Pareto 26.9 vs. Unbiaseds Pareto 26.10 Preview: Der stabile Pin und die Preview

Unbiaseds Pareto-Reihe bietet jetzt zwei aufrufbare Releases mit zwei unterschiedlichen Antworten auf dieselbe Frage, und seit dieser Woche muss man sich bewusst für eines entscheiden. Pareto 26.9 ist das Release, auf das der Standard-Alias des Anbieters verweist: 262.144 Tokens Kontext, 2,50 $ pro Million Eingabe-Tokens, kein Ablaufdatum. Pareto 26.10 Preview ist der Opt-in-Build: viermal so viel Kontext, etwa ein Drittel des Eingabepreises, vier Benchmark-Werte, die der Anbieter selbst als vorläufig bezeichnet, und ein Ablaufdatum, das in seinem Katalogeintrag festgehalten ist. Beide sind live. Beide nehmen Text und Bilder entgegen und geben Text zurück. Keines ist eine Variante des anderen, die man zur Anfragezeit mit einem Flag umschalten kann.

Was sich geändert hat, ist nicht eines der beiden Modelle. Es ist, dass die stabile Version endlich ihre eigene Adresse hat. Am 13. Oktober 2026 begann der geroutete Katalog, der diese Familie auflistet, unbiased/pareto-26.9 als separat aufrufbaren Eintrag zu führen, zusammen mit einem Alias-Eintrag, der immer auf die jeweils aktuelle Version weiterleitet. Zuvor war der einzige Weg, das stabile Modell mit Sicherheit zu erreichen, nach Paretozu fragen und zu akzeptieren, was der Alias einem auch gab. Jetzt stehen die beiden Versionen in derselben Liste mit ihren eigenen Preisen, ihren eigenen Limits und ihren eigenen Ablauf-Metadaten — und die Wahl zwischen ihnen ist eine Entscheidung, die man selbst trifft, statt einer, die für einen getroffen wird.

Die beiden Releases, Dimension für Dimension

Jeder veröffentlichte Unterschied zwischen ihnen passt in diese sieben Zeilen. Links ist Pareto 26.9; rechts ist Pareto 26.10 Preview.

• Kontextfenster — 262.144 Tokens vs. 1.048.576 Tokens. Viermal so viel Platz, wobei bei keinem von beiden eine kleinere Stufe angeboten wird. • Maximale Ausgabe — 131.072 Tokens vs. 131.072 Tokens. Das größere Eingabefenster brachte keine größere Antwort. • Eingabepreis — 2,50 $ pro Million Tokens vs. 0,80 $. Die Preview liegt bei etwa 32 % des stabilen Tarifs. • Ausgabepreis — 7,50 $ pro Million Tokens vs. 3,20 $. Etwa 43 % davon. • Zwischengespeicherte Eingabe — 0,25 $ pro Million Tokens vs. 0,03 $. Die Preview beträgt ungefähr ein Achtel, und das ist die Zeile, die die Rechnung eines lange laufenden Agenten am stärksten verändert. • Veröffentlichtes Benchmark-Blatt — ein Ergebnis auf einem Teilausschnitt der Aufgaben vs. vier Ergebnisse, die der Anbieter als vorläufig bezeichnet. • Stabilitätsbedingungen — kein Ablaufdatum im Datensatz, und der Anbieter nennt dies das Standard-Release vs. eine Opt-in-Preview, deren Katalogeintrag ein Ablaufdatum vom 15. Oktober 2026 trägt.

Zwei dieser Zeilen leisten den Großteil der Arbeit. Die Cached-Input-Rate ist diejenige, die entscheidet, ob eine lange agentische Trajektorie bei beiden Releases bezahlbar ist, und das Ablauf-Feld ist dasjenige, das entscheidet, ob die Preview überhaupt etwas ist, worauf man aufbauen kann.

Warum die Versionsnummern nicht übereinstimmen

Die Zahlen sind Monatsbezeichnungen, keine Sequenz, von der man ableiten sollte. Die eigene Modellkarte von Unbiased datiert Pareto 26.9 auf einen Lauf vom 20. September 2026 und beschreibt 26.10 Preview als das darauffolgende Release vom 1. Oktober. Der Katalog, der 26.9 aufführt, zeigt, dass es am 13. Oktober in seinen Eintrag aufgenommen wird – drei Wochen nach dem Veröffentlichungsdatum, das der Anbieter angibt. Und der Startbeitrag des Anbieters für die Preview sagt, die vorherige Version „26.9“ sei zwei Wochen lang unter einem temporären Namen auf Drittanbieter-Gateways gelaufen, bevor sie benannt wurde.

