Unbiased Menyematkan Pareto 26.9 ke String Modelnya Sendiri: Versi Stabil Kini Punya Nama

Dari Unbiased, Pareto 26.9 tidak lagi menjadi nomor versi yang disebutkan dalam catatan kaki orang lain dan menjadi model yang dapat dialamatkan pada 13 Oktober 2026, ketika rilis yang telah menjadi default stabil sejak September memperoleh pengenal dengan kualifikasi versinya sendiri. Konteksnya penting: dari vendor yang sama, Pareto 26.10 Preview telah dijual sebagai pratinjau opt-in sejak 1 Oktober dengan string miliknya sendiri — pareto-26.10-preview — sementara pareto tetap pada rilis stabil dan, dalam kata-kata vendor itu sendiri, "tidak memilih pratinjau ini." Selama sebelas hari antara kedua peristiwa itu, versi yang sebenarnya Anda panggil ditentukan oleh baris changelog alih-alih oleh apa pun di body permintaan Anda. Mulai minggu ini, versi itu memiliki nama yang dapat Anda pin.

Itu urusan kecil di sisi vendor dan perubahan nyata di sisi Anda. String model yang secara diam-diam berarti "apa pun yang terakhir kami rilis" tidak masalah sampai minggu ketika artinya berubah; perbedaan antara pratinjau dan rilis stabil adalah perbedaan antara lembar benchmark yang mungkin berubah sebelum publikasi final dan lembar yang dapat Anda masukkan ke dalam kontrak. Unbiased kini telah menerbitkan keduanya, berdampingan, dengan tarif yang dilampirkan.

Apa yang sebenarnya berubah — dan apa yang tidak berubah

Ada dua hal yang bergeser, dan tidak satu pun dari keduanya adalah model itu sendiri.

• Rilis stabil tersebut mendapat sebuah pengenal. Versi yang sejak 17 September dapat dirujuk sebagai pareto kini mengarah ke slug bertanggal dan berkualifikasi versi yang bentuk kanonisnya membawa tanggal peluncuran asli. Untuk pertama kalinya, Anda dapat menyebut rilis yang Anda maksud alih-alih alias yang mengikuti kalender vendor.

• Alias tersebut kembali mengikuti rilis stabil. Catatan perubahan Unbiased 1 Oktober tidak ambigu tentang ke arah mana alias itu menunjuk: gunakan pareto-26.10-preview untuk ikut serta, karena pareto "tetap menjadi alias rilis default dan tidak memilih pratinjau ini." Jalur stabil adalah jalur default.

Model di balik string stabil tidak berubah dari yang dirilis pada September, dan dokumentasi vendor juga tidak berubah mengenai hal itu. Pareto dijelaskan — oleh perusahaan yang menjualnya — sebagai model campuran yang melibatkan beberapa model pada setiap permintaan secara paralel dan menyintesis satu jawaban dari hasilnya. Itu adalah klaim tentang mekanisme, bukan spesifikasi, dan tidak ada verifikasi independen atas hal itu. Yang dapat diverifikasi adalah pembungkus di sekitarnya.

Pada permukaan terdokumentasi vendor, sejak pemeriksaan terakhir: masukan berupa teks dan gambar, keluaran hanya teks, respons maksimum adalah 131.072 token, dan model menerima tools, tool_choice, response_format, temperature, top_p, dan max_tokens, dengan tool_choice dibatasi hanya ke auto — Anda tidak dapat memaksa pemanggilan tool. Tidak ada pengenal Hugging Face di mana pun dalam catatan, sehingga bobotnya tetap tertutup.

Penetapan harga adalah bagian yang benar-benar telah bergeser.

Ketika Pareto pertama kali terdaftar pada bulan September, kartu tarif menunjukkan $2.50 per juta token input, $7.50 per juta output, dan $0.25 untuk input yang di-cache. Di halaman harga vendor saat ini, rilis stabil yang sama dipublikasikan pada $0.80 input, $3.20 output dan $0.03 input yang di-cache — sekitar sepertiga dari tarif input asli pada angka dolar, dan sedikit di atas 40% pada output.

Bacalah itu sebagaimana adanya, karena mudah salah baca ke dua arah. Itu adalah tarif yang diterbitkan vendor, yang tanggalnya hanya ditandai oleh halaman yang aktif saat ini; Unbiased belum menerbitkan entri perubahan harga bertanggal, jadi tidak ada baris yang bisa dikutip "pada hari ini harga turun" dan tidak ada pula tanggal berakhirnya promosi. Versi jujurnya adalah bahwa rilis stabil saat ini dijual dengan harga kartu yang lebih rendah, bahwa angka-angka yang lebih tinggi masih beredar dalam liputan yang ditulis berdasarkan daftar September, dan bahwa tidak ada yang mengikat vendor pada harga yang lebih rendah itu. Siapa pun yang menyusun model biaya bulan ini sebaiknya menggunakan $0.80 / $3.20 dan memeriksanya kembali, bukan menganggapnya tetap.

