Pareto 26.9 vs Pratinjau Pareto 26.10 dari Unbiased: Pin Stabil dan Pratinjau

Lini Pareto dari Unbiased kini menawarkan dua rilis yang dapat dipanggil dengan dua jawaban berbeda untuk pertanyaan yang sama, dan sejak minggu ini Anda harus memilih salah satunya secara sengaja. Pareto 26.9 adalah rilis yang dituju oleh alias default vendor: konteks 262.144 token, $2,50 per juta token input, tanpa tanggal kedaluwarsa yang dilampirkan. Pareto 26.10 Preview adalah build opt-in: konteks empat kali lebih besar, sekitar sepertiga harga input, empat skor benchmark yang oleh vendor sendiri disebut pendahuluan, dan tanggal kedaluwarsa yang tertulis dalam catatan katalognya. Keduanya aktif. Keduanya menerima teks dan gambar serta mengembalikan teks. Tidak satu pun merupakan varian dari yang lain yang dapat Anda ubah dengan flag saat permintaan.

Yang berubah bukanlah salah satu dari kedua model itu. Yang berubah adalah rilis stabil akhirnya memiliki alamatnya sendiri. Pada 13 Oktober 2026, katalog terarah yang mencantumkan keluarga ini mulai memuat unbiased/pareto-26.9 sebagai entri yang dapat dipanggil secara terpisah, bersama entri alias yang selalu mengalihkan ke rilis mana pun yang sedang berlaku. Sebelum itu, satu-satunya cara untuk mencapai model stabil dengan pasti adalah meminta Pareto dan menerima apa pun yang diberikan alias kepada Anda. Kini kedua rilis tersebut berada dalam daftar yang sama dengan harga masing-masing, batas masing-masing, dan metadata kedaluwarsa masing-masing — dan memilih di antara keduanya adalah keputusan yang Anda buat, bukan keputusan yang dibuat untuk Anda.

Kedua rilis itu, dimensi demi dimensi

Setiap perbedaan yang dipublikasikan di antara keduanya tercakup dalam tujuh baris ini. Di sebelah kiri adalah Pareto 26.9; di sebelah kanan adalah Pareto 26.10 Preview.

• Jendela konteks — 262.144 token vs 1.048.576 token. Ruangnya empat kali lebih besar, tanpa ada tier yang lebih kecil yang ditawarkan pada keduanya. • Output maksimum — 131.072 token vs 131.072 token. Jendela input yang lebih besar tidak menghasilkan jawaban yang lebih besar. • Harga input — $2,50 per juta token vs $0,80. Pratinjau ini sekitar 32% dari tarif stabil. • Harga output — $7,50 per juta token vs $3,20. Sekitar 43% darinya. • Input cache — $0,25 per juta token vs $0,03. Pratinjau ini kira-kira seperdelapan, yang merupakan baris yang paling mengubah tagihan agen jangka panjang. • Lembar benchmark yang dipublikasikan — satu skor, pada sebagian irisan tugas, vs empat skor yang oleh vendor disebut pendahuluan. • Ketentuan stabilitas — tidak ada kedaluwarsa pada catatan, dan vendor menyebut ini rilis default vs pratinjau opt-in yang catatan katalognya memuat tanggal kedaluwarsa 15 Oktober 2026.

Dua dari baris-baris itu yang melakukan sebagian besar pekerjaan. Tarif input yang di-cache adalah yang menentukan apakah lintasan agentic yang panjang terjangkau pada kedua rilis tersebut, dan kolom kedaluwarsa adalah yang menentukan apakah pratinjau itu sesuatu yang benar-benar bisa Anda jadikan landasan.

Mengapa nomor versinya tidak selaras

Angka-angka itu adalah label bulan, bukan urutan yang seharusnya Anda gunakan sebagai dasar penalaran. Kartu model milik Unbiased sendiri menyematkan tanggal Pareto 26.9 pada run 20 September 2026 dan menggambarkan 26.10 Preview sebagai rilis 1 Oktober yang menyusul. Katalog yang mencantumkan 26.9 menunjukkan bahwa entri catatannya masuk pada 13 Oktober — tiga minggu setelah tanggal rilis yang dicetak vendor. Dan postingan peluncuran vendor untuk pratinjau tersebut mengatakan versi sebelumnya "26.9" telah berjalan selama dua minggu di gateway pihak ketiga dengan nama sementara sebelum diberi nama.

