Source: stealthprint Case Study: union-alpha 指纹分析 · platform: github · authors: majiayu000 (stealthprint) · date: 2026-09-17
TL;DR（中文摘要）
用 stealthprint 方法论对 union-alpha 做全栈指纹分析（2026-09-17 测量，OpenRouter 入口）：tokenizer 判别探针 15 项全部精确命中 Llama-3 词表（128K）；视觉塔计费公式 max(22, ceil(H/28)^2 + 6) 对 11 个尺寸点零误差拟合，是 Qwen2-VL 家族 28px/token 动态分辨率形状——与 Llama-3 文本词表跨血统（LLaVA 式缝合）；187K token 埋针 3/3 精确召回（上下文下限）；工具调用指纹显示 tool_choice=none 被完全无视且默认并行双调用；检测到 fusion-router 式前置层：单一 llama3 系后端按计数/计费分流，通道占比数小时内整体翻转而生成行为不变，证明后端未换。排除 GLM 全系、Qwen3、DeepSeek、MiniMax、Llama 4、小米 MiMo-V2.5、Meta Muse 等候选。社区猜测中的 MiniMax M3.1 被词表直接排除。
Summary (English)
A full-stack fingerprint of union-alpha measured via OpenRouter: 15 tokenizer probes exactly match the Llama-3 vocabulary (128K); the vision billing formula max(22, ceil(H/28)^2+6) fits all 11 size points at zero error, identifying a Qwen2-VL-family vision tower grafted onto llama3 text (LLaVA-style); 187K-token needle recall sets a context floor; tool_choice=none is ignored with default parallel dual calls; a fusion-router-style front layer splits counting/billing channels that flip over hours while generation stays constant, proving a single llama3-line backend. GLM, Qwen3, DeepSeek, MiniMax, Llama 4, Xiaomi MiMo-V2.5, and Meta Muse lines are excluded.
入库依据
GitHub stealthprint 仓库 case-union-alpha.zh-CN.md 全文（本地存档 stealthprint-union-zh.md 13.9KB，含英文原版 case-union-alpha.md）；所有测量结论（15 探针、计费公式 11/11、187K 埋针、通道翻转）均出自该文 2026-09-17 结论表。
补充
stealthprint case study, repo github.com/majiayu000/stealthprint, docs/case-union-alpha.md (EN) + zh-CN, measured 2026-09-17 via OpenRouter endpoint.