Pareto 26.10 vs Unbiased Pareto 26.10 Preview: Model yang Sama, Dua String yang Berbeda

Jawaban jujur terpendek untuk bagaimana Pareto 26.10 dibandingkan dengan Unbiased Pareto 26.10 Preview adalah bahwa keduanya adalah model yang sama, dilayani pada harga yang sama, dengan jendela konteks yang sama, output maksimum yang sama, empat skor benchmark terpublikasi yang sama, dan arsitektur komposit yang mendasari yang sama. Preview berjalan sejak 1 Oktober 2026; rilis yang tersedia secara umum tiba pada 15 Oktober 2026, dan changelog Unbiased sendiri menyebutkan tarif tersebut dibawa dari preview tanpa perubahan. Tidak ada yang dilatih ulang di antara keduanya, dan tidak ada skor yang dijalankan ulang untuk halaman GA. Kegagalan AI dan insiden agen yang terdokumentasi di balik rilis seperti ini dikumpulkan dalam the OrcaRouter AI Incident Archive di mana setiap entri membawa sumbernya sendiri, tingkat keparahan, tingkat keyakinan, dan penanda status diperdebatkan.

Yang berubah adalah segala hal di sekitar model, dan bagi pembaca yang memiliki kode di produksi, itu bukan hal kecil. String preview sudah dihentikan, alias pareto sekarang mengarah ke rilis GA, dan jatah langganan kurang lebih dua kali lipat pada harga bulanan yang sama. Jika Anda memilih di antara keduanya, Anda bukan memilih antara dua model — Anda memilih antara dua konfigurasi dari model yang sama, dan salah satu konfigurasi itu tidak lagi ditawarkan.

Mengapa perbandingan ini lebih singkat daripada yang terlihat

Sebagian besar halaman X-vs-Y ada karena dua model berbeda pada sesuatu yang terukur. Halaman ini tidak demikian, dan mengatakannya secara terus terang lebih berguna daripada menciptakan perbedaan. Kedua entri adalah rilis yang sama pada dua titik dalam siklus hidupnya, dan catatan vendor sendiri menunjukkan kesetaraannya, bukan sekadar menyiratkannya: empat skor benchmark yang diterbitkan untuk pratinjau dalam changelog 1 Oktober — 92,4% GPQA-Diamond, 49,9% Humanity's Last Exam text-only, 69,9% DeepSWE v1.1, 50,8% Terminal-Bench 4.0, dengan biaya per tugas masing-masing $0,004, $0,008, $0,24, dan $0,48 — adalah empat angka yang sama, hingga desimal, dengan yang tercantum pada kartu model GA saat ini. Tidak ada uji ulang pasca-GA, jadi tidak ada bukti peningkatan, dan juga tidak ada bukti regresi.

Itu layak dinyatakan karena transisi dari pratinjau ke GA biasanya menjadi titik ketika vendor diam-diam mengubah sesuatu. Di sini changelog mengatakan sebaliknya secara gamblang, dan kartu model menegaskannya. Posisi yang jujur adalah bahwa label pratinjau merupakan status, bukan model yang berbeda.

Apa yang identik, dan bagaimana Anda dapat memeriksanya

• Jendela konteks — 1.048.576 token pada keduanya. • Respons maksimum — 131.072 token pada keduanya. • Modalitas — teks dan gambar masuk, teks keluar, pada keduanya. • Harga — $0,80 per juta input, $0,03 input cache, $3,20 output. Changelog GA menyatakan tarif tersebut diteruskan dari pratinjau. • Parameter — max_tokens, temperature, top_p, tools, tool_choice, dengan pilihan tool dibatasi ke auto. • Benchmark — empat skor 1 Oktober, tidak berubah dan masih diberi label awal. • Bobot — tertutup pada keduanya, dan tidak ada pengenal Hugging Face di kedua catatan. • Penyajian — satu penyedia, yaitu vendor, pada keduanya.

Tidak satu pun dari itu merupakan keputusan berdasarkan penilaian. Semuanya dibaca dari catatan yang dipublikasikan yang sama, dan pembaca yang memeriksanya akan menemukan angka yang sama di kedua halaman.

Apa yang tidak identik

Tiga hal berbeda, dan masing-masing memiliki konsekuensi.

