Pareto 26.9 vs. la vista previa de Pareto 26.10 de Unbiased: el pin estable y la vista previa

La línea Pareto de Unbiased ahora ofrece dos versiones invocables con dos respuestas distintas a la misma pregunta, y a partir de esta semana tienes que elegir una deliberadamente. Pareto 26.9 es la versión a la que resuelve el alias predeterminado del proveedor: 262.144 tokens de contexto, $2,50 por millón de tokens de entrada, sin fecha de caducidad asociada. Pareto 26.10 Preview es la compilación opt-in: cuatro veces el contexto, aproximadamente un tercio del precio de entrada, cuatro puntuaciones de benchmark que el propio proveedor califica de preliminares, y una fecha de caducidad escrita en su registro de catálogo. Ambas están activas. Ambas aceptan texto e imágenes y devuelven texto. Ninguna es una variante de la otra que puedas alternar con una bandera en el momento de la solicitud.

Lo que ha cambiado no es ninguno de los dos modelos. Es que la versión estable por fin tiene su propia dirección. El 13 de octubre de 2026, el catálogo enrutado que enumera esta familia empezó a incluir unbiased/pareto-26.9 como una entrada invocable por separado, junto a una entrada de alias que siempre redirige a la versión que esté vigente en cada momento. Antes de eso, la única forma de llegar con certeza al modelo estable era pedir Pareto y aceptar lo que el alias te entregara. Ahora ambas versiones aparecen en la misma lista con sus propios precios, sus propios límites y sus propios metadatos de caducidad, y elegir entre ellas es una decisión que tomas tú en lugar de que se tome por ti.

Las dos versiones, dimensión por dimensión

Cada diferencia publicada entre ellos cabe en estas siete líneas. A la izquierda está Pareto 26.9; a la derecha, Pareto 26.10 Preview.

• Ventana de contexto — 262.144 tokens frente a 1.048.576 tokens. Cuatro veces el espacio, sin que se ofrezca un nivel más pequeño en ninguno de los dos. • Salida máxima — 131.072 tokens frente a 131.072 tokens. La ventana de entrada más grande no se tradujo en una respuesta más extensa. • Precio de entrada — $2,50 por millón de tokens frente a $0,80. La vista previa es aproximadamente el 32 % de la tarifa estable. • Precio de salida — $7,50 por millón de tokens frente a $3,20. Alrededor del 43 % de la tarifa estable. • Entrada en caché — $0,25 por millón de tokens frente a $0,03. La vista previa es más o menos un octavo, que es la fila que más cambia la factura de un agente de larga duración. • Hoja de benchmarks publicada — una puntuación, sobre una porción parcial de tareas, frente a cuatro puntuaciones que el proveedor etiqueta como preliminares. • Términos de estabilidad — sin caducidad en el registro, y el proveedor llama a esto la versión predeterminada, frente a una vista previa de adhesión voluntaria cuyo registro de catálogo lleva una fecha de caducidad del 15 de octubre de 2026.

Dos de esas filas hacen casi todo el trabajo. La tasa de entrada en caché es la que decide si una trayectoria agéntica larga resulta asequible en cualquiera de las dos versiones, y el campo de caducidad es el que decide si la vista previa es algo sobre lo que puedes construir.

Por qué los números de versión no coinciden

Los números son etiquetas de mes, no una secuencia a partir de la cual debas razonar. La propia tarjeta de modelo de Unbiased sitúa Pareto 26.9 en una ejecución del 20 de septiembre de 2026 y describe 26.10 Preview como la versión del 1 de octubre que le siguió. El catálogo que lista 26.9 muestra que entra en su registro el 13 de octubre — tres semanas después de la fecha de lanzamiento que indica el proveedor. Y la publicación de lanzamiento del proveedor para la preview dice que la versión anterior "26.9" había estado funcionando durante dos semanas en pasarelas de terceros bajo un nombre temporal antes de recibir su nombre.

Si se juntan esas tres afirmaciones, la lección práctica es que un número de versión aquí indica de qué mes proviene una compilación, y nada sobre si la compilación sigue vigente, sigue teniendo soporte o sigue siendo la que está detrás del alias. También significa que la fecha que ves en una página de catálogo es una fecha de listado, no una fecha de lanzamiento. Interpretarla como esta última es el error más común que se comete con esta familia, y ahora se comete en ambas direcciones: 26.9 parece tres semanas más reciente de lo que es, y la versión preliminar parece cinco semanas más antigua.

Lo que aporta la vista previa y lo que realmente dice la hoja de benchmark

El argumento a favor de la vista previa es aritmético. Cuatro veces el contexto por un tercio del precio de entrada, con una tasa de lectura de caché lo bastante baja como para que una trayectoria larga cueste una fracción de lo que costaría en 26.9. Unbiased también afirma una latencia menor en la vista previa, con la mayor ganancia en ejecuciones agénticas largas — una afirmación que no tiene mediciones publicadas que la respalden, ni por parte del proveedor ni de nadie más.

El argumento en contra de recurrir a ella de forma reflexiva es más sutil y reside en el único lugar donde ambas versiones pueden compararse. En DeepSWE v1.1, el benchmark de codificación agéntica en el que aparecen ambas versiones, la ficha del modelo del proveedor muestra Pareto 26.9 con un 70,0% a $0,29 por tarea y Pareto 26.10 Preview con un 69,9% a $0,24 por tarea. La versión más nueva y más barata obtiene marginalmente peores resultados en el único benchmark donde ambas tienen una cifra, y gana en coste por tarea en torno a un 17%. Eso no es un escándalo y no es un error de redondeo que pueda ignorarse — es exactamente lo que debería parecer un sistema combinado más barato, y merece la pena saberlo antes de asumir que la preview es una mejora estricta.

