一张生成的标题卡,上面写着“Aion-1.0-Instruct-2.3B vs Aion 3.5 Mini”,副标题为“两个名为 Aion 的模型,相隔一家公司”,下方是两张卡片:Microsoft 的卡片写着“开放权重,MIT”“2.29B 参数”和“32,768 token 上下文”,AionLabs 的卡片写着“仅托管 API”“未公布参数数量”和“262,144 token 上下文”。
Guides & Insights

Aion-1.0-Instruct-2.3B 对比 Aion 3.5 Mini:两个名为 Aion 的模型,仅一家公司之差

作者

Elias Hawthorne

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

Microsoft 的 Aion-1.0-Instruct-2.3B于 2026 年 11 月 18 日出现在 Hugging Face 上,没有发布帖,没有博客,只有三个赞。 Aion 3.5 Mini自 2026 年 9 月 23 日起由一家名为 AionLabs 的公司销售,价格为每百万输入 token 0.70 美元。它们只共享一个名字,除此之外别无共同之处——不是许可证,不是架构,不是商业模式,也没有一行代码相同。现在任何搜索“Aion”的人都会同时碰到这两者,而选错一个的代价要么是浪费一次下载,要么是浪费一张发票。

下文对两者作了仔细区分。关于 Aion-1.0-Instruct-2.3B 的一切,均来自微软随权重一同发布的模型卡和配置文件,系直接读取;在撰写本文时它才发布一天,尚无独立评估者接触过它。关于 Aion 3.5 Mini 的一切,均来自 AionLabs 公布的模型列表及其自家 API 上的服务目录。凡厂商报告了数字的,文中会予以说明;凡无人测量过的,文中同样会说明。

名字是他们唯一共有的东西

AionLabs 是一家销售托管推理服务的模型供应商。Microsoft 的 Aion 出自 Windows Applied Sciences Group,其介绍卡片将其描述为“Windows 生态系统中的基础小语言模型(SLM),专门针对端侧 AI 进行了优化”。一个是按 token 租用的产品。另一个是权重发布,Microsoft 用自己的话将其表述为“对未来内容的介绍,也是与用户最大化透明度的一种方式”。

AionLabs 方面甚至没有公布参数数量。其目录条目将 Aion 3.5 Mini 描述为“一个基于 GLM 模型系列构建的多模型系统”,其中“多个专用模型共同参与每次响应”——这是端点背后的一个集成系统,而不是一个可供下载的单一检查点。没有权重文件可与微软的 22.9 亿个权重相提并论。

• {{1}}参数{{/1}} — {{2}}Aion-1.0-Instruct-2.3B 约为 2.29B,输入/输出嵌入共享;Aion 3.5 Mini 未公布任何参数,因为它是对多个模型的路由层,而不是单一网络。{{/2}}

• 权重——如今即可下载的 MIT 许可 bfloat16 safetensors,对比闭源托管服务。

• 上下文 — 32,768 个 token 对比 262,144 个。

• 最大输出 —— AionLabs 目录将单次响应限制在 32,768 个 token 以内;Microsoft 未公布单独的输出上限,因此该上限即为上下文窗口。

• 模态——双方都是文本输入、文本输出。两者都不是多模态的。

• 价格 — Microsoft 检查点为零,Aion 3.5 Mini 每百万 token 为 $0.70 / 缓存 $0.18 / $1.40。

• 推理控制 — Aion 3.5 Mini 提供低、高、最高三档努力级别,默认使用高档;Aion-1.0-Instruct-2.3B 完全没有思考模式,一次性作答。

微软实际交付了什么,又没交付什么

这张卡的架构表对于一次低调上传来说异常具体:28 层、隐藏大小为 2,048、8,192 宽的 SiLU MLP、分组查询注意力,24 个查询头和 8 个键/值头,头维度为 128,以及由 21 个带 2,048 个 token 窗口的滑动窗口层加 7 个全注意力层组成的混合注意力模式。词表为 200,029 个 token,检查点为 bfloat16。

