AionLabs: Aion-2.0 contra Inception: Mercury 2

AionLabs: Aion-2.0 é um modelo de texto da AionLabs, lançado em 2026-02-23. Inception: Mercury 2 é um modelo de texto da Inception, lançado em 2026-03-04. Ambos são servidos através da api14 como modelos de texto no estilo chat, e ambos aceitam texto como entrada e produzem texto como saída, portanto nenhum dos dois lida com imagens, áudio ou outras modalidades que não sejam texto. Se você está escolhendo entre eles, a decisão se resume a tamanho de contexto, suporte a parâmetros e preço, e não a uma diferença no tipo de conteúdo que eles podem processar.

Os dois modelos são próximos em comprimento de contexto: Aion-2.0 oferece 131072 tokens e Mercury 2 oferece 128000 tokens, o que não é uma diferença significativa para a maioria das cargas de trabalho. Ambos expõem controles de raciocínio (include_reasoning e reasoning), chamada de ferramentas (tools e tool_choice), response_format e temperature, então qualquer um pode conduzir chamadas de função e respostas no estilo JSON. A lacuna de capacidade mais clara é a saída estruturada: Mercury 2 lista structured_outputs entre seus parâmetros suportados, enquanto Aion-2.0 não. Mercury 2 também aceita reasoning_effort e stop, que Aion-2.0 não lista, enquanto Aion-2.0 lista top_p, que Mercury 2 não. Em preço, Mercury 2 é a opção mais barata tanto para tokens de entrada quanto de saída, então é a escolha de menor custo nos dois lados da conta.

Para o trabalho do dia a dia, como sumarização, extração, classificação, chat e assistência de código, qualquer um dos modelos serve, e as janelas de contexto quase idênticas significam que documentos longos cabem em ambos. Recorra ao Mercury 2 quando você quiser a chamada mais barata, quando precisar de saídas estruturadas estritas impostas pelo modelo, ou quando quiser ajustar o esforço de raciocínio por requisição. Recorra ao Aion-2.0 quando você quiser controle de amostragem com top_p, quando seus prompts já estiverem ajustados em torno desse parâmetro, ou quando você simplesmente preferir o modelo da AionLabs para um determinado pipeline. Se o custo for o fator decisivo e sua tarefa não depender de structured_outputs, reasoning_effort ou top_p, Mercury 2 é o padrão mais econômico.

Chamar qualquer um dos modelos através da api14 funciona da mesma forma porque a API é compatível com OpenAI. Você aponta seu cliente OpenAI existente para a URL base da api14, envia sua requisição usual de chat completions, e define o campo model como "aion-labs/aion-2.0" ou "inception/mercury-2". Todo o resto no corpo da requisição permanece como está: messages, temperature, max_tokens, tools e response_format são mantidos sem alteração. Alternar entre os dois é uma edição de uma linha no id do modelo, então você pode comparar ambos com seu próprio tráfego sem reescrever o código de integração. Apenas lembre que parâmetros que só um lado suporta, como structured_outputs ou reasoning_effort no Mercury 2 e top_p no Aion-2.0, serão rejeitados ou ignorados pelo outro, então mantenha esses fora de templates de requisição compartilhados.

Ainda há casos em que Aion-2.0 é a melhor escolha. Se sua aplicação depende de top_p para moldar a amostragem, Mercury 2 não o lista, então Aion-2.0 é o modelo que suporta sua configuração existente. Da mesma forma, se você já validou a qualidade de saída e a latência no Aion-2.0 para uma tarefa específica, não há razão de capacidade nos dados aqui para mudar, já que as janelas de contexto são efetivamente as mesmas e ambos lidam com ferramentas e raciocínio. A troca que você está fazendo é direta: Mercury 2 oferece saídas estruturadas, controle de esforço de raciocínio e custo menor, enquanto Aion-2.0 oferece top_p e uma janela de contexto um pouco maior.