Union Alpha já está no ar no OrcaRouter: o que o modelo Stealth gratuito de 256K realmente oferece a você

Union Alpha já não é algo que você tenha que ir procurar. A partir de 17 de setembro de 2026, o modelo é disponibilizado no nível gratuito do OrcaRouter, anunciado pela nossa própria conta às 05:32 UTC — uma janela de contexto de 262.144 tokens, entrada de imagens, chamada de ferramentas e um preço de exatamente nada, sujeito a limite de taxa, com um HTTP 429 no momento em que uma requisição ultrapassa o teto. Isso é uma mudança real em relação a onde este modelo estava um dia antes, quando era uma listagem anônima sem nenhuma plataforma que a endossasse. O que não mudou é a parte que decide se você deve usá-lo: o provedor ainda está oculto e o modelo ainda não tem benchmark publicado. Ox Alpha, a listagem sigilosa que acabou sendo da Zhipu, o GLM-5.3-Flash teve uma pontuação independente seis dias depois de aparecer. Union Alpha agora está disponível para chamada há um dia sem uma.

Então a versão honesta é curta: um modelo que parece capaz pode ser chamado de graça agora mesmo, com uma chave que você talvez já tenha, de um desenvolvedor que ainda não está dizendo de quem ele é. Toda alegação de desempenho ligada a ele até agora é uma frase que o próprio operador dele escreveu. Isso vale um fim de semana de testes em sandbox com código que você não se importaria de perder. Ainda não vale um caminho de produção.

O que a página do modelo diz agora que é um endpoint ativo e não um rumor

Os metadados são invulgarmente específicos para uma entrada discreta, o que torna as lacunas mais fáceis de ler. Isto é tudo, lido na página do modelo em 17 de setembro de 2026:

• Janela de contexto — 262.144 tokens, com uma saída máxima de 131.072 tokens

• Entrada — texto e imagens. A saída é somente texto. Não há entrada de vídeo.

• Preço — $0. Apenas nível gratuito e sujeito a limite de taxa: os limites seguem seu plano, níveis gratuitos vêm com tetos conservadores, e uma requisição acima do teto retorna HTTP 429. O uso do modelo nunca é cobrado do seu saldo

• Capacidades — visão, chamada de ferramentas e saída JSON estruturada, com tools, tool_choice, response_format, temperature, top_p e max_tokens, todos aceitos

• Controles de raciocínio — nenhum. Nenhum parâmetro de raciocínio é exposto de forma alguma

• Pesos — nenhum repositório vinculado, nenhuma licença, nenhuma contagem de parâmetros, nenhuma nota de arquitetura

• Data de corte de conhecimento — não informada. O campo está vazio

• Fornecedor — "stealth", oculto enquanto está sendo avaliado, com capacidades e disponibilidade sujeitas a alterações sem aviso prévio

Observe o que falta na ficha técnica, em vez do que ela contém. Não há contagem de parâmetros, então não há como distinguir um modelo denso de uma mistura de especialistas nem como estimar quanto custa ao seu operador servi-lo. O tokenizador está registrado como "Outro" — o valor possível menos útil, e o que inviabiliza o tipo mais comum de investigação forense da comunidade: a técnica de fingerprinting que identificou corretamente o laboratório da Ox Alpha em agosto. E a descrição de destaque da listagem ainda diz "desempenho de ponta em uma ampla gama de tarefas de propósito geral": relatado pelo operador, não reproduzido em lugar nenhum e não auditado por ninguém fora do operador.

A única coisa que um endpoint ativo oferece que um boato não pode.

Ser servido significa que há telemetria, e a telemetria é a primeira evidência sobre este modelo que não é o operador a descrever-se a si próprio. Na janela dos últimos sete dias, o Union Alpha serviu aproximadamente 1,2 milhões de tokens a uma velocidade de saída de 225 tokens por segundo, com uma taxa de erro de 1,1% e o tempo até ao primeiro token (p50 e p95) situando-se ambos em 10,00 segundos. Estes são números da plataforma provenientes da nossa própria camada de encaminhamento, e não benchmarks de fornecedores, e movem-se à medida que o tráfego se move.

Leia-os pelo que são. Uma taxa de erro de 1,1% em uma prévia gratuita não é nada notável. A 225 tokens por segundo, a saída é genuinamente rápida depois que começa. A espera de dez segundos por um primeiro token é o número que deve moldar como você o usa: um p95 idêntico ao p50 indica que essa espera é estrutural, e não um artefato de enfileiramento que você pode evitar em um horário mais tranquilo. Este é um modelo que toma seu tempo antes de começar a escrever, o que combina com o controle de raciocínio ausente — seja qual for a deliberação que esteja acontecendo, você não está recebendo o botão.

