Een gegenereerde titelkaart met als kop 'Aion 1.0 Instruct stil uitgebracht' en als ondertitel '2,29B parameters, 32K-context, MIT-licentie, nul downloads' en vier chips met de tekst '18 nov 2026, 17:05 UTC', '28 lagen, 21 sliding', '2.048 tot 32.768 via YaRN' en 'Windows OS SLM, jan 2027'. In de voettekst staat 'Cijfers afgelezen uit de gepubliceerde repository op 19 november 2026.' Het OrcaRouter-logo is gemonteerd in de witte strook onder de illustratie.
Guides & Insights

Aion 1.0 Instruct is onaangekondigd op Hugging Face verschenen, met een deadline van januari 2027 eraan verbonden.

Auteur

jinhao.song

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

De repository microsoft/Aion-1.0-Instruct-2.3B werd aangemaakt om 17:05:50 UTC op 18 november 2026. Negen minuten later verscheen ernaast een tweede repository, met een INT4 ONNX-build van dezelfde gewichten. Sinds vanmorgen heeft de basisrepository drie likes, nul downloads en precies één commit, met de boodschap "Duplicate from asgmodels/Aion-Instruct-v1" — en die bronrepository geeft nu een 401 aan iedereen die erom vraagt. Er was geen lanceringsbericht, geen thread, geen zin op de modelkaart die begon met "we are excited". Aion 1.0 Instruct werd niet aangekondigd; het werd gepubliceerd, wat een andere handeling is, en het verschil tussen beide is de reden dat dit stuk bestaat.

Wat volgt onderscheidt drie soorten claims en vermengt ze nooit. Repository-feiten zijn vanmorgen rechtstreeks uit de bestanden gelezen — de configuratie, de gewichtenindex, de chatsjabloon, de kaart, de zusterrepositories. Leveranciersclaims zijn Microsofts eigen cijfers op Microsofts eigen harness, weergegeven als claims. En een derde categorie is hier belangrijker dan gewoonlijk: Microsoft heeft al een migratiekalender voor Windows-ontwikkelaars gepubliceerd in zijn eigen documentatie, en die kalender heeft meer gevolgen dan alles in de modelkaart. Waar de repository zwijgt, zegt dit stuk dat ook in plaats van iets af te leiden.

Twee klokken, en slechts één ervan is stil.

De publicatie van Hugging Face is de stille klok. De luide is ouder en loopt al maanden.

• 31 mei 2026 — microsoft/Aion-Instruct-Preview-Samplewordt openbaar op GitHub, een WinUI 3-voorbeeldapp voor een taalmodel op het apparaat op Copilot+-pc's. De README vermeldt duidelijk: "Dit pakket bevat het definitieve Aion Instruct-model dat gepland staat om met Windows te worden uitgebracht."

• 2 juni 2026 — het Microsoft Edge-ontwikkelaarsblog kondigt Aion-1.0-Instruct aan als pre-releasemodel in Edge Canary en Dev. Het vervangt de 4B Phi-4-mini achter de Prompt- en Writing Assistance-API's en wordt beschreven als kleiner en sneller en in staat om te draaien op CPU-inferentie waar geen GPU aanwezig is. Dezelfde post belooft een "geplande open-source release op Hugging Face in juli."

• 2 november 2026 — het GitHub-voorbeeld brengt release v1.1.0.2 uit, met ondersteuning voor AMD VitisAI; de repository wordt sinds juni gestaag onderhouden zonder één enkele openbare aankondiging.

• 16 november 2026 — Microsofts Windows AI-documentatie voor Phi Silica bevat een mededeling, met een tijdstempel van twee dagen voordat de weights beschikbaar kwamen, waarin staat: "Phi Silica wordt vervangen door Aion Instruct" en die ontwikkelaars oproept nu te beginnen met het plannen van de overstap.

• 18 november 2026, 17:05 UTC — de gewichten zelf, onder MIT-licentie, op Hugging Face. Geen enkele begeleidende post die via een zoekopdracht te vinden is.

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.

Dus de eerlijke beschrijving is niet "Microsoft heeft stiekem een model uitgebracht." Het is dat Microsoft Windows-ontwikkelaars al bijna zes maanden in documentatie en voorbeeldcode over deze overgang vertelt, in juli open gewichten beloofde, ze vier en een half maand te laat leverde, en de levering niet met een aankondiging markeerde. Als je alleen de lanceerberichtgeving leest, zou je niet weten dat Aion 1.0 Instruct bestaat. Als je de Phi Silica API-documentatie leest — waar een Windows-ontwikkelaar feitelijk leeft — ben je sinds minstens medio november op de hoogte.

