Pareto 26.10 vs. Pareto 26.9: Eine Zahl trennt diese beiden Releases

Ein Vergleich von Pareto 26.10 mit Pareto 26.9ist größtenteils eine Betrachtung von Dingen, die sich nicht verändert haben. Gleicher Anbieter, gleiche Composite-Architektur, gleiche maximale Antwortlänge von 131.072 Token, gleiche fünf deklarierte Parameter, gleiche veröffentlichte Preise auf der Preisseite des Anbieters selbst und – beim einzigen Benchmark, den beide Releases gemeinsam haben – ein Unterschied von einem Zehntelpunkt zugunsten des älteren Modells. Auf den Oberflächen, auf denen Modelle üblicherweise verglichen werden, sind diese beiden dasselbe Produkt mit unterschiedlichen Versionsnummern. Auf einer Oberfläche sind sie es nicht, und es ist die Oberfläche, die entscheidet, welche Workloads überhaupt eines der beiden nutzen können: das Kontextfenster, bei dem 26.9 262.144 Token bietet und 26.10 1.048.576.Die dokumentierten KI-Ausfälle und Agent-Vorfälle hinter Releases wie diesem sind im OrcaRouter AI Incident Archive gesammelt, wo jeder Eintrag seine eigenen Quellen, seinen Schweregrad, seine Konfidenzstufe und seine Kennzeichnung als umstritten mitführt.

Beide sind live. pareto-26.10 ist das Release, das am 15. Oktober 2026 hinter dem Alias pareto zur Standardversion wurde, als Unbiased sein General-Availability-Release darauf umstellte; pareto-26.9 ist das September-Release, von dem der Anbieter sagt, es „bleibe verfügbar“ für alle, die bleiben möchten. Das ist die gesamte Entscheidung, vor der ein Anrufer heute steht, und der Rest dieser Seite liefert die Details dazu.

Die umgebenden Fakten

{{1}}Für beide Modelle ist dokumentiert, dass sie Text- und Bildeingaben akzeptieren und Text zurückgeben, und keines veröffentlicht eine Hugging Face-Kennung — die Gewichte sind auf beiden Seiten dieses Vergleichs geschlossen, es gibt also nichts zum Herunterladen und Selbsthosten.{{/1}} {{2}}Keines verfügt über einen unabhängigen Benchmark.{{/2}} {{3}}Beide werden von einem einzigen Anbieter bereitgestellt, nämlich Unbiased selbst, was bedeutet, dass es innerhalb des eigenen Stacks des Anbieters für keine der beiden Versionen einen zweiten Host gibt, auf den ausgewichen werden könnte.{{/3}} {{4}}Der folgende Vergleich ist daher ein Vergleich zwischen zwei Konfigurationen einer einzigen Produktlinie eines einzigen Anbieters und nicht zwischen zwei Ökosystemen.{{/4}}

Der Kontext ist das ganze Argument.

Eine Vervierfachung des Kontexts klingt wie eine Zeile im Datenblatt – bis man sie damit abgleicht, was Menschen mit Long-Context-Modellen tatsächlich machen.

Bei 262.144 Tokens sind eine vollständige Repository-Agent-Sitzung, ein langes Support-Transkript oder ein mehrstündiger Recherche-Thread ein Chunking-Problem. Man ruft ab, fasst zusammen, hält ein rollierendes Fenster aufrecht und akzeptiert, dass das Modell eine Rekonstruktion der Aufgabe sieht statt der Aufgabe selbst. Bei 1.048.576 Tokens passen diese Workloads hinein – nicht immer bequem und nicht günstig bei 0,80 US-Dollar pro Million Eingabe-Tokens ohne Cache-Treffer, aber sie passen hinein. Der praktische Unterschied zwischen den beiden Releases besteht darin, ob Ihre Pipeline eine Retrieval-Schicht zwischen Ihren Daten und dem Modell benötigt.

