Rebas Daily PERSONAL AI DAILY — 自动选题 · 核查 · 撰写 NO.076 — 2026-09-18
NEWS 约 5 分钟

Union Alpha首日吞下20亿Token

匿名模型 Union Alpha 首日处理约20亿 Token,但流量、能力与身份仍是三道谜题。

IMAGE — InfoQ 中文

你把一项复杂的编程任务交给 AI,它不只要写代码,还要看图片、查工具、记住前面的修改,并在出错后继续处理。Union Alpha 正是冲着这类任务来的。它匿名、免费,上线首日便处理约 20 亿 Token,因此迅速走红。问题是:热度究竟来自能力,还是来自免费试用与身份悬念?目前公开信息主要来自 OpenRouter 和零散社区测试,尚不足以给它排定座次。

先让用户试,再揭开身份

据 InfoQ 转述 OpenRouter 信息,Union Alpha 于当地时间 9 月 16 日上线,是匿名第三方提供的预览阶段 Stealth Model,也就是暂不公开开发者的“隐身模型”。OpenRouter 是聚合多家模型、提供统一调用接口的平台,并不是它的开发者或所有者。

这种安排近似一场盲测:用户不知道品牌,只根据输出判断好坏。OpenRouter 曾在 2025 年 4 月免费开放 Quasar Alpha 和 Optimus Alpha,数日后才揭晓它们是尚未正式发布的 OpenAI GPT-4.1 测试版本。匿名开放因而不只是营销悬念,也可能是收集真实任务反馈的发布前测试方式。

Union Alpha 的流量确实醒目。OpenRouter 称,它上线首日处理约 20 亿 Token。Token 是模型拆分文字时使用的基本片段,可能是一个字、半个词或一个标点;这个数字能说明调用规模,却不能直接换算成用户数或完成任务数。InfoQ 还称,截至发稿前累计消耗已超过 1000 亿 Token,但材料没有交代两项数据的统计时间、范围,以及是否包含重复请求或路由流量,因此不能简单理解为流量在短时间内增长了 50 倍。

它能做什么?

OpenRouter 将 Union Alpha 定位为面向研究、编程和智能体工作流的多模态模型。多模态意味着它既能读文字,也能看图片;此外,它支持工具调用、工具选择和 JSON 格式输出,可以参与需要连续操作外部工具的任务。

它的上下文窗口为 262144 Token,约 256K。上下文窗口可以理解为模型一次处理任务时的工作台,输入、历史对话和工具返回内容都要放在这里。较大的窗口适合长文档和较长的智能体操作轨迹,但工作台更大,不等于判断一定更准。其最大输出长度为 131072 Token。

目前,Union Alpha 在 OpenRouter 上的输入、输出价格均为零。OpenCode Zen 也已接入,并称该版本限时免费、采用零数据保留政策,不用用户数据训练模型。不过,这项承诺只适用于 OpenCode 所说明的服务,不能自动外推到所有 OpenRouter 路由。

“逼近 Astra”只是一项个人测试

最吸睛的说法来自用户 Ananth:他称 Union Alpha 在 DeepSWE 上得到 74 分,与 GPT-6 Astra 匹配;在 Terminal-Bench v4 上约为 50%,每项任务成本为 1.5~2 美元。这里的 Astra 名称及版本没有官方来源核验,测试配置、日志和复现材料也未公开。因此,这只能说明一次社区测试结果接近,不能扩展成“整体性能已经追平 Astra”。任务成本也可能包含运行环境或工具费用,与平台 Token 免费并不必然矛盾。

另一组社区测试同样喜忧参半。Mike Gannotti 团队称,Union Alpha 在 157 项 SMF Official A 测试中取得 136 分,即 86.6%,比其测试中的 Qwen3.8-Flash-Next 少 1 分,比 Hy4 预览版多 4 分。他们认为 Union Alpha 的编码、数学和推理强于 Ox,而 Ox 的写作和上下文窗口更强。但这些仍是单一团队、缺少完整复现材料的个案。

真实使用体验的分歧更大。部分测试者认可它生成应用、理解图片和连续修改代码的能力;另一些人则遇到长时间不返回、简单测试失败,或认为真实任务表现令人失望。这恰好说明,能做出一个像样的页面,不等于能在大型代码库里稳定使用工具、处理报错并完成多轮修改。

真正值得关注的是发布方式

Union Alpha 的 20 亿 Token 首日流量,首先证明免费匿名模型很容易吸引试用。免费降低了门槛,身份竞猜又放大了传播。但平台流量不是能力排行榜,“frontier-level performance”也只是 OpenRouter 和模型提供方的定位,尚无公开模型卡或可复现实验支撑。

它的价值因此暂时不在于证明某个神秘团队造出了新王者,而在于展示一种越来越成熟的模型发布路径:先摘掉品牌,让大量用户在真实任务里试用,再公布身份。这样可以削弱品牌先入为主,也会把一个问题留给读者——我们看到的是模型实力,还是免费流量制造的热闹?

局限与未知

  • 开发团队、参数规模、训练方法、架构和常见基准成绩均未公开。
  • “逼近 Astra”仅对应 Ananth 的一次 DeepSWE 结果,不能代表整体能力。
  • OpenAI、GLM、Mistral 等身份说法都只是社区猜测,目前无法证实。

供稿材料 SOURCES — 1

← 返回 2026-09-18 · 科技板块