• String model. Pratinjau dipanggil dengan pengenal khusus pratinjau. String tersebut sudah digantikan — entri GA Unbiased memberi tahu pengguna pratinjau untuk beralih ke pareto atau pareto-26.10. Rilis GA dapat dialamatkan sebagai pareto-26.10 dan itulah yang kini dipilih oleh alias pareto tanpa embel-embel. • Status. Pratinjau adalah rilis yang menurut vendor dapat berubah; rilis GA adalah default vendor. Perbedaan itu tidak berpengaruh pada token yang Anda terima kembali, tetapi mengubah apa yang dapat Anda asumsikan tentang token berikutnya. Slot pratinjau adalah tempat vendor menaruh versi yang belum ingin mereka jamin; slot default adalah tempat mereka menaruh versi yang sudah. • Jatah langganan. Personal beralih ke 50 juta token per minggu dan Personal Max ke 600 juta, keduanya pada harga bulanan yang sebelumnya dipublikasikan sebesar $10 dan $100. Kartu API per token tidak ikut berubah.

Itu daftar lengkapnya. Jika Anda berharap ada baris keempat tentang kualitas keluaran, tidak ada, dan artikel apa pun yang menyajikannya sedang mengarangnya.

Jika Anda menyematkan string pratinjau

Ini adalah bagian dari perbandingan yang disertai tenggat waktu.

String model yang menamai sebuah pratinjau, secara konstruksi, adalah string yang memiliki masa berlaku. Vendor menonaktifkannya pada 15 Oktober, yang berarti siapa pun yang menyematkannya sebagai langkah reproduksibilitas — naluri yang wajar, karena pratinjau justru merupakan hal yang ingin Anda bekukan — sekarang memegang string yang tidak lagi mengikuti rilis saat ini. Migrasinya hanya satu baris: arahkan ke pareto-26.10 alih-alih pengenal pratinjau.

Ada nuansa yang membuat ini layak dilakukan dengan sengaja, bukan terburu-buru. Dokumentasi developer Unbiased menyatakan bahwa pengenal model yang tidak dikenal belum ditolak, dan string yang salah ketik tetap dilayani serta ditagih sebagai Pareto. Jadi migrasi yang keliru di sini tidak gagal secara nyaring dengan 404. Migrasi itu berhasil, diam-diam, terhadap alias — yang bagi vendor ini mengikuti kalender rilis, bukan pin Anda. Jika Anda beralih dari preview, pastikan string yang Anda tuju adalah string yang Anda maksud, karena tidak ada apa pun di API yang akan memberi tahu Anda sebaliknya.

Bagaimana cara membandingkannya sendiri, padahal keduanya sama

Karena catatan yang dipublikasikan tidak dapat membedakan keduanya, satu-satunya perbandingan yang layak dijalankan adalah pada beban kerja Anda sendiri — dan ini merupakan latihan yang lebih murah daripada yang terdengar, karena Anda menguji satu model terhadap baseline yang sudah ada, bukan dua model satu sama lain.

Keluarkan sepenuhnya keempat skor yang telah dipublikasikan dari keputusan. Skor-skor itu dijalankan oleh vendor, kartu model menyebut perbandingan tersebut bersifat awal, dan menyatakan bahwa hasil 26.10 berasal dari uji coba tanggal 1 Oktober dan dapat berubah sebelum publikasi final. Angka GPQA-Diamond, 92.4%, adalah angka yang paling mungkin memicu percakapan pengadaan, dan itulah satu-satunya yang tidak memiliki padanan independen di mana pun: belum ada evaluator eksternal yang memublikasikan uji ulang atas salah satu dari keempatnya per 18 Oktober 2026. Gunakan angka itu sebagai hipotesis, bukan sebagai temuan.

Lalu jalankan tugas Anda sendiri melalui GA string dan bandingkan dengan apa pun yang Anda jalankan hari ini, pada dua sumbu yang benar-benar menentukan: biaya per tugas yang diselesaikan — termasuk perilaku cache, karena pada $0.03 per juta input yang di-cache, perbedaan antara prompt hangat dan dingin mendominasi aritmetika per token — dan apakah jendela konteks 1M menghilangkan satu langkah retrieval dari pipeline Anda. Yang kedua adalah alasan untuk tertarik pada model ini sama sekali, dan itu dapat diukur dalam satu sore.

