
Aion 1.0 Instruct pojawił się na Hugging Face bez zapowiedzi, z przypisanym terminem na styczeń 2027 r.
- OrcaNOWOŚĆOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 za 1 mln tokenów · 182 tok/s
- tencentNOWOŚĆTencent: Hy4 Flash2026-11-16$0.02 / $0.07 za 1 mln tokenów · 356 tok/s
- GoogleNOWOŚĆGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 za 1 mln tokenów · 87 tok/s
- AnthropicNOWOŚĆAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 za 1 mln tokenów · 147 tok/s
- orcaNOWOŚĆOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 za 1 mln tokenów · 92 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 za 1 mln tokenów · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 za 1 mln tokenów · 81 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 za 1 mln tokenów · 117 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 za 1 mln tokenów · 110 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 za 1 mln tokenów · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencja
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 za 1 mln tokenów · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencja
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 za 1 mln tokenów · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencja
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 za 1 mln tokenów · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencja
Repozytorium microsoft/Aion-1.0-Instruct-2.3B zostało utworzone o 17:05:50 UTC 18 listopada 2026 r. Dziewięć minut później obok niego pojawiło się drugie repozytorium, zawierające kompilację INT4 ONNX tych samych wag. Na dziś rano bazowe repozytorium ma trzy polubienia, zero pobrań i dokładnie jeden commit, którego treść brzmi „Duplicate from asgmodels/Aion-Instruct-v1” — a to źródłowe repozytorium zwraca teraz kod 401 każdemu, kto o nie zapyta. Nie było wpisu zapowiadającego premierę, żadnego wątku, żadnego zdania w karcie modelu zaczynającego się od „z radością informujemy”. Aion 1.0 Instruct nie został zapowiedziany; został opublikowany, co jest innym aktem, a różnica między tymi dwoma rzeczami jest powodem, dla którego powstał ten tekst.
To, co następuje, rozdziela trzy rodzaje twierdzeń i nigdy ich nie zaciera. Fakty dotyczące repozytorium zostały odczytane bezpośrednio z plików dziś rano — konfiguracja, indeks wag, szablon czatu, karta, repozytoria siostrzane. Twierdzenia dostawcy to własne liczby Microsoftu uzyskane na własnym harnessie Microsoftu, przytoczone jako twierdzenia. A trzecia kategoria ma tu większe znaczenie niż zwykle: Microsoft opublikował już kalendarz migracji dla deweloperów Windows w swojej dokumentacji, a ten kalendarz ma większe znaczenie niż cokolwiek w karcie modelu. Tam, gdzie repozytorium milczy, ten tekst mówi o tym wprost, zamiast wyciągać wnioski.
Dwa zegary, a tylko jeden z nich jest cichy.
Publikacja Hugging Face to cichy zegar. Ten głośny jest starszy i działa od miesięcy.
• 31 maja 2026 — microsoft/Aion-Instruct-Preview-Samplestaje się publicznie dostępny na GitHubie — to aplikacja przykładowa WinUI 3 dla lokalnego modelu językowego na komputerach Copilot+. W jej README czytamy wprost: „Ten pakiet zawiera finalny model Aion Instruct planowany do wydania wraz z Windows”.
• 2 czerwca 2026 r. — blog dla deweloperów Microsoft Edge ogłasza Aion-1.0-Instruct jako model przedpremierowy w Edge Canary i Dev, zastępujący 4B Phi-4-mini wykorzystywany za interfejsami API Prompt i Writing Assistance, opisywany jako mniejszy i szybszy oraz zdolny do działania w trybie inferencji na CPU tam, gdzie nie ma GPU. Ten sam wpis zapowiada „planowane wydanie open source na Hugging Face w lipcu”.
• 2 listopada 2026 — przykładowy projekt na GitHubie udostępnia wydanie v1.1.0.2, dodające obsługę AMD VitisAI; repozytorium jest regularnie utrzymywane od czerwca bez żadnego publicznego ogłoszenia.
• 16 listopada 2026 r. — dokumentacja Microsoft Windows AI dotycząca Phi Silica zawiera komunikat opatrzony datą dwa dni przed udostępnieniem wag, w którym napisano: „Phi Silica jest zastępowany przez Aion Instruct” i zaleca się deweloperom rozpoczęcie planowania przejścia już teraz.