Das ist eine echte Ingenieursentscheidung, und sie ist zugleich die einzige auf dieser Seite, für die es eine belastbare Antwort gibt. Alles andere liegt so dicht beieinander, dass die Entscheidung anhand von etwas anderem als Qualität getroffen werden sollte.

Seite an Seite, Dimension für Dimension

• Modell-String — pareto-26.10 (Standard hinter pareto seit 2026-10-15) vs. pareto-26.9 (beibehalten, nicht Standard).

• Kontextfenster — 1.048.576 Token vs. 262.144 Token.

• Maximale Antwort — 131.072 Token bei beiden. Zwischen den Releases unverändert.

• Modalitäten — Text + Bild als Eingabe, Text als Ausgabe, bei beiden.

• Deklarierte Parameter — max_tokens, temperature, top_p, tools, tool_choice in 26.10; dieselben plus response_format in 26.9.

• Tool-Aufruf — tool_choice ist ab 26.10 auf auto beschränkt; das Modell entscheidet, ob es aufruft, du kannst es nicht erzwingen.

• Gewichte — bei beiden geschlossen; in keinem der beiden Einträge eine Hugging-Face-Kennung.

• Anbieter bereitstellen – einen, den Anbieter, auf beiden.

Veröffentlichter Preis — 0,80 $ Eingabe / 0,03 $ Cache / 3,20 $ Ausgabe pro Million bei beiden, laut der aktuellen Preisseite des Anbieters.

• DeepSWE v1.1 — 69,9 % bei 0,24 $ pro Aufgabe auf 26.10 gegenüber 70,0 % bei 0,29 $ pro Aufgabe auf 26.9, beide vom Anbieter durchgeführt.

Zwei dieser Zeilen verdienen einen eigenen Absatz, denn sie sind diejenigen, die falsch berichtet werden.

Der Unterschied bei strukturierten Ausgaben, über den niemand spricht

Die Parameterlisten sind nicht identisch. Der Katalogeintrag für 26.9 führt response_format unter den unterstützten Parametern auf; der Eintrag für 26.10 nicht. Die deklarierte Oberfläche für 26.10 ist max_tokens, temperature, top_p, tools und tool_choice, Punkt.

Lesen Sie das aufmerksam und nicht wie eine Schlagzeile: Dass ein Parameter in einer deklarierten Liste fehlt, ist kein Beweis dafür, dass der Endpunkt ihn ablehnt, und die API-Dokumentation des Herstellers zählt keine der beiden Listen auf. Wenn Ihre Pipeline jedoch auf den JSON-Modus oder schema-gebundene Ausgabe angewiesen ist und Sie von 26.9 auf 26.10 wechseln in der Annahme, die neuere Version sei eine strikte Obermenge, dann wird diese Annahme durch nichts Veröffentlichtes gestützt. Testen Sie es mit Ihrem eigenen Traffic, bevor Sie migrieren, oder planen Sie ein, die Ausgabe clientseitig zu validieren. Es ist eine Kleinigkeit, aus der an einem Dienstag ein Vorfall wird.

Zwei Live-Tarifkarten sind sich uneinig darüber, was 26.9 kostet.

Das ist der unübersichtlichste Teil des Vergleichs und der Teil, der eine echte Entscheidung am wahrscheinlichsten beeinflusst.

Unbiased veröffentlicht eine einzige Preisliste – 0,80 $ Eingabe, 0,03 $ gecachte Eingabe, 3,20 $ Ausgabe – und versioniert sie nicht pro Release. Wörtlich gelesen bedeutet das, dass 26.10 und 26.9 heute pro Token gleich viel kosten, was die Migration kostenlos macht und die Kontexterhöhung zur einzigen Variable. Unterdessen führt der technische Listeneintrag des Modells selbst für 26.9 noch immer die September-Werte: 2,50 $ Eingabe, 0,25 $ gecachte Eingabe, 7,50 $ Ausgabe. Beide Quellen waren zum Zeitpunkt dieses Textes live. Keine von beiden ist datiert, und der Anbieter hat keinen Changelog-Eintrag veröffentlicht, der die Änderung erklärt, sodass es in der gesamten Aufzeichnung keine zitierfähige Zeile gibt, die besagt: „an diesem Tag fiel der Preis“.

