Union Alpha 结束 OpenRouter 隐身测试：输入每百万 token 2.50 美元，上下文 262K

上下文理解多模型适配模型定价模型聚合模型评测与对比模型路由长上下文

2026-09-18 11:20

141 浏览

0 点赞

AI 速览

Unbiased 公司在 OpenRouter 平台推出复合大模型 Pareto，主打低价与长上下文，适合关注新兴 AI 模型性价比的开发者与研究者。核心事实 - 模型身份：Union Alpha 被确认为 Unbiased 公司开发的 Pareto 模型 - 技术形态：Pareto 是复合模型，多模型并行生成结果，非简单路由器 - 定价策略：输入 $2.50/百万 token，输出 $7.50，缓存读取 $0.25 - 上下文能力：支持 262K token 上下文，单次输出上限 131K token - 性能表现：厂商自测在 DeepSWE、ArXivMath 等基准得分公布，但终端与多模态任务落后于 Fable 5.1 和 GPT-6 Astra - 公司背景：Unbiased 隶属 Circuit & Chisel，创始团队来自 Stripe，2025年9月获 1920 万美元种子轮融资时间线 - 2026-09-16：Union Alpha 页面上线 OpenRouter - 2026-09-17：Pareto 页面上线，36kr 报道社区猜测 - 2026-09-18：模型身份正式确认，免费期已结束关键数据 - 首日处理约 20 亿 token - 种子轮融资 1920 万美元价值点为开发者提供了一个高上下文、低价格的新模型选项，尤其适合对成本敏感但需长文本处理能力的应用场景。

9月18日消息，OpenRouter 上的隐身模型 Union Alpha 被确认为 Unbiased 的 Pareto。OpenRouter 在 Union Alpha 页面写明，这个隐身模型由 Unbiased 开发并运营，免费隐身期结束，改用 unbiased/pareto。Pareto 是 Unbiased 的复合模型，输入每百万 token 2.50 美元、输出 7.50 美元、缓存读取 0.25 美元，上下文 262K，单次输出上限 131,072 token。

Union Alpha 结束 OpenRouter 隐身测试：输入每百万 token 2.50 美元，上下文 262K

一天之内的揭晓

Union Alpha 页面的发布日期标注为 9月16日，Pareto 页面标注为 9月17日。免费期何时结束，页面只写了"已经结束"。

匿名期间，社区对它的猜测集中在大厂未发布模型上。据 36kr 9月17日报道，主流猜测有三种：未发布的 Claude Opus 更新、OpenAI 测试中的 GPT-6 Sol，以及 Mistral 的新一代旗舰。据 InfoQ 报道，该模型上线首日处理约 20 亿 token；Gigazine 的记录称，它原计划免费开放一周，实际在一天后结束。

Unbiased 是 Circuit & Chisel 的产品品牌

Unbiased 的官网写明，它出自 Circuit & Chisel，站点的结构化数据把 Circuit & Chisel, Inc. 标为母公司。Circuit & Chisel 的官网自称一家前沿 AI 实验室。两位创始人来自 Stripe：CEO Louis Amira 此前负责 Stripe 的加密与 AI 合作，CTO David Noël-Romas 此前负责 Stripe 的加密工程。公司在 2025年9月22日披露 1920 万美元种子轮，Primary Venture Partners 与 ParaFi Capital 领投，Stripe、Coinbase Ventures、Solana Ventures、Samsung Next 与 Polygon Labs 参投。

Pareto 的形态是复合模型。官方描述称，每次请求会有多个大模型并行参与，结果按任务动态合成，并强调 Pareto 不是模型路由器。模型没有开源，权重与参数规模没有公开。Unbiased 在 OpenRouter 名下目前只有 Pareto 一个模型。

价格、上下文与官方自测

按 OpenRouter 的字段，Pareto 的输入价格为每百万 token 2.50 美元，输出 7.50 美元，缓存读取 0.25 美元；Unbiased 官网的定价页口径一致。官方给出的价格定位是：输入为 Fable 5 费率的 25%，输出为 15%，缓存输入为 25%。

上下文窗口为 262,144 token，单次输出上限 131,072 token，OpenRouter 页面把上下文显示为 262K。

能力上目前只有厂商自测。Unbiased 模型卡列出的五项成绩是：DeepSWE 74、Terminal-Bench 4.0 51、MMMU-Pro 78、HLE（无工具）49、ArXivMath 88。同一张表给出对照：Terminal-Bench 4.0 上 Fable 5.1 得 56、GPT 6 Astra 得 58；MMMU-Pro 上 Fable 5.1 得 81、GPT 6 Astra 得 87；HLE 上 Fable 5.1 得 55、GPT 6 Astra 得 54；DeepSWE 上 Astra 与 Pareto 同为 74；ArXivMath 上 Fable 5.1 为 72、Astra 为 91。官方在同一页说明，本次发布没有公布测得的任务成本与综合分，这些分数不能说明完成单个任务的成本。

一天前，社区还在猜这是哪家前沿实验室的未发布模型，答案是一家初创用多模型合成交出的产品。在它自己的对照表里，终端任务、多模态理解与推理三项落后于 Fable 5.1 与 GPT 6 Astra，价格是它主打的差异点。第三方评测机构目前没有给出这个模型的分数，能力判断停在厂商自测。

好文章，需要你的鼓励

# 报错信息分析与调试指南 ## 任务说明请分析用户提供的报错信息，推测可能的错误原因，并提供系统性的调试步骤。 ## 分析要求 1. **错误类型识别** - 确定是语法错误、运行时错误、逻辑错误还是环境配置错误 - 识别具体的错误类别（如空指针、数组越界、类型不匹配等） 2. **原因推测** - 基于错误信息中的关键线索进行合理推断 - 考虑常见的导致此类错误的编程场景 - 分析可能的代码问题或环境问题 3. **调试步骤** - 提供从简单到复杂的逐步调试方法 - 包括代码检查、日志添加、环境验证等具体操作 - 给出预防类似错误的最佳实践建议 ## 输出格式 - **错误类型**：[具体的错误分类] - **可能原因**： 1. [原因1] 2. [原因2] 3. [原因3] - **调试步骤**： 1. [步骤1] 2. [步骤2] 3. [步骤3] 4. [步骤4] - **解决方案**：[具体的修复建议] ## 示例 **输入**：【报错信息】 ``` TypeError: Cannot read property 'length' of undefined at processData (app.js:25:18) at main (app.js:10:5) ``` **输出**： - **错误类型**：运行时错误 - TypeError - **可能原因**： 1. 变量未正确初始化就被访问其 length 属性 2. 函数参数传递了 undefined 值 3. 异步操作中数据还未加载完成就尝试访问 - **调试步骤**： 1. 检查 app.js 第25行附近的变量声明和赋值 2. 在访问 length 属性前添加类型检查：`if (variable && variable.length)` 3. 使用 console.log() 输出相关变量的值确认其状态 4. 检查函数调用时传入的参数是否正确 - **解决方案**：在访问对象属性前先验证对象是否存在，或确保变量在使用前已被正确初始化。