Pareto 26.10 مقابل Pareto 26.9: رقم واحد يفصل بين هذين الإصدارين

مقارنة Pareto 26.10بـPareto 26.9هي في معظمها دراسةٌ في أشياء لم تتغيّر. المورّد نفسه، والبنية المركّبة نفسها، والحدّ الأقصى نفسه للاستجابة البالغ 131,072 رمزًا، والمعاملات الخمسة المعلنة نفسها، والأسعار المنشورة نفسها على صفحة التسعير الخاصة بالمورّد، وعلي المعيار الوحيد الذي تشترك فيه الإصدارتان — فارقٌ قدره عُشر نقطة لصالح الطراز الأقدم. وعلى الأسطح التي جرت العادة أن يقارن الناس النماذج عليها، هذان المنتجان هما المنتج نفسه باختلاف أرقام الإصدارات. لكن هناك سطحٌ واحد يختلفان عليه، وهو السطح الذي يحدّد أي أعباء عمل يمكنها استخدام أيٍّ منهما أصلًا: نافذة السياق، حيث يوفّر 26.9 ما مقداره 262,144 رمزًا ويوفّر 26.10 ما مقداره 1,048,576. إن حالات فشل الذكاء الاصطناعي الموثّقة وحوادث الوكلاء الكامنة وراء إصدارات كهذا الإصدار مجموعة في the OrcaRouter AI Incident Archive حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة كونه محلّ نزاع.

كلاهما متاح الآن. pareto-26.10 هو الإصدار الذي أصبح الافتراضي خلف الاسم المستعار pareto في 15 أكتوبر 2026، عندما نقلت Unbiased إصدارها المتاح للعموم إليه؛ وpareto-26.9 هو إصدار سبتمبر الذي تقول الجهة المورّدة إنه «يظل متاحًا» لكل من يريد البقاء. هذا هو القرار كاملًا الذي يواجه المتصل اليوم، وما تبقى من هذه الصفحة هو التفاصيل الكامنة خلفه.

الوقائع المحيطة

كلا الطرازين موثّقان بأنهما يقبلان إدخال النص والصورة ويعيدان النص، ولا ينشر أيٌّ منهما معرّف Hugging Face — فالأوزان مغلقة على جانبي هذه المقارنة، لذا لا يوجد ما يمكن تنزيله واستضافته ذاتيًا. ولا يملك أيٌّ منهما معيار تقييم مستقلًا. يُقدَّم كلاهما من مزوّد واحد هو Unbiased نفسه، ما يعني أنه لا يوجد مضيف ثانٍ يمكن التحويل إليه عند التعطل داخل حزمة المورّد نفسها لأي من الإصدارين. وعليه، فالمقارنة أدناه هي بين تهيئتين لخط منتجات واحد لدى مورّد واحد، وليست بين منظومتين بيئيتين.

السياق هو الحجة كاملة

تبدو زيادة السياق بمقدار 4× وكأنها بند في ورقة مواصفات، إلى أن تربطها بما يفعله الناس فعليًا مع نماذج السياق الطويل.

عند 262,144 رمزًا، تصبح جلسة وكيل لكامل المستودع، أو سجل دعم طويل، أو سلسلة بحث تمتد ساعات، مشكلة تقسيم إلى أجزاء. تسترجع، وتلخّص، وتحتفظ بنافذة متدحرجة، وتقبل أن النموذج يرى إعادة بناء للمهمة بدلًا من المهمة نفسها. عند 1,048,576 رمزًا، تتسع تلك الأحمال — ليس دائمًا بارتياح، وليس بتكلفة منخفضة عند 0.80 دولار لكل مليون رمز إدخال دون إصابة في ذاكرة التخزين المؤقت، لكنها تتسع. الفرق العملي بين الإصدارين هو ما إذا كان خط المعالجة لديك يحتاج إلى طبقة استرجاع بين بياناتك والنموذج.

