AionLabs: Aion-2.0 tegen Inception: Mercury 2

AionLabs: Aion-2.0 is een tekstmodel van AionLabs, uitgebracht op 2026-02-23. Inception: Mercury 2 is een tekstmodel van Inception, uitgebracht op 2026-03-04. Beide worden aangeboden via api14 als tekstmodellen in chatstijl, en beide accepteren tekst als invoer en produceren tekst als uitvoer, dus geen van beide verwerkt afbeeldingen, audio of andere niet-tekstuele modaliteiten. Als je tussen hen moet kiezen, komt de beslissing neer op contextgrootte, parameterondersteuning en prijs, eerder dan op een verschil in het soort inhoud dat ze kunnen verwerken.

De twee modellen liggen dicht bij elkaar qua contextlengte: Aion-2.0 biedt 131072 tokens en Mercury 2 biedt 128000 tokens, wat voor de meeste workloads geen betekenisvol verschil is. Beide bieden reasoning-besturing (include_reasoning en reasoning), tool calling (tools en tool_choice), response_format en temperature, dus elk van beide kan functieaanroepen en JSON-achtige antwoorden aansturen. Het duidelijkste verschil in mogelijkheden is gestructureerde uitvoer: Mercury 2 vermeldt structured_outputs onder de ondersteunde parameters, terwijl Aion-2.0 dat niet doet. Mercury 2 accepteert ook reasoning_effort en stop, die Aion-2.0 niet vermeldt, terwijl Aion-2.0 top_p vermeldt, die Mercury 2 niet heeft. Qua prijs is Mercury 2 de goedkopere optie voor zowel invoer- als uitvoertokens, dus het is de voordeligere keuze aan beide kanten van de rekening.

Voor dagelijks werk zoals samenvatten, extraheren, classificeren, chatten en codeondersteuning voldoet elk van beide modellen, en de vrijwel identieke contextvensters betekenen dat lange documenten in beide passen. Kies Mercury 2 wanneer je de goedkopere aanroep wilt, wanneer je strikte gestructureerde uitvoer wilt die door het model wordt afgedwongen, of wanneer je de reasoning-inspanning per verzoek wilt afstemmen. Kies Aion-2.0 wanneer je controle over top_p-sampling wilt, wanneer je prompts al rond die parameter zijn afgestemd, of wanneer je simpelweg de voorkeur geeft aan het AionLabs-model voor een bepaalde pipeline. Als kosten de beslissende factor zijn en je taak niet afhankelijk is van structured_outputs, reasoning_effort of top_p, is Mercury 2 de zuinigere standaardkeuze.

Een van beide modellen aanroepen via api14 werkt op dezelfde manier, omdat de API OpenAI-compatibel is. Je richt je bestaande OpenAI-client op de api14-basis-URL, stuurt je gebruikelijke chat completions-verzoek en stelt het model-veld in op "aion-labs/aion-2.0" of "inception/mercury-2". Al het andere in de request body blijft zoals het is: messages, temperature, max_tokens, tools en response_format blijven ongewijzigd werken. Schakelen tussen de twee is een wijziging van één regel in de model-id, dus je kunt beide benchmarken tegen je eigen verkeer zonder integratiecode te herschrijven. Onthoud alleen dat parameters die slechts één kant ondersteunt, zoals structured_outputs of reasoning_effort bij Mercury 2 en top_p bij Aion-2.0, door de andere worden geweigerd of genegeerd, dus houd die buiten gedeelde verzoeksjablonen.

Er zijn nog steeds gevallen waarin Aion-2.0 de betere keuze is. Als je applicatie afhankelijk is van top_p om sampling vorm te geven, vermeldt Mercury 2 dit niet, dus Aion-2.0 is het model dat je bestaande configuratie ondersteunt. Evenzo, als je de uitvoerkwaliteit en latentie al hebt gevalideerd op Aion-2.0 voor een specifieke taak, is er in de gegevens hier geen capaciteitsreden om over te stappen, aangezien de contextvensters effectief hetzelfde zijn en beide tools en reasoning aankunnen. De afweging die je maakt is eenvoudig: Mercury 2 geeft je gestructureerde uitvoer, controle over reasoning-inspanning en lagere kosten, terwijl Aion-2.0 je top_p en een iets groter contextvenster geeft.