AionLabs: Aion-2.0 contra LiquidAI: LFM2.5-24B-A2B

AionLabs: Aion-2.0 é um modelo de texto da AionLabs, lançado em 2026-02-23. LiquidAI: LFM2.5-24B-A2B é um modelo de texto da LiquidAI, lançado em 2026-10-13. Ambos são servidos através da api14 como modelos de chat, e ambos recebem texto e devolvem texto, por isso nenhum deles acrescenta tratamento de imagem, áudio ou vídeo ao seu pipeline. A escolha entre eles resume-se ao tamanho do contexto, aos controlos de amostragem e ao preço, e não a uma diferença de modalidade.

As duas janelas de contexto são suficientemente próximas para que a diferença dificilmente decida algo por si: Aion-2.0 oferece 131072 tokens e LFM2.5-24B-A2B oferece 128000. Ambas são suficientemente grandes para documentos longos, revisão de código com vários ficheiros ou histórico de conversa extenso. A divisão mais significativa está na superfície de parâmetros. LFM2.5-24B-A2B expõe um conjunto muito mais amplo de controlos de amostragem e descodificação, incluindo frequency_penalty, presence_penalty, repetition_penalty, min_p, top_k, seed, stop, logprobs e top_logprobs, e é o único dos dois que suporta structured_outputs. Aion-2.0 suporta um conjunto mais restrito: include_reasoning, max_tokens, reasoning, response_format, temperature, tool_choice, tools e top_p. Ambos aceitam tools e ambos aceitam parâmetros relacionados com reasoning, por isso o function calling e os pedidos no estilo de reasoning estão disponíveis em qualquer dos lados.

Para a maioria do trabalho de aplicação, a questão prática é quanta controlo precisa sobre a geração. Se quer amostragem determinística, probabilidades logarítmicas ao nível do token, ou saída restringida por esquema, LFM2.5-24B-A2B é o modelo a chamar, porque structured_outputs e os parâmetros de logprob só existem nesse modelo. Se a sua carga de trabalho é chat simples, sumarização, extração ou tool calling com uma temperature e top_p fixas, Aion-2.0 cobre isso e dá-lhe uma janela de contexto ligeiramente maior. O custo também pende para um lado: LFM2.5-24B-A2B é a opção mais barata tanto na entrada como na saída, por isso em volume é a escolha mais económica, enquanto Aion-2.0 se situa num ponto de preço mais elevado. Nenhum dos modelos é assinalado como unicamente capaz em reasoning ou uso de ferramentas nos dados de comparação, por isso não escolha apenas com base nisso.

Chamar qualquer dos modelos através da api14 funciona da mesma forma, porque a API é compatível com a OpenAI. Aponta o seu cliente OpenAI existente para o URL base da api14, envia a sua chave, e define o campo model para o id que quer. Para mudar de um para o outro, altera apenas essa string, entre "aion-labs/aion-2.0" e "liquid/lfm-2.5-24b-a2b". A forma do pedido, o array de messages e a análise da resposta mantêm-se idênticos, por isso pode encaminhar entre eles por pedido, executar um como fallback do outro, ou fazer A/B entre eles atrás de uma flag sem tocar no resto do seu código. Apenas lembre-se de que qualquer parâmetro que envie tem de ser suportado pelo modelo que está a chamar, por isso um pedido que use structured_outputs ou logprobs só funcionará contra LFM2.5-24B-A2B.

Há ainda casos em que Aion-2.0 é a melhor escolha. Se já o está a executar em produção e os seus prompts estão afinados ao seu comportamento, ou se quer a janela de contexto marginalmente maior e não precisa dos controlos de amostragem extra, não há uma razão forte para mudar. Também continua a ser um padrão razoável quando quer um único id de modelo para trabalho de texto geral e não está a otimizar agressivamente o preço. O resumo honesto é que LFM2.5-24B-A2B dá-lhe mais controlos e um custo mais baixo, enquanto Aion-2.0 dá-lhe um contexto ligeiramente mais longo e um conjunto de parâmetros mais simples, e ambos são alcançáveis alterando uma string numa chamada de estilo OpenAI que de resto fica inalterada.