• 18 listopada 2026, 17:05 UTC — same wagi, na licencji MIT, na Hugging Face. Żadnego towarzyszącego wpisu nigdzie, gdzie dałoby się go znaleźć w wyszukiwarce.

Uczciwy opis nie brzmi więc: „Microsoft po cichu wydał model”. Polega on na tym, że Microsoft od prawie sześciu miesięcy informuje deweloperów Windows o tym przejściu w dokumentacji i przykładowym kodzie, w lipcu obiecał otwarte wagi, dostarczył je cztery i pół miesiąca po terminie i nie opatrzył tego udostępnienia żadnym ogłoszeniem. Gdybyś czytał tylko relacje z premiery, nie wiedziałbyś, że Aion 1.0 Instruct w ogóle istnieje. Jeśli czytasz dokumentację API Phi Silica — a to tam naprawdę żyje deweloper Windows — to masz tę informację co najmniej od połowy listopada.
Co dowodzą pliki — bez potrzeby potwierdzania czegokolwiek przez Microsoft
Żadne z poniższych nie zależy od ogłoszenia. Wszystko jest w repozytorium, a większość można zweryfikować na podstawie samego pliku wag.
• Liczba parametrów — karta podaje „~2,29 mld”, a arytmetyka się zgadza: model.safetensors ma 4 577 698 488 bajtów w formacie bfloat16, co daje 2 288 849 244 parametrów przy dwóch bajtach na parametr. Osadzenia wejściowe i wyjściowe są współdzielone, więc liczba ta nie podwaja się w głowicy.
Kształt — 28 warstw, rozmiar ukryty 2 048, pośrednia warstwa MLP 8 192 z SiLU, 24 głowice zapytań względem 8 głowic klucza/wartości przy wymiarze głowicy 128, RMSNorm z epsilonem 1e-6, słownik 200 029 tokenów.
• Wzorzec uwagi — tablica layer_types w konfiguracji zawiera 21 warstw sliding_attention i 7 warstw full_attention, przeplatanych. Okno przesuwne obejmuje 2048 tokenów.
• Kontekst — 32 768 tokenów, osiągany dzięki YaRN, a nie dzięki natywnej długości treningowej. Więcej na ten temat poniżej, ponieważ jest to liczba najczęściej błędnie odczytywana w całym pliku.
• Licencja — MIT, copyright Microsoft Corporation, z plikiem LICENSE obecnym w repozytorium. Jednak w metadanych front-matter pole license_link wskazuje na asgmodels/Aion-Instruct-v1/blob/main/LICENSE, czyli prywatne repozytorium, które zwraca 401. Licencja, którą można odczytać, to ta w drzewie; ta, do której prowadzi link na karcie, jest nieosiągalna.
• Własny kod — to nie jest standardowa architektura. Uruchomienie go wymaga trust_remote_code=True i pociąga za sobą configuration_aion_instruct.py oraz modeling_aion_instruct.py. Został wyeksportowany z transformers 5.x, więc starsze łańcuchy narzędzi nie wczytają go bez dodatkowej uwagi.
• Format czatu — <|system|>, <|user|>, <|assistant|>, a każdą turę zamyka <|end|>, który jest także tokenem EOS. Schematy narzędzi trafiają do promptu systemowego pomiędzy <|tool|> i <|/tool|>; wywołania wracają jako <|tool_call|>{"name": …, "arguments": …}<|/tool_call|>; wyniki wracają wewnątrz tury użytkownika z prefiksem <|tool_response|>. Szablon zgłasza wyjątek, jeśli wiodąca wiadomość systemowa zawiera którykolwiek z zarezerwowanych tokenów sterujących, co jest rozsądnym zabezpieczeniem i nietypowym elementem jak na kartę.
• Języki — angielski, niemiecki, hiszpański, portugalski, włoski, francuski, chiński i japoński. Karta podaje, że dane wielojęzyczne stanowią około 6% mieszanki treningowej.
• Data odcięcia wiedzy — grudzień 2025.