هذا قرار هندسي حقيقي، وهو أيضًا القرار الوحيد في هذه الصفحة الذي له إجابة يمكن الدفاع عنها. كل ما عدا ذلك متقارب إلى حد كافٍ بحيث ينبغي أن يُبنى الاختيار على شيء غير الجودة.

جنبًا إلى جنب، بُعدًا ببُعد

• سلسلة النموذج — pareto-26.10 (الافتراضي خلف pareto منذ 2026-10-15) مقابل pareto-26.9 (محتفظ به، وليس الافتراضي).

• نافذة السياق — 1,048,576 رمزًا مقابل 262,144 رمزًا.

• الحد الأقصى للاستجابة — 131,072 رمزًا في كليهما. لم يتغير بين الإصدارات.

• الوسائط — نص + صورة كمدخل، ونص كمخرج، في كليهما.

• المعاملات المُعلنة — max_tokens وtemperature وtop_p وtools وtool_choice على 26.10؛ والمجموعة نفسها بالإضافة إلى response_format على 26.9.

• استدعاء الأدوات — tool_choice مقتصر على auto في 26.10؛ النموذج يقرر ما إذا كان سيستدعي، ولا يمكنك فرض ذلك.

• الأوزان — مغلقة في كليهما؛ لا يوجد معرّف Hugging Face في أيٍّ من السجلين.

• مزودو الخدمة — واحد، وهو المورّد، في كليهما.

السعر المعلن — 0.80 دولار للمدخلات / 0.03 دولار للمخزّن مؤقتًا / 3.20 دولار للمخرجات لكل مليون لكلٍّ منهما، وفقًا لصفحة التسعير الحالية للبائع.

• DeepSWE v1.1 — 69.9% بتكلفة 0.24 دولار لكل مهمة في 26.10 مقابل 70.0% بتكلفة 0.29 دولار لكل مهمة في 26.9، وكلاهما مُشغَّل من المورّد.

صفّان من تلك الصفوف يستحقّان فقرة خاصة بهما، لأنهما الصفّان اللذان يُنقل عنهما خطأً.

فارق المخرجات المهيكلة الذي لا يروّج له أحد

قوائم المعاملات غير متطابقة. يُعلن سجل الكتالوج الخاص بـ 26.9 وجود response_format ضمن معاملاته المدعومة؛ أما سجل 26.10 فلا يعلنه. السطح المعلن لـ 26.10 هو max_tokens وtemperature وtop_p وtools وtool_choice، لا غير.

اقرأ ذلك بعناية بدلًا من الاكتفاء بالعنوان: غياب معامل من قائمة معلنة ليس دليلًا على أن نقطة النهاية ترفضه، كما أن وثائق API الخاصة بالمورّد لا تُدرج أيًا من القائمتين. لكن إذا كانت خط أنابيبك تعتمد على وضع JSON أو على مخرجات مقيّدة بالمخطط، وكنت تنتقل من 26.9 إلى 26.10 على افتراض أن الإصدار الأحدث مجموعة شاملة صارمة لما قبله، فإن هذا الافتراض لا يدعمه أي شيء منشور. اختبره على حركة المرور الخاصة بك قبل الترحيل، أو خطط للتحقق من المخرجات على جانب العميل. إنه أمر صغير يتحول إلى حادثة يوم الثلاثاء.

بطاقتا أسعار مباشرتان تختلفان بشأن تكلفة 26.9

هذا هو الجزء الأكثر فوضى في المقارنة، والجزء الأرجح أن يؤثر على قرار حقيقي.

تنشر Unbiased بطاقة أسعار واحدة — 0.80 دولار للمدخلات، و0.03 دولار للمدخلات المخزَّنة مؤقتًا، و3.20 دولار للمخرجات — ولا تصدرها بنسخ متعددة حسب الإصدار. ووفق القراءة الحرفية، يعني ذلك أن 26.10 و26.9 يكلفان السعر نفسه لكل رمز مميز اليوم، ما يجعل الترحيل مجانيًا ويزيد السياق ليكون المتغير الوحيد. وفي الوقت نفسه، لا يزال سجل الإدراج التقني الخاص بالنموذج نفسه يحمل أرقام سبتمبر الخاصة بـ 26.9: 2.50 دولار للمدخلات، و0.25 دولار للمخزَّن مؤقتًا، و7.50 دولار للمخرجات. وكان كلا المصدرين نشطًا عند كتابة هذا. ولا يحمل أي منهما تاريخًا، ولم ينشر البائع أي إدخال في سجل التغييرات يفسر هذا التحول، لذا لا يوجد في السجل أي سطر قابل للاستشهاد من قبيل "في هذا اليوم انخفض السعر".

