AionLabs: Aion-2.0 対 Inception: Mercury 2

AionLabs: Aion-2.0 は AionLabs のテキストモデルで、2026-02-23 にリリースされました。Inception: Mercury 2 は Inception のテキストモデルで、2026-03-04 にリリースされました。どちらも api14 を通じてチャット形式のテキストモデルとして提供されており、どちらもテキストを入力として受け取りテキストを出力するため、画像、音声、その他の非テキストモダリティは扱いません。この2つを選ぶ場合、判断材料となるのは、処理できるコンテンツの種類の違いではなく、コンテキストサイズ、パラメータ対応、価格です。

両モデルのコンテキスト長は近接しています。Aion-2.0 は 131072 トークン、Mercury 2 は 128000 トークンを提供しており、ほとんどのワークロードにとって意味のある差ではありません。どちらも推論制御 (include_reasoning と reasoning)、ツール呼び出し (tools と tool_choice)、response_format、temperature を公開しているため、どちらでも関数呼び出しや JSON 形式の応答を駆動できます。最も明確な機能差は構造化出力です。Mercury 2 は対応パラメータに structured_outputs を挙げていますが、Aion-2.0 は挙げていません。また Mercury 2 は reasoning_effort と stop を受け付けますが、Aion-2.0 はこれらを挙げていません。一方で Aion-2.0 は top_p を挙げていますが、Mercury 2 は挙げていません。価格では、Mercury 2 は入力トークンと出力トークンの両方でより安価な選択肢であるため、請求の両側で低コストな選択となります。

要約、抽出、分類、チャット、コード支援といった日常的な作業では、どちらのモデルでも対応でき、ほぼ同一のコンテキストウィンドウにより長い文書も両方に収まります。より安価な呼び出しを求める場合、モデルによって強制される厳密な構造化出力が必要な場合、またはリクエストごとに推論努力を調整したい場合は Mercury 2 を選んでください。top_p サンプリング制御を求める場合、プロンプトがすでにそのパラメータを中心に調整されている場合、または特定のパイプラインで単に AionLabs のモデルを好む場合は Aion-2.0 を選んでください。コストが決め手で、タスクが structured_outputs、reasoning_effort、top_p に依存しない場合、Mercury 2 がより経済的なデフォルトです。

どちらのモデルも api14 を通じた呼び出しは同じように機能します。API が OpenAI 互換だからです。既存の OpenAI クライアントを api14 のベース URL に向け、いつもの chat completions リクエストを送信し、model フィールドを "aion-labs/aion-2.0" または "inception/mercury-2" のいずれかに設定します。リクエストボディのその他の内容はそのままです。messages、temperature、max_tokens、tools、response_format は変更なく引き継がれます。2つの切り替えは model id の1行編集で済むため、統合コードを書き直すことなく、両方を自分のトラフィックでベンチマークできます。ただし、Mercury 2 の structured_outputs や reasoning_effort、Aion-2.0 の top_p など、片方だけが対応するパラメータは、もう片方では拒否または無視される点に注意し、これらを共有リクエストテンプレートに入れないでください。

それでも Aion-2.0 の方が良い選択となるケースはあります。アプリケーションがサンプリングの調整に top_p を利用している場合、Mercury 2 はこれを挙げていないため、既存の設定をサポートするのは Aion-2.0 です。同様に、特定のタスクで Aion-2.0 の出力品質とレイテンシをすでに検証済みであれば、ここにあるデータには移行すべき機能上の理由はありません。コンテキストウィンドウは実質的に同じで、どちらもツールと推論を扱えるからです。行うトレードオフは単純です。Mercury 2 は構造化出力、推論努力制御、低コストをもたらし、Aion-2.0 は top_p とわずかに大きいコンテキストウィンドウをもたらします。