Pareto 26.10 vs Pareto 26.9: un numero separa queste due versioni

Confrontando Pareto 26.10 con Pareto 26.9 è soprattutto uno studio sulle cose che non sono cambiate. Stesso fornitore, stessa architettura composita, stessa risposta massima di 131.072 token, stessi cinque parametri dichiarati, stesse tariffe pubblicate nella pagina dei prezzi del fornitore e — sull'unico benchmark condiviso da entrambe le versioni — una differenza di un decimo di punto a favore del modello più vecchio. Sulle superfici su cui di solito si confrontano i modelli, questi due sono lo stesso prodotto con numeri di versione diversi. Su una superficie non lo sono, ed è la superficie che decide quali carichi di lavoro possono utilizzare l'uno o l'altro in assoluto: la finestra di contesto, dove 26.9 offre 262.144 token e 26.10 ne offre 1.048.576. I guasti documentati dell'IA e gli incidenti degli agenti alla base di rilasci come questo sono raccolti in the OrcaRouter AI Incident Archive dove ogni voce riporta le proprie fonti, la gravità, il grado di attendibilità e il flag di contestazione.

Entrambe sono attive. pareto-26.10 è la release diventata predefinita dietro l'alias pareto il 15 ottobre 2026, quando Unbiased ha spostato su di essa la propria release di disponibilità generale; pareto-26.9 è la release di settembre che il fornitore dichiara "rimane disponibile" per chiunque voglia restare. Questa è l'intera decisione che un chiamante si trova davanti oggi, e il resto di questa pagina è il dettaglio che la sostiene.

I fatti circostanti

Entrambi i modelli sono documentati come in grado di accettare input testuali e visivi e restituire testo, e nessuno dei due pubblica un identificatore Hugging Face — i pesi sono chiusi da entrambe le parti di questo confronto, quindi non c'è nulla da scaricare e ospitare autonomamente. Nessuno dei due dispone di un benchmark indipendente. Entrambi sono serviti da un unico provider, Unbiased stesso, il che significa che non esiste un secondo host su cui eseguire il failover all'interno dello stack del fornitore per nessuna delle due release. Il confronto che segue è quindi tra due configurazioni di un'unica linea di prodotto di un unico fornitore, non tra due ecosistemi.

Il contesto è l'intero argomento.

Un aumento del contesto di 4× sembra una voce da scheda tecnica finché non lo si rapporta a ciò che le persone fanno davvero con i modelli a contesto lungo.

A 262.144 token, una sessione agente sull'intero repository, un lungo transcript di assistenza o un thread di ricerca di più ore rappresentano un problema di chunking. Si recupera, si riassume, si mantiene una finestra scorrevole e si accetta che il modello veda una ricostruzione del compito anziché il compito. A 1.048.576 token, questi carichi di lavoro ci stanno — non sempre comodamente, e non a buon mercato a $0,80 per milione di token di input senza cache hit, ma ci stanno. La differenza pratica tra le due release è se la tua pipeline necessita di un livello di retrieval tra i tuoi dati e il modello.

Questa è una vera decisione ingegneristica, ed è anche l'unica in questa pagina con una risposta difendibile. Tutto il resto è abbastanza vicino che la scelta dovrebbe essere fatta in base a qualcosa di diverso dalla qualità.

Fianco a fianco, dimensione per dimensione

• Stringa del modello — pareto-26.10 (predefinito dietro pareto dal 2026-10-15) rispetto a pareto-26.9 (mantenuto, non predefinito).

• Finestra di contesto — 1.048.576 token rispetto a 262.144 token.

• Risposta massima — 131.072 token su entrambi. Invariato tra le release.

• Modalità — testo + immagine in input, testo in output, su entrambi.

• Parametri dichiarati: max_tokens, temperature, top_p, tools, tool_choice su 26.10; lo stesso set più response_format su 26.9.

• Chiamata degli strumenti — tool_choice limitato ad auto su 26.10; il modello decide se chiamare, non puoi forzarlo.

• Pesi — chiusi in entrambi; nessun identificatore Hugging Face in nessuno dei due record.

