Union Alpha виявилася ансамблем LLM, а не моделлю

Union Alpha змішує відповіді кількох моделей

Для мене головний факт тут такий: Union Alpha виявилася не черговою величезною LLM, а системою, що паралельно залучає кілька моделей і синтезує єдину відповідь. У публічному описі Union Alpha компанія Unbiased називає її мультимодальною системою для досліджень, програмування й агентних сценаріїв. До вересня 2026 року колишню стелс-модель також пов'язали з назвою Pareto 26.9.

Це не просто маршрутизатор, який обирає одного виконавця до надсилання запиту. Судячи з доступного опису, один запит обробляють кілька мовних моделей, а потім їхні результати об'єднуються. Які саме моделі входять до ансамблю, як розподіляються ваги та за якими правилами усуваються суперечності, Unbiased публічно не розкриває.

У картці Union Alpha на OpenRouter були вказані контекстне вікно на 262 144 токени та максимальний вивід 131 072 токени. Система приймала текст і зображення, підтримувала виклики інструментів та була сумісною з клієнтами у стилі OpenAI. На момент розкриття мільйон вхідних токенів коштував 2,50 долара, кешований ввід — 0,25 долара, а мільйон вихідних токенів — 7,50 долара.

В оригінальному обговоренні користувач повідомив, що лише Union Alpha знаходила валідні помилки в оркестраторі на Opus і виправляла їх. Це цікаве спостереження, але не порівняльний тест: у доступних матеріалах немає повної таблиці точних результатів проти Opus. Водночас воно добре показує потенційну перевагу ансамблю: одна модель може помітити помилку іншої до формування фінальної відповіді.

Якість тепер можна масштабувати не лише розміром

Цей підхід справді змінює розклад: поліпшення відповіді переноситься з навчання однієї гігантської моделі на оркестрацію кількох сильних моделей. Для коду й агентних завдань це особливо логічно, адже незалежні рішення можна зіставляти, перевіряти та зводити до того, як помилка потрапить на наступний крок процесу.

Але магії тут немає. Паралельні виклики створюють додаткові затримки та витрати токенів, а шар синтезу сам може помилятися, втрачати рідкісну правильну гіпотезу або впевнено склеювати несумісні відповіді. Я б насамперед перевіряв не середній бал, а стійкість на конфліктних відповідях, складних викликах інструментів і довгих агентних ланцюгах.

Поки склад ансамблю та політика змішування закриті, важко відокремити інженерний прорив від вдало налаштованої комбінації вже відомих моделей. Проте Union Alpha демонструє важливий зсув: наступним конкурентом однієї frontier-моделі може стати не більша модель, а добре зібрана команда з кількох моделей.

Раніше ми розбирали, як LLM-проксі та шари абстракції зменшують залежність від одного провайдера. В ансамблі з розумним маршрутизатором цей підхід стає основою вибору моделі для конкретного запиту.