关于上下文窗口的说法值得再仔细看看。公布的窗口是 32,768 个 token,但配置的 RoPE 块记录的 original_max_position_embeddings 为 2,048,并且 YaRN 缩放因子 16 仅应用于全注意力层。16 乘以 2,048 等于 32,768,这表明长窗口是通过在短得多的原生范围上进行位置插值实现的,而不是通过长序列训练得到的。这是一种合理的工程选择,在这个规模上也很常见。这也正是决定 30K token 文档摘要是否真的站得住脚的那类细节,而且还没有人发表过该模型的长上下文评估。

另外还有两处差距值得明确指出。模型卡在库名称中列出了 GGUF,但仓库的文件列表包含 safetensors、分词器文件、自定义建模代码和聊天模板——唯独没有 GGUF。模型卡称,未量化模型会率先发布,“随后会推出量化版本”,因此该格式只是被承诺,而非已经存在。而关于 Windows 的说法明确使用的是将来时:“经过进一步优化的 Aion Instruct 版本,结合微软的内容审核模型,将在 2027 年 1 月底前成为 Windows OS SLM。”此次上传是该模型的预览版,而不是 Windows 将发布的那个模型。

当前呈现的是一个可用的、经指令微调的“仓库内工件”:一个聊天模板,其中系统、用户和助手轮次各自由一个专用的轮次结束 token 结束,而该 token 兼作 EOS token;还有一条有文档记载的工具调用路径,它将函数 schema 注入系统提示,并从包裹标签中解析出调用。它还要求 trust_remote_code=True,因为建模代码随权重一同发布,而不是位于 transformers 中。

区分这两个产品的数字

Aion 3.5 Mini 没有已发布的基准测试结果。没有。AionLabs 的模型列表只提供价格、上下文、输出上限、模态和推理层级,然后就到此为止。没有评估卡,我们也找不到任何第三方索引条目,也没有与任何对象的正面对比。

微软则反其道而行之。Aion 3.5 Mini 没有榜单,这并不是一个可以从别处补上的缺口;Aion-1.0-Instruct-2.3B 的模型卡发布了十一项基准结果,并标明了评测工具和评判模型,而且每一项都有日期、有评测工具可依、可归因。MMLU 55.15、IFEval 83.90 和 MMLU-Pro 33.35 是值得你记住的三项,因为它们界定了这个模型是什么:擅长遵循指定格式,但在回忆和多步推理方面表现平平。模型卡上还有另外十行,供任何想了解全貌的人查看。

那张表上的两条脚注比表格本身更重要。GSM8K 带有“宽松匹配”的注释,这相对于严格抽取会让分数显得更好看;而 IFBench 被报告为“提示词级宽松”。一个主动公布自己宽松评分设置的厂商,是在告诉你这些数字不是营销;而由此得到的表格——尤其是 MMLU-Pro 上的 33.35——与同类开放模型公布的成绩相比显得很弱。这是一种与光鲜发布相反方向的可信度信号:它读起来像一次真实的评测框架运行,而不是精心挑选过的运行。但它仍是厂商报告且未经复现。

成本,一旦你不再按 token 付费

经济性会因你选择哪一方而完全反转。Aion 3.5 Mini 每百万输入 token 计费 0.70 美元,每百万输出 token 计费 1.40 美元,缓存输入为 0.18 美元。一百万输出 token 花费 1.40 美元,并提供 262K 上下文窗口和三个推理级别。你无需预付任何费用,也不拥有任何东西。

Aion-1.0-Instruct-2.3B 在 bfloat16 下约占 4.6 GB——22.9 亿参数,每个参数两字节——然后成本取决于你的硬件成本。8 位时减半;4 位时接近 1.2 GB,接近中端手机模型的占用空间。Microsoft 的目标正是如此:在设备上处理文本和操作系统任务,数据始终不离开本机。其取舍与托管模型相反:没有按 token 计费,没有 262K 窗口,没有推理模式,出错时也没有供应商可联系。

如果你需要同时具备这两种形态,那么底层接入的问题就是:你要维护多少份合约。在 OrcaRouter 上,一个密钥即可访问200+ 个模型,0% 加价——按提供商的目录价原样传递,因此供应商调价当天我们这边就能看到——并提供提供商服务降级时的自动故障转移,以及用于将多个模型组合成一次调用的路由 DSL。这两个 Aion 都不在该目录中:Microsoft 发布的是权重,而不是 API;AionLabs 则是它自己的供应商。所以这并不是一个“从同一个地方调用两者”的宣传。它要表达的是一个更狭窄的观点:你租用的托管层和你在笔记本电脑上运行的检查点回答的是不同的问题,只有让它们各自做自己本来该做的事时,把它们混在一起才有意义。

你到底想要哪一个?

