观察员摸底

Union Alpha，智谱最强模型？

2026-09-16 · 二〇二六年九月榜

OpenRouter 当天上架的隐身模型 union-alpha，外界猜它出自智谱；若属实，便是智谱迄今在本榜最强的模型。它以观察员身份考了判律、控律、诗才三卷：判律 85.0、控律 59.2、诗才 78.9，三卷皆高于智谱在榜的 GLM-5.3，诗才一卷显著。身份未证实，本页不作认定，只做摸底记录；不入榜、不占席，榜单不动。

三卷对照

	union-alpha 观察员	glm-5.3 传闻同门（未证实）	该榜当期榜首
判律 TONE·判综合分	85.0 推算 #5 [82.1, 87.3]	83.4 #11 [80.4, 85.8]	88.9 doubao-seed-2.1
错字分	46.6	42.9	70.1
控律 TONE·控控律分	59.2 推算 #3，与前二并列 [52.4, 67.1]	50.7 #10 [44.0, 57.8]	63.9 gpt-6-astra
合律率	100%	100%	100%
诗才 VERSE诗才分	78.9 推算 #2 [76.1, 81.6]	73.8 #3 [71.6, 76.0]	82.9 gpt-6-astra
入评首数	19	20	20

方括号内为该分数的 95% bootstrap 置信区间。名次以区间为准：区间重叠视为统计并列。表中「推算」名次是「若它占一席则列第几」的推算位次，卷面与在榜各席同题同判。

第二列取 GLM-5.3，只因外界传闻这款隐身模型可能出自智谱。传闻未经证实，本页不作认定；这一列请读作「与被猜测的同门旧版的距离」。若揭晓后另有其主，此列作废，届时按该厂在榜席位重排。

诗才卷二十题只收到十九首：有一题七律，它连续三次思考超过五分钟，被接入方的服务端超时掐断，未能交卷。十九首里一首犯孤平，一首在 JSON 之外多写了诗题致引擎无法解析，两首均按规则打七五折计分。

逐类看

判律卷七类判定的 F1，控律卷八类任务的得分。数字越高越好；第四列是该榜榜首在同一类上的数值。

判律	union-alpha	glm-5.3	榜首 doubao-seed-2.1
平仄有误	53.5	62.9	71.9
用韵	100	96.6	100
孤平	70.6	69.9	75.4
三平尾	83.8	83.8	87.3
三仄尾	98.4	98.3	98.2
失粘	90.6	85.7	89.6
重字	98.4	86.6	100

控律	union-alpha	glm-5.3	榜首 gpt-6-astra
合律	100	100	100
平仄有误	90	80	80
用韵	95	90	100
孤平	80	50	70
三平尾	50	30	55
三仄尾	70	80	95
失粘	20	15	30
重字	100	100	100

判律的短板很明确：平仄错字的字级定位。它能判断一首诗有没有出律，却常指不准是哪个字，错字分 46.6 在榜内只高于 GLM-5.3。这一弱项与 GPT-6 Astra 同型（错字分 56.1）。其余各类都在第一梯队，失粘一项与榜首持平。

控律卷它写合律诗、按令犯平仄、用韵、孤平三类都在前列，孤平一类 80 分高于榜首；三仄尾 70 分明显落后于榜首的 95。失粘历来是各家最弱的一类，它 20 分，与在榜各席相仿。控律卷每类只有二十首，区间天然偏宽，前六席的区间彼此重叠，名次点估计的几分之差不作数。

它写的诗

诗才卷由十一位在榜模型双盲评分。评委原始均分 81.1，扣除格律与格式罚分后为 78.9。题目与全诗按本榜惯例不公开，以防回流进训练语料；这里只说写法。

评委给分最高的一首七绝拿到 87.0，引擎判完全合律：前两句取一个当代日常物件入手，第三句转出一个动作，结句以景收住，不点破情绪，评委几乎一致给了结句余味的高分。后两句为：

欲唤屏中人转面，炊烟不动燕初飞。

得分次高的一首七律 86.0，写的是高空俯视的城市夜景，颔联一联为：

桥收细火分双线，水截繁灯作两城。

这首在规定的 JSON 之外多写了一行诗题，引擎按格式不合格处理，计分时打了七五折。去掉那行后逐字核验，平仄、用韵、粘对全部合谱。

十九首里七绝均分 80.4，七律 81.9，长篇没有掉队。题材全是现代命题，多数做到了切题实写、结句留白，少见堆砌套语；引擎判出的唯一一处格律问题是一首七律的孤平。

