Pareto 26.10 לעומת Pareto 26.9: מספר אחד מבדיל בין שתי הגרסאות האלה

השוואה בין Pareto 26.10 ל־Pareto 26.9 היא בעיקר בחינה של דברים שלא השתנו. אותו ספק, אותה ארכיטקטורה משולבת, אותו אורך תגובה מקסימלי של 131,072 טוקנים, אותם חמישה פרמטרים מוצהרים, אותם תעריפים מפורסמים בעמוד התמחור של הספק עצמו, ועל המדד היחיד ששתי המהדורות חולקות — הבדל של עשירית נקודה לטובת המודל הישן יותר. במישורים שבהם נהוג להשוות מודלים, השניים הם אותו מוצר עם מספרי גרסה שונים. במישור אחד הם אינם זהים, והוא המישור שקובע אילו עומסי עבודה יכולים להשתמש באחד מהם בכלל: חלון ההקשר, שבו 26.9 מציע 262,144 טוקנים ו-26.10 מציע 1,048,576. הכשלים והתקריות המתועדים של בינה מלאכותית וסוכנים מאחורי מהדורות כמו זו נאספים בOrcaRouter AI Incident Archive שבו לכל רשומה יש מקורות משלה, חומרה, דירוג מהימנות וסימון מחלוקת.

שתיהן פעילות. pareto-26.10 היא המהדורה שהפכה לברירת המחדל מאחורי הכינוי pareto ב-15 באוקטובר 2026, כאשר Unbiased העבירה אליה את מהדורת הזמינות הכללית שלה; pareto-26.9 היא מהדורת ספטמבר שהספק אומר ש"נשארת זמינה" למי שרוצה להישאר. זהו כל ההחלטה העומדת בפני מתקשר היום, ושאר העמוד הזה הוא הפירוט שמאחוריה.

העובדות הסובבות

שני המודלים מתועדים כמקבלים קלט טקסט ותמונה ומחזירים טקסט, ואף אחד מהם אינו מפרסם מזהה Hugging Face — המשקלים סגורים בשני הצדדים של ההשוואה הזו, כך שאין מה להוריד ולארח באופן עצמי. לשניהם אין בנצ'מרק עצמאי. את שניהם משרת ספק יחיד, Unbiased עצמה, כלומר אין מארח שני שאליו אפשר לעבור לגיבוי בתוך המחסנית של אותו ספק עבור אף אחד משני הפרסומים. לפיכך ההשוואה שלהלן היא בין שתי תצורות של קו מוצרים אחד של ספק אחד, ולא בין שתי מערכות אקולוגיות.

ההקשר הוא הטיעון כולו

עלייה של פי 4 בגודל ההקשר נשמעת כמו שורת מפרט — עד שממפים אותה למה שאנשים באמת עושים עם מודלים בעלי הקשר ארוך.

ב-262,144 טוקנים, הפעלת סוכן על מאגר קוד מלא, תמלול תמיכה ארוך או שרשור מחקר של שעות רבות הם בעיית פיצול למקטעים. אתה שולף, מסכם, שומר חלון מתגלגל, ומקבל את העובדה שהמודל רואה שחזור של המשימה ולא את המשימה עצמה. ב-1,048,576 טוקנים, עומסי העבודה האלה נכנסים — לא תמיד בנוחות, ולא בזול במחיר של $0.80 למיליון טוקני קלט ללא פגיעת מטמון, אבל הם נכנסים. ההבדל המעשי בין שתי המהדורות הוא אם ה-pipeline שלך זקוק לשכבת שליפה בין הנתונים שלך למודל.

זו החלטה הנדסית אמיתית, והיא גם היחידה בעמוד הזה שיש לה תשובה שאפשר להגן עליה. כל השאר קרובים מספיק לכך שהבחירה צריכה להיעשות על בסיס משהו אחר מלבד איכות.

זה לצד זה, ממד אחר ממד

• מחרוזת מודל — pareto-26.10 (ברירת מחדל מאחורי pareto מאז 2026-10-15) לעומת pareto-26.9 (נשמר, לא ברירת מחדל).

חלון הקשר — 1,048,576 טוקנים לעומת 262,144 טוקנים.

• תגובה מקסימלית — 131,072 אסימונים בשניהם. ללא שינוי בין הגרסאות.

• מודאליות — קלט טקסט + תמונה, פלט טקסט, בשניהם.

• פרמטרים מוצהרים — max_tokens, temperature, top_p, tools, tool_choice ב-26.10; אותה קבוצה בתוספת response_format ב-26.9.

• קריאה לכלים — tool_choice מוגבל ל-auto ב-26.10; המודל מחליט אם לקרוא, ואין באפשרותך לכפות זאת.

• משקלים — סגורים בשני המקרים; אין מזהה Hugging Face באף אחת מהרשומות.

• ספקי הגשה — אחד, הספק, בשניהם.