Satu-satunya diskon struktural yang layak diperhitungkan adalah tarif cache, karena cara model ini dibangun. Input yang di-cache seharga $0.03 kurang dari 4% dari tarif input standar. Jika Pareto benar-benar mempertahankan konfigurasi campuran yang sama di sepanjang percakapan alih-alih memilih ulang model di setiap giliran, caching prompt bertahan di seluruh trajektori — yang persis merupakan penghematan yang menurut vendor akan hilang ketika router konvensional mengganti model di tengah percakapan. Unbiased juga menjual langganan dengan jatah token mingguan di samping kredit bayar sesuai pemakaian, mulai dari $10 sebulan untuk 25M token seminggu hingga kredit tim prabayar tanpa batas mingguan, jadi untuk penggunaan pribadi yang stabil, aritmetika per token bahkan bukan tagihannya.

Inilah bagian yang bentuknya diubah oleh lapisan routing, dan penting untuk tepat mengenai posisi kami. OrcaRouter meneruskan harga daftar penyedia secara langsung dengan markup 0%, jadi perubahan tarif vendor aktif di sisi kami pada hari yang sama saat diterapkan, bukan pada siklus pembaruan — tetapi kami tidak menyediakan model Unbiased apa pun, jadi jika Anda menginginkan Pareto 26.9 secara spesifik, panggil melalui API milik Unbiased sendiri. Yang memang Anda dapatkan dari router di sini adalah satu kunci dan satu integrasi untuk model di kedua sisi keputusan, sehingga membandingkan Pareto dengan yang Anda jalankan saat ini tidak berarti kontrak kedua dan SDK kedua. Ketersediaan untuk yang ini melalui API vendor sendiri.

Berapa skor yang diperoleh rilis stabil — dan seberapa berharga skor itu

Unbiased menerbitkan satu angka yang dapat dibandingkan untuk rilis stabil, dan angka itu disertai lebih banyak catatan penting daripada besarnya angka tersebut.

• Pareto 26.9 pada DeepSWE v1.1 — 70,0%, dengan biaya rata-rata yang dilaporkan sebesar $0,29 per tugas. Vendor mencantumkan tanggal proses ini pada 20 September 2026.

• Ukuran eksekusi itu — potongan 30 tugas, bukan set DeepSWE v1.1 lengkap. Unbiased menyatakannya di kartu modelnya sendiri, bukan di catatan kaki di tempat lain.

• Skor lain yang dicantumkan vendor untuk 26.9 — Humanity's Last Exam, dilaporkan tanpa kualifikasi text-only yang menyertai angka HLE pada pratinjau, yang juga ditandai kartu model sebagai perbedaan.

• Klasifikasi atas semuanya — bersifat awal, dijalankan oleh vendor, dan ditranskripsikan ke dalam perbandingan yang oleh vendor itu sendiri digambarkan sebagai "tidak divalidasi secara independen."

Letakkan rilis stabil di samping pratinjau dan skornya, dalam batas galat satu kali jalan mana pun, sama: 70,0% dengan $0,29 pada irisan 30 tugas untuk 26.9, 69,9% dengan $0,24 pada kumpulan lengkap untuk 26.10 Preview, keduanya DeepSWE v1.1, keduanya dijalankan oleh perusahaan yang menjual model tersebut. Itu bukan alasan untuk menyimpulkan bahwa pratinjau lebih buruk. Itu adalah alasan untuk menyimpulkan bahwa angka-angka yang dipublikasikan tidak cukup tajam untuk memisahkan kedua rilis, dan bahwa tidak ada pihak yang menjual salah satu dari keduanya kepada Anda yang punya alasan untuk menjalankan eksperimen yang dapat memisahkannya.

Bukti independen untuk Pareto 26.9 secara khusus saat ini tidak ada. Artificial Analysis, papan acuan yang paling sering dicek banyak tim sebelum memercayai nama baru di daftar harga, tidak memiliki halaman untuknya — rute modelnya mengembalikan 404, bukan skor. Tidak ada posisi di papan peringkat, tidak ada angka latensi atau throughput dari pihak ketiga, dan tidak ada reproduksi atas hal-hal di atas oleh siapa pun di luar vendor. Yang ditawarkan Unbiased sebagai gantinya justru lebih menarik daripada skor: perangkat evaluasi publik yang dapat diarahkan ke endpoint apa pun yang kompatibel dengan OpenAI, termasuk endpoint yang sudah Anda gunakan, sehingga klaimnya bergeser dari "percayai angka kami" menjadi "jalankan ulang angka kami". Itu tawaran yang benar-benar lebih baik daripada yang dibuat sebagian besar vendor, tetapi tetap bukan hal yang sama dengan angka yang terverifikasi. Belum ada yang menerbitkan hasil jalankan ulangnya.

