Una title card generata intitolata "Aion 1.0 Instruct rilasciato in sordina" con il sottotitolo "2,29 miliardi di parametri, contesto 32K, licenza MIT, zero download" e quattro chip che recitano "18 nov 2026, 17:05 UTC", "28 layer, 21 sliding", "da 2.048 a 32.768 con YaRN" e "Windows OS SLM, gen 2027". Un piè di pagina recita "Dati letti dal repository pubblicato il 19 novembre 2026." Il logo OrcaRouter è sovrapposto nella striscia bianca sotto l'illustrazione.
Guides & Insights

Aion 1.0 Instruct è approdato su Hugging Face senza preavviso, con una scadenza fissata a gennaio 2027.

Autore

jinhao.song

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

Il repository microsoft/Aion-1.0-Instruct-2.3B è stato creato alle 17:05:50 UTC del 18 novembre 2026. Nove minuti dopo è apparso accanto ad esso un secondo repository, con una build ONNX INT4 degli stessi pesi. Questa mattina il repository di base conta tre like, zero download e esattamente un commit, il cui messaggio recita "Duplicate from asgmodels/Aion-Instruct-v1" — e quel repository di origine ora restituisce 401 a chiunque lo richieda. Non c'è stato alcun post di lancio, nessun thread, nessuna frase della model card che iniziasse con «siamo entusiasti». Aion 1.0 Instruct non è stato annunciato; è stato pubblicato, il che è un atto diverso, e il divario tra i due è il motivo per cui esiste questo articolo.

Quanto segue separa tre tipi di affermazione e non li confonde mai. I fatti relativi al repository sono stati letti direttamente dai file questa mattina — la configurazione, l'indice dei pesi, il modello di chat, la scheda, i repository gemelli. Le affermazioni del fornitore sono i numeri di Microsoft sul harness proprietario di Microsoft, riprodotti in quanto affermazioni. E una terza categoria conta qui più del solito: Microsoft ha già pubblicato un calendario di migrazione per gli sviluppatori Windows nella propria documentazione, e quel calendario ha più conseguenze di qualunque cosa nella scheda del modello. Dove il repository tace, questo articolo lo dichiara anziché trarre inferenze.

Due orologi, e solo uno di essi è silenzioso

La pubblicazione di Hugging Face è l'orologio silenzioso. Quello rumoroso è più vecchio e va avanti da mesi.

• 31 maggio 2026 — microsoft/Aion-Instruct-Preview-Samplediventa pubblico su GitHub, un'app di esempio WinUI 3 per un modello linguistico locale su PC Copilot+. Il suo README afferma chiaramente: "Questo pacchetto contiene il modello finale Aion Instruct previsto per il rilascio con Windows."

• 2 giugno 2026 — il blog per sviluppatori di Microsoft Edge annuncia Aion-1.0-Instruct come modello pre-release in Edge Canary e Dev, in sostituzione del 4B Phi-4-mini alla base delle API Prompt and Writing Assistance, descritto come più piccolo e più veloce e in grado di funzionare con inferenza su CPU dove non è disponibile una GPU. Lo stesso post promette un «rilascio open-source previsto su Hugging Face a luglio».

• 2 novembre 2026 — il sample GitHub pubblica la release v1.1.0.2, che aggiunge il supporto ad AMD VitisAI; il repository viene mantenuto con costanza da giugno senza un solo annuncio pubblico.

• 16 novembre 2026 — La documentazione di Windows AI di Microsoft relativa a Phi Silica contiene un avviso, datato due giorni prima del rilascio dei pesi, in cui si legge «Phi Silica è in corso di sostituzione con Aion Instruct» e che invita gli sviluppatori a iniziare subito a pianificare la transizione.

• 18 novembre 2026, 17:05 UTC — i pesi stessi, con licenza MIT, su Hugging Face. Nessun post di accompagnamento da nessuna parte che una ricerca possa trovare.

A screenshot of the Hugging Face model page for microsoft/Aion-1.0-Instruct-2.3B showing 3 likes, tags for Text Generation, Transformers, Safetensors and 8 languages plus aion_instruct, and model-card text opening 'Aion 1.0 Instruct' under the heading Microsoft Windows Applied Sciences Group, describing a 2.3B-parameter on-device small language model and stating that a further optimised version will become the Windows OS SLM by the end of January 2027.

