Pareto 26.9 مقابل معاينة Pareto 26.10 من Unbiased: التثبيت المستقر والمعاينة

يقدّم خط Pareto من Unbiased الآن إصدارين قابلين للاستدعاء، ولكل منهما إجابة مختلفة عن السؤال نفسه، واعتبارًا من هذا الأسبوع عليك أن تختار أحدهما عن قصد. Pareto 26.9 هو الإصدار الذي يحيل إليه الاسم المستعار الافتراضي لدى البائع: 262,144 رمزًا من السياق، و2.50 دولار لكل مليون رمز إدخال، دون تاريخ انتهاء مرتبط به. Pareto 26.10 Preview هو البناء الذي يتم الاشتراك فيه اختياريًا: أربعة أضعاف السياق، ونحو ثلث سعر الإدخال، وأربع درجات معيارية يصفها البائع نفسه بأنها أولية، وتاريخ انتهاء مكتوب في سجل الكتالوج الخاص به. كلاهما فعّال. كلاهما يستقبل النصوص والصور ويُرجع نصًا. لا يُعد أي منهما نسخة من الآخر يمكنك تبديلها عبر علامة عند وقت الطلب.

ما تغيّر ليس أحد النموذجين. بل إن الإصدار المستقر أصبح له أخيرًا عنوانه الخاص. في 13 أكتوبر 2026، بدأ الكتالوج الموجَّه الذي يسرد هذه العائلة يحمل unbiased/pareto-26.9 كمدخل قابل للاستدعاء بشكل منفصل، إلى جانب مدخل باسم مستعار يعيد التوجيه دائمًا إلى الإصدار الحالي أيًّا كان. قبل ذلك، كانت الطريقة الوحيدة للوصول إلى النموذج المستقر بيقين هي طلب Pareto وقبول ما يمنحك إياه الاسم المستعار. الآن يقع الإصداران في القائمة نفسها بأسعارهما الخاصة، وحدودهما الخاصة، وبيانات انتهاء الصلاحية الوصفية الخاصة بهما — واختيارك بينهما قرار تتخذه أنت بدلًا من أن يُتخذ نيابة عنك.

الإصداران، بُعدًا بُعدًا

كل اختلاف منشور بينهما يتّسع في هذه الأسطر السبعة. على اليسار Pareto 26.9؛ وعلى اليمين Pareto 26.10 Preview.

• نافذة السياق — 262,144 توكن مقابل 1,048,576 توكن. أربعة أضعاف المساحة، مع عدم تقديم أي فئة أصغر في أيٍّ منهما. • الحد الأقصى للإخراج — 131,072 توكن مقابل 131,072 توكن. ولم تمنح نافذة الإدخال الأكبر إجابةً أكبر. • سعر الإدخال — 2.50 دولار لكل مليون توكن مقابل 0.80 دولار. المعاينة تمثل نحو 32% من السعر المستقر. • سعر الإخراج — 7.50 دولار لكل مليون توكن مقابل 3.20 دولار. نحو 43% منه. • الإدخال المخزّن مؤقتًا — 0.25 دولار لكل مليون توكن مقابل 0.03 دولار. المعاينة تمثل نحو الثُمن تقريبًا، وهو السطر الذي يغيّر فاتورة الوكيل الطويل أكثر من غيره. • ورقة القياس المرجعية المنشورة — درجة واحدة، على شريحة مهام جزئية، مقابل أربع درجات يصفها المورّد بأنها أولية. • شروط الاستقرار — لا يوجد تاريخ انتهاء في السجل، ويسمّي المورّد هذا الإصدار الافتراضي مقابل معاينة اختيارية يحمل سجل الكتالوج الخاص بها تاريخ انتهاء صلاحية في 15 أكتوبر 2026.

صفّان من تلك الصفوف يقومان بمعظم العمل. معدل الإدخال المخزّن مؤقتًا هو الذي يحدد ما إذا كان المسار الوكيلي الطويل ميسور التكلفة في أي من الإصدارين، وحقل انتهاء الصلاحية هو الذي يحدد ما إذا كانت المعاينة شيئًا يمكنك البناء عليه على الإطلاق.

لماذا لا تتوافق أرقام الإصدارات؟

هذه الأرقام هي تسميات للأشهر، وليست تسلسلًا ينبغي أن تستنتج منه. تؤرخ بطاقة النموذج الخاصة بـ Unbiased نفسها Pareto 26.9 بتشغيل في 20 سبتمبر 2026، وتصف 26.10 Preview بأنه الإصدار الصادر في 1 أكتوبر الذي تلاه. ويُظهر الكتالوج الذي يُدرج 26.9 أنه دخل سجله في 13 أكتوبر — بعد ثلاثة أسابيع من تاريخ الإصدار الذي يطبعه المورّد. كما يقول منشور الإطلاق الخاص بالمورّد عن المعاينة إن الإصدار السابق "26.9" كان يعمل لمدة أسبوعين على بوابات طرف ثالث تحت اسم مؤقت قبل أن يُسمّى.