Wat de bestanden bewijzen, zonder dat Microsoft iets hoeft te bevestigen

Niets van het volgende hangt af van een aankondiging. Het staat allemaal in de repository, en het meeste ervan is te controleren aan de hand van het gewichtenbestand zelf.

• Aantal parameters — de kaart zegt "~2,29B", en de berekening klopt: model.safetensors is 4.577.698.488 bytes aan bfloat16, wat 2.288.849.244 parameters zijn met twee bytes per stuk. De invoer- en uitvoerembeddings zijn gekoppeld, dus dat aantal verdubbelt niet bij de head.

• Vorm — 28 lagen, verborgen grootte 2.048, MLP-tussenlaag 8.192 met SiLU, 24 query-heads tegenover 8 key/value-heads bij een head-dimensie van 128, RMSNorm met epsilon 1e-6, vocabulaire van 200.029 tokens.

• Attentionpatroon — de layer_types-array van de configuratie bevat 21 sliding_attention-lagen en 7 full_attention-lagen, om en om. Het sliding window is 2.048 tokens.

• Context — 32.768 tokens, bereikt via YaRN in plaats van via de oorspronkelijke trainingslengte. Meer daarover hieronder, want het is het getal in het bestand dat het gemakkelijkst verkeerd wordt gelezen.

• Licentie — MIT, auteursrecht Microsoft Corporation, met een LICENSE-bestand in de repository. De license_link in de front-matter verwijst echter naar asgmodels/Aion-Instruct-v1/blob/main/LICENSE, de privérepository die een 401 retourneert. De licentie die je kunt lezen, is die in de tree; die waarnaar de kaart linkt, is niet bereikbaar.

• Aangepaste code — dit is geen standaardarchitectuur. Om het te draaien is trust_remote_code=True vereist en het haalt configuration_aion_instruct.py en modeling_aion_instruct.py binnen. Het is geëxporteerd met transformers 5.x, dus oudere toolchains zullen het niet zonder meer laden.

• Chatformaat — <|system|>, <|user|>, <|assistant|>, elke beurt afgesloten door <|end|>, dat ook het EOS-token is. Tool-schema's gaan in de systeemprompt tussen <|tool|> en <|/tool|>; aanroepen komen terug als <|tool_call|>{"name": …, "arguments": …}<|/tool_call|>; resultaten komen terug binnen een user-beurt met prefix <|tool_response|>. De template gooit een fout als een leidend systeembericht een van de gereserveerde controletokens bevat, wat een verstandige beveiliging is en een ongebruikelijke om in een kaart tegen te komen.

• Talen — Engels, Duits, Spaans, Portugees, Italiaans, Frans, Chinees en Japans. Op de kaart staat dat meertalige data ongeveer 6% van de trainingsmix uitmaakt.

• Kennisafsluitdatum — december 2025.

• De gekwantiseerde build — microsoft/Aion-1.0-Instruct-2.3B-ONNX-WebGPU, gemaakt om 17:14:58 UTC dezelfde avond, negen minuten na de basisrepository. INT4 bloksgewijze gewichten geëxporteerd uit een kwantisatiebewust getraind checkpoint, FP16-activaties en KV-cache, opset 21, ongeveer 1,3 GB, gericht op WebGPU via ONNX Runtime GenAI.

Het nuttigste in die lijst zijn de laatste twee punten samen. Een niet-gekwantiseerde bf16-release plus een op QAT gebaseerde INT4-build, binnen negen minuten na elkaar gepubliceerd, zegt je dat het shipping-artefact klaar was voordat het transparantie-artefact dat was. Dat is de vorm van een release die is tegengehouden en vervolgens stilletjes is vrijgegeven, niet een die overhaast was.

De 32K-context is een 2K-model dat zestien keer is opgerekt

Lees het rope_parametersblok zorgvuldig en het contextnummer verandert van karakter. De full-attentionlagen declareren rope_type: "yarn" met original_max_position_embeddings: 2048 en factor: 16.0. Tweeduizendachtenveertig vermenigvuldigd met zestien is 32.768. De sliding-attentionlagen declareren gewone rope_type: "default" bij theta 32.000, met hetzelfde venster van 2.048.