Quindi la descrizione onesta non è "Microsoft ha distribuito un modello in segreto". È che Microsoft ha parlato agli sviluppatori Windows di questa transizione nella documentazione e nel codice di esempio per quasi sei mesi, ha promesso pesi aperti a luglio, li ha consegnati con quattro mesi e mezzo di ritardo e non ha segnalato la consegna con un annuncio. Se hai letto solo la copertura del lancio, non sapresti che Aion 1.0 Instruct esiste. Se leggi la documentazione dell'API Phi Silica — che è dove vive davvero uno sviluppatore Windows — sei stato avvisato almeno da metà novembre.

Ciò che i file dimostrano, senza bisogno che Microsoft confermi nulla

Niente di quanto segue dipende da un annuncio. È tutto nel repository, e gran parte è verificabile direttamente sul file dei pesi stesso.

• Conteggio dei parametri — la card dice "~2.29B", e l'aritmetica concorda: model.safetensors è di 4.577.698.488 byte di bfloat16, ovvero 2.288.849.244 parametri a due byte ciascuno. Gli embedding di input e output sono legati, quindi quel conteggio non raddoppia a livello della head.

• Forma — 28 livelli, dimensione nascosta 2.048, intermedio MLP 8.192 con SiLU, 24 teste di query rispetto a 8 teste chiave/valore con dimensione della testa 128, RMSNorm con epsilon 1e-6, vocabolario di 200.029 token.

• Schema di attenzione — l'array layer_types della configurazione elenca 21 layer sliding_attention e 7 layer full_attention, intercalati. La finestra scorrevole è di 2.048 token.

• Contesto — 32.768 token, raggiunti tramite YaRN anziché tramite la lunghezza di addestramento nativa. Ne parliamo più sotto, perché è il singolo numero più facilmente fraintendibile del file.

• Licenza — MIT, copyright Microsoft Corporation, con un file LICENSE presente nel repository. Il campolicense_link del front-matter, tuttavia, punta a asgmodels/Aion-Instruct-v1/blob/main/LICENSE, che è il repository privato che restituisce 401. La licenza che puoi leggere è quella nell'albero; quella a cui rimanda la scheda non è raggiungibile.

• Codice personalizzato — questa non è un'architettura standard. Per eseguirlo è necessario trust_remote_code=True e include configuration_aion_instruct.py e modeling_aion_instruct.py. È stato esportato con transformers 5.x, quindi i toolchain meno recenti non lo caricheranno senza le dovute attenzioni.

• Formato chat — <|system|>, <|user|>, <|assistant|>, ogni turno è chiuso da <|end|>, che è anche il token EOS. Gli schemi degli strumenti vanno nel prompt di sistema tra <|tool|> e <|/tool|>; le chiamate tornano come <|tool_call|>{"name": …, "arguments": …}<|/tool_call|>; i risultati ritornano all'interno di un turno utente preceduto da <|tool_response|>. Il template lancia un'eccezione se un messaggio di sistema iniziale contiene uno qualsiasi dei token di controllo riservati, che è una protezione sensata e insolita da vedere in una card.

• Lingue — inglese, tedesco, spagnolo, portoghese, italiano, francese, cinese e giapponese. La scheda indica che i dati multilingue costituiscono circa il 6% della miscela di addestramento.

• Data limite delle conoscenze — dicembre 2025.

• La build quantizzata — microsoft/Aion-1.0-Instruct-2.3B-ONNX-WebGPU, creata alle 17:14:58 UTC la stessa sera, nove minuti dopo il repository base. Pesi INT4 block-wise esportati da un checkpoint addestrato con quantizzazione consapevole, attivazioni FP16 e cache KV, opset 21, circa 1,3 GB, destinata a WebGPU tramite ONNX Runtime GenAI.

La cosa più utile in quell'elenco sono gli ultimi due elementi presi insieme. Una release bf16 non quantizzata più una build INT4 derivata da QAT, pubblicate a nove minuti di distanza l'una dall'altra, ti dice che l'artefatto di distribuzione era pronto prima di quello di trasparenza. È il profilo di una release che è stata trattenuta e poi fatta uscire senza clamore, non di una messa insieme di fretta.

Il contesto da 32K è un modello da 2K esteso sedici volte

Leggi attentamente il blocco rope_parameters e il numero di contesto cambia carattere. I layer full-attention dichiarano rope_type: "yarn" con original_max_position_embeddings: 2048 e factor: 16.0. Duemilaquarantotto moltiplicato per sedici fa 32.768. I layer sliding-attention dichiarano semplicemente rope_type: "default" a theta 32.000, con la stessa finestra di 2.048.

