Un nuovo modello di intelligenza artificiale denominato Union Alpha è comparso in forma anonima su OpenRouter e OpenCode, senza indicazioni sullo sviluppatore, sul laboratorio di provenienza, sull’architettura o sui pesi, inserendosi nella recente serie di modelli “stealth” distribuiti inizialmente senza identità pubblica. Union Alpha è stato registrato il 16 settembre come modello anonimo e il provider viene indicato semplicemente come “stealth”, mentre non sono stati pubblicati una model card, informazioni sulla dimensione in parametri, dettagli sull’architettura, sulla data di cutoff dei dati di addestramento, sulla licenza o su un eventuale repository contenente i pesi.
Le specifiche disponibili indicano una finestra di contesto da 262.144 token e una lunghezza massima dell’output pari a 131.072 token, caratteristiche che lo collocano tra i modelli progettati per gestire input molto estesi e generare risposte particolarmente lunghe. Union Alpha può elaborare sia testo sia immagini, supporta il tool calling e viene quindi presentato come particolarmente adatto a flussi di lavoro di coding agentico, nei quali il modello deve non soltanto produrre codice ma anche utilizzare strumenti esterni durante l’esecuzione dei compiti; non è invece previsto il supporto per input video. Durante il periodo di anteprima il modello viene messo a disposizione gratuitamente e, almeno per ora, non è stata resa nota una funzione specifica che permetta all’utente di regolare l’intensità del reasoning.
L’interesse intorno a Union Alpha deriva anche dalle prime indicazioni sulle prestazioni, che in alcuni test lo avvicinerebbero al livello di Fable 5 pur con una competitività economica paragonata a quella di GPT-5.6 Terra, ma questi confronti devono essere considerati ancora preliminari perché non risultano pubblicati benchmark ufficiali indipendenti sufficienti per verificarne con precisione le prestazioni. Un ulteriore test dedicato alla generazione di scene tridimensionali avrebbe inoltre mostrato un consumo di token circa tre volte inferiore rispetto a Ox Alpha, un altro modello anonimo apparso in precedenza, suggerendo una possibile maggiore efficienza nell’esecuzione di determinati workload, anche se anche in questo caso i dati disponibili non consentono ancora una valutazione completa del comportamento del modello su una gamma più ampia di attività.
Union Alpha arriva in un periodo nel quale diversi modelli sono stati distribuiti inizialmente sotto nomi anonimi per poi essere ricondotti successivamente ai rispettivi sviluppatori. Quasar Alpha e Optimus Alpha, comparsi nel 2024, sono stati identificati come appartenenti alla famiglia GPT-4.1 di OpenAI, mentre Sonoma Sky e Dusk Alpha sono risultati collegati a Grok 4 Fast di xAI; più recentemente Pony Alpha è stato associato a GLM-5 di Z.AI, Hunter Alpha a MiMo-V2-Pro di Xiaomi e Owl Alpha a LongCat-2.0 di Meituan. Anche Ox Alpha, apparso lo scorso agosto, è rimasto anonimo soltanto per sei giorni prima di essere identificato come GLM-5.3-Flash di Z.AI, con la comunità che era riuscita a formulare ipotesi particolarmente precise analizzando elementi tecnici come il tokenizer e il formato degli errori restituiti dalle API.
Per Union Alpha, al contrario, non sono ancora emersi indizi verificati sufficienti per attribuire il modello a uno sviluppatore specifico, per cui qualsiasi associazione rimane al momento speculativa. OpenCode evidenzia inoltre un approccio orientato alla protezione dei dati, dichiarando che i prompt inviati al modello non vengono utilizzati per l’addestramento e che i dati non vengono conservati, ma l’assenza di informazioni pubbliche sull’azienda responsabile rende difficile verificare in maniera indipendente le effettive modalità di trattamento e conservazione dei dati.
Al momento Union Alpha può quindi essere descritto con certezza soprattutto attraverso le caratteristiche esposte dalle piattaforme che lo distribuiscono: utilizzo gratuito durante la preview, ampia finestra di contesto, supporto multimodale per testo e immagini e capacità di richiamare strumenti esterni. Restano invece ancora sconosciute l’identità dello sviluppatore, l’architettura, la dimensione del modello, i dati di addestramento e l’effettivo livello prestazionale rispetto ai principali modelli commerciali, elementi che potranno essere valutati con maggiore precisione soltanto quando verranno pubblicate informazioni tecniche più complete o risultati di benchmark indipendenti.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)