• Wersja skwantyzowana — microsoft/Aion-1.0-Instruct-2.3B-ONNX-WebGPU, utworzona o 17:14:58 UTC tego samego wieczoru, dziewięć minut po repozytorium bazowym. Wagi blokowe INT4 wyeksportowane z punktu kontrolnego wytrenowanego z uwzględnieniem kwantyzacji, aktywacje FP16 i pamięć podręczna KV, opset 21, około 1,3 GB, docelowo dla WebGPU przez ONNX Runtime GenAI.
Najbardziej użyteczne na tej liście są dwie ostatnie pozycje rozpatrywane łącznie. Niekwantyzowane wydanie bf16 plus pochodzący z QAT build INT4, opublikowane w odstępie dziewięciu minut od siebie, mówią, że artefakt do wydania był gotowy, zanim gotowy był artefakt przejrzystości. To obraz wydania, które zostało wstrzymane, a następnie po cichu wypuszczone, a nie takiego, które powstało w pośpiechu.
Kontekst 32K to model 2K rozciągnięty szesnastokrotnie
Przeczytaj uważnie sekcję rope_parameters i zauważ, że liczba kontekstu zmienia charakter. Warstwy pełnej uwagi deklarują rope_type: "yarn" z original_max_position_embeddings: 2048 oraz factor: 16.0. Dwa tysiące czterdzieści osiem pomnożone przez szesnaście daje 32 768. Warstwy uwagi przesuwnej deklarują zwykły rope_type: "default" przy theta 32 000, z tym samym oknem 2048.
Interpretacja, która wynika z konfiguracji — i jest to interpretacja, a nie deklaracja dostawcy — jest taka, że ten model był trenowany w zakresie pozycji 2048 tokenów, a następnie rozszerzony do 32K poprzez skalowanie RoPE zastosowane wyłącznie do siedmiu z jego dwudziestu ośmiu warstw. Trzy czwarte stosu z założenia nigdy nie może uwzględniać kontekstu dalszego niż 2048 tokenów; mieszanie dalekiego zasięgu odbywa się wyłącznie w siedmiu warstwach pełnej uwagi. To uzasadniony i coraz częstszy projekt modeli działających na urządzeniu, gdzie rozmiar pamięci podręcznej KV jest wiążącym ograniczeniem pamięci — okno przesuwne utrzymuje pamięć podręczną na stałym poziomie niezależnie od długości rozmowy, co jest dokładnie tym, czego chcesz na laptopie, który musi jeszcze renderować pulpit.
Oznacza to również, że liczby 32 768 nie należy odczytywać jako „obsługuje dokument 32K równie dobrze jak model wytrenowany przy 32K”. Własna karta Microsoftu jest tu ostrożna i opisuje okno jako wystarczające do przetworzenia „wielostronicowych dokumentów, długich wątków e-mail i złożonych specyfikacji technicznych w całości na urządzeniu”. Nie twierdzi, że jakość wyszukiwania na dalekim końcu jest zachowana. Jeśli potrzebujesz przywoływania długiego kontekstu, to pierwsza rzecz, którą powinieneś zmierzyć samodzielnie, a której nie ma w karcie.
Benchmarki pochodzą od samego Microsoftu, a dwa z nich oznaczono jako nieścisłe.
Każda liczba poniżej jest podana przez dostawcę. Karta mówi, że wszystkie z nich zostały przeprowadzone przez lm-evaluation-harness EleutherAI tam, gdzie istniała implementacja zadania, a w pozostałych przypadkach przez oficjalne repozytorium każdego benchmarku, przy czym GPT-4o pełnił rolę sędziego w zadaniach ocenianych przez LLM. Nie ma niezależnej reprodukcji, opublikowanej konfiguracji harnessa ani skryptu ewaluacyjnego w repozytorium, więc nic z tego nie można ponownie uruchomić na podstawie tego, co udostępniono.
• Wiedza — MMLU 55,15, MMLU-Pro 33,35, wielojęzyczny MMMLU 45,51, GPQA 28,18.
• Matematyka — GSM8K 74,91 przy luźnym dopasowaniu, GSMPlus 49,56, MATH-500 48,00.
• Przestrzeganie instrukcji — IFEval 83.90 jako średnia z prompt-level strict i instruction-level strict, IFBench 32.00 w prompt-level loose, Multi-IF 64.70.
