O que é o Union Alpha? Explicação do sistema de IA multimodelo do Pareto 26.9

O Union Alpha já não é um modelo misterioso. O modelo furtivo que surgiu subitamente nas principais plataformas de IA foi revelado como o Pareto 26.9, um sistema de IA multimodelo da Unbiased.

A revelação é interessante, mas não é a parte mais importante da história. O Pareto não é simplesmente mais um modelo de base a competir com GPT, Claude, Gemini, GLM ou Llama. Representa uma ideia diferente: um único ID de modelo pode ocultar um sistema no qual vários modelos de IA contribuem para o mesmo pedido.

O que é o Union Alpha?

O Union Alpha surgiu inicialmente como um modelo de IA furtivo, sem um fornecedor ou uma arquitetura claramente divulgados. Essa ambiguidade desencadeou imediatamente especulação, porque o seu comportamento nem sempre parecia consistente com uma única família de modelos conhecida.

O mistério foi agora resolvido: o Union Alpha era o lançamento furtivo do Pareto 26.9, desenvolvido pela Unbiased.

Por isso, o mais surpreendente não é saber que empresa se escondia por detrás do Union Alpha.

Era aquilo a que os utilizadores estavam efetivamente a chamar quando selecionavam esse nome de modelo único.

O Union Alpha não era uma API convencional de modelo único

A maioria das APIs de IA cria um modelo mental simples.

Escolhe um nome de modelo, como uma variante específica do GPT, Claude, Gemini, GLM ou Llama. Esse modelo recebe o prompt e produz a resposta.

O Pareto altera essa suposição.

A Unbiased descreve-o como um modelo combinado. Em vez de exigir que um único modelo subjacente trate todo o pedido, vários modelos podem participar no processamento da mesma tarefa antes de o sistema produzir uma resposta final.

Do ponto de vista da aplicação, a interação continua a parecer simples:

• um identificador de modelo,
• um pedido,
• uma resposta da API,
• um registo de utilização.

Por detrás dessa interface, no entanto, a camada de inteligência pode envolver vários modelos.

Isto cria uma nova distinção importante:

o nome do modelo exposto por uma API já não tem de corresponder a uma única rede neuronal fixa.

Pode representar um serviço que coordena vários modelos por detrás de um único endpoint.

Modelo combinado vs. encaminhador de modelos vs. Mistura de Especialistas

“Vários modelos” pode descrever várias arquiteturas muito diferentes. Tratá-las como intercambiáveis torna o Union Alpha mais difícil de compreender do que é necessário.

A diferença entre um encaminhador e um modelo combinado é especialmente importante.

Um encaminhador tradicional tenta responder:

Que modelo deve tratar este pedido?

Um sistema combinado pode, em alternativa, perguntar:

Que modelos devem contribuir para este pedido e como deve o seu trabalho ser combinado?

É também por isso que a Pareto não deve ser descrita como um modelo de Mistura de Especialistas.

A MoE é uma técnica arquitetural dentro de um modelo. A Pareto funciona entre modelos separados, numa camada de sistema superior.

A MoE combina especialistas internos. A Pareto combina inteligência ao nível do modelo.

Porque é que o Union Alpha por vezes parecia ser modelos diferentes?

Durante o período de discrição, os utilizadores tentaram identificar o Union Alpha pelo seu estilo de escrita, padrões de raciocínio, comportamento do tokenizador, desempenho na programação, compreensão de imagens, conhecimentos e comportamento de recusa.

Essas tentativas produziram conjeturas contraditórias.

Algumas respostas pareciam pertencer a uma família de modelos. Outras tarefas pareciam mais próximas de outra.

A arquitetura combinada oferece uma explicação simples para o facto de a identificação por impressão digital comportamental se ter tornado invulgarmente difícil: os utilizadores podem ter estado a observar o resultado de um sistema com vários modelos, em vez de um único modelo de base oculto.

Isso não significa que todas as variações numa resposta provem que foi utilizado um modelo subjacente diferente. A amostragem, os prompts, o contexto, as instruções do sistema e as alterações no backend também podem alterar o comportamento do modelo.

Mais importante ainda, a Unbiased não divulgou publicamente uma lista completa, pedido a pedido, que mostre exatamente que modelos subjacentes participam em cada resposta do Pareto.