ضع هذه العبارات الثلاث معًا، والدرس العملي هو أن رقم الإصدار هنا يخبرك من أي شهر جاء البناء، ولا يخبرك بشيء عن ما إذا كان البناء لا يزال حديثًا، أو مدعومًا، أو لا يزال هو نفسه الكائن خلف الاسم المستعار. ويعني ذلك أيضًا أن التاريخ الذي تراه على صفحة الكتالوج هو تاريخ إدراج، وليس تاريخ إصدار. وقراءته على أنه الأخير هي الخطأ الأكثر شيوعًا حول هذه العائلة، وهو الآن يُرتكب في الاتجاهين: يبدو 26.9 أحدث بثلاثة أسابيع مما هو عليه، وتبدو المعاينة أقدم بخمسة أسابيع.

ما الذي تمنحه المعاينة، وما تقوله ورقة المقارنة المرجعية فعليًا

الحجة لصالح النسخة التجريبية حجة حسابية. أربعة أضعاف السياق مقابل ثلث سعر الإدخال، مع معدل قراءة من الذاكرة المؤقتة منخفض بما يكفي بحيث لا يكلّف مسار طويل سوى جزء يسير مما قد يكلّفه على 26.9. كما تدّعي Unbiased أيضًا زمن استجابة أقل في النسخة التجريبية، مع أكبر مكسب في الجولات الوكيلية الطويلة — وهو ادعاء لا تقف خلفه أي قياسات منشورة، لا من المورّد ولا من أي جهة أخرى.

إن الحجة ضد اللجوء إليه تلقائيًا أكثر خفاءً، وهي تكمن في الموضع الوحيد الذي يمكن فيه مقارنة الإصدارين أصلًا. على DeepSWE v1.1، معيار البرمجة الوكيلية الذي يظهر عليه كلا الإصدارين، تُظهر بطاقة النموذج لدى المورّد أن Pareto 26.9 عند 70.0% بتكلفة 0.29 دولار للمهمة، وPareto 26.10 Preview عند 69.9% بتكلفة 0.24 دولار للمهمة. الإصدار الأحدث والأرخص يسجّل بشكل طفيف أدنى على المعيار الوحيد الذي يملك فيه كلاهما رقمًا، ويتفوق في التكلفة لكل مهمة بنحو 17%. وهذا ليس فضيحة وليس خطأ تقريب يمكن تجاهله — بل هو بالضبط ما ينبغي أن يبدو عليه نظام مدمج أرخص، ويستحق معرفته قبل أن تفترض أن الإصدار التجريبي ترقية صارمة.

هناك تحفظان ينبغي إيرادهما على تلك المقارنة، والمورّد ينشرهما كليهما. رقم 26.9 مستمد من شريحة من 30 مهمة، وليس من مجموعة DeepSWE v1.1 الكاملة، لذا فهو ليس القياس نفسه الخاص بالمعاينة. وكل رقم هنا من تنفيذ المورّد: درجات المعاينة الأربع — 92.4% في GPQA-Diamond، و49.9% في Humanity's Last Exam النصي فقط، و69.9% في DeepSWE v1.1، و50.8% في Terminal-Bench 4.0 — تحمل وسم المورّد نفسه «أولية، وقد تتغير قبل النشر النهائي»، وتذكر بطاقة النموذج أن المقامات ومنهجية التكلفة ما زالتا «تحتاجان إلى تأكيد». لم ينشر أي طرف خارج Unbiased درجة لأي من الإصدارين. تعامل مع الورقة كاملة كسبب للاختبار، لا كسبب للتبديل.

تاريخ الانتهاء هو الجزء الذي يجب التخطيط على أساسه.

يحمل سجل المعاينة تاريخ انتهاء صلاحية هو 15 أكتوبر 2026 — أي بعد يوم واحد من كتابة هذا النص. وما سيحدث في ذلك التاريخ غير موثّق في أي مكان تمكّنا من العثور عليه: لا في سجل التغييرات، ولا في بطاقة النموذج، ولا في صفحة الأسعار. ولا شيء في مواد البائع يقول إن المعاينة ستتوقف عن الخدمة، بل يقول منشور الإطلاق عكس الإيقاف في جوهره — إن «السعر لن يرتفع، ولن يتعطل معرّف المعاينة أثناء استخدامك له»، وإنه عند التخرج سيصبح 26.10 الافتراضي للمشتركين بينما تتضاعف المخصصات الأسبوعية، من 25 مليون إلى 50 مليون رمز في خطة Personal بسعر 10 دولارات، ومن 300 مليون إلى 600 مليون في الفئة بسعر 100 دولار.