• Tłumaczenie — chrF++ 43.18.

Dwie z tych wartości zasługują na drugie spojrzenie, zanim ktokolwiek je zacytuje. GSM8K na poziomie 74,91 to wyraźnie luźne dopasowanie, które uznaje odpowiedź zawierającą właściwą liczbę, nawet gdy rozumowanie lub formatowanie wokół niej jest błędne; ścisły GSM8K w modelu 2,3B wypadłby znacząco niżej. IFBench na poziomie 32,00 to luźne dopasowanie na poziomie promptu, czyli najbardziej pobłażliwy wariant najbardziej pobłażliwego benchmarku do podążania za instrukcjami w zestawie. Liczby w wersji ścisłej w tej samej tabeli — MMLU-Pro na poziomie 33,35, GPQA na poziomie 28,18 — pokazują, jak naprawdę wygląda wiedza o świecie modelu 2,3B, i są one niczym szczególnym, co sama karta stwierdza w sekcji ograniczeń: małe modele „mogą pomijać drobne szczegóły, podawać błędne twierdzenia lub wykazywać niezdolność do podążania za złożonym wieloetapowym rozumowaniem”.
Brak, który ma większe znaczenie niż jakikolwiek pojedynczy wynik: karta nigdy nie porównuje Aion 1.0 Instruct z Phi Silica, modelem, który zastępuje. Mówi, że dane treningowe „są rozszerzeniem danych wykorzystanych do trenowania Phi Silica”, i na tym się kończy. Dla dewelopera, któremu każe się migrować w styczniu, jedyna różnica, która pomogłaby podjąć decyzję — czy zamiennik wypada lepiej czy gorzej niż to, co mam — nie znajduje się w dokumencie.
Liczby bezpieczeństwa są obrazem, a nie tabelą
Karta wymienia trzy wskaźniki, które chce poprawić: XPIA, DIC i ECI. Następnie odmawia podania liczby dla któregokolwiek z nich. Liczby znajdują się wyłącznie w images/aion_safety_bchart.png, wykresie słupkowym zatytułowanym „Azure AI Safety Suite”, z kategoriami osi dla bezpieczeństwa treści adwersaryjnych, krytycznych informacji dotyczących wyborów, pośredniego wstrzykiwania promptów i wstrzykiwania dokumentów, ocenianym w znormalizowanej kierunkowo skali od 0 do 100, gdzie wartość to (1 minus wskaźnik błędów) razy sto. Nigdzie w tekście nie ma kolumny liczbowej.
To realna luka i warto ją nazwać wprost, zamiast ją obchodzić: trzy metryki, które sam Microsoft wskazuje jako wymagające pracy, to te trzy, których nie da się odczytać bez przepuszczenia PNG przez OCR. Walidatorzy opublikowali jednak przypis metodologiczny — prompty identyczne pod względem typu, zweryfikowane przez SHA-256 — co świadczy o większej rzetelności niż w większości kart. Po prostu nie opublikowali wartości. A równoległe noty o przejrzystości dla pakietu walidacyjnego Windows idą dalej: stwierdzają, że ataki typu cross-prompt injection i wnioskowanie emocjonalne nie zostały przetestowane pod kątem zgodności z Responsible AI oraz że pakiet „może mieć luki w zabezpieczeniach”. W przypadku modelu, którego flagową funkcją jest działanie bez nadzoru na lokalnych dokumentach, prompt injection nie jest przypisem.
Co Microsoft już powiedział deweloperom i co się zepsuje
To jest ta część, którą czytelnik może wykorzystać już dziś, i wcale nie zależy ona od wydania Hugging Face. Znajduje się na stronie Phi Silica w Microsoft Learn, której znacznik czasu aktualizacji wskazuje 16 listopada 2026.

• Phi Silica jest zastępowany przez Aion Instruct. Komunikat mówi o tym wprost i informuje deweloperów, aby zaczęli już teraz planować przejście.
• Grudzień 2026 — Aion 1.0 Instruct zaczyna być udostępniany na urządzeniach z Windows Insider Preview. Phi Silica pozostaje obecny; Windows Controlled Feature Rollout decyduje, który model jest aktywny, a deweloperzy mogą wymusić porównanie obok siebie za pomocą klucza rejestru.