É, portanto, útil separar o que se sabe do que permanece desconhecido.

Essa distinção é importante, porque a especulação sobre GPT, GLM, Llama, Mistral ou outros modelos não deve ser apresentada como uma arquitetura de Pareto confirmada.

Porquê utilizar vários modelos para um único pedido?

Nenhum modelo de fronteira é consistentemente o melhor em todos os tipos de trabalho.

Um modelo pode ter um desempenho especialmente bom em código. Outro pode ser mais forte na compreensão visual. Outro pode ter um desempenho multilingue, uma recuperação factual, um processamento de contexto longo ou um raciocínio melhores num determinado benchmark.

Para os utilizadores, isto cria um problema de seleção do modelo.

A ideia do produto é, portanto, mais abrangente do que «utilizar vários modelos bons».

Tenta transferir a seleção do modelo da interface do utilizador para a camada de infraestrutura.

Em vez de perguntar repetidamente aos utilizadores:

• Qual é o melhor modelo para este prompt?
• Devo utilizar o modelo de programação?
• Devo mudar para um modelo com visão?
• É necessário o modelo de raciocínio mais dispendioso?

o serviço pode tentar tomar essas decisões por detrás de uma única API.

A Union Alpha não estava apenas a disponibilizar um modelo. Estava a abstrair a própria escolha do modelo.

Um único ID de modelo está a tornar-se uma camada de abstração

Isto tem uma implicação mais abrangente para as APIs de IA.

Historicamente, um identificador de modelo dava aos programadores uma ideia razoavelmente intuitiva do que estava por detrás de um ponto de acesso.

Um ID de modelo representava uma determinada família e versão de modelo.

Os sistemas multimodelo enfraquecem essa suposição.

A aplicação pode chamar um identificador estável, enquanto o fornecedor do serviço altera:

• quais os modelos subjacentes que participam,
• como são classificadas as solicitações,
• como são avaliadas as respostas candidatas,
• quanta capacidade computacional é atribuída,
• e como é sintetizada a resposta final.

Isto pode ser útil para os programadores, porque a aplicação deixa de ter de procurar constantemente o melhor modelo para cada categoria.

Mas também introduz uma nova cedência: a inteligência por detrás da API torna-se menos transparente.

Um ponto de acesso estável pode deixar de significar um processo de inferência permanentemente fixo.

Qual é a cedência de executar vários modelos?

Uma arquitetura combinada não cria inteligência adicional gratuitamente.

Se vários modelos participarem num pedido, o sistema poderá consumir mais capacidade computacional de inferência do que ao enviar o mesmo pedido para um único modelo.

As principais cedências incluem:

• maior custo agregado de inferência,
• latência potencialmente mais elevada,
• orquestração mais complexa,
• menor visibilidade sobre o comportamento dos modelos subjacentes,
• questões mais complexas relacionadas com os fornecedores e o tratamento de dados,
• e uma maior dependência do próprio sistema de combinação.

A latência é particularmente interessante.

Um encaminhador simples pode escolher um modelo e aguardar por um único processo de inferência. Um sistema combinado pode precisar de várias operações de modelo, além de qualquer avaliação ou síntese necessária para produzir o resultado final.

A execução em paralelo pode reduzir parte dessa penalização, mas o paralelismo não é gratuito.

Isto conduz a uma distinção importante entre relação preço-desempenho e simplesmente escolher o modelo mais barato.

Um serviço combinado só faz sentido do ponto de vista económico se a melhoria na qualidade das respostas, na fiabilidade ou na simplicidade para o utilizador compensar os custos adicionais de orquestração e inferência.

Um modelo combinado dá sempre uma resposta melhor?

Não.

Vários modelos não garantem automaticamente um resultado correto.

Ainda podem ocorrer várias coisas:

• vários modelos podem partilhar o mesmo erro factual,
• informações de origem fracas podem induzir todos os participantes em erro,
• a camada de síntese pode escolher o candidato errado,
• Um raciocínio adicional pode acrescentar complexidade desnecessária,
• As consultas simples podem não beneficiar de chamadas adicionais a modelos.

Isto é importante porque “vários modelos responderam” pode parecer um sistema integrado de verificação de factos.