Setzt man diese drei Aussagen zusammen, lautet die praktische Lehre, dass eine Versionsnummer hier verrät, aus welchem Monat ein Build stammt, und nichts darüber aussagt, ob der Build noch aktuell, noch unterstützt oder noch derjenige hinter dem Alias ist. Es bedeutet außerdem, dass das Datum, das man auf einer Katalogseite sieht, ein Eintragsdatum ist, kein Veröffentlichungsdatum. Es als Letzteres zu lesen, ist der mit Abstand häufigste Fehler, der bei dieser Familie gemacht wird, und er wird inzwischen in beide Richtungen gemacht: 26.9 wirkt drei Wochen neuer, als es ist, und die Preview wirkt fünf Wochen älter.

Was die Vorschau einbringt und was im Benchmark-Blatt tatsächlich steht

Das Argument für die Preview ist Arithmetik. Viermal so viel Kontext für ein Drittel des Eingabepreises, mit einer Cache-Leserate, die niedrig genug ist, dass eine lange Trajektorie nur einen Bruchteil dessen kostet, was sie auf 26.9 kosten würde. Unbiased behauptet außerdem eine niedrigere Latenz bei der Preview, mit dem größten Gewinn bei langen agentischen Läufen – eine Behauptung, hinter der keine veröffentlichten Messungen stehen, weder vom Anbieter noch von sonst jemandem.

Das Argument dagegen, reflexhaft danach zu greifen, ist subtiler und liegt an der einzigen Stelle, an der sich die beiden Releases überhaupt vergleichen lassen. Bei DeepSWE v1.1, dem Agentic-Coding-Benchmark, auf dem beide Releases erscheinen, zeigt die Model Card des Anbieters Pareto 26.9 bei 70,0 % zu 0,29 $ pro Aufgabe und Pareto 26.10 Preview bei 69,9 % zu 0,24 $ pro Aufgabe. Das neuere, günstigere Release schneidet geringfügig schlechter ab – beim einzigen Benchmark, bei dem beide einen Wert haben – und gewinnt bei den Kosten pro Aufgabe um etwa 17 %. Das ist kein Skandal, und es ist kein Rundungsfehler, den man wegwischen sollte – es ist genau das, was ein günstigeres kombiniertes System aussehen sollte, und es lohnt sich, das zu wissen, bevor man annimmt, die Preview sei ein reines Upgrade.

Zu diesem Vergleich gehören zwei Einschränkungen, und der Anbieter veröffentlicht beide. Die Zahl 26,9 stammt aus einem Ausschnitt von 30 Aufgaben, nicht aus dem vollständigen DeepSWE v1.1-Set, ist also nicht dieselbe Messung wie die der Vorschau. Und jede Zahl hier stammt aus anbietereigenen Durchläufen: Die vier Werte der Vorschau – 92,4 % bei GPQA-Diamond, 49,9 % bei Humanity's Last Exam (nur Text), 69,9 % bei DeepSWE v1.1, 50,8 % bei Terminal-Bench 4.0 – tragen die anbietereigene Kennzeichnung „vorläufig, Änderungen vor der endgültigen Veröffentlichung möglich“, und die Modellkarte gibt an, dass Nenner und Kostenmethodik noch „bestätigt werden müssen“. Niemand außerhalb von Unbiased hat für eine der beiden Veröffentlichungen einen Wert veröffentlicht. Betrachten Sie das gesamte Datenblatt als Grund zum Testen, nicht als Grund zum Wechseln.

Das Ablaufdatum ist der Teil, um den herum man planen muss.

Der Datensatz der Vorschau weist ein Ablaufdatum vom 15. Oktober 2026 auf – einen Tag, nachdem dies geschrieben wurde. Was an diesem Datum passiert, ist nirgendwo dokumentiert, wo wir nachsehen konnten: nicht im Changelog, nicht auf der Modellkarte, nicht auf der Preisseite. Nichts im Material des Anbieters besagt, dass die Vorschau nicht mehr bereitgestellt wird, und der Startbeitrag sagt im Geiste das Gegenteil einer Abschaltung – dass „der Preis nicht steigt und der Vorschau-Slug nicht unter Ihnen zusammenbricht“ und dass mit dem Übergang 26.10 zum Standard für Abonnenten wird, während sich die wöchentlichen Kontingente verdoppeln, von 25 Mio. auf 50 Mio. Token im $10-Personal-Tarif und von 300 Mio. auf 600 Mio. in der $100-Stufe.