La lettura che deriva dalla configurazione, ed è una lettura piuttosto che una dichiarazione del fornitore, è che questo modello è stato addestrato con un intervallo di posizione di 2.048 token ed esteso successivamente a 32K tramite scaling RoPE applicato solo a sette dei suoi ventotto layer. Tre quarti dello stack non possono mai guardare indietro oltre i 2.048 token per costruzione; il mixing a lungo raggio avviene solo nei sette layer di full-attention. Si tratta di un design legittimo e sempre più comune per i modelli on-device, dove la dimensione della KV cache è il vincolo limitante sulla memoria — una finestra scorrevole mantiene la cache piatta indipendentemente da quanto dura la conversazione, che è esattamente ciò che si desidera su un laptop che deve anche renderizzare un desktop.

Significa anche che il valore 32.768 non va letto come "gestisce un documento da 32K bene quanto un modello addestrato a 32K". La scheda di Microsoft è cauta su questo punto: descrive la finestra come sufficiente a elaborare "documenti di più pagine, lunghe thread email e specifiche tecniche complesse interamente sul dispositivo". Non dichiara la qualità del recupero all'estremità superiore. Se ciò che serve è il richiamo su contesti lunghi, è la prima cosa da misurare personalmente, e non è indicata nella scheda.

I benchmark sono di Microsoft stessa, e due di essi sono contrassegnati come poco rigorosi.

Ogni numero riportato di seguito è dichiarato dal fornitore. La scheda afferma che tutti sono stati eseguiti tramite lm-evaluation-harness di EleutherAI laddove esisteva un'implementazione del task e, altrimenti, tramite il repository ufficiale di ciascun benchmark, con GPT-4o come giudice nei task valutati da LLM. Non esiste alcuna riproduzione indipendente, nessuna configurazione dell'harness pubblicata e nessuno script di valutazione nel repository, quindi nulla di tutto ciò può essere rieseguito a partire da quanto distribuito.

• Conoscenza — MMLU 55.15, MMLU-Pro 33.35, MMMLU multilingue 45.51, GPQA 28.18.

• Matematica — GSM8K 74,91 con corrispondenza approssimativa, GSMPlus 49,56, MATH-500 48,00.

• Seguire le istruzioni — IFEval 83.90 come media di strict a livello di prompt e strict a livello di istruzione, IFBench 32.00 a livello di prompt loose, Multi-IF 64.70.

• Traduzione — chrF++ 43.18.

A generated single-column scoreboard card titled 'Aion 1.0 Instruct — the scoreboard' with six rows: Parameters 2.29B (tied embeddings), Layers 28 (21 sliding + 7 full), Context 32,768 (2,048 trained, YaRN factor 16), Licence MIT, MMLU 55.15, GPQA 28.18. A footer reads 'Config and weights read from the repository; scores are vendor-reported and unreproduced.' The OrcaRouter logo is composited in the white strip below the artwork.

Due di questi meritano un secondo sguardo prima che qualcuno li citi. GSM8K a 74.91 è esplicitamente una corrispondenza lasca, che considera valida una risposta contenente il numero giusto anche quando il ragionamento o la formattazione che la circondano sono sbagliati; un GSM8K in modalità strict su un modello da 2.3B si collocherebbe sensibilmente più in basso. IFBench a 32.00 è lasco a livello di prompt, la variante più indulgente del benchmark di instruction-following più indulgente del set. I numeri di stampo strict nella stessa tabella — MMLU-Pro a 33.35, GPQA a 28.18 — sono ciò a cui assomiglia davvero la conoscenza del mondo di un modello da 2.3B, e non sono niente di eccezionale, ed è quanto la scheda stessa afferma nella sezione sui limiti: i modelli piccoli «possono perdere dettagli fini, fornire affermazioni errate o mostrare incapacità di seguire un ragionamento complesso a più passaggi».

L'assenza che conta più di qualsiasi singolo punteggio: la scheda non confronta mai Aion 1.0 Instruct con Phi Silica, il modello che sostituisce. Dice che i dati di addestramento "sono un'estensione dei dati usati per addestrare Phi Silica" e si ferma lì. Per uno sviluppatore a cui viene chiesto di migrare a gennaio, l'unico delta che sarebbe utile alla decisione — il sostituto ottiene un punteggio migliore o peggiore di quello che ho — non è nel documento.

I numeri di sicurezza sono un'immagine, non una tabella

La scheda nomina tre metriche che intende migliorare: XPIA, DIC ed ECI. Poi non fornisce un numero per nessuna di esse. I dati sono presenti solo in images/aion_safety_bchart.png, un grafico a barre intitolato "Azure AI Safety Suite", con categorie degli assi per sicurezza dei contenuti avversariali, informazioni critiche sulle elezioni, iniezione indiretta di prompt e iniezione di documenti, valutato su una scala da 0 a 100 normalizzata per direzione in cui il valore è uno meno il tasso di errore, moltiplicato per cento. Non c'è alcuna colonna numerica in nessun punto del testo.