Stabil versus pratinjau, pada dimensi yang menentukan migrasi

Jika Anda sedang memilih di antara kedua rilis itu hari ini, inilah perbedaan yang penting, dan itu bukan perbedaan yang diisyaratkan oleh skor.

• Jendela konteks — 262.144 token pada Pareto 26.9 versus 1.048.576 pada Pareto 26.10 Preview, perbedaan empat kali lipat dan dengan sendirinya merupakan argumen terkuat untuk versi pratinjau.

• Tarif yang dipublikasikan — $0.80 / $3.20 / $0.03 di-cache per juta token untuk pratinjau; $2.50 / $7.50 / $0.25 untuk rilis stabil sebagaimana tercantum saat pertama kali muncul, berbanding dengan halaman harga vendor yang saat ini juga menampilkan kartu yang lebih rendah untuk jalur stabil. Perlakukan angka stabil itu sebagai masih bergerak sampai vendor mencantumkan tanggalnya.

• Status kontraktual — 26.9 adalah rilis; 26.10 Preview adalah pratinjau yang menurut Unbiased "dapat berubah tanpa pemberitahuan" dan secara eksplisit tidak mengikat.

• Transparansi benchmark — versi pratinjau memiliki empat skor yang dipublikasikan dengan biaya per tugas; rilis stabil memiliki satu skor yang sebanding pada irisan 30 tugas.

• Tingkat akses — keduanya berada di bawah ketentuan akses evaluasi yang sama, yaitu penerapan komersial atau produksi memerlukan perjanjian tertulis tersendiri.

• Bobot — tertutup pada keduanya, tanpa dokumen lisensi dan tanpa repositori.

Jika dibaca bersama-sama, pilihannya bukan soal kualitas. Ini soal apakah Anda lebih memilih memiliki konteks empat kali lebih banyak pada model yang mungkin diganti tanpa pemberitahuan saat Anda masih menggunakannya, atau jendela yang lebih sempit pada build yang tidak lagi diiklankan oleh vendor sebagai dapat diubah. Tim yang membangun produk dokumen panjang atau sesi agen panjang akan merasa pilihan pertama sulit ditolak dan pilihan kedua sulit diandalkan; jawabannya biasanya adalah menjalankan pratinjau di balik fallback alih-alih memilih satu lalu melupakannya.

Kaveat operasional yang tak seorang pun cantumkan di kartu model

Wrapper untuk model ini masih beta, dan Unbiased mendokumentasikan kekurangan-kekurangannya alih-alih menyembunyikannya, sehingga mudah untuk diperhitungkan dalam perencanaan.

• GET /v1/models tidak diimplementasikan. Anda tidak dapat menyebutkan apa saja yang tersedia; Anda mengirim string yang Anda maksudkan lalu mengetahui hasilnya.

• Pengidentifikasi model yang tidak dikenal tidak ditolak. Salah ketik dapat berakhir di tempat yang tidak Anda maksudkan dan Anda tidak akan mendapatkan galat yang bersih, yang merupakan argumen kuat untuk tidak mengetikkan string versi secara manual di lebih dari satu tempat.

• Permukaan yang didokumentasikan hanyalah chat completions dan messages — tidak ada embeddings, tidak ada pembuatan gambar, tidak ada audio, tidak ada daftar model.

• Akses adalah akses evaluasi berdasarkan Ketentuan, dengan akun ditinjau secara manual sebelum kunci diterbitkan. Penggunaan produksi memerlukan perjanjian tertulis terlebih dahulu.

• Satu penyedia yang melayani. Tidak ada host kedua dalam record dan oleh karena itu tidak ada target failover di dalam stack milik vendor itu sendiri.

Baris terakhir itulah yang menentukan seberapa banyak dari hal ini yang sebaiknya Anda masukkan ke jalur produksi. Beta dengan satu penyedia dan celah yang terdokumentasi dalam penemuan model justru merupakan kasus di mana rantai fallback layak dipertahankan, dan di mana rantai itu harus dikonfigurasi sebelum Anda mengalihkan trafik, bukan setelah insiden. Failover otomatis dan DSL routing OrcaRouter adalah cara hal itu disiapkan di sisi kami — sebuah rantai yang mengirim permintaan ke model utama Anda dan beralih ke alternatif yang disebutkan namanya ketika model utama mengalami galat atau timeout, dinyatakan sebagai konfigurasi alih-alih kode yang Anda kelola. Kami tidak menghosting Pareto 26.9, jadi target failover di sisi kami adalah model yang kami layani, bukan salinan lain dari model ini.

