Un modelo sin dueño apareció el 16 de septiembre en el catálogo de OpenRouter con el identificador stealth/union-alpha: 262.144 tokens de contexto, entrada de texto e imagen, llamadas a herramientas y un precio de US$0. La plataforma lo describió como "a multimodal model built for research, coding, and agentic workflows, while delivering frontier-level performance". Durante 33 horas nadie dijo quién lo había hecho.
La respuesta llegó el 17 de septiembre a las 23:24 UTC: Union Alpha era Pareto 26.9, el modelo de Unbiased, una empresa de Circuit & Chisel. La cuenta del propio modelo lo confirmó en un posteo en X. No es un modelo entrenado por un laboratorio: es un modelo compuesto. Según Unbiased, "under the hood it runs several models on your request and keeps the best answer", y por eso las huellas habituales no permitían rastrear al autor.
Los números de su ficha
El model card de Pareto 26.9 publica los puntajes contra tres rivales: GPT-6 Astra, Claude Fable 5.1 y DeepSeek 4.1 Flash.
- DeepSWE: 74 — empata con GPT-6 Astra y DeepSeek 4.1 Flash; Fable 5.1 queda en 67.
- Terminal-Bench 4.0: 51 — detrás de Astra (58) y Fable 5.1 (56).
- MMMU-Pro: 78 — contra 87 de Astra.
- HLE sin herramientas: 49 — contra 54 de Astra.
- ArXivMath: 88 — contra 91 de Astra.
Todos son puntajes del fabricante. La propia ficha aclara que no se publicaron costos por tarea medidos ni un score compuesto, y que "scores do not establish cost per completed task".
Qué es DeepSWE
El benchmark donde empata es de Datacurve: 113 tareas de ingeniería de software de largo horizonte escritas desde cero —sin adaptar commits ni pull requests, para evitar contaminación— sobre 91 repositorios en cinco lenguajes. Sus soluciones exigen 5,5 veces más código que las de SWE-bench Pro, y todos los modelos se corren con el mismo agente (mini-swe-agent) para que la comparación sea consistente. DeepSWE también integra el Coding Agent Index de Artificial Analysis, junto con Terminal-Bench 4.0 y SWE-Atlas-QnA. Al cierre de esta nota, Pareto 26.9 no aparecía ni en el leaderboard de Datacurve ni en ese índice.
La prueba que sí fue independiente
MindStudio lo probó el 17 de septiembre: en el mismo benchmark de ingeniería le dio alrededor de 73%, cerca del 74% de los modelos de la clase GPT y Opus, y estimó un costo de US$0,65 por tarea frente a US$6,50 y US$11,80 de los dos modelos más caros del mismo gráfico. El throttling del acceso gratuito le cortó una prueba de razonamiento científico antes de terminarla. La cronología del caso —desde las 14:42 UTC del 16 de septiembre hasta la revelación— quedó documentada por CellCog.
Precio y disponibilidad
La ventana gratuita terminó con el nombre. Desde la revelación, Pareto cuesta US$2,50 por millón de tokens de entrada, US$0,25 de entrada cacheada y US$7,50 de salida, según el model card y la ficha en OpenRouter. En la ventana del 17 al 20 de septiembre, OpenRouter reportaba 98,55% de disponibilidad y un 86% de aciertos de caché en promedio.
Qué falta verificar
Que el rendimiento se sostenga en evaluación independiente y cuánto de ese 74 en DeepSWE es mérito del enrutado entre varios modelos y cuánto de los modelos que corren por debajo, algo que el fabricante no detalla. Es una afirmación de la empresa, no un resultado replicado por terceros: hasta que aparezca en un leaderboard independiente, conviene leerlo como lo que es.