الإرشاد العملي ليس مبهرًا. افترض البطاقة الأقل سعرًا، لأن اثنتين من الواجهات الثلاث التي يمكنك قراءتها تنشرانها، وإحداهما هي الصفحة التي تُحتسب استنادًا إليها فاتورة العميل — ثم أعد التحقق منها قبل أن تلتزم برقم في الميزانية. وإذا كنت تثبّت أيًا من الإصدارين لإسناد التكلفة، فاعلم أن شهرًا مختلطًا يمتد عبر انتقال 15 أكتوبر لن يتفكك بشكل نظيف بعد وقوعه، لأن الإصدارين سُعّرا بشكل مختلف في أوقات مختلفة، ولا يؤرّخ المورّد تغييراته.

درجة واحدة، وعُشر نقطة، ولا شيء يُستنتج.

المعيار الوحيد المشترك بين الإصدارين هو DeepSWE v1.1، وتضع أرقام البائع الخاصة 26.9 عند 70.0% و26.10 عند 69.9%. كلا الرقمين من تشغيل البائع، والرقم الأقدم على شريحة من 30 مهمة بدلاً من مجموعة التقييم الكاملة، وتصف Unbiased المقارنة بأكملها بأنها غير مُتحقَّق منها بشكل مستقل.

القراءة الصادقة هي أن هذا القياس لا يميّز بين الإصدارات. فعُشر نقطة على شريحة مهام جزئية يقع ضمن ضجيج تشغيل واحد، والتعامل معه كترتيب في أي من الاتجاهين — «تراجعت 26.10»، أو «26.10 أفضل لأنها أرخص لكل مهمة» — ضرب من قراءة أوراق الشاي. وأرقام التكلفة لكل مهمة تتباين أكثر (0.24 دولار مقابل 0.29 دولار)، وحتى هذه تأتي من تشغيلات في أشهر مختلفة على نموذج مدمج لا يفصح المورّد عن تركيبته الأساسية.

ما يخبرك به الجدول هو أين لا تنظر. إذا كنت تختار بين هذين على أساس الجودة، فأنت تختار استنادًا إلى رقم لا يمكنه دعم الاختيار. الأدلة التي تفصل بينهما معمارية — نافذة السياق وسطح المعاملات — وكلاهما قابل للتحقق بطريقة لا تكون بها الدرجات قابلة للتحقق.

أيّهما تستدعي، وفقًا لعبء العمل

• البرمجة الوكيلية على مستودع كامل — 26.10. نافذة 1M هي الفرق بين إرسال المستودع كاملًا وإرسال ملخّص عنه.

• تحليل المستندات الطويلة أو النصوص المكتوبة الطويلة — 26.10، للسبب نفسه، وراقب فاتورة الإدخال: مليون رمز دون إصابة في ذاكرة التخزين المؤقت يكلّف 0.80 دولار لكل طلب في الإدخال وحده.

• خطوط أنابيب الإخراج بوضع JSON أو المقيّدة بالمخطط — استخدم 26.9 حتى تختبر سلوك 26.10 بنفسك، لأن قائمة المعاملات المعلنة في 26.9 تتضمن response_format بينما 26.10 لا تتضمنه.

• عبء عمل قيد الإنتاج بالفعل ويتّسع ضمن 262K — 26.9. لا توجد أدلة منشورة على أن الانتقال يحسّن المخرجات، كما أن التثبيت هو القرار الأقل تكلفة.

