O Union Alpha já não é um modelo gratuito e anónimo. A OpenRouter identifica agora o lançamento discreto de 16 de setembro como Pareto, um modelo composto pago da Unbiased. A antiga listagem stealth/union-alpha foi retirada; o modelo ativo na OpenRouter é unbiased/pareto.
Para usar o Pareto hoje, precisa do identificador de modelo e dos preços atuais. Ao avaliar as alegações de desempenho, é também necessário distinguir o serviço pago da demonstração gratuita anterior.
A grande mudança
- O que mudou: O Union Alpha passou a ser um serviço pago que executa vários modelos subjacentes num único pedido e devolve uma resposta sintetizada. O operador do Pareto pode alterar essa combinação, mantendo um único nome de modelo público.
- Porque é importante: Os programadores passam a ter um único endpoint e uma única fatura, mas a identidade do modelo, a latência, o tratamento dos dados e a qualidade da resposta dependem do serviço composto, não de um checkpoint fixo.
- O que acompanhar: A demonstração gratuita do Union Alpha tornou-se um produto pago em poucos dias. Avalie o identificador do modelo ativo e as condições atuais, pois uma listagem discreta, um gráfico de lançamento ou um teste em vídeo podem descrever um estado anterior do serviço.
Configurar o Pareto no OpenCode através da OpenRouter
Pode utilizar o Pareto no OpenCode ligando uma conta da OpenRouter. A página do Pareto na OpenRouter indica uma janela de contexto de 262 144 tokens, entrada de texto e imagem e saída de texto.
- Instale o OpenCode. Num terminal Bash, execute os comandos abaixo; os utilizadores do Windows podem seguir as opções de instalação ligadas.
- Crie uma conta na OpenRouter e uma chave de API; depois, adicione créditos ao abrigo das condições de faturação atuais da OpenRouter. O período gratuito do Union Alpha terminou.
- No OpenCode, execute
/connect, escolha OpenRouter e cole a chave quando lhe for pedido. O OpenCode guarda as credenciais do fornecedor no respetivo ficheiro de autenticação local. - Execute
/modelse selecioneunbiased/pareto. O identificador anteriorstealth/union-alphaé histórico. - Peça ao modelo que explique um ficheiro antes de solicitar alterações. Compare a explicação com o código e, em seguida, aprove uma pequena alteração, inspecione as diferenças e execute os testes do projeto. Consulte o registo de atividade da OpenRouter para ver a utilização de tokens e os custos.
curl -fsSL https://opencode.ai/install | bash
cd /path/to/your/project
opencode
Se o Pareto não aparecer no seletor, adicione-o ao ficheiro opencode.json do projeto e reinicie o OpenCode:
{"model":"openrouter/unbiased/pareto","provider":{"openrouter":{"models":{"unbiased/pareto":{}}}}}
O prefixo openrouter/ pertence ao nome de modelo configurado no OpenCode. A API da OpenRouter utiliza unbiased/pareto. Esta configuração segue a documentação atual; não executámos uma chamada paga para este guia.
Ligar diretamente à Unbiased
A Unbiased também disponibiliza o Pareto na sua própria versão beta privada, sujeita a análise. O seu ficheiro oficial de configuração indica que as novas contas são aprovadas manualmente e utilizam créditos pré-pagos. O endereço-base público da API é https://api.unbiased.ai/v1; o identificador do modelo é pareto. O acesso direto para avaliação não autoriza, por si só, a utilização comercial ou em produção; é necessário um acordo escrito separado.
Após a aprovação e emissão da chave, um cliente compatível com a API da OpenAI pode utilizar estas definições:
export UNBIASED_API_KEY="your-key-from-the-platform"
curl https://api.unbiased.ai/v1/chat/completions -H "Authorization: Bearer $UNBIASED_API_KEY" -H "Content-Type: application/json" -d '{"model":"pareto","messages":[{"role":"user","content":"Reply with one sentence."}]}'
Guarde a chave numa variável de ambiente ou num porta-chaves do sistema operativo, nunca num repositório. A documentação indica que o endpoint GET /v1/models devolve atualmente o erro 404; por isso, os clientes que exigem a descoberta de modelos precisam de ter o pareto configurado explicitamente. A Unbiased também publica um instalador para macOS, mas as definições do endpoint acima funcionam com qualquer cliente compatível.
Quem criou o Union Alpha
A listagem arquivada da OpenRouter indica que o Union Alpha foi desenvolvido e operado pela Unbiased e apresentado como Pareto. A OpenRouter encaminhava os pedidos da versão de demonstração; não era a entidade que o desenvolveu nem o fornecedor.
A Unbiased é a plataforma de produtos da Circuit & Chisel, Inc. A empresa identifica Louis Amira como cofundador e diretor executivo e David Noël-Romas como cofundador e diretor de tecnologia; afirma que ambos vieram da Stripe.
O Pareto é descrito como um modelo composto. Vários modelos de linguagem são executados em paralelo e os seus resultados são sintetizados numa única resposta. A empresa divulga uma combinação de modelos de ponta e de código aberto, mas não publica uma lista fixa dos modelos que a compõem. As condições permitem alterar a composição subjacente sem aviso prévio, desde que a funcionalidade não seja significativamente reduzida. Entre os subprocessadores de inferência indicados estão a Anthropic, a OpenAI e a xAI; esta lista identifica entidades que processam dados, não os modelos exatos utilizados em cada pedido.