Die praktische Empfehlung ist wenig glamourös. Gehen Sie von der niedrigeren Karte aus, denn zwei der drei Oberflächen, die Sie lesen können, veröffentlichen sie, und eine davon ist die Seite, auf deren Grundlage einem Kunden abgerechnet wird – prüfen Sie sie dann erneut, bevor Sie sich in einem Budget auf eine Zahl festlegen. Wenn Sie eines der beiden Releases für die Kostenzuordnung fixieren, bedenken Sie, dass sich ein gemischter Monat, der den Übergang am 15. Oktober umspannt, im Nachhinein nicht sauber zerlegen lässt, weil die Releases zu unterschiedlichen Zeitpunkten unterschiedlich bepreist wurden und der Anbieter seine Änderungen nicht mit Datum versieht.

Ein Punktestand, ein Zehntelpunkt – und nichts, woraus sich etwas schließen lässt.

Der einzige Benchmark, den beide Releases gemeinsam haben, ist DeepSWE v1.1, und laut den eigenen Zahlen des Anbieters liegt 26.9 bei 70,0 % und 26.10 bei 69,9 %. Beide Werte wurden vom Anbieter erhoben, wobei die ältere Zahl auf einem Ausschnitt von 30 Aufgaben statt auf dem vollständigen Evaluationssatz basiert, und Unbiased bezeichnet den gesamten Vergleich als nicht unabhängig validiert.

Die ehrliche Lesart ist, dass diese Messung die Releases nicht unterscheidet. Ein Zehntelpunkt auf einem partiellen Aufgabenausschnitt liegt innerhalb des Rauschens eines einzelnen Laufs, und es in die eine oder andere Richtung als Rangfolge zu behandeln – „26.10 hat sich verschlechtert“ oder „26.10 ist besser, weil es pro Aufgabe günstiger ist“ – ist Kaffeesatzleserei. Die Kosten-pro-Aufgabe-Zahlen weichen stärker voneinander ab ($0.24 gegenüber $0.29), und selbst diese stammen aus Läufen in unterschiedlichen Monaten mit einem zusammengesetzten Modell, dessen zugrunde liegende Zusammensetzung der Anbieter nicht offenlegt.

Was das Blatt Ihnen aber durchaus verrät, ist, wo Sie nicht suchen sollten. Wenn Sie zwischen diesen beiden anhand der Qualität wählen, wählen Sie anhand einer Zahl, die diese Entscheidung nicht stützen kann. Die Belege, die sie voneinander unterscheiden, sind architektonischer Art – das Kontextfenster und die Parameteroberfläche –, und beide lassen sich auf eine Weise überprüfen, wie es die Punktzahlen nicht sind.

Was bei welcher Arbeitslast aufzurufen ist

• Agentisches Coding über ein vollständiges Repository — 26.10. Das 1M-Fenster ist der Unterschied zwischen dem Senden des Repositorys und dem Senden einer Zusammenfassung davon.

• Analyse langer Dokumente oder langer Transkripte — 26.10, aus demselben Grund, und achten Sie auf die Eingabekosten: 1 Mio. Tokens ohne Cache-Treffer kosten allein für die Eingabe 0,80 $ pro Anfrage.

• JSON-Modus- oder schema-beschränkte Ausgabepipelines — 26.9, bis Sie das Verhalten von 26.10 selbst getestet haben, da die deklarierte Parameterliste von 26.9 response_format enthält und die von 26.10 nicht.

• Eine Workload, die bereits in Produktion läuft und in 262K passt — 26.9. Es gibt keine veröffentlichten Belege dafür, dass ein Wechsel die Ausgabe verbessert, und Pinning ist die günstigere Entscheidung.