Não é necessariamente isso que está a acontecer.

A concordância entre vários modelos de linguagem não equivale a uma verificação independente com base em evidências fiáveis.

A diversidade de modelos pode melhorar a robustez, mas o consenso entre modelos não é uma prova.

O que é que a Cloudflare tem a ver com o Union Alpha?

A Cloudflare tornou-se uma parte importante da história do Union Alpha porque o modelo furtivo foi disponibilizado através da infraestrutura de IA da Cloudflare.

Isso não significa que a Cloudflare tenha criado o Pareto.

A distinção é mais fácil de compreender se as duas camadas de orquestração forem separadas.

Um gateway de IA pode tratar de questões operacionais como registo, controlo de pedidos, acesso a fornecedores, colocação em cache, novas tentativas, limites de taxa e alternativas.

O Pareto funciona um nível mais abaixo: altera a forma como a própria inteligência é montada para um pedido.

Uma camada orquestra o acesso à IA. A outra orquestra a capacidade da IA.

Esta distinção torna-se cada vez mais importante à medida que os programadores utilizam mais fornecedores e mais camadas de abstração de modelos.

O Union Alpha ainda é gratuito?

O período furtivo original do Union Alpha era gratuito, o que explica por que razão tantos utilizadores o testaram intensivamente e compararam o seu comportamento com modelos de fronteira dispendiosos.

Esse período de testes terminou.

O serviço Pareto 26.9 revelado tem agora preços normais de utilização, em vez do acesso furtivo originalmente gratuito.

Este preço também fornece um contexto útil para a arquitetura.

Se vários modelos subjacentes puderem contribuir para um pedido, o programador não recebe uma fatura separada de cada modelo envolvido. O serviço combinado abstrai essa computação subjacente num único preço de produto.

Isso torna a comparação económica diferente de chamar manualmente várias APIs de modelos de fronteira e criar a sua própria pipeline de síntese.

Que modelos utiliza realmente o Pareto 26.9?

Esta é provavelmente a pergunta mais óbvia depois de descobrir que o Union Alpha é um sistema combinado.

A resposta completa não é pública.

A Unbiased descreveu o Pareto como uma combinação de modelos de fronteira e de código aberto, mas não publicou uma lista completa subjacente que permita aos utilizadores dizer exatamente que modelos participam em cada resposta.

Isso significa afirmações como:

• “o Union Alpha é GPT mais GLM,”
• “usa sempre o Llama para esta tarefa,”
• “O Mistral é o sintetizador,”
• ou “um modelo específico produz sempre a resposta final”

deve ser considerado especulação, a menos que a Unbiased forneça detalhes técnicos correspondentes.

A arquitetura está confirmada.

A receita completa, não.

É possível autoalojar o Union Alpha?

Não da mesma forma que pode transferir um modelo de pesos abertos e executá-lo na sua própria GPU.

O Pareto 26.9 é disponibilizado como um serviço. O sistema combinado completo, a lógica de orquestração e a combinação de modelos subjacente não são atualmente distribuídos como um pacote que possa ser autoalojado.

Mas a ideia arquitetónica pode ser reproduzida localmente.

Uma configuração multimodelo autoalojada poderia combinar várias funções:

• um modelo pequeno e rápido para tarefas rotineiras,
• um modelo especializado em programação,
• um modelo de visão e linguagem,
• um modelo de raciocínio maior,
• e uma fase de avaliação ou síntese.

Existem duas formas fundamentalmente diferentes de operar um sistema local deste tipo.

Para a maioria dos servidores domésticos de IA, o encaminhamento é muito mais prático.

Executar vários modelos grandes em simultâneo requer RAM do sistema ou VRAM suficiente para manter esses modelos disponíveis, além de capacidade de computação para executar vários percursos de inferência sem tornar a latência inaceitável.

Um design híbrido pode ser ainda mais realista: utilizar modelos locais para tarefas rotineiras e encaminhar pedidos difíceis para um modelo local ou na nuvem mais potente apenas quando necessário.

Isto proporciona alguns dos benefícios da inteligência multimodelo sem exigir que um servidor doméstico reproduza a arquitetura paralela completa do Pareto.