إذن فالقراءة الصادقة ليست أن «المعاينة تموت غدًا». بل هي أن المعاينة تحكمها شروط متغيّرة، وأن بناءً يحمل سجله حقل انتهاء صلاحية ليس هو الإصدار الذي تثبّته لنظام لا تريد العودة إليه. وهذه هي الحجة كاملة على أن 26.9 هو الإعداد الافتراضي: فهو أبطأ في التحسّن، وسعره أعلى ثلاث مرات على الإدخال، لكنه هو ما يسميه المورّد الإصدار لا التجربة، ولا يحمل سجله أي عدّاد زمني.

الاحتفاظ بكليهما دون إعادة كتابة التكامل

السبب في أن هذا قرار توجيه وليس قرار نمذجة هو أن كلا الإصدارين يستقبلان نفس بنية الطلب. نفس عائلة نقاط النهاية، نفس المعاملات، نفس واجهة إدخال النص والصورة/إخراج النص — الشيء الوحيد الذي يختلف هو السلسلة النصية التي تضعها في حقل النموذج. وهذا يجعل نطاق الترحيل ضئيلاً ويجعل انضباط التثبيت هو المشكلة بأكملها: قيمة واحدة بالضبط في مكان واحد بالضبط تحدد أي من نظامين مختلفين جداً في السعر سيجيبك.

هذه هي الحالة DSL التوجيه على OrcaRouter التي بُني من أجلها. أنت تُركّب استدعاءً من مسارات مسماة وتحتفظ بسلسلة الطراز كقيمة إعداد بدلاً من ثابت مدفون في كود التطبيق، لذا فإن الانتقال من معاينة إلى تثبيت مستقر هو تعديل على المسار وليس عملية نشر. الأمر نفسه ينطبق على سلسلة تجاوز الفشل: معاينة تتغيّر أو تنتهي صلاحيتها أو تبدأ بإرجاع أخطاء تصبح حدثًا احتياطيًا بدلاً من حادث. نحن لا نوفّر أيًا من إصداري Unbiased — فهذه عائلة تُقدّمها جهة خارجية بمزوّد واحد، وهو الجهة نفسها — لذا فإن طريقة استدعائها هي واجهة برمجة التطبيقات الخاصة بـ Unbiased، وإذا كان هدفك مقارنة الإصدارين مقابل عبء عملك الخاص، فكلاهما متاح هناك اليوم.

أيّ واحد للثبيت

إذا كنت تنشر شيئًا يجب أن يستجيب الشهر المقبل دون أن يلمسه أحد، فثبّت Pareto 26.9. فهو يكلّف ثلاثة أضعاف لكل توكن إدخال، ويمنحك ربع السياق، وفي المقابل هو الإصدار الذي يشير إليه الاسم المستعار للمورّد، وليس له حقل انتهاء صلاحية، ومعياره الوحيد المنشور — درجة شريحة جزئية — تصادف أنه الأعلى بين الاثنين. هذا هو الجواب الممل، وهو الجواب الصحيح لمسار الإنتاج.

إذا كنت تقيّم، أو إذا كان عبء العمل لديك طويل السياق وحسّاسًا للتكلفة بدرجة تجعل ثلث سعر الإدخال يغيّر ما هو قابل للتنفيذ، فشغّل Pareto 26.10 Preview عن قصد وخلف بديل احتياطي. معدل الإدخال المخزّن مؤقتًا البالغ $0.03 لكل مليون مقابل $0.25 هو الفرق بين حلقة وكيل يمكنك تحمّل تكلفتها طوال اليوم وحلقة تقنّن استهلاكها، ونافذة الـ 1,048,576 رمزًا هي الوحيدة من بين الاثنتين التي تتسع لمستودع كبير أو مجموعة مستندات طويلة في طلب واحد. خذ السعر، وخذ النافذة، واحتفظ بتاريخ انتهاء الصلاحية في إدخال بالتقويم بدلًا من افتراضاتك.

ما قد يغيّر هذه النصيحة هو أمر ضيّق النطاق وقابل للتحقق: إعلان بأن المعاينة قد تخرّجت وأن الاسم المستعار قد انتقل، أو قياس أداء مستقل لأي من الإصدارين، أو استمرار المعاينة في الخدمة بعد 15 أكتوبر بالأسعار نفسها. أي واحد من هذه يحوّل خيارًا ثنائي الاتجاه إلى خيار أحادي الاتجاه. وإلى أن يتحقق أحدها، فإن الإصدارين في هذه العائلة هما حقًا منتجان مختلفان بملفات مخاطر مختلفة حقًا، والشيء الوحيد الذي تتحكم به هو أي سلسلة نصية تحملها طلباتك.

الإصدار الذي يمكن أن يتغير من تحتك في منتصف الأسبوع هو الحالة التي صُمم من أجلها التبديل التلقائي عند الفشل: التبديل التلقائي عند الفشل معاينة تنتهي صلاحيتها أو تبدأ في إظهار الأخطاء تصبح حدثًا احتياطيًا بدلًا من أن تكون حادثة.