• Alles, wo Sie die aktuelle Standardvoreinstellung des Anbieters wünschen, ohne einen Pin pflegen zu müssen — 26.10, über den reinen pareto-Alias, in dem Wissen, dass der Alias dem Kalender des Anbieters statt Ihrem folgt.

Für Teams, die beide Seiten einer Build-and-Verify-Schleife betreiben, ist das nützliche Muster, 26.10 für den Long-Context-Durchlauf festzulegen und 26.9 als Vergleichsarm verfügbar zu halten — genau dafür ist eine Routing-Schicht da. OrcaRouter führt kein Unbiased-Modell, daher werden beide Strings über die API des Anbieters aufgerufen; was wir bereitstellen, ist ein Schlüssel und eine Integration für die Modelle, die Sie gegen26.10 benchmarken würden, sodass die Bewertung des Wechsels nicht bedeutet, einen zweiten Vertrag zu unterzeichnen. OrcaRouter gibt den Listenpreis des Anbieters direkt mit 0 % Aufschlag weiter, was eine Aussage über die Modelle ist, die wir tatsächlich anbieten, nicht über dieses.

Die Migration, die niemand geplant hat

Der Grund, warum dieser Vergleich praktisch statt akademisch ist, liegt darin, dass die Änderung bereits Menschen widerfahren ist, die sie nicht angefordert haben. Am 15. Oktober wechselte der pareto alias vom September-Release zu 26.10. Wer die bloße Zeichenkette aufrief, erhielt ein vervierfachtes Kontextfenster und eine andere Parameteroberfläche, ohne dass sich der Code änderte – und da die Dokumentation des Anbieters darauf hinweist, dass unbekannte Modellkennungen nicht abgelehnt werden, wird eine falsch geschriebene Pin weiterhin als Pareto ausgeliefert und abgerechnet, statt deutlich fehlzuschlagen.

Wenn du stattdessen auf dem Preview-String warst, ist dieser Weg geschlossen: Unbiased hat Preview-Nutzern gesagt, sie sollen zu pareto oder pareto-26.10 wechseln. Wenn du auf pareto warst und von Stabilität ausgegangen bist, ist diese Annahme jetzt in deinen eigenen Logs sichtbar – unabhängig davon, ob sie ein Problem verursacht hat.

So oder so ist die Korrektur dieselbe und braucht nur eine Zeile: Nennen Sie das Release, das Sie getestet haben. Eine versionsqualifizierte Zeichenfolge ist es, was ein Kostenmodell subtrahierbar und eine Regression zuordenbar macht, und sie ist der einzige Mechanismus, den Ihnen dieser Anbieter für beides an die Hand gibt.

Was ist noch unverifiziert?

Keines der beiden Releases verfügt über einen unabhängigen Benchmark. {{1}}Artificial Analysis{{/1}} führt für keines von beiden eine Seite, und kein Prüfer hat eine erneute Ausführung des Harness des Anbieters veröffentlicht. Jede Zahl in diesem Vergleich — {{2}}die vier Scores{{/2}}, die {{3}}Kosten pro Aufgabe{{/3}}, die {{4}}Kontextfenster{{/4}} — stammt entweder vom Anbieter oder aus dem {{5}}technischen Listeneintrag des Modells{{/5}}, und insbesondere die Scores tragen die eigenen Kennzeichnungen des Anbieters {{6}}„vorläufig“{{/6}} und {{7}}„nicht unabhängig validiert“{{/7}}.

Das ist kein Grund, eines der beiden Modelle zu meiden. Es ist ein Grund, über die prüfbaren Punkte zu entscheiden: ob Ihre Workload in 262K passt, ob Ihre Pipeline response_format benötigt und ob Sie den Alias oder eine feste Version verwenden möchten. Diese drei Fragen haben Antworten. Die Frage, welches Modell besser ist, nicht – und egal, wie viel man im veröffentlichten Datenblatt liest, man wird keine bekommen.