O que a telemetria não pode lhe dizer é se o modelo é bom, e é sobre esta parte que é preciso ser direto: não há benchmark. A seção de benchmarks públicos da página do modelo diz "pendente", sem nada listado abaixo dela, e nenhuma pontuação de qualidade foi atribuída. Os resultados que circulam desde o primeiro dia de cobertura — execuções com capturas de tela, pontuações de um único harness, comparações com modelos de fronteira nomeados — não são benchmarks, e não os estamos repetindo como se fossem. Um harness em uma suíte é um fato sobre uma suíte. Se uma pontuação aparecer em um ranking que não aceita a palavra do operador, essa pontuação é a notícia. Até então, "quão bom é o Union Alpha" não tem resposta, e qualquer pessoa que lhe ofereça uma está chutando com etapas extras.

As ausências ainda são a parte interessante.

Comparada ao Ox Alpha, a superfície do Union Alpha é visivelmente menor — e não de uma forma que pareça um topo de linha contido.

Ox Alpha lançou uma janela de 1,048,576 tokens e aceitava vídeos, além de imagens. Union Alpha oferece um quarto desse contexto e para nas imagens. Ox Alpha expôs o raciocínio como um controle obrigatório, com níveis de esforço baixo, alto e máximo, com padrão no máximo, e não era possível desligar o pensamento. Union Alpha não expõe nenhum controle de raciocínio — ou o modelo não raciocina dessa forma explícita, ou o operador escolheu ocultar o ajuste durante a prévia. Ox Alpha também trazia um indício de política de dados: retinha prompts e completions no provedor, o que mostrava exatamente o que você estava entregando em troca de acesso gratuito.

Uma janela de 256K, entrada de texto e imagem e nenhuma tag de raciocínio é o perfil de uma camada rápida ou de uma variante irmã, e não de um carro-chefe de fronteira — a mesma relação que o GLM-5.3-Flash acabou tendo com o resto de sua família. Isso é uma leitura, não um fato, e vale a pena afirmá-lo claramente porque a leitura alternativa está igualmente disponível: um operador reduzindo a superfície anunciada para que uma prévia não possa ser identificada por impressão digital. Nada do que aconteceu desde então elimina qualquer uma das duas explicações. Dez segundos até o primeiro token é, quando muito, uma evidência leve a favor da segunda.

Todo modelo stealth acaba sendo de alguém.

O formato de prévia furtiva já está tão batido que a revelação se aproxima mais de um evento agendado do que de uma surpresa. A chamada, conforme noticiado, e não conforme confirmado pelos próprios laboratórios:

• Quasar Alpha e Optimus Alpha — acabaram sendo prévias do OpenAI GPT-4.1 em 2025

• Sonoma Sky e Dusk Alpha — Grok 4 Fast da xAI

• Pony Alpha — GLM-5 da Zhipu, fevereiro de 2026

• Hunter Alpha — MiMo-V2-Pro da Xiaomi

• Owl Alpha — LongCat-2.0 da Meituan

• Ox Alpha — GLM-5.3-Flash da Zhipu, revelado seis dias após seu aparecimento

O caso do Ox Alpha é o que vale a pena estudar, porque mostra tanto o quão bem a multidão se sai quanto onde ela falha. Testadores da comunidade avaliaram o laboratório corretamente — as contagens do tokenizer coincidiam com o GLM-5.3 em uma bateria de prompts, o codificador de vídeo coincidia com o GLM-5V, e os formatos de erro da API eram os do GLM. Vários colocaram sua confiança perto de 99%. Ainda assim, erraram o modelo, presumindo uma variante multimodal não lançada do GLM-5.3 em vez de um lançamento "Flash" distinto, e o número amplamente citado de "80% no DeepSWE, supera o GPT-5.6 Sol", que impulsionou a primeira onda de cobertura, veio de um desenvolvedor que acertou oito de dez tarefas em um subconjunto — não o benchmark, e não comparável às pontuações de execução completa ao lado das quais foi publicado.

Quando a revelação veio em 26 de agosto, os números reais eram menos dramáticos e mais úteis: um mixture-of-experts esparso de 320B parâmetros com cerca de 18B ativos por token, pesos licenciados sob MIT no Hugging Face no mesmo dia, um preço de tabela de $0,15 / $0,50 por milhão de tokens com 50% de desconto de lançamento até 9 de setembro, e um Artificial Analysis Intelligence Index de 57 — uma pontuação independente, que é justamente o que uma prévia sigilosa nunca tem enquanto ainda é sigilosa.

A máscara agora é voluntária

A questão de quem está por trás do Union Alpha não desapareceu, mas sua forma mudou. Há um dia, isto era uma listagem não reconhecida: ninguém havia dito que o modelo estava lá, e nenhuma plataforma o incluiria num catálogo. A OrcaRouter agora nomeou o endpoint e o listou, o que significa que o silêncio restante é uma escolha que o provedor mantém, e não um mistério que ninguém se deu ao trabalho de resolver. Um provedor mascarado numa plataforma que publica o endpoint é um arranjo de avaliação, não uma listagem abandonada — o modelo está sendo testado abertamente com o nome de seu criador omitido de propósito. “Não reivindicado” ainda é a palavra exata para quem o possui. “Despercebido” já não é.