• Fornitori di servizi — uno, il fornitore, su entrambi.

• Tariffa pubblicata — 0,80 $ input / 0,03 $ in cache / 3,20 $ output per milione su entrambi, secondo la pagina prezzi corrente del fornitore.

• DeepSWE v1.1 — 69,9% a 0,24 $ per attività su 26.10 rispetto a 70,0% a 0,29 $ per attività su 26.9, entrambi eseguiti dal fornitore.

Due di quelle righe meritano un paragrafo a sé, perché sono quelle che vengono riportate in modo errato.

La differenza dell'output strutturato che nessuno pubblicizza

Le liste di parametri non sono identiche. Il record di catalogo per 26.9 dichiara response_format tra i parametri supportati; il record per 26.10 no. La superficie dichiarata per 26.10 è max_tokens, temperature, top_p, tools e tool_choice, punto e basta.

Leggilo con attenzione, non come un titolo: l'assenza di un parametro da un elenco dichiarato non prova che l'endpoint lo rifiuti, e la documentazione API del fornitore non elenca nessuno dei due elenchi. Ma se la tua pipeline dipende dalla modalità JSON o da output vincolato a uno schema, e stai passando dalla 26.9 alla 26.10 dando per scontato che la versione più recente sia un superset stretto, questa ipotesi non è supportata da nulla di pubblicato. Verificalo sul tuo traffico prima di migrare, oppure pianifica di validare l'output lato client. È una piccola cosa che un martedì si trasforma in un incidente.

Due tariffe live non concordano su quanto costi 26.9

Questa è la parte più disordinata del confronto e quella che più probabilmente influenzerà una decisione reale.

Unbiased pubblica un'unica scheda tariffaria — $0.80 input, $0.03 input in cache, $3.20 output — e non la versiona per release. Lettа letteralmente, ciò significa che 26.10 e 26.9 costano oggi lo stesso per token, il che rende gratuita la migrazione e l'aumento del contesto l'unica variabile. Nel frattempo, la scheda tecnica di listino del modello riporta ancora le cifre di settembre per 26.9: $2.50 input, $0.25 in cache, $7.50 output. Entrambe le fonti erano attive quando è stato scritto questo testo. Nessuna delle due è datata, e il fornitore non ha pubblicato alcuna voce di changelog che spieghi la mossa, quindi non esiste da nessuna parte nella documentazione una riga citabile del tipo «in questo giorno il prezzo è sceso».

La guida pratica è poco affascinante. Assumi la scheda inferiore, perché due delle tre superfici che puoi consultare la pubblicano e una di queste è la pagina sulla quale viene fatturato il cliente — poi ricontrollala prima di fissare un importo in un budget. Se stai bloccando l'una o l'altra release per l'attribuzione dei costi, sappi che un mese misto che attraversa la transizione del 15 ottobre non sarà scomponibile in modo pulito a posteriori, perché le release sono state prezzate diversamente in momenti diversi e il fornitore non data le proprie modifiche.

Un punteggio, un decimo di punto e niente da concludere.

L'unico benchmark che entrambe le release hanno in comune è DeepSWE v1.1, e i numeri forniti dal vendor stesso collocano la 26.9 al 70,0% e la 26.10 al 69,9%. Entrambi i valori sono eseguiti dal vendor, quello più vecchio su un sottoinsieme di 30 task anziché sull'intero set di valutazione, e l'intero confronto è descritto da Unbiased come non convalidato in modo indipendente.

La lettura onesta è che questa misurazione non distingue le release. Un decimo di punto su una porzione parziale del task rientra nel rumore di una singola esecuzione, e trattarlo come una classifica in una direzione o nell'altra — "26.10 è peggiorato" oppure "26.10 è migliore perché costa meno per task" — equivale a leggere i fondi del caffè. I valori del costo per task divergono di più (0,24 $ contro 0,29 $), e anche quelli provengono da esecuzioni fatte in mesi diversi su un modello misto la cui composizione sottostante il fornitore non divulga.

