AionLabs: Aion-2.0

Aion-2.0 is een tekstmodel van AionLabs, uitgebracht op 23 februari 2026. Het is een variant van DeepSeek V3.2 die is geoptimaliseerd voor meeslepende roleplay en verhalen vertellen. AionLabs positioneert het als bijzonder sterk in het introduceren van spanning, crises en conflicten in verhalen, de kwaliteit die zijn verhalen boeiender maakt. Als je interactieve fictie bouwt, personagegedreven chat of een product waarbij narratief momentum belangrijk is, is dit de aangegeven focus van het model.

Het model werkt alleen met tekst, zowel bij invoer als uitvoer, dus het accepteert geen afbeeldingen of audio en genereert deze niet. Het biedt een contextvenster van 131.072 tokens, genoeg voor lange gespreksgeschiedenissen, uitgebreide scènebeschrijvingen of concepten van meerdere hoofdstukken in één verzoek. De maximale uitvoer is 32.768 tokens, dus één antwoord kan een substantieel stuk proza zijn in plaats van een kort antwoord. Die twee getallen samen zijn de belangrijkste praktische beperking om rekening mee te houden bij het ontwerpen van prompts en het beheren van de gespreksstatus.

Vanwege die combinatie zijn de natuurlijke gebruiksscenario's lange roleplaysessies waarin het model eerdere scènes moet onthouden, verhaalgeneratie waarbij een plot moet escaleren in plaats van afdwalen, en interactieve personages die tegenspel moeten bieden, complicaties moeten creëren of de inzet moeten verhogen in plaats van het eens te zijn met de gebruiker. Dezelfde eigenschappen passen bij applicaties in gamemasterstijl, tools voor vertakkende verhalen en schrijfassistenten die auteurs helpen bij het schetsen van conflictrijke scènes. Elke workload die puur feitelijke extractie, classificatie of korte deterministische antwoorden is, kan ook door dit model worden afgehandeld, maar het onderscheidende gedrag zit in narratief en dialoog.

Je roept het aan via de OpenAI-compatibele API van api14 met het model-id "aion-labs/aion-2.0". De verzoekparameters die het ondersteunt zijn include_reasoning, max_tokens, reasoning, response_format, temperature, tool_choice, tools en top_p. Dat betekent dat je sampling kunt regelen met temperature en top_p, de antwoordlengte kunt beperken met max_tokens, gestructureerde uitvoer kunt aanvragen via response_format, en het model aanroepbare functies kunt geven met tools en tool_choice. De parameters reasoning en include_reasoning laten je werken met het redeneergedrag van het model waar je applicatie dat nodig heeft.

Houd de uitvoerlimiet van 32.768 tokens in gedachten wanneer je om zeer lange vervolgen vraagt, want een antwoord kan deze niet overschrijden, ook al is het contextvenster groter. Het model is alleen tekst, dus als je applicatie afhankelijk is van beeld- of audio-invoer, heb je voor dat deel van de pipeline een ander model nodig. Binnen tekstwerk is de verstandige reden om iets anders te kiezen wanneer je taak geen baat heeft bij narratieve spanning of lange context, en een kleiner of sneller model beter van dienst zou zijn.