• Styczeń 2027 — model trafia do urządzeń detalicznych, a Phi Silica zostaje usunięta.
• Brama dostępu znika. Interfejsy API Phi Silica to funkcja ograniczonego dostępu (Limited Access Feature) wymagająca tokena odblokowującego; w dokumentacji stwierdzono, że „w przeciwieństwie do Phi Silica, tokeny LAF nie są już potrzebne w przypadku Aion Instruct”. Dla każdego, kto kiedykolwiek wypełnił formularz zgłoszenia LAF i czekał, to najistotniejsze zdanie w całej migracji.
• Twoje LoRA nie przenoszą się razem z Tobą. Przykładowe repozytorium wyraźnie to potwierdza: LoRA zgodne z Phi Silica nie są kompatybilne z Aion Instruct, a nowe adaptery trzeba tworzyć za pomocą Foundry Toolkit.
• Wyniki są opatrywane znakiem wodnym. Nowy stos wykorzystuje niewidzialne znakowanie wodne, aby zapewnić zgodność z unijnym aktem o sztucznej inteligencji, a w uwagach ostrzega się, że znak może stać się widoczny, gdy wynik zostanie wklejony do niektórych aplikacji.
• Obsługa sprzętowa obejmuje trzech dostawców wykonawczych i brak mechanizmu awaryjnego. Pakiet walidacyjny jest ukierunkowany na ARM64 Snapdragon przez QNN zarządzany przez katalog przy co najmniej EP 2.2480.49, x64 Intel Lunar Lake przez OpenVINO w wersji 1.8.95 oraz x64 AMD Ryzen AI przez VitisAI w wersji 1.8.80. „Nie ma mechanizmu awaryjnego CPU, gdy obsługiwany dostawca NPU jest niedostępny”. Zwróć uwagę na rozbieżność względem czerwcowego wpisu Edge, w którym promowano wnioskowanie na CPU jako sposób, w jaki Aion docierał do urządzeń bez GPU — to była kompilacja przeglądarkowa, a ścieżka Windows API jest węższa.
• Pakiet walidacyjny nie nadaje się do wysyłki. „Nie jest przeznaczony do użytku przez użytkowników końcowych ani klientów. Nie wysyłaj żadnej części tego pakietu do konsumentów końcowych”. Model jest ostateczny; otaczający go proces dostarczania już nie, a wydajność mierzona dziś w sposób jawny nie jest reprezentatywna dla kompilacji ze stycznia.
Co wciąż pozostaje niepotwierdzone i jak to utrzymać?
• Żadnego ogłoszenia. Nic na blogach Microsoftu, żadnego oświadczenia o zamiarach w karcie modelu poza „wprowadzeniem do tego, co nadchodzi”, żadnego raportu technicznego. Jedynym publicznym śladem poza repozytorium jest zgłoszenie na Hacker News z 18 listopada z jednym punktem.
• Brak niezależnej oceny. Na dzień 19 listopada model nie figuruje w Artificial Analysis i żadna strona trzecia nie opublikowała przebiegu testu. Każda liczba w powyższej tabeli to ocena, w której Microsoft ocenia Microsoft.
• Brak GGUF. Karta wymienia „Nazwy bibliotek: PyTorch, ONNX, GGUF”, ale w organizacji Microsoft nie istnieje żadne repozytorium GGUF. Jedynym opublikowanym skwantyzowanym artefaktem jest kompilacja ONNX WebGPU. Linię GGUF należy traktować jako deklarację zamiaru, dopóki nie będzie istnieć plik.
• Brak szczegółów dotyczących treningu. Liczba tokenów, moc obliczeniowa i mieszanka danych — poza „dokumentami publicznymi plus danymi syntetycznymi” oraz 6-procentowym udziałem danych wielojęzycznych — nie zostały podane.
• Brak cennika, ponieważ nie ma czego wyceniać. To komponent systemu operacyjnego i pobranie wag, a nie hostowany endpoint. Nie ma go również w katalogu OrcaRouter, podobnie jak każdego innego modelu Microsoft działającego na urządzeniu.