O Union Alpha revela uma mudança maior nas APIs de IA

O mistério em torno do Union Alpha foi rapidamente esclarecido.

A história mais importante durará mais tempo.

As aplicações de IA estão a afastar-se de um mundo em que:

um nome de modelo significa sempre um único modelo fixo a executar uma inferência.

A próxima geração de endpoints de IA pode ocultar cada vez mais:

• encaminhamento de modelos,
• inferência paralela,
• modelos especializados,
• fases de verificação,
• utilização de ferramentas,
• recuperação,
• e síntese.

Para os utilizadores, isso pode tornar a IA mais simples: escolher um único endpoint e deixar o sistema decidir quanta inteligência aplicar.

Para os programadores, cria uma nova questão arquitetónica:

está a escolher um modelo ou um serviço de inteligência?

O Union Alpha parecia um modelo novo e misterioso.

O Pareto 26.9 mostra por que essa suposição já estava desatualizada.

Perguntas frequentes

O que é o Union Alpha?

Union Alpha foi o nome discreto utilizado para o Pareto 26.9, um sistema de IA combinado com vários modelos desenvolvido pela Unbiased. Expõe um único ponto de acesso de modelo, permitindo simultaneamente que vários modelos subjacentes contribuam para um pedido.

O Union Alpha é o mesmo que o Pareto 26.9?

Sim. O modelo Union Alpha discreto foi posteriormente revelado como o Unbiased Pareto 26.9. Union Alpha refere-se à identidade utilizada nos testes discretos, enquanto Pareto é o produto de produção identificado.

Quem criou o Union Alpha?

O Union Alpha foi criado pela Unbiased como o lançamento discreto do seu sistema de IA combinado Pareto. A Cloudflare forneceu acesso ao modelo de terceiros através da sua infraestrutura de IA, mas não desenvolveu o sistema Pareto subjacente.

O Union Alpha é um modelo de IA ou vários modelos?

É um sistema com vários modelos, e não um modelo de base único convencional. Vários modelos subjacentes podem contribuir para um pedido antes de o Pareto devolver uma única resposta combinada.

Que modelos de IA utiliza o Union Alpha?

A lista completa dos modelos subjacentes não foi divulgada publicamente. A Unbiased afirma que o Pareto combina modelos de fronteira e de código aberto, mas as alegações de atribuição de funções específicas ao GPT, GLM, Llama, Mistral ou a outros modelos permanecem por confirmar, salvo se forem oficialmente documentadas.

Qual é a diferença entre o Pareto e um encaminhador de modelos?

Um encaminhador convencional normalmente seleciona um modelo para responder a um pedido. A abordagem combinada do Pareto permite que vários modelos participem no mesmo pedido antes de ser devolvido um único resultado.

O Pareto é um modelo Mixture-of-Experts?

Não. Mixture-of-Experts refere-se a redes de especialistas dentro de um único modelo treinado. O Pareto funciona a um nível de sistema superior, coordenando vários modelos de IA separados.

O Union Alpha ainda é gratuito?

Não. O Union Alpha foi gratuito durante o seu período de testes discretos. Esse período terminou e o serviço identificado como Pareto 26.9 utiliza agora preços normais baseados em tokens.

Quanto custa o Pareto 26.9?

Os preços atualmente indicados são de 2,50 $ por milhão de tokens de entrada, 0,25 $ por milhão de tokens de entrada em cache e 7,50 $ por milhão de tokens de saída. Os preços podem mudar, por isso deve consultar as tarifas atuais do fornecedor antes de utilizar o serviço em produção.

Posso alojar o Union Alpha ou o Pareto 26.9 por conta própria?

Não como o sistema Pareto oficial completo. A sua camada de orquestração e a combinação completa dos modelos subjacentes são disponibilizadas como um serviço alojado. No entanto, pode criar o seu próprio encaminhador local de vários modelos ou fluxo de combinação utilizando modelos de pesos abertos.

Porque utilizaria um sistema de IA vários modelos para um único pedido?

Modelos diferentes têm pontos fortes diferentes na programação, no raciocínio, na visão, no trabalho multilingue, na velocidade e no custo. Um sistema com vários modelos pode utilizar essas diferenças para reduzir a necessidade de os utilizadores escolherem manualmente o melhor modelo para cada tarefa.