• תעריף מפורסם — $0.80 קלט / $0.03 במטמון / $3.20 פלט למיליון בשניהם, לפי עמוד התמחור הנוכחי של הספק.

• DeepSWE v1.1 — 69.9% ב-$0.24 למשימה ב-26.10 לעומת 70.0% ב-$0.29 למשימה ב-26.9, שניהם הורצו על ידי הספק.

שתיים מהשורות הללו ראויות לפסקה משלהן, משום שהן אלו שמדווחים עליהן שלא כהלכה.

ההבדל ב-structured-output שאיש לא מפרסם

רשימות הפרמטרים אינן זהות. רשומת הקטלוג של 26.9 מצהירה על response_format בין הפרמטרים הנתמכים שלה; הרשומה של 26.10 אינה מצהירה על כך. הפרמטרים המוצהרים עבור 26.10 הם max_tokens, temperature, top_p, tools ו-tool_choice, נקודה.

קראו זאת בעיון ולא ככותרת: היעדרו של פרמטר מרשימה מוצהרת אינו הוכחה שנקודת הקצה דוחה אותו, ותיעוד ה-API של הספק עצמו אינו מפרט אף אחת מהרשימות. אבל אם הצינור שלכם תלוי ב-JSON-mode או בפלט מוגבל בסכימה, ואתם עוברים מ-26.9 ל-26.10 מתוך הנחה שהמהדורה החדשה היא על-קבוצה ממש, ההנחה הזו אינה נתמכת בשום דבר שפורסם. בדקו זאת על התעבורה שלכם לפני שאתם נודדים, או תכננו לאמת את הפלט בצד הלקוח. זה דבר קטן שהופך לתקלה ביום שלישי.

שני כרטיסי תעריפים פעילים חלוקים בדעתם כמה עולה 26.9

זה החלק המבולגן ביותר בהשוואה, והחלק שסביר ביותר להשפיע על החלטה אמיתית.

Unbiased מפרסמת מחירון יחיד — $0.80 קלט, $0.03 קלט במטמון, $3.20 פלט — ואינה מוציאה לו גרסאות לפי מהדורה. בקריאה מילולית, משמעות הדבר היא ש-26.10 ו-26.9 עולים היום אותו דבר לכל טוקן, מה שהופך את ההגירה לחינמית ואת הגדלת ההקשר למשתנה היחיד. בינתיים, רשומת המפרט הטכני של המודל עצמו עדיין נושאת את נתוני ספטמבר עבור 26.9: $2.50 קלט, $0.25 במטמון, $7.50 פלט. שני המקורות היו פעילים בזמן כתיבת הדברים. אף אחד מהם אינו מתוארך, והספק לא פרסם רשומת יומן שינויים שמסבירה את המהלך, כך שאין בשום מקום בתיעוד שורה ניתנת לציטוט בסגנון "ביום זה המחיר ירד".

ההנחיה המעשית אינה זוהרת. צא מנקודת הנחה שהכרטיס הנמוך הוא הנכון, מפני ששניים משלושת המשטחים שאתה יכול לקרוא מפרסמים אותו, ואחד מהם הוא הדף שלפיו מחייבים את הלקוח — ואז בדוק אותו שוב לפני שאתה מתחייב למספר בתקציב. אם אתה מקבע אחד מהשחרורים לייחוס עלויות, דע שחודש מעורב החולש על המעבר של 15 באוקטובר לא יתפרק בצורה נקייה בדיעבד, מפני שהשחרורים תומחרו באופן שונה בנקודות שונות והספק אינו מתארך את השינויים שלו.

ניקוד אחד, עשירית נקודה, ואין מה להסיק.

הבנצ'מרק היחיד המשותף לשתי המהדורות הוא DeepSWE v1.1, והנתונים של הספק עצמו מציבים את 26.9 ב־70.0% ואת 26.10 ב־69.9%. שני הנתונים הופקו בידי הספק, כאשר הישן יותר מבוסס על פרוסה של 30 משימות ולא על מערך ההערכה המלא, וההשוואה כולה מתוארת על ידי Unbiased ככזו שלא אומתה באופן עצמאי.

הקריאה הישרה היא שהמדידה הזו אינה מבדילה בין המהדורות. עשירית נקודה על פרוסת משימות חלקית נמצאת בתוך הרעש של ריצה בודדת, ולהתייחס לזה כדירוג בכל אחד מהכיוונים — "26.10 נסוגה", או "26.10 טובה יותר כי היא זולה יותר לכל משימה" — זה לפרש עלי תה. נתוני העלות לכל משימה חלוקים יותר ($0.24 לעומת $0.29), וגם אלה מגיעים מריצות בחודשים שונים על מודל משולב שהרכבו הבסיסי אינו נחשף על ידי הספק.