De interpretatie die uit de config volgt — en het is een interpretatie, geen verklaring van de leverancier — is dat dit model is getraind met een positiebereik van 2.048 tokens en daarna is uitgebreid naar 32K via RoPE-schaling die alleen op zeven van de achtentwintig lagen is toegepast. Drie kwart van de stack kan door zijn constructie nooit verder terugkijken dan 2.048 tokens; menging over lange afstanden vindt alleen plaats in de zeven lagen met volledige attention. Dat is een legitiem en steeds gangbaarder ontwerp voor on-device modellen, waarbij de grootte van de KV-cache de beperkende factor voor het geheugen is — een sliding window houdt de cache constant, hoe lang het gesprek ook duurt, en dat is precies wat je wilt op een laptop die ook nog een desktop moet renderen.

Het betekent ook dat het getal 32.768 niet moet worden gelezen als "verwerkt een document van 32K net zo goed als een model dat op 32K is getraind." Microsofts eigen modelkaart is hier zorgvuldig en beschrijft het venster als voldoende om "documenten van meerdere pagina's, lange e-mailthreads en complexe technische specificaties volledig op het apparaat te verwerken." Er wordt geen claim gedaan over de retrievalkwaliteit aan het uiterste eind. Als recall over een lange context is wat je nodig hebt, is dat het eerste dat je zelf moet meten, en dat staat niet in de modelkaart.

De benchmarks zijn van Microsoft zelf, en twee ervan zijn als los gemarkeerd.

Elk getal hieronder is door de leverancier gerapporteerd. De kaart zegt dat ze allemaal via EleutherAI's lm-evaluation-harness liepen waar een taakimplementatie bestond, en anders via de officiële repository van elke benchmark, met GPT-4o als beoordelaar bij de door een LLM beoordeelde taken. Er is geen onafhankelijke reproductie, geen gepubliceerde harnessconfig en geen evalscript in de repository, dus niets ervan kan opnieuw worden uitgevoerd op basis van wat is meegeleverd.

• Kennis — MMLU 55.15, MMLU-Pro 33.35, meertalige MMMLU 45.51, GPQA 28.18.

• Wiskunde — GSM8K 74,91 bij losse matching, GSMPlus 49,56, MATH-500 48,00.

• Instructieopvolging — IFEval 83,90 als het gemiddelde van prompt-level strict en instruction-level strict, IFBench 32,00 bij prompt-level loose, Multi-IF 64,70.

• Vertaling — 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.

Twee daarvan verdienen een tweede blik voordat iemand ze citeert. GSM8K op 74.91 is expliciet losse matching, waardoor een antwoord wordt gecrediteerd dat het juiste getal bevat, zelfs wanneer de redenering of opmaak eromheen onjuist is; strikte GSM8K op een 2.3B-model zou aanzienlijk lager uitkomen. IFBench op 32.00 is los op promptniveau, de meest vergevingsgezinde variant van de meest vergevingsgezinde benchmark voor het opvolgen van instructies in de set. De strikt uitgevoerde cijfers in dezelfde tabel — MMLU-Pro op 33.35, GPQA op 28.18 — zijn hoe de wereldkennis van een 2.3B-model er daadwerkelijk uitziet, en ze zijn niets bijzonders, wat de modelkaart zelf zegt in de sectie met beperkingen: kleine modellen "kunnen fijne details missen, onjuistheden geven of blijk geven van een onvermogen om complexe meerstapsredeneringen te volgen."

De afwezigheid die meer uitmaakt dan welke individuele score dan ook: de modelkaart vergelijkt Aion 1.0 Instruct nooit met Phi Silica, het model dat het vervangt. Er staat dat de trainingsdata "een uitbreiding is van de data die zijn gebruikt voor het trainen van Phi Silica", en daar blijft het bij. Voor een ontwikkelaar die te horen krijgt in januari te moeten migreren, staat het enige verschil dat bij die beslissing zou helpen — scoort de vervanging beter of slechter dan wat ik heb — niet in het document.

De veiligheidsnummers zijn een afbeelding, geen tabel.

De kaart noemt drie metrieken die hij wil verbeteren: XPIA, DIC en ECI. Vervolgens weigert hij je voor geen enkele daarvan een getal te geven. De cijfers staan alleen in images/aion_safety_bchart.png, een staafdiagram met de titel "Azure AI Safety Suite", met categorieën op de as voor veiligheid bij adversariële inhoud, kritieke verkiezingsinformatie, indirecte promptinjectie en documentinjectie, gescoord op een richtinggenormaliseerde schaal van 0 tot 100 waarbij de waarde één min het faalpercentage is, maal honderd. Er staat nergens in de tekst een numerieke kolom.