A convenção de codinomes tem sido um sinal fraco, mas real. Pony, Ox, Owl, Hunter, Elephant: nomes de animais, de forma consistente, e os laboratórios chineses por trás da onda recente os usaram como um estúdio usa um título provisório. "Union" quebra esse padrão e não corresponde ao esquema de nomenclatura de nenhum laboratório conhecido. Isso convida à leitura de que se trata de um lançamento conjunto ou de um consórcio — que é exatamente o tipo de leitura que um codinome é escolhido para convidar, e para a qual não há evidência alguma.

Nenhuma fingerprinting foi publicada para o Union Alpha, e nenhuma é tentada aqui. Uma das lições genuinamente úteis de agosto é que uma perícia confiante pode nomear o laboratório certo e o modelo errado: os testadores depositaram quase 99% de confiança na linhagem do Ox Alpha e ainda assim o chamaram de uma variante não lançada do GLM-5.3, em vez de um lançamento Flash distinto. Ser servido em uma camada de roteamento também não reduz o campo — um endpoint não diz nada sobre os pesos por trás dele, e um provedor oculto não se torna mais provável de ser um laboratório específico por ter sido catalogado. Até que um laboratório ponha seu nome nisto, qualquer alegação sobre quem construiu o Union Alpha é um palpite vestindo um intervalo de confiança, e não vamos acrescentar um.

O que o grátis realmente lhe custa

O acesso gratuito a um endpoint oculto não é tanto uma pechincha quanto uma troca sem preço, e os termos são o que se deve ler com atenção. Você está enviando prompts e completions a um operador sem nome, o que significa nenhum acordo de processamento de dados, nenhum período de retenção declarado, nenhuma jurisdição declarada e ninguém a quem escalar. Não há acordo de nível de serviço, nem prazo de aviso prévio, nem um segundo provedor por trás deste endpoint para recorrer em caso de falha — a Union Alpha funciona com um único. Um endpoint furtivo pode ser retirado no momento em que seu proprietário decide se pronunciar, que foi exatamente o que aconteceu com o plano gratuito da Ox Alpha no dia da revelação. Qualquer coisa construída diretamente sobre ele quebrou por causa do comunicado de imprensa de outra pessoa.

Nada disso é motivo para evitá-lo. É motivo para delimitar o escopo: tráfego em sandbox, dados cuja perda não seria problema e nada que um cliente toque. O custo de experimentá-lo agora está próximo de zero também em um segundo sentido — o Union Alpha é um dos mais de 200 modelos por trás de uma única API OrcaRouter, todos ao preço de tabela do provedor, sem nenhuma margem, então avaliá-lo significa uma chave que você já tem e uma linha de configuração, e não um contrato ou uma integração. O failover automático em todo o catálogo mantém o caminho de produção que você já aponta para um modelo comprovado disponível enquanto você testa um não comprovado ao lado dele, e a DSL de roteamento permite manter um modelo experimental atrás de um interruptor que você controla, em vez de na porta de entrada. Essa é a diferença entre avaliar um modelo e depender dele.

O que realmente mudaria a resposta

O padrão de revelação diz que a janela interessante são os próximos cinco a sete dias, e estar ativo em uma camada de roteamento não a encurta — significa apenas que você pode observar de dentro. Três coisas transformariam o Union Alpha de um endpoint gratuito em uma decisão: um nome aparecendo no campo de provedor, pesos chegando a um repositório sob uma licença declarada, ou uma pontuação independente em um leaderboard que não aceite a palavra do operador como verdade.

Cada uma dessas mudanças significa algo concreto para você. Um nome diz a você quem responsabilizar e de quem é o roteiro que você está lendo. Pesos com uma licença dizem a você se algum dia você poderá executar o modelo por conta própria, o que é a diferença entre uma dependência e um ativo. Um benchmark independente diz a você se "nível de fronteira" era uma descrição ou uma esperança. Um preço publicado diz a você quanto isto vai custar no dia em que o nível gratuito terminar — o único resultado que toda prévia furtiva até agora cumpriu, porque o nível gratuito do Ox Alpha desapareceu no mesmo dia em que a Zhipu lhe deu um nome.

Até que pelo menos uma dessas coisas se concretize, o gratuito é tudo de que você pode ter certeza, e a resposta precisa para "quão bom é o Union Alpha" é que ninguém fora do operador anônimo sabe. O que você pode fazer hoje é medir por conta própria: uma janela de 262.144 tokens, entrada de imagem, chamada de ferramentas e saída estruturada por US$ 0, em um endpoint que você pode chamar nos próximos cinco minutos, com a espera de dez segundos pelo primeiro token já considerada nas suas expectativas desde o início. Isso é algo real de se ter. Também é um teste, e a parte dele que é verdadeira é a parte que você verifica na sua própria carga de trabalho.