如果约束是{{1}}本地性{{/1}},那就选 Microsoft 的 Aion-1.0-Instruct-2.3B。一份不能离开本机的文档、一个必须离线运行的操作系统界面、以数十毫秒计的延迟预算,以及由摘要、改写、聊天和轻量工具调用构成的工作负载——这正是该模型卡片自己的描述,而 32K 窗口是为多页文档而非整个代码库设定的。上手前要清楚:这个模型才发布一天,其长上下文行为尚未测量,目前还没有量化版本,而且正如其自身的局限性章节所说,2.3B 级别会误述事实,并在多步推理中失去条理。

如果限制条件是每次请求所能获得的能力,而且你愿意为此付费,那就选 Aion 3.5 Mini:262K 窗口、可选推理深度、工具调用,以及一个会回复支持工单的供应商。但你要清楚:你无法查看权重,无法统计参数量,也无法用任何已公布的数字来核验关于质量的任何说法——因为根本不存在这样的数字。

陷阱就在名字上。搜索“Aion 2.3B”或“Aion Instruct”会搜出 AionLabs 的页面;搜索“Aion 3.5”最终会搜到关于 Microsoft 的 Windows SLM 工作的报道。在编写集成之前,先写下你指的是哪个供应商。这两者互不相关,而在依赖文件中,唯一能区分它们的就是这个标识符。

A screenshot of AionLabs' model documentation showing the Aion 3.5 Mini catalogue entry, its $0.70 input, $0.18 cached and $1.40 output per-million-token rates, a 262,144-token context with a 32,768-token output ceiling, and the low, high and max reasoning effort levels.

微软的卡片是唯一将 2.29B 这一数字、32K 窗口和 2027 年 1 月的 Windows 目标放在一起的地方。它也是基准测试表及其“宽松匹配”注释所在之处。

什么会改变这个比较?

三件事,按可能性从高到低排列。一个 GGUF 构建会让 Aion Instruct 进入 llama.cpp 和 LM Studio,并让本地部署这件事从理论走向实用——模型卡承诺了量化版本,而仓库里目前还没有。一次独立的测试框架运行会把 Microsoft 的表格变成一个可核查的论断;在首日只有三个点赞和零次下载的情况下,根本不存在这样的东西。而 2027 年 1 月的 Windows 集成将彻底改变受众群体,从下载权重的人变成根本不会想到这个模型的人。

另一方面,对 Aion 3.5 Mini 的任何一份公开发布的评测——任何评测——都会成为新闻,因为目前的情况是:这是一个有价目表却没有分母的付费产品。

A screenshot of the Hugging Face model card for microsoft/Aion-1.0-Instruct-2.3B, showing the description of the foundational Small Language Model for the Windows ecosystem optimised for on-device AI, the 32,768-token context, the eleven published benchmarks including MMLU 55.15 and MMLU-Pro 33.35, and the note that a further optimised version becomes the Windows OS SLM by the end of January 2027.

Aion 3.5 Mini 的价目表和 262,144 token 的上下文窗口都来自 AionLabs 的产品目录。目录里没有基准测试这一列。

A generated two-column scoreboard comparing Aion-1.0-Instruct-2.3B, with 2.29B tied-embedding parameters, MIT safetensors, a 32,768-token context, free download, no reasoning mode and 11 published vendor-run benchmarks, against Aion 3.5 Mini, with no published parameter count, hosted API only, a 262,144-token context, $0.70 input and $1.40 output per million tokens, low-high-max reasoning levels and no published benchmarks. Footnoted that both sets are vendor-reported and independently unreproduced.

记分牌,把这种不对称明确呈现出来:一方给出数字却没有价格,另一方给出价格却没有数字。