Dat is een echte lacune en het is de moeite waard die ronduit te benoemen in plaats van eromheen te werken: de drie metrieken die Microsoft zelf als verbeterpunt aanmerkt, zijn precies de drie die je niet kunt lezen zonder OCR uit te voeren op een PNG. De validatoren hebben wél een methodologische voetnoot gepubliceerd — prompts typidentiek, geverifieerd met SHA-256 — wat meer nauwgezetheid is dan de meeste kaarten laten zien. Ze hebben alleen de waarden niet gepubliceerd. En de parallelle transparantienotities voor het Windows-validatiepakket gaan verder: ze stellen dat cross-promptinjectieaanvallen en emotionele inferentie niet zijn getest voor naleving van Responsible AI en dat het pakket 'mogelijk kwetsbaarheden bevat'. Voor een model waarvan de belangrijkste functie is dat het onbeheerd over je lokale documenten draait, is promptinjectie geen voetnoot.

Wat Microsoft al aan ontwikkelaars heeft verteld, en wat er breekt

Dit is het deel waar een lezer vandaag mee aan de slag kan, en het is helemaal niet afhankelijk van de Hugging Face-release. Het staat op de Phi Silica-pagina van Microsoft Learn, waarvan de tijdstempel van de laatste update 16 november 2026 aangeeft.

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 wordt vervangen door Aion Instruct. Dat staat rechtstreeks in de kennisgeving, en ontwikkelaars wordt aangeraden nu te beginnen met het plannen van de overstap.

• December 2026 — Aion 1.0 Instruct wordt geleidelijk uitgerold naar Windows Insider Preview-apparaten. Phi Silica blijft aanwezig; een Windows Controlled Feature Rollout bepaalt welk model actief is, en ontwikkelaars kunnen via een registersleutel een side-by-side vergelijking forceren.

• Januari 2027 — het model wordt uitgerold naar retailapparaten en Phi Silica wordt verwijderd.

• De toegangspoort verdwijnt. De API's van Phi Silica zijn een Limited Access Feature waarvoor een ontgrendeltoken nodig is; de documentatie stelt dat "in tegenstelling tot Phi Silica LAF-tokens niet langer nodig zijn bij Aion Instruct." Voor iedereen die ooit het LAF-aanvraagformulier heeft ingediend en heeft gewacht, is dat de meest ingrijpende zin in de hele migratie.

• Uw LoRA's komen niet met u mee. De voorbeeldrepository is expliciet: LoRA's die compatibel zijn met Phi Silica zijn niet compatibel met Aion Instruct, en nieuwe adapters moeten met Foundry Toolkit worden gebouwd.

• Outputs krijgen een watermerk. De nieuwe stack gebruikt onzichtbare watermerking om naleving van de EU AI Act te ondersteunen, en de notities waarschuwen dat het watermerk zichtbaar kan worden wanneer de output in bepaalde applicaties wordt geplakt.

Hardwareondersteuning bestaat uit drie uitvoeringsproviders en geen terugvaloptie. Het validatiepakket richt zich op ARM64 Snapdragon via catalogusbeheerde QNN bij minimaal EP 2.2480.49, x64 Intel Lunar Lake via OpenVINO op 1.8.95, en x64 AMD Ryzen AI via VitisAI op 1.8.80. Er is "geen CPU-terugval wanneer een ondersteunde NPU-provider niet beschikbaar is." Let op de discrepantie met het Edge-bericht van juni, waarin CPU-inferentie werd aangeprezen als de manier waarop Aion apparaten zonder GPU bereikte — dat was de browserbuild, en het Windows-API-pad is smaller.

• Het validatiepakket is niet verzendklaar. "Het is niet bedoeld voor gebruik door eindgebruikers of klanten. Verzend geen enkel onderdeel van dit pakket naar eindconsumenten." Het model is definitief; de levering eromheen niet, en prestaties die vandaag worden gemeten zijn expliciet niet representatief voor de januari-build.

Wat is nog onbevestigd, en hoe ermee om te gaan?

• Geen aankondiging. Niets op Microsofts blogs, geen modelcard-intentieverklaring die verder gaat dan "een inleiding op wat eraan komt", geen technisch rapport. Het enige publieke spoor buiten de repo is een Hacker News-inzending van 18 november met één punt.