Ciò che il foglio ti dice è dove non guardare. Se stai scegliendo tra questi due in base alla qualità, stai scegliendo in base a un numero che non può sostenere la scelta. Le prove che li distinguono sono architetturali — la finestra di contesto e la superficie dei parametri — ed entrambe sono verificabili in un modo in cui i punteggi non lo sono.

Quale chiamare, in base al carico di lavoro

• Codifica agentica su un intero repository — 26.10. La finestra da 1M è la differenza tra inviare il repository e inviarne un riassunto.

• Analisi di documenti lunghi o trascrizioni lunghe — 26.10, per lo stesso motivo, e attenzione al costo dell'input: 1M token senza cache hit costa $0.80 per richiesta, solo per l'input.

• Pipeline di output in modalità JSON o vincolate da schema — 26.9 finché non hai testato personalmente il comportamento di 26.10, perché l'elenco dei parametri dichiarati di 26.9 include response_format e quello di 26.10 no.

• Un carico di lavoro già in produzione e che rientra in 262K — 26.9. Non esistono prove pubblicate che lo spostamento migliori l'output, e il pinning è la decisione più conveniente.

• Qualsiasi cosa in cui si desideri l'impostazione predefinita corrente del fornitore senza mantenere un pin — 26.10, tramite l'alias pareto semplice, con la consapevolezza che l'alias segue il calendario del fornitore anziché il tuo.

Per i team che gestiscono entrambi i lati di un ciclo build-and-verify, lo schema utile è fissare 26.10 per la passata a contesto lungo e mantenere 26.9 disponibile come braccio di confronto — che è esattamente ciò a cui serve un routing layer. OrcaRouter non include alcun modello Unbiased, quindi entrambe le stringhe vengono chiamate tramite l'API del fornitore; ciò che offriamo è una sola chiave e una sola integrazione per i modelli che metteresti alla prova con 26.10 a confronto, così valutare il passaggio non significa firmare un secondo contratto. OrcaRouter trasmette direttamente il prezzo di listino del provider con markup 0%, il che vale per i modelli che serviamo, non per questo.

La migrazione che nessuno ha pianificato

Il motivo per cui questo confronto è attuale anziché accademico è che il cambiamento è già avvenuto per persone che non lo avevano richiesto. Il 15 ottobre, l'alias pareto è passato dalla release di settembre alla 26.10. Chiunque chiamasse la stringa nuda ha ottenuto una finestra di contesto quadruplicata e una diversa superficie dei parametri senza modificare il codice — e poiché la documentazione del fornitore rileva che gli identificatori di modello sconosciuti non vengono rifiutati, un pin scritto male viene comunque servito e fatturato come Pareto invece di fallire in modo evidente.

Se invece eri sulla stringa di anteprima, quel percorso è chiuso: Unbiased ha detto agli utenti di anteprima di passare a pareto o pareto-26.10. Se eri su pareto e hai dato per scontata la stabilità, ora l'assunzione è visibile nei tuoi stessi log, indipendentemente dal fatto che abbia causato un problema.

In un modo o nell'altro la correzione è la stessa e richiede una sola riga: indica la release che hai testato. Una stringa qualificata dalla versione è ciò che rende un modello di costo sottraibile e una regressione attribuibile, ed è l'unico meccanismo che questo fornitore ti offre per entrambe le cose.

Cosa è ancora non verificato

Nessuna delle due versioni dispone di un benchmark indipendente. Artificial Analysis non ha una pagina dedicata a nessuna delle due, e nessun valutatore ha pubblicato una nuova esecuzione dell'harness del fornitore. Ogni dato in questo confronto — i quattro punteggi, i numeri del costo per attività, le finestre di contesto — è pubblicato dal fornitore oppure letto dalla scheda tecnica del modello, e i punteggi in particolare riportano le etichette apposte dal fornitore stesso: "preliminare" e "non convalidato in modo indipendente".

Non è un motivo per evitare nessuno dei due modelli. È un motivo per decidere sulle cose verificabili: se il tuo carico di lavoro rientra in 262K, se la tua pipeline necessita di response_format e se vuoi stare sull'alias o su un pin. Queste tre domande hanno una risposta. Quale modello sia migliore no, e nessuna quantità di lettura della scheda pubblicata ne produrrà una.