Questa è una lacuna reale e vale la pena dirla chiaramente invece di aggirarla: le tre metriche che Microsoft stessa segnala come bisognose di intervento sono le tre che non puoi leggere senza eseguire l’OCR su un PNG. I validatori hanno però pubblicato una nota metodologica — prompt identici carattere per carattere, verificati tramite SHA-256 — il che è più rigore di quanto mostri la maggior parte delle schede. Semplicemente, non hanno pubblicato i valori. E le note di trasparenza parallele per il pacchetto di validazione Windows vanno oltre, affermando che gli attacchi di prompt injection cross-prompt e l’inferenza emotiva non sono stati testati ai fini della conformità al Responsible AI e che il pacchetto «potrebbe presentare vulnerabilità». Per un modello la cui caratteristica principale è l’esecuzione senza supervisione sui tuoi documenti locali, la prompt injection non è una nota a piè di pagina.

Cosa Microsoft ha già detto agli sviluppatori e cosa si rompe

Questa è la parte su cui un lettore può agire oggi, e non dipende affatto dal rilascio di Hugging Face. Si trova nella pagina Phi Silica di Microsoft Learn, il cui timestamp di aggiornamento indica il 16 novembre 2026.

A screenshot of the Microsoft Learn documentation page for the Phi Silica Windows AI APIs, showing the navigation tree, the Limited Access Feature note, and an Important callout reading 'Phi Silica is being replaced by Aion Instruct, a new on-device model. Start planning your transition now', followed by links to the Aion Instruct sample and the Microsoft Edge blog, the sentence 'Unlike Phi Silica, LAF tokens are no longer needed with Aion Instruct', a December 2026 Windows Insider Preview rollout line and a January 2027 retail rollout line stating that Phi Silica is removed.

• Phi Silica viene sostituito da Aion Instruct. L'avviso lo afferma chiaramente e invita gli sviluppatori a iniziare fin da ora a pianificare la transizione.

• Dicembre 2026 — Aion 1.0 Instruct inizia la distribuzione sui dispositivi Windows Insider Preview. Phi Silica resta presente; un Windows Controlled Feature Rollout stabilisce quale modello è attivo, e gli sviluppatori possono forzare un confronto affiancato tramite una chiave di registro.

• Gennaio 2027 — il modello viene distribuito sui dispositivi retail e Phi Silica viene rimosso.

• La barriera di accesso scompare. Le API di Phi Silica sono una Limited Access Feature che richiede un token di sblocco; la documentazione afferma che «a differenza di Phi Silica, con Aion Instruct i token LAF non sono più necessari». Per chiunque abbia mai compilato il modulo di richiesta LAF e atteso, questa è la frase più rilevante dell'intera migrazione.

• I tuoi LoRA non vengono trasferiti con te. Il repository di esempio è esplicito: i LoRA compatibili con Phi Silica non sono compatibili con Aion Instruct e i nuovi adapter devono essere creati con Foundry Toolkit.

• Gli output ricevono un watermark. Il nuovo stack utilizza il watermarking invisibile per supportare la conformità all'AI Act dell'UE, e le note avvertono che il contrassegno potrebbe diventare visibile quando l'output viene incollato in determinate applicazioni.

• Il supporto hardware prevede tre provider di esecuzione e nessun fallback. Il pacchetto di convalida è destinato ad ARM64 Snapdragon tramite QNN gestito dal catalogo con EP minimo 2.2480.49, a x64 Intel Lunar Lake tramite OpenVINO alla versione 1.8.95 e a x64 AMD Ryzen AI tramite VitisAI alla versione 1.8.80. Non esiste «nessun fallback su CPU quando un provider NPU supportato non è disponibile». Si noti la discrepanza rispetto al post di Edge di giugno, che pubblicizzava l'inferenza su CPU come il modo in cui Aion raggiungeva i dispositivi senza GPU: quella era la build per browser, e il percorso delle API Windows è più limitato.

• Il pacchetto di convalida non è distribuibile. "Non è destinato all'uso da parte di utenti finali o clienti. Non distribuire alcuna parte di questo pacchetto ai consumatori finali." Il modello è definitivo; la consegna che lo accompagna non lo è, e le prestazioni misurate oggi non sono esplicitamente rappresentative della build di gennaio.

Che cosa non è ancora confermato e come gestirlo

• Nessun annuncio. Niente sui blog di Microsoft, nessuna dichiarazione d'intenti nella model card oltre a «un'introduzione a ciò che sta arrivando», nessun rapporto tecnico. L'unica traccia pubblica al di fuori del repo è un post su Hacker News del 18 novembre con un punto.