Hay dos advertencias que corresponden a esa comparación, y el proveedor publica ambas. La cifra de 26,9 proviene de una porción de 30 tareas, no del conjunto completo de DeepSWE v1.1, así que no es la misma medición que la de la versión preliminar. Y todos los números que aparecen aquí están ejecutados por el proveedor: las cuatro puntuaciones de la versión preliminar —92,4 % en GPQA-Diamond, 49,9 % en Humanity's Last Exam solo texto, 69,9 % en DeepSWE v1.1, 50,8 % en Terminal-Bench 4.0— llevan la etiqueta del propio proveedor: «preliminar, puede cambiar antes de la publicación final», y la ficha del modelo afirma que los denominadores y la metodología de costos aún «requieren confirmación». Nadie fuera de Unbiased ha publicado una puntuación para ninguna de las dos versiones. Considera toda la hoja como una razón para probar, no como una razón para cambiar.

La expiración es la parte en torno a la que hay que planificar.

El registro de la preview contiene una fecha de expiración: el 15 de octubre de 2026 — un día después de que se escribiera esto. Lo que ocurre en esa fecha no está documentado en ningún sitio que hayamos podido encontrar: ni en el registro de cambios, ni en la ficha del modelo, ni en la página de precios. Nada en el material del proveedor dice que la preview deje de prestar servicio, y la publicación de lanzamiento dice, en esencia, lo contrario de un cierre: que «el precio no subirá y el slug de la preview no se romperá bajo tus pies», y que, al graduarse, 26.10 se convierte en la opción predeterminada para los suscriptores mientras que las asignaciones semanales se duplican, de 25M a 50M tokens en el plan Personal de $10 y de 300M a 600M en el nivel de $100.

Así que la interpretación honesta no es que «la preview muera mañana». Es que la preview se rige por términos que cambian, y que una build con un campo de expiración en su registro no es la release que conviene fijar para un sistema al que no quieres volver. Ese es todo el argumento a favor de 26.9 como predeterminada: tarda más en mejorar y su precio de entrada es tres veces mayor, pero es la que el proveedor llama release y no experimento, y en su registro no corre ningún reloj.

Mantener ambos sin reescribir la integración

La razón por la que esto es una decisión de enrutamiento y no de modelado es que ambas versiones aceptan la misma forma de solicitud. La misma familia de endpoints, los mismos parámetros, la misma superficie de entrada de texto e imagen/salida de texto; lo único que difiere es la cadena que se coloca en el campo model. Eso hace que la superficie de migración sea mínima y que la disciplina de fijación sea todo el problema: exactamente un valor en exactamente un lugar determina cuál de dos sistemas con precios muy diferentes te responde.

Ese es el caso el DSL de enrutamiento en OrcaRouter para el que fue creado. Compone una llamada a partir de tramos con nombre y mantiene la cadena del modelo como un valor de configuración en lugar de una constante enterrada en el código de la aplicación, de modo que pasar de una preview a un pin estable es una edición de la ruta y no un despliegue. Lo mismo ocurre con la cadena de failover: una preview que cambia, caduca o empieza a devolver errores se convierte en un evento de fallback en lugar de un incidente. No distribuimos ninguna de las dos versiones de Unbiased —esta es una familia servida por el proveedor, con un único proveedor, el propio proveedor—, así que la forma de llamarla es la propia API de Unbiased, y si tu objetivo es comparar las dos versiones con tu propia carga de trabajo, ambas son accesibles allí hoy mismo.

¿Cuál fijar?

Si vas a lanzar algo que tiene que responder el mes que viene sin que nadie lo toque, fija Pareto 26.9. Cuesta tres veces más por token de entrada y te da una cuarta parte del contexto, y a cambio es la versión a la que apunta el alias del proveedor, no tiene campo de expiración, y su único benchmark publicado —una puntuación de slice parcial— resulta ser la más alta de las dos. Esa es la respuesta aburrida y es la correcta para una ruta de producción.

Si estás evaluando, o si tu carga de trabajo tiene un contexto largo y es lo bastante sensible al costo como para que un tercio del precio de entrada cambie lo que resulta viable, ejecuta Pareto 26.10 Preview de forma deliberada y con una alternativa de respaldo. Una tarifa de entrada en caché de $0.03 por millón frente a $0.25 es la diferencia entre un bucle de agente que puedes costear todo el día y uno que tienes que racionar, y la ventana de 1,048,576 tokens es la única de las dos que permite meter un repositorio grande o un conjunto extenso de documentos en una sola solicitud. Acepta el precio, acepta la ventana y guarda la fecha de expiración en una entrada de calendario en lugar de en tus suposiciones.

Lo que cambiaría este consejo es acotado y comprobable: un anuncio de que la versión preliminar ha pasado a ser definitiva y de que el alias ha cambiado, un benchmark independiente para cualquiera de las dos versiones, o que la versión preliminar siga prestando servicio después del 15 de octubre con las mismas tarifas. Cualquiera de esas cosas convierte una elección de dos opciones en una de una sola. Hasta que una se materialice, los dos lanzamientos de esta familia son productos genuinamente distintos con perfiles de riesgo genuinamente distintos, y lo único que controlas es qué cadena llevan tus solicitudes.

Una versión que puede cambiar bajo tus pies a mitad de semana es el caso para el que se creó la conmutación por error automática: una vista previa que caduca o empieza a dar errores se convierte en un evento de respaldo en lugar de un incidente.