Inilah bentuk evaluasi yang menjadi alasan lapisan routing dibangun, dan penting untuk tepat mengenai apa yang kami cakup dan tidak kami cakup di sini. OrcaRouter tidak membawa model Unbiased apa pun, jadi Pareto 26.10 dipanggil melalui API milik vendor itu sendiri — titik. Yang kami sediakan adalah satu kunci dan satu integrasi untuk model-model yang akan Anda bandingkan dengannya, serta failover otomatis sehingga model kandidat dapat membawa sebagian kecil lalu lintas nyata tanpa ada jalur produksi yang bergantung padanya. Fusi model OrcaRouter melangkah lebih jauh ke arah yang sama untuk bagian berpasangan dari latihan ini: beberapa model menjawab prompt yang sama dalam satu panggilan, yang merupakan cara cepat untuk melihat di mana jawaban model campuran seperti Pareto berbeda dari baseline model tunggal. Permukaan parameter kami mencakup 200+ model dengan markup 0% atas harga daftar penyedia — sebuah pernyataan tentang katalog yang kami layani, bukan tentang yang ini.

Apa yang tidak diselesaikan oleh transisi GA

Dua hal yang biasanya diasumsikan pembaca dapat dijelaskan oleh label GA, dan label yang satu ini tidak.

Itu tidak menyelesaikan benchmark. Halaman yang sama yang mengumumkan bahwa model tersebut keluar dari pratinjau terus menggambarkan keempat skor itu sebagai perbandingan awal dan menyatakan bahwa hasilnya dapat berubah sebelum publikasi final. Ketersediaan umum adalah pernyataan tentang status produk; vendor belum meningkatkan bukti tentang kualitasnya, dan tidak ada pihak lain yang melakukannya. Siapa pun yang mengutip 92,4% pada GPQA-Diamond harus mengutip kualifikasinya dalam napas yang sama, karena saat ini kualifikasi itulah satu-satunya bagian dari angka tersebut yang memiliki dasar independen.

Itu tidak menyelesaikan soal harga. Entri GA menyatakan tarifnya diteruskan, dan kartu harga saat ini menunjukkan $0.80 / $0.03 / $3.20 — angka yang lebih rendah dari dua angka yang telah dipublikasikan vendor untuk lini model ini, karena catatan teknis rilis September masih mencantumkan input $2.50 dan output $7.50. Tidak ada entri changelog bertanggal untuk perubahan itu, jadi kartu yang lebih rendah adalah yang Anda gunakan, bukan yang dapat Anda jadikan dasar untuk mengikat vendor. Modelkan pengeluaran Anda berdasarkan itu dan periksa ulang sebelum Anda menandatangani apa pun yang mengasumsikannya.

Siapa yang harus peduli tentang string yang mana

Pratinjau sudah tidak ada; satu-satunya pertanyaan yang tersisa adalah apakah akan menyematkan rilis GA atau mengikuti alias, dan itu secara jelas sesuai dengan jenis beban kerja.

Pin pareto-26.10 jika Anda memerlukan reproduksibilitas, atribusi biaya, atau arm pembanding yang stabil selama evaluasi panjang — yang merupakan situasi sebagian besar tim yang menjalankan ini terhadap incumbent. Ikuti pareto jika Anda benar-benar menginginkan default terkini dari vendor dan sudah siap menyadari saat default itu berubah; alias tersebut sudah pernah bergeser sekali, pada 15 Oktober, dan changelog adalah tempat hal itu diumumkan.

Tidak ada pilihan yang berkaitan dengan kualitas, karena catatan tersebut tidak memuat perbedaan kualitas antara kedua string ini. Keputusan yang benar-benar penting telah dibuat untuk Anda pada 15 Oktober, ketika nilai default berubah: apa pun yang Anda panggil sebelum tanggal itu bukanlah yang kini dikembalikan oleh alias. Menyebutkan versi yang Anda uji adalah satu-satunya cara untuk membuatnya terlihat, dan itulah satu-satunya urusan kerapian yang ditinggalkan transisi ini.