• Geen onafhankelijke evaluatie. Op 19 november staat het model niet op Artificial Analysis en geen enkele derde partij heeft een run gepubliceerd. Elk cijfer in de tabel hierboven is Microsoft die Microsoft beoordeelt.

Geen GGUF. De kaart vermeldt 'Bibliotheeknamen: PyTorch, ONNX, GGUF', maar er bestaat geen GGUF-repository onder de Microsoft-organisatie. Het enige gepubliceerde gekwantiseerde artefact is de ONNX WebGPU-build. Beschouw de GGUF-regel als een intentieverklaring totdat er een bestand bestaat.

• Geen details over de training. Tokenaantallen, rekenkracht, datamix afgezien van "openbare documenten plus synthetische data" en het aandeel meertalige data van 6% — niets daarvan wordt vermeld.

• Geen prijsstelling, want er valt niets te beprijzen. Dit is een OS-component en een download van gewichten, geen gehost endpoint. Het staat ook niet in de OrcaRouter-catalogus, net als elk ander Microsoft-model op het apparaat.

Als je een Windows-app uitbrengt, staat de beslissing al op je agenda.

De praktische lezing is dat Aion 1.0 Instruct nu iets is waartegen je maanden kunt prototypen voordat je gedwongen wordt, wat precies het punt van een transparantie-release is. Haal de weights op, draai je eigen promptset, meet de twee dingen die de kaart je niet vertelt — long-context recall voorbij 2.048 tokens, en gedrag onder promptinjectie via lokale documenten — en beslis of je samenvattings- en herschrijfpaden de overstap overleven. Het December Insider-venster met de bijbehorende side-by-side registry key is de goedkoopste testomgeving die je zult krijgen, en het sluit in januari.

De architectuurvraag die daarop volgt, is waar het model op het apparaat ophoudt. Een model van 2,3B met een venster van 32K dat op een NPU draait, is uitstekend in samenvatten, herschrijven, classificeren en extraheren, en het gaat geen meerstapsredenering over een codebase uitvoeren. De meeste apps die het adopteren, zullen hybride worden: een lokaal model voor de goedkope, private, latentiegevoelige passes, en een cloudmodel achter een API voor het escalatiepad. Die escalatielaag is het onderdeel dat je bewust moet ontwerpen in plaats van er later bij te schroeven. OrcaRouter bestaat precies voor die helft van het probleem — één API over meer dan 200 cloudmodellen zonder opslag op de lijstprijzen van providers, automatische failover wanneer een provider achteruitgaat, en een routerings-DSL om meerdere modellen in één aanroep samen te stellen — en het bedient Aion 1.0 Instruct niet, omdat niets aan dit model in een datacenter draait. De eerlijke splitsing is lokaal model, lokale beslissing, cloudescalatie, en de twee helften hebben ander gereedschap nodig.

Er is ook een goedkope manier om de onbewezen onderdelen af te dekken. Niets hierboven is onafhankelijk gebenchmarkt, en de build van januari kan afwijken van dit checkpoint. Failover is wat het veilig maakt om een ongescoord model op een belangrijk pad te zetten: houd de fallback geconfigureerd voordat je hem nodig hebt, en een slechte generatie wordt een nieuwe poging in plaats van een incident. Dat advies geldt voor welke helft van de hybride je ook onzeker bent.

Wat te kijken

Vier signalen zouden dit beeld veranderen, en drie ervan zijn goedkoop te monitoren. Een daadwerkelijke aankondigingspost met trainingsdetails zou de modelkaart opwaarderen van transparantie-artefact naar lancering. Een GGUF-repository zou het model bruikbaar maken buiten Windows en buiten ONNX Runtime. Een eerste onafhankelijke benchmarkrun — Artificial Analysis, LMArena of de output van een reproduceerbare harness — zou de voorbehouden bij losse matching vervangen door iets citeerbaars. En de Edge Canary- en Dev-kanalen zijn de live test: als de Prompt- en Writing Assistance-API's in de browser overschakelen van het Phi-4-mini-pad naar Aion 1.0 Instruct, zie je de wissel in gedrag lang vóór de Windows-uitrol in januari.

Tot die tijd is de juiste beschrijving van Aion 1.0 Instruct de beschrijving die het bewijs ondersteunt en niet meer dan dat: een voltooid 2,29B-model dat op het apparaat zelf draait, onder MIT-licentie, technisch compleet en ongedocumenteerd, gepubliceerd om 17:05 UTC op een dinsdagavond, met een gequantiseerd zustermodel negen minuten later en een deadline voor vervanging die het niet zelf had vastgesteld.