מה שהגיליון כן אומר לך הוא היכן לא להסתכל. אם אתה בוחר בין השניים האלה על סמך איכות, אתה בוחר על סמך מספר שאינו יכול לתמוך בבחירה. הראיות שמפרידות ביניהם הן ארכיטקטוניות — חלון ההקשר ומשטח הפרמטרים — ושתיהן ניתנות לאימות באופן שהציונים אינם.

מה לקרוא, לפי עומס העבודה

• קידוד סוכני על פני מאגר קוד מלא — 26.10. חלון ה־1M הוא ההבדל בין לשלוח את המאגר לבין לשלוח תקציר שלו.

• ניתוח מסמכים ארוכים או תמלולים ארוכים — 26.10, מאותה סיבה, ושימו לב לחשבון הקלט: 1M טוקנים ללא פגיעת מטמון הם $0.80 לבקשה רק על קלט.

• צינורות פלט במצב JSON או עם אילוצי סכימה — 26.9 עד שתבדוק בעצמך את ההתנהגות של 26.10, מפני שרשימת הפרמטרים המוצהרת של 26.9 כוללת את response_format ושל 26.10 לא.

• עומס עבודה שכבר נמצא בייצור ומתאים בתוך 262K — 26.9. אין ראיות שפורסמו לכך שהמעבר משפר את הפלט, ונעיצה היא ההחלטה הזולה יותר.

• כל מקרה שבו אתה רוצה את ברירת המחדל הנוכחית של הספק בלי לתחזק נעיצה — 26.10, דרך כינוי ה-pareto החשוף, מתוך הבנה שהכינוי עוקב אחר לוח השנה של הספק ולא אחר שלך.

עבור צוותים שמפעילים את שני הצדדים של לולאת בנייה ואימות, התבנית השימושית היא לקבע את 26.10 למעבר ההקשר הארוך ולהשאיר את 26.9 זמין כזרוע ההשוואה — וזה בדיוק הייעוד של שכבת ניתוב. אין ב-OrcaRouter שום מודל Unbiased, ולכן שתי המחרוזות נקראות דרך ה-API של הספק עצמו; מה שאנחנו מספקים הוא מפתח אחד ואינטגרציה אחת עבור המודלים שתשוו את 26.10 מולם, כך שבחינת המעבר אינה מחייבת חתימה על חוזה שני. OrcaRouter מעבירה את מחיר המחירון של הספק ישירות, עם 0% תוספת, וזו אמירה על המודלים שאנחנו כן מספקים, לא על זה.

ההגירה שאיש לא תכנן

ההשוואה הזו היא ממשית ולא אקדמית משום שהשינוי כבר חל על אנשים שלא ביקשו אותו. ב-15 באוקטובר, כינוי pareto עבר מגרסת ספטמבר ל-26.10. כל מי שקורא למחרוזת החשופה קיבל חלון הקשר פי ארבעה ומשטח פרמטרים שונה בלי שינוי בקוד — ומכיוון שהתיעוד של הספק מציין שמזהי מודל לא ידועים אינם נדחים, נעיצת גרסה עם שגיאת כתיב עדיין מוגשת ומחויבת כ-Pareto במקום להיכשל בקול רם.

אם היית במקום זאת על מחרוזת ה-preview, הנתיב הזה סגור: Unbiased הורתה למשתמשי preview לעבור ל-pareto או ל-pareto-26.10. אם היית על pareto והנחת יציבות, ההנחה הזו כעת גלויה ביומנים שלך, בין אם היא גרמה לבעיה ובין אם לא.

כך או כך, התיקון זהה ודורש שורה אחת: ציין את הגרסה שבדקת. מחרוזת עם ציון גרסה היא מה שהופך מודל עלויות לניתן לחסר ורגרסיה לניתנת לייחוס, והיא המנגנון היחיד שהספק הזה נותן לך עבור כל אחד מהשניים.

מה שעדיין לא אומת

לאף אחד מהשחרורים אין מדד עצמאי. Artificial Analysis לא מציגה עמוד עבור אף אחד מהם, ואף מעריך לא פרסם הרצה חוזרת של מערכת ההערכה של הספק. כל נתון בהשוואה הזו — ארבעת הציונים, מספרי העלות למשימה, חלונות ההקשר — הוא או שפורסם על ידי הספק או שנקרא מרשומת הפירוט הטכני של המודל, והציונים בפרט נושאים את התגיות של הספק עצמו: "ראשוני" ו"לא אומת באופן עצמאי".

זו אינה סיבה להימנע מאף אחד מהמודלים. זו סיבה להחליט על הדברים הניתנים לבדיקה: האם עומס העבודה שלך מתאים ל-262K, האם ה-pipeline שלך זקוק ל-response_format, והאם אתה רוצה להיות על ה-alias או על pin. לשלוש השאלות האלה יש תשובות. לשאלה איזה מודל טוב יותר אין תשובה, ושום כמות של קריאה בגיליון שפורסם לא תייצר כזו.