• Nessuna valutazione indipendente. Al 19 novembre il modello non compare su Artificial Analysis e nessuna terza parte ha pubblicato una prova. Ogni numero nella tabella sopra è Microsoft che valuta Microsoft.

• Nessun GGUF. La scheda elenca "Nomi delle librerie: PyTorch, ONNX, GGUF", ma non esiste alcun repository GGUF sotto l'organizzazione Microsoft. L'unico artefatto quantizzato pubblicato è la build ONNX WebGPU. Considera la riga GGUF come una dichiarazione d'intenti finché non esiste un file.

• Nessun dettaglio sull'addestramento. Conteggi dei token, risorse di calcolo, composizione dei dati al di là di «documenti pubblici più dati sintetici» e della quota multilingue del 6%: nulla di tutto ciò viene dichiarato.

Nessun prezzo, perché non c’è nulla da tariffare. Si tratta di un componente del sistema operativo e di un download di pesi, non di un endpoint ospitato. Inoltre, non è presente nel catalogo di OrcaRouter, così come ogni altro modello Microsoft on-device.

Se distribuisci un'app Windows, la decisione è già sul tuo calendario.

La lettura pratica è che Aion 1.0 Instruct è ormai qualcosa su cui puoi fare prototipazione con mesi di anticipo rispetto a quando sarai costretto a farlo, ed è esattamente questo il senso di un rilascio all'insegna della trasparenza. Scarica i pesi, esegui il tuo set di prompt, misura le due cose che la scheda non ti dirà — il richiamo su contesto lungo oltre i 2.048 token e il comportamento sotto prompt injection sui documenti locali — e decidi se i tuoi percorsi di riassunto e riscrittura sopravvivono alla sostituzione. La finestra December Insider con la sua chiave di registro affiancata è il banco di prova più economico che otterrai, e si chiude a gennaio.

La domanda architetturale che ne segue è dove si ferma il modello on-device. Un modello da 2,3B con una finestra da 32K che gira su una NPU è eccellente nel riassumere, riscrivere, classificare ed estrarre, e non farà ragionamento multi-step su una codebase. La maggior parte delle app che lo adotteranno finirà per essere ibrida: modello locale per i passaggi economici, privati e sensibili alla latenza, e un modello cloud dietro un'API per il percorso di escalation. Quel livello di escalation è la parte che vale la pena progettare deliberatamente invece di aggiungerla a posteriori. OrcaRouter esiste esattamente per quella metà del problema — un'unica API su oltre 200 modelli cloud senza ricarichi sui prezzi di listino dei provider, failover automatico quando un provider peggiora e un DSL di routing per comporre più modelli in un'unica chiamata — e non serve Aion 1.0 Instruct, perché nulla di questo modello gira in un datacenter. La separazione onesta è modello locale, decisione locale, escalation cloud, e le due metà richiedono strumenti diversi.

C'è anche un modo economico per coprire le parti non comprovate. Nulla di quanto sopra è stato sottoposto a benchmark indipendenti, e la build di gennaio potrebbe differire da questo checkpoint. Il failover è ciò che rende sicuro mettere un modello non valutato su un percorso importante: mantieni il fallback configurato prima di averne bisogno, e una generazione scadente diventa un nuovo tentativo anziché un incidente. Questo consiglio vale per qualunque metà dell'ibrido tu non sia sicuro.

Cosa guardare

Quattro segnali cambierebbero questo quadro, e tre di essi sono economici da monitorare. Un vero post di annuncio con dettagli sul training farebbe passare la scheda da artefatto di trasparenza a lancio. Un repository GGUF renderebbe il modello utilizzabile fuori da Windows e fuori da ONNX Runtime. Una prima esecuzione di benchmark indipendente — Artificial Analysis, LMArena o l’output di qualsiasi harness riproducibile — sostituirebbe le avvertenze sulla corrispondenza approssimativa con qualcosa di citabile. E i canali Edge Canary e Dev sono il test dal vivo: se nel browser le API Prompt and Writing Assistance passano dal percorso Phi-4-mini ad Aion 1.0 Instruct, vedrai il cambio nel comportamento molto prima della distribuzione di Windows a gennaio.

Fino ad allora, la descrizione corretta di Aion 1.0 Instruct è quella che le prove supportano e nulla di più: un modello on-device da 2.29B finito, con licenza MIT, tecnicamente completo e non documentato, pubblicato alle 17:05 UTC di un martedì sera con una versione quantizzata gemella nove minuti dietro e una scadenza di sostituzione che non ha fissato da sé.