Jeśli wydajesz aplikację dla systemu Windows, decyzja już znajduje się w Twoim kalendarzu.
Praktyczny wniosek jest taki, że Aion 1.0 Instruct to teraz coś, względem czego możesz tworzyć prototypy na miesiące przed momentem, w którym będziesz zmuszony to zrobić, i właśnie o to chodzi w wydaniu nastawionym na przejrzystość. Pobierz wagi, uruchom własny zestaw promptów, zmierz dwie rzeczy, których karta ci nie powie — przywoływanie informacji z długiego kontekstu powyżej 2 048 tokenów oraz zachowanie przy wstrzykiwaniu promptów w lokalnych dokumentach — i zdecyduj, czy twoje ścieżki streszczania i przepisywania przetrwają podmianę. Grudniowe okno Insider z towarzyszącym mu kluczem rejestru side-by-side to najtańsze środowisko testowe, jakie dostaniesz, a zamyka się w styczniu.
Pytanie architektoniczne, które się z tym wiąże, dotyczy tego, gdzie kończy się model działający na urządzeniu. Model 2.3B z oknem 32K działający na NPU świetnie radzi sobie ze streszczaniem, przepisywaniem, klasyfikacją i ekstrakcją, ale nie będzie prowadził wieloetapowego rozumowania w obrębie bazy kodu. Większość aplikacji, które go wdrożą, skończy jako hybrydy: model lokalny do tanich, prywatnych przebiegów wrażliwych na opóźnienia oraz model w chmurze za API dla ścieżki eskalacji. Ta warstwa eskalacji to część, którą warto zaprojektować świadomie, a nie dokleić później. OrcaRouter istnieje dokładnie dla tej połowy problemu — jedno API obejmujące ponad 200 modeli w chmurze bez marży na ceny katalogowe dostawców, automatyczne przełączanie awaryjne, gdy dostawca ulega degradacji, oraz DSL routingu do komponowania kilku modeli w jedno wywołanie — i nie obsługuje Aion 1.0 Instruct, ponieważ nic w tym modelu nie działa w centrum danych. Uczciwy podział to model lokalny, decyzja lokalna, eskalacja do chmury — a obie połowy wymagają innych narzędzi.
Istnieje też tani sposób zabezpieczenia się przed nieudowodnionymi elementami. Nic z powyższego nie zostało niezależnie zbenchmarkowane, a styczniowa kompilacja może różnić się od tego checkpointu. To failover sprawia, że można bezpiecznie umieścić model bez wyniku na ścieżce, która ma znaczenie: skonfiguruj mechanizm zapasowy, zanim będzie potrzebny, a nieudane wygenerowanie stanie się ponowną próbą, a nie incydentem. Ta rada dotyczy tej połowy hybrydy, co do której nie masz pewności.
Co obejrzeć
Cztery sygnały zmieniłyby ten obraz, a trzy z nich można tanio monitorować. Rzeczywisty post z ogłoszeniem zawierający szczegóły treningu przeniósłby kartę z artefaktu przejrzystości do premiery. Repozytorium GGUF uczyniłoby model użytecznym poza Windows i poza ONNX Runtime. Pierwsze niezależne uruchomienie benchmarku — Artificial Analysis, LMArena lub dowolne powtarzalne dane wyjściowe harnessu — zastąpiłoby zastrzeżenia dotyczące luźnego dopasowania czymś nadającym się do cytowania. A kanały Edge Canary i Dev są testem na żywo: jeśli interfejsy API Prompt i Writing Assistance przełączą się w przeglądarce ze ścieżki Phi-4-mini na Aion 1.0 Instruct, zobaczysz tę zmianę w zachowaniu znacznie wcześniej niż w styczniowym wdrożeniu Windows.
Do tego czasu poprawny opis Aion 1.0 Instruct to ten, na który pozwalają dowody, i nic więcej: ukończony model na urządzeniu o 2,29 mld parametrów, na licencji MIT, technicznie kompletny i nieudokumentowany, opublikowany o 17:05 UTC w wtorkowy wieczór, ze skwantyzowanym bliźniakiem dziewięć minut później i terminem zastąpienia, którego sam sobie nie wyznaczył.
