tool_choice. I parametri reasoning e include_reasoning ti permettono di lavorare con il comportamento di ragionamento del modello dove la tua applicazione ne ha bisogno.

Tieni presente il limite di output di 32.768 token quando chiedi continuazioni molto lunghe, poiché una risposta non può superarlo anche se la finestra di contesto è più grande. Il modello è solo testuale, quindi se la tua applicazione dipende da input di immagini o audio, avrai bisogno di un modello diverso per quella parte della pipeline. Nell'ambito del lavoro testuale, la ragione sensata per scegliere qualcos'altro è quando il tuo compito non trae beneficio dalla tensione narrativa o dal contesto lungo, e un modello più piccolo o più veloce ti servirebbe meglio.