Preços atuais e resultados publicados
As tarifas atuais de entrada sem cache e de saída do Pareto são inferiores às dos dois modelos de ponta selecionados na tabela de resultados da Unbiased. Estes são preços da API em dólares dos EUA por milhão de tokens; as subscrições e os limites de utilização incluídos são distintos. A comparação utiliza as tarifas do Fable 5.1 da Anthropic e as tarifas Standard do GPT-6 Astra da OpenAI para pedidos com até 272 000 tokens de entrada.
Modelo | Entrada | Entrada em cache | Saída |
|---|---|---|---|
Pareto 26.9 | 2,50 $ | 0,25 $ | 7,50 $ |
Claude Fable 5.1 | 10,00 $ | 0,25 $ | 50,00 $ |
GPT-6 Astra | 10,00 $ | 1,00 $ | 50,00 $ |
A página pública de preços da Unbiased também anuncia subscrições pessoais de 10 e 100 dólares com utilização incluída, enquanto a secção de perguntas frequentes descreve o acesso atual como pagamento por utilização, pré-pago e sujeito a aprovação manual. Por isso, é na plataforma que se deve confirmar qual o plano efetivamente disponibilizado a uma nova conta.
O cartão do modelo Pareto 26.9 publica estes resultados comunicados pelo fornecedor sem indicar os custos por tarefa nem as definições de esforço utilizadas neste conjunto.
Benchmark | Pareto 26.9 | Fable 5.1 | GPT-6 Astra |
|---|---|---|---|
DeepSWE | 74 | 67 | 74 |
Terminal-Bench 4.0 | 51 | 56 | 58 |
MMMU-Pro | 78 | 81 | 87 |
HLE, sem ferramentas | 49 | 55 | 54 |
ArXivMath | 88 | 72 | 91 |
O Pareto empata com o Astra no DeepSWE e fica atrás dele nos restantes benchmarks. Supera o Fable no DeepSWE e no ArXivMath. O Fable lidera no HLE; o Astra lidera nas restantes linhas ou empata.
Separadamente, o cartão apresenta uma fatia preliminar de 30 tarefas DeepSWE, transcrita de uma captura de ecrã de 21 de setembro:
Execução comunicada | Pontuação | Custo médio por tarefa |
|---|---|---|
Pareto 26.9, 20 de setembro | 70% | 0,29 $ |
Claude Fable 5, 15 de agosto | 70% | 13,50 $ |
GPT-5.6 Sol, 15 de agosto | 60% | 0,52 $ |
A página classifica estas execuções como não validadas e indica que a metodologia de custos e os denominadores ainda precisam de confirmação. Os modelos de comparação são históricos. O custo de 0,29 dólares por tarefa corresponde ao resultado de 70%, nunca à pontuação de 74 apresentada no título.

O que mostra o gráfico original do DeepSWE
O gráfico apresentado um minuto depois do início do vídeo do Union Alpha, publicado pela Chase AI a 17 de setembro tem origem numa publicação de 16 de setembro de Alex Atallah, cofundador da OpenRouter. Coloca uma estrela dourada do Union Alpha perto dos 73% no DeepSWE, entre os resultados dos modelos de ponta. A estrela está identificada como «preço previsto», sem indicação do custo ou da pontuação exatos. O eixo horizontal está invertido: os valores assinalados descem de 10 para 5 e depois para 0 dólares, da esquerda para a direita.
Abra o gráfico original, com 1872 por 1190 píxeis, se as legendas forem demasiado pequenas no telemóvel. Este retrato de 16 de setembro regista o posicionamento da versão de demonstração gratuita no lançamento. Não mede o custo atual por tarefa do Pareto 26.9 pago e é distinto dos resultados atuais apresentados no cartão do modelo acima.
O que mostram os testes da versão de demonstração da Chase AI
O vídeo da Chase AI, publicado a 17 de setembro, «Union Alpha é INSANO», regista testes da versão de demonstração gratuita. O criador preferiu o Opus 5 para uma página simples de hotel e considerou que o Astra teve uma ligeira vantagem numa página mais detalhada. O Union Alpha falhou repetidamente uma tarefa num jogo ao estilo do Fortnite, mas concluiu um jogo de corridas mais simples após reiniciar a sessão; o criador considerou o resultado semelhante ao do Astra.
O teste de animação gráfica dependia de uma competência externa e de um servidor MCP, pelo que avaliava uma cadeia de ferramentas mais ampla. O criador também comunicou 100% num teste de recuperação de informação com oito agulhas em 128K e 99,6% numa versão modificada de 200K. Não repetimos estas instruções, não inspecionámos os respetivos sistemas de avaliação nem testámos se o Pareto 26.9 se comporta da mesma forma.
Verifique as condições de utilização dos dados antes de enviar código privado
As condições da Circuit & Chisel dizem que os conteúdos dos clientes são conservados apenas durante o tempo necessário para processar os pedidos, com exceções previstas por lei e até 30 dias para prevenção de abusos ou monitorização de segurança. O treino exige consentimento escrito explícito. A política de dados específica do Pareto, na mesma página, diz que o prazo de conservação de pedidos e respostas em bruto não foi publicado e que um compromisso específico para cada membro será comunicado antes da integração.
Esta discrepância exige uma resposta por escrito antes de uma equipa enviar código-fonte sensível. Os pedidos ao Pareto podem passar pela infraestrutura da Circuit & Chisel e pelos subprocessadores de inferência divulgados. Comece por utilizar material que seja seguro partilhar e obtenha depois as condições de conservação e utilização em produção aplicáveis à conta.