Siapa yang harus menyematkan string minggu ini, dan siapa yang harus menunggu

Lakukan pin jika Anda sudah memanggil Pareto dengan namanya dan beban kerja Anda cukup stabil sehingga perubahan versi di pertengahan minggu akan menjadi kejutan, bukan fitur. Itulah seluruh manfaat dari pengenal berkualifikasi versi: alias yang mengikuti kalender rilis vendor tetap menjadi kemudahan, tepat sampai saat ia berubah menjadi pembaruan dependensi yang tidak ditinjau. Melakukan pin juga membuat pelacakan biaya Anda sendiri dapat dikurangkan, karena kedua rilis tersebut memiliki tarif terbitan yang berbeda dan bulan yang tercampur tidak akan dapat diuraikan setelah kejadian.

Tunggu soal harga jika Anda sedang membuat model pengeluaran. Kartu milik rilis stabil itu sendiri telah berubah dari $2.50 / $7.50 menjadi $0.80 / $3.20 tanpa entri bertanggal yang menjelaskan perubahan tersebut, jadi angka apa pun yang Anda masukkan ke dalam anggaran minggu ini hanyalah sebuah observasi, bukan komitmen — periksa lagi sebelum Anda menandatangani apa pun yang didasarkan padanya.

Apa pun yang terjadi, tunda dulu pertanyaan tentang kualitas. Dengan satu skor yang dijalankan vendor pada potongan 30 tugas untuk rilis stabil, empat skor awal untuk pratinjau, dan tidak ada evaluator independen yang mencakup keduanya, keputusan yang benar-benar bisa Anda ambil hari ini adalah tentang antarmuka dan keandalan: jendela konteks mana yang Anda butuhkan, apakah Anda dapat menoleransi pratinjau, dan apakah celah beta vendor cocok dengan penerapan Anda. Itu semua bisa dijawab. Mana di antara keduanya yang modelnya lebih baik, bukan, dan sikap yang jujur adalah menjalankan ulang harness yang dipublikasikan pada beban kerja Anda sendiri sebelum Anda memutuskan bahwa memang demikian.

Pertanyaan yang muncul

Rilis mana yang dipilih pareto hari ini, dan apakah itu telah berubah? Alias tersebut menunjuk ke rilis stabil, menurut changelog Unbiased tanggal 1 Oktober, yang menyatakan secara gamblang bahwa ia tidak memilih pratinjau. Itu searah dengan pengaturan September yang semula; yang berubah minggu ini adalah rilis stabil kini juga dapat dialamatkan dengan pengenal yang memenuhi syarat versi, sehingga alias bukan lagi satu-satunya cara untuk menamainya. Jika Anda memiliki kode yang mengirim pareto dan mengharapkan yang terbaru, harapan itu tidak pernah didukung — pratinjau bersifat opt-in berdasarkan nama sejak hari dirilis.

Haruskah Anda menyematkan pengenal bertanggal atau mempertahankan alias? Sematkan jika Anda memerlukan reprodusibilitas atau atribusi biaya; pertahankan alias jika Anda benar-benar menginginkan build stabil terkini dari vendor tanpa perubahan dari pihak Anda sendiri. Mode kegagalan yang harus dihindari adalah jalan tengah: menyematkan string di satu tempat dan membiarkannya bergeser di tempat lain, dalam API yang tidak menolak pengenal tak dikenal dan tidak dapat mencantumkannya.

Apakah ada tolok ukur independen untuk Pareto 26.9? Tidak ada per minggu ini. Satu-satunya angka yang tersedia adalah milik vendor, dijalankan pada harness vendor, diterbitkan dengan peringatan vendor sendiri tentang ukuran run dan tentang perbandingan yang mereka gambarkan sebagai tidak divalidasi secara independen. Harness publik adalah hal terkuat dalam gambaran itu, karena dapat diuji, dan belum ada yang menerbitkan pengujian ulang terhadapnya.

Hal terakhir yang layak diperhatikan bukanlah tolok ukur. Melainkan apakah vendor mencantumkan tanggal untuk perubahan tarifnya yang berikutnya, karena perubahan tanpa tanggal dari $2.50 menjadi $0.80 adalah penawaran yang lebih baik sekaligus sinyal yang lebih buruk — itu memberi tahu Anda bahwa kartu tarif bisa berubah tanpa entri di log yang memungkinkan Anda menjelaskannya nanti. Untuk model yang seluruh daya tariknya adalah bahwa angka-angka itu adalah bukti, itulah detail yang harus dijadikan patokan untuk menuntutnya.

Rilis juga merupakan momen untuk memeriksa apa yang pernah salah sebelumnya: insiden AI dan kegagalan agen yang terdokumentasi seputar model di kelas ini dikumpulkan di OrcaRouter AI Incident Archive, di mana setiap entri membawa sumbernya sendiri, tingkat keparahan, tingkat keyakinan, dan tanda perselisihan.