Gabungkan ketiga pernyataan itu, dan pelajaran praktisnya adalah bahwa nomor versi di sini memberi tahu Anda dari bulan mana sebuah build berasal, dan sama sekali tidak memberi tahu apakah build itu masih terkini, masih didukung, atau masih yang ada di balik alias. Ini juga berarti tanggal yang Anda lihat di halaman katalog adalah tanggal pencantuman, bukan tanggal rilis. Membacanya sebagai yang terakhir adalah kesalahan paling umum yang dibuat tentang keluarga ini, dan sekarang kesalahan itu dibuat di kedua arah: 26.9 tampak tiga minggu lebih baru daripada sebenarnya, dan pratinjaunya tampak lima minggu lebih tua.

Apa yang diperoleh dari pratinjau, dan apa yang sebenarnya tertulis di lembar benchmark

Argumen yang mendukung preview ini adalah aritmetika. Konteks empat kali lebih besar dengan sepertiga harga input, dengan tarif baca cache yang cukup rendah sehingga trajektori panjang hanya memakan sebagian kecil dari biaya yang akan dikeluarkan pada 26.9. Unbiased juga mengklaim latensi lebih rendah pada preview ini, dengan keuntungan terbesar pada eksekusi agentic yang panjang — klaim yang tidak didukung oleh pengukuran yang dipublikasikan, baik dari vendor maupun pihak lain.

Argumen untuk tidak serta-merta memilihnya secara refleks lebih halus dan terletak pada satu-satunya tempat di mana kedua rilis ini bisa dibandingkan sama sekali. Pada DeepSWE v1.1, tolok ukur pengodean agentic yang memuat kedua rilis ini, kartu model dari vendor menunjukkan Pareto 26.9 pada 70,0% dengan biaya $0,29 per tugas dan Pareto 26.10 Preview pada 69,9% dengan biaya $0,24 per tugas. Rilis yang lebih baru dan lebih murah mendapat skor lebih rendah secara marginal pada satu-satunya tolok ukur yang angkanya dimiliki keduanya, dan ia menang dalam hal biaya per tugas sekitar 17%. Itu bukan skandal dan bukan kesalahan pembulatan yang bisa diabaikan begitu saja — memang seperti itulah wujud sistem campuran yang lebih murah seharusnya, dan itu layak diketahui sebelum Anda menganggap bahwa preview ini adalah peningkatan yang murni.

Ada dua catatan penting yang perlu disertakan pada perbandingan itu, dan vendor menerbitkan keduanya. Angka 26,9 berasal dari irisan 30 tugas, bukan set DeepSWE v1.1 lengkap, jadi itu bukan pengukuran yang sama dengan milik pratinjau. Dan setiap angka di sini dijalankan vendor: empat skor pratinjau — 92,4% pada GPQA-Diamond, 49,9% pada Humanity's Last Exam khusus teks, 69,9% pada DeepSWE v1.1, 50,8% pada Terminal-Bench 4.0 — membawa label milik vendor sendiri "preliminer, dapat berubah sebelum publikasi final", dan kartu model menyatakan bahwa penyebut serta metodologi biaya masih "memerlukan konfirmasi." Tidak ada pihak di luar Unbiased yang telah menerbitkan skor untuk salah satu dari kedua rilis tersebut. Perlakukan seluruh lembar ini sebagai alasan untuk menguji, bukan alasan untuk beralih.

Kedaluwarsa adalah bagian yang perlu diperhitungkan

Catatan pratinjau mencantumkan tanggal kedaluwarsa 15 Oktober 2026 — satu hari setelah ini ditulis. Apa yang terjadi pada tanggal itu tidak didokumentasikan di mana pun yang dapat kami temukan: tidak di changelog, tidak di kartu model, tidak di halaman harga. Tidak ada apa pun dalam materi vendor yang menyatakan pratinjau berhenti melayani, dan postingan peluncuran mengatakan kebalikan dari penutupan secara semangat — bahwa "harganya tidak akan naik, dan slug pratinjau tidak akan rusak di bawah Anda," dan bahwa saat kelulusan 26.10 menjadi default pelanggan sementara jatah mingguan menjadi dua kali lipat, dari 25M menjadi 50M token pada paket Personal $10 dan dari 300M menjadi 600M pada tier $100.