评委怎么看它

既然有「可能是智谱」的传闻，就得查一查智谱在榜的 GLM-5.3 有没有给它高抬贵手。方法是比较每位评委两个偏移：评正式池时比其他评委平均高多少，评它时又高多少。两者的差才是「对它另眼相看」的部分。

评委	评正式池偏移	评它的偏移	差
gpt-6-astra	−3.3	+3.6	+6.9
claude-fable-5.1	−9.4	−5.0	+4.4
deepseek-v4-pro-0813	+3.0	+5.3	+2.3
gemini-3.8-flash	+3.4	+5.3	+1.9
muse-spark-1.2	−0.5	+0.8	+1.2
doubao-seed-2.1	−0.0	+1.1	+1.1
glm-5.3	+9.0	+9.2	+0.3
kimi-k3	−1.2	−2.5	−1.3
hunyuan-hy4-preview	−1.3	−3.1	−1.8
qwen3.8-max	+4.9	+0.8	−4.2
grok-4.6	−8.5	−15.5	−6.9

GLM-5.3 给它的分最高，但 GLM-5.3 评谁都最宽，两个偏移几乎一样，差只有 0.3，看不出护短。真正对它另眼相看的是 GPT-6 Astra，多给了 6.9；最苛刻的是 Grok 4.6，少给了 6.9。去掉 GLM-5.3 后评委均分从 81.1 变为 80.3，结论不变。

按本榜规则，观察员不担任评委：它没有给任何在榜作品打分，诗评榜不受影响。

它慢

这是三卷考下来最显眼的工程特征。它默认深度思考，一道判律题常要想几分钟，写一首七律更久。接入方对单次请求有五分钟的服务端上限，超过即掐断：

判律：首轮 236 题交白卷 23 题，补跑两轮后剩 1 题始终答不出。
控律：首轮 160 首交白卷 45 首，集中在合律、用韵、平仄三类，恰是需要通盘推演的题；放宽客户端等待后全部补齐。
诗才：二十题首轮只交 15 首，改用流式接收补到 19 首，最后一首七律三次都超过五分钟。

白卷不是不会写，补上的答卷质量与首轮无异。但若正式接入，这个速度意味着用户等待和超时都要另作安排。

外界传闻，与我们的看法

公开信息。2026 年 9 月 16 日上架 OpenRouter，标识 stealth/union-alpha，预览期免费；上下文 262144，支持图文输入、文字输出、工具调用。OpenRouter 称其为「匿名第三方提供的隐身模型」，只转发不开发；有报道称它与 OpenCode 合作推出。数据政策写明「提示与回复可能被提供方保留，不用于训练」。
身份猜测。社区提到智谱与月之暗面，均无指纹证据。先例是 Ox Alpha：8 月 20 日同一方式上架，六天后揭晓为智谱 GLM-5.3-Flash。当时的猜测「猜对了公司，猜错了型号」。
一个误读。同日 Cloudflare 宣布其 AI 网关首次上架隐身模型，即 Union Alpha，中文转述常译成「Cloudflare 的首款隐身模型」。Cloudflare 文档将其标为第三方模型，网关只是转发到匿名提供方，这不是揭晓。
我们的观察。三卷全面强于 GLM-5.3：判律高 1.6，控律高 8.5，诗才高 5.1。判律短板与 GPT-6 Astra 同型，评委行为上没有同门信号。这些都不足以指认任何一家。
榜单不动。本页只是摸底记录。待开发方揭晓，若属在榜厂商，按「同厂多线择优」规则重测定席；若是新厂，按新席入场规则处理。在此之前，各榜名次维持原状。

怎么测的

同题同卷。三卷沿用本期原卷，与在榜各席同题同判，分数直接可比。
裁判是规则。判律、控律全部由确定性规则引擎逐字核验；诗才由在榜模型双盲互评，剔除自评与同门。
观察员规则。不占席、不入榜、不当评委、不参与任何权重计算；答卷原样留档，揭晓后可直接复用。
调用口径。与在榜各席一致，深度思考开到最强；写诗、判律的提示词与在榜各席逐字相同。
同一把尺。控律卷按本期榜单发布时（9 月 4 日）的引擎版本判定，与榜上各席同一口径；引擎后续的修订将随下期榜单一并生效，届时各席分数同步重算。

完整方法论见榜单设计原则。外部信息来源：OpenRouter 模型页、OpenRouter 发布推文、OrcaRouter 分析、Crypto Briefing 报道。

查看完整榜单 →