• أي شيء تريد له الافتراضي الحالي للمورّد دون الحفاظ على تثبيت — 26.10، عبر الاسم المستعار pareto المجرّد، مع العلم أن الاسم المستعار يتبع تقويم المورّد لا تقويمك.

بالنسبة للفرق التي تدير جانبي حلقة البناء والتحقق، فإن النمط المفيد هو تثبيت 26.10 لمرور السياق الطويل والإبقاء على 26.9 متاحًا كذراع للمقارنة — وهذا بالضبط ما تُستخدم طبقة التوجيه من أجله. لا يحمل OrcaRouter أي نموذج Unbiased، لذا يُستدعى كلا النصين عبر واجهة API الخاصة بالمورّد نفسه؛ وما نوفره هو مفتاح واحد وتكامل واحد للنماذج التي ستقارن 26.10 مقابلها، لذا فإن تقييم التبديل لا يعني توقيع عقد ثانٍ. يمرر OrcaRouter سعر قائمة المزوّد كما هو مباشرةً دون أي هامش ربح بنسبة 0%، وهذا تصريح عن النماذج التي نقدمها فعلاً، وليس عن هذا النموذج.

الهجرة التي لم يجدولها أحد

سبب أن تكون هذه المقارنة واقعية لا أكاديمية هو أن التغيير وقع بالفعل على أشخاص لم يطلبوه. في 15 أكتوبر، انتقل الاسم المستعار pareto من إصدار سبتمبر إلى 26.10. أي شخص استدعى السلسلة المجردة حصل على نافذة سياق مضاعفة أربع مرات وعلى سطح معاملات مختلف دون أي تغيير في الشيفرة — ولأن وثائق البائع تشير إلى أن معرّفات النماذج غير المعروفة لا تُرفض، فإن أي تثبيت يحوي خطأ إملائيًا لا يزال يُقدَّم ويُفوتر باسم Pareto بدلًا من أن يعلن فشله بوضوح.

إذا كنت على سلسلة المعاينة بدلاً من ذلك، فذلك المسار مغلق: أخبرت Unbiased مستخدمي المعاينة بالانتقال إلى pareto أو pareto-26.10. وإذا كنت على pareto وافترضت الاستقرار، فإن هذا الافتراض أصبح الآن ظاهرًا في سجلاتك الخاصة سواء تسبب في مشكلة أم لا.

في كلتا الحالتين، الإصلاح نفسه ولا يستغرق سوى سطر واحد: اذكر الإصدار الذي اختبرته. فالسلسلة المقيّدة بالنسخة هي ما يجعل نموذج التكلفة قابلاً للطرح والانحدار قابلاً للإسناد، وهي الآلية الوحيدة التي يمنحك إياها هذا المورّد لكليهما.

ما الذي لا يزال غير مُتحقَّق؟

لا يمتلك أيٌّ من الإصدارين معيارًا مستقلًا للقياس. ولا يوفر Artificial Analysis صفحة لأيٍّ منهما، كما لم ينشر أي مُقيِّم إعادة تشغيل لمنظومة الاختبار الخاصة بالبائع. وكل رقم في هذه المقارنة — الدرجات الأربع، وأرقام التكلفة لكل مهمة، ونوافذ السياق — إما منشور من البائع أو مأخوذ من سجل القائمة التقنية للنموذج، وتحمل الدرجات تحديدًا تصنيفات البائع نفسه: «أوّلية» و«غير مُتحقَّق منها بشكل مستقل».

هذا ليس سببًا لتجنّب أيٍّ من الطرازين. إنه سبب للبتّ في الأمور القابلة للتحقق: هل يناسب عبء العمل لديك نافذة 262K، وهل يحتاج خط أنابيبك إلى response_format، وهل تريد الاعتماد على الاسم المستعار (alias) أم على إصدار مثبّت (pin). هذه الأسئلة الثلاثة لها إجابات. أما أيُّ الطرازين أفضل فليس له إجابة، ولن تُنتج قراءةُ الورقة المنشورة إجابةً مهما بلغ مقدارها.