Die ehrliche Lesart ist also nicht „Die Preview stirbt morgen.“ Sie ist, dass die Preview durch Bedingungen geregelt wird, die sich ändern, und dass ein Build mit einem Ablauffeld in seinem Datensatz nicht das Release ist, das man für ein System festnageln sollte, mit dem man sich nicht erneut befassen möchte. Das ist das ganze Argument für 26.9 als Standard: Es verbessert sich langsamer, und beim Input ist es dreimal so teuer, aber es ist das, was der Anbieter als Release und nicht als Experiment bezeichnet, und in seinem Datensatz tickt keine Uhr.

Beides beibehalten, ohne die Integration umzuschreiben

Der Grund, warum es sich hier um eine Routing- und nicht um eine Modellierungsentscheidung handelt, ist, dass beide Releases dieselbe Anfrageform haben. Dieselbe Endpoint-Familie, dieselben Parameter, dieselbe Text-und-Bild-Eingabe/Text-Ausgabe-Oberfläche — das Einzige, was sich unterscheidet, ist der String, den Sie in das Modellfeld eingeben. Dadurch wird die Migrationsfläche winzig und die Pinning-Disziplin zum eigentlichen Problem: Genau ein Wert an genau einer Stelle entscheidet darüber, welches von zwei sehr unterschiedlich bepreisten Systemen Ihnen antwortet.

Das ist der Fall, für den die Routing-DSL auf OrcaRouter gebaut wurde. Sie setzen einen Aufruf aus benannten Legs zusammen und halten den Modell-String als Konfigurationswert statt als im Anwendungscode vergrabene Konstante, sodass der Wechsel von einer Preview zu einem stabilen Pin eine Änderung an der Route statt eines Deployments ist. Dasselbe gilt für die Failover-Kette: Eine Preview, die sich ändert, abläuft oder anfängt, Fehler zurückzugeben, wird zu einem Fallback-Ereignis statt zu einem Incident. Wir führen keine der beiden Unbiased-Releases — das ist eine vom Hersteller selbst bereitgestellte Familie mit einem einzigen Anbieter, dem Hersteller selbst — daher ruft man sie über Unbiaseds eigene API auf, und wenn es Ihr Ziel ist, die beiden Releases mit Ihrer eigenen Workload zu vergleichen, sind beide dort heute erreichbar.

Welches soll angepinnt werden?

Wenn Sie etwas ausliefern, das nächsten Monat antworten muss, ohne dass jemand Hand anlegt, dann pinnen Sie Pareto 26.9. Es kostet dreimal so viel pro Eingabe-Token und gibt Ihnen ein Viertel des Kontexts, und im Gegenzug ist es das Release, auf das der Alias des Anbieters zeigt, es hat kein Ablauf-Feld, und sein einziger veröffentlichter Benchmark – ein Partial-Slice-Score – ist ausgerechnet der höhere der beiden. Das ist die langweilige Antwort, und sie ist die richtige für einen Produktionspfad.

Wenn Sie evaluieren, oder wenn Ihre Arbeitslast so langkontextig und kostensensibel ist, dass ein Drittel des Eingabepreises daran ändert, was machbar ist, führen Sie Pareto 26.10 Preview bewusst und hinter einem Fallback aus. Ein Preis für zwischengespeicherte Eingaben von 0,03 $ pro Million gegenüber 0,25 $ ist der Unterschied zwischen einer Agenten-Schleife, die Sie sich den ganzen Tag leisten können, und einer, die Sie rationieren, und das Fenster von 1.048.576 Token ist das einzige der beiden, das ein großes Repository oder eine lange Dokumentensammlung in einer einzigen Anfrage unterbringt. Nehmen Sie den Preis, nehmen Sie das Fenster, und bewahren Sie das Ablaufdatum in einem Kalendereintrag auf statt in Ihren Annahmen.

Was diese Empfehlung ändern würde, ist eng umgrenzt und überprüfbar: eine Ankündigung, dass die Preview den Vorschau-Status verlassen hat und der Alias umgezogen ist, ein unabhängiger Benchmark für eines der beiden Releases, oder dass die Preview über den 15. Oktober hinaus zu denselben Konditionen weiterhin bedient wird. Jedes Einzelne davon verwandelt eine Wahl mit zwei Möglichkeiten in eine mit nur einer. Bis eines davon eintritt, sind die beiden Releases in dieser Familie wirklich unterschiedliche Produkte mit wirklich unterschiedlichen Risikoprofilen, und das Einzige, was Sie kontrollieren, ist, welche Zeichenkette Ihre Anfragen tragen.

Ein Release, das sich mitten in der Woche unter Ihnen ändern kann, ist genau der Fall, für den automatisches Failover entwickelt wurde: automatisches Failover – eine Vorschau, die abläuft oder anfängt, Fehler zu werfen, wird zu einem Fallback-Ereignis statt zu einem Incident.