Jadi pembacaan yang jujur bukanlah "pratinjau akan mati besok." Yang benar adalah bahwa pratinjau diatur oleh ketentuan yang berubah-ubah, dan bahwa build dengan kolom kedaluwarsa dalam catatannya bukanlah rilis yang harus dipatok untuk sistem yang tidak ingin Anda kunjungi kembali. Itulah seluruh argumen untuk 26.9 sebagai default: peningkatannya lebih lambat dan harganya tiga kali lebih mahal pada input, tetapi itulah yang disebut vendor sebagai rilis, bukan eksperimen, dan catatannya tidak memiliki tenggat waktu.

Menampung keduanya tanpa menulis ulang integrasi

Alasan ini merupakan keputusan routing dan bukan keputusan pemodelan adalah karena kedua rilis menerima bentuk permintaan yang sama. Keluarga endpoint yang sama, parameter yang sama, permukaan input teks-dan-gambar/output teks yang sama — satu-satunya yang berbeda adalah string yang Anda masukkan ke field model. Itu membuat cakupan migrasi sangat kecil dan disiplin pinning menjadi seluruh persoalannya: tepat satu nilai di tepat satu tempat menentukan sistem mana dari dua sistem dengan harga yang sangat berbeda yang menjawab Anda.

Itulah kasus yang DSL routing di OrcaRouter dibuat untuk. Anda menyusun panggilan dari leg bernama dan menyimpan string model sebagai nilai konfigurasi alih-alih konstanta yang terkubur dalam kode aplikasi, sehingga berpindah dari pratinjau ke pin stabil hanyalah mengubah rute, bukan melakukan deploy. Hal yang sama berlaku untuk rantai failover: pratinjau yang berubah, kedaluwarsa, atau mulai mengembalikan error menjadi peristiwa fallback alih-alih insiden. Kami tidak menyediakan salah satu rilis Unbiased — ini adalah keluarga yang dilayani vendor dengan satu penyedia, yaitu vendor itu sendiri — jadi cara untuk memanggilnya adalah API milik Unbiased sendiri, dan jika tujuan Anda adalah membandingkan kedua rilis tersebut dengan beban kerja Anda sendiri, keduanya dapat dijangkau di sana hari ini.

Yang mana yang harus disematkan?

Jika Anda merilis sesuatu yang harus merespons bulan depan tanpa perlu disentuh siapa pun, sematkan Pareto 26.9. Biayanya tiga kali lebih mahal per token masukan dan memberi Anda seperempat konteks, dan sebagai gantinya, itulah rilis yang ditunjuk oleh alias vendor, tidak memiliki bidang kedaluwarsa, dan satu-satunya tolok ukur yang diterbitkan — skor irisan parsial — kebetulan adalah yang lebih tinggi di antara keduanya. Itu jawaban yang membosankan dan jawaban yang tepat untuk jalur produksi.

Jika Anda sedang mengevaluasi, atau jika beban kerja Anda berkonteks panjang dan cukup sensitif terhadap biaya sehingga sepertiga dari harga input mengubah apa yang layak, jalankan Pareto 26.10 Preview secara sengaja dan dengan fallback di belakangnya. Tarif input yang di-cache sebesar $0.03 per juta dibandingkan $0.25 adalah perbedaan antara loop agen yang dapat Anda biayai sepanjang hari dan loop yang harus Anda jatah, dan jendela 1,048,576 token adalah satu-satunya dari keduanya yang dapat memuat repositori besar atau kumpulan dokumen panjang dalam satu permintaan. Ambil harganya, ambil jendelanya, dan simpan tanggal kedaluwarsa dalam entri kalender, bukan dalam asumsi Anda.

Yang bisa mengubah nasihat ini bersifat sempit dan dapat diperiksa: pengumuman bahwa pratinjau telah lulus dan alias telah dipindahkan, tolok ukur independen untuk salah satu rilis, atau pratinjau yang terus melayani melewati 15 Oktober dengan tarif yang sama. Salah satu dari itu mengubah pilihan dua arah menjadi satu arah. Sampai salah satunya terjadi, kedua rilis dalam keluarga ini benar-benar produk yang berbeda dengan profil risiko yang benar-benar berbeda, dan satu-satunya hal yang Anda kendalikan adalah string apa yang dibawa permintaan Anda.

Rilis yang bisa berubah di tengah minggu tanpa Anda sadari adalah kasus yang membuat failover otomatis diciptakan: failover otomatis pratinjau yang kedaluwarsa atau mulai menimbulkan error menjadi peristiwa fallback alih-alih insiden.