Pareto 26.10 対 Pareto 26.9：この2つのリリースを分ける1つの数字

を比較すると、Pareto 26.10とPareto 26.9その大半は変化しなかった点についての考察です。ベンダーも同じ、複合アーキテクチャも同じ、131,072トークンの最大応答も同じ、宣言された5つのパラメータも同じ、ベンダー自身の料金ページに掲載されている料金も同じで、さらに、両リリースが共有する唯一のベンチマークでは、旧モデルに有利な0.1ポイントの差があります。人が通常モデルを比較する観点では、これら2つは異なるバージョン番号をまとった同じ製品です。ただし1つの観点ではそうではなく、どちらのモデルをそもそもどのワークロードで使えるかを決めるのはその観点です。すなわちコンテキストウィンドウで、26.9は262,144トークン、26.10は1,048,576トークンを提供します。このようなリリースの背後にある、記録されたAI障害やエージェントインシデントは、OrcaRouter AI Incident Archiveに収集されており、各エントリには独自の情報源、重大度、信頼度グレード、異議フラグが付されています。

どちらも現行です。pareto-26.10 は、2026年10月15日に Unbiased が一般提供リリースをこのバージョンへ移行した際に、pareto エイリアスの既定となったリリースです。pareto-26.9 は9月のリリースで、ベンダーは、そのまま使い続けたい人向けに「引き続き利用可能」と述べています。今日、利用者の目の前にある判断はこれだけであり、このページの残りはその背景にある詳細です。

周囲の事実

両モデルは、テキストと画像の入力を受け付けてテキストを返すと文書化されており、どちらも Hugging Face 識別子を公開していません。つまり、この比較の双方で重みは非公開であり、ダウンロードしてセルフホストできるものはありません。どちらにも独立したベンチマークはありません。両方とも単一のプロバイダーである Unbiased 自身によって提供されているため、どちらのリリースについても、ベンダー自身のスタック内でフェイルオーバー先となる第二のホストは存在しません。したがって、以下の比較は、2つのエコシステム間の比較ではなく、単一ベンダーの単一製品ラインにおける2つの構成間の比較です。

文脈が議論のすべてだ

コンテキストが4倍になるというのは、長コンテキストモデルで人々が実際に何をしているかに当てはめてみるまでは、スペック表の一行のように聞こえる。

262,144トークンでは、リポジトリ全体を対象とするエージェントセッション、長いサポート会話の文字起こし、数時間に及ぶ調査スレッドは、チャンキングの問題になる。検索し、要約し、ローリングウィンドウを保持し、モデルがタスクそのものではなくタスクの再構成を見ていることを受け入れることになる。1,048,576トークンでは、そうしたワークロードは収まる——常に快適に収まるわけでも、キャッシュヒットなしで入力100万トークンあたり0.80ドルという安いコストで収まるわけでもないが、収まる。2つのリリースの実用的な違いは、パイプラインがデータとモデルの間に検索レイヤーを必要とするかどうかだ。

それは実際のエンジニアリング上の判断であり、このページで唯一、筋の通った答えがあるものでもある。それ以外はどれも十分に差が小さいため、選択は品質以外の基準で行うべきだ。

並べて、次元ごとに

• モデル文字列 — pareto-26.10（2026-10-15以降、pareto のデフォルト）対 pareto-26.9（維持、デフォルトではない）。

• コンテキストウィンドウ — 1,048,576トークン 対 262,144トークン。

• 最大応答 — 両方とも131,072トークン。リリース間で変更なし。

• モダリティ — 入力はテキスト＋画像、出力はテキスト、両方とも。

• 宣言されたパラメータ — 26.10 では max_tokens、temperature、top_p、tools、tool_choice。26.9 では同じセットに response_format を加えたもの。

• ツール呼び出し — tool_choice は 26.10 では auto に制限されています。呼び出すかどうかはモデルが判断し、強制することはできません。

• 重み — 両方とも非公開。どちらの記録にも Hugging Face 識別子はありません。

• 配信プロバイダー — 両方とも、ベンダーである1社のみ。

• 公開料金 — 両方とも入力 $0.80 / キャッシュ $0.03 / 出力 $3.20（100万トークンあたり）、ベンダーの現在の料金ページによる。

• DeepSWE v1.1 — 26.10では1タスクあたり$0.24で69.9%、26.9では1タスクあたり$0.29で70.0%、いずれもベンダー実施。

そのうち2つの行は、独立した段落を設ける価値がある。なぜなら、誤って報告されがちなのはまさにその2行だからだ。

誰も宣伝しない構造化出力の違い

パラメータリストが同一ではありません。26.9 のカタログレコードは、サポート対象パラメータの中に response_format を宣言していますが、26.10 のレコードにはそれがありません。26.10 で宣言されているサーフェスは max_tokens、temperature、top_p、tools、tool_choice のみです。以上です。

これを見出しとしてではなく、注意深く読んでください。宣言されたリストにパラメータがないことは、エンドポイントがそれを拒否する証拠ではありません。また、ベンダー自身のAPIドキュメントはどちらのリストも列挙していません。しかし、パイプラインがJSONモードまたはスキーマ制約付き出力に依存していて、新しいリリースが厳密なスーパーセットだという前提で26.9から26.10へ移行するなら、その前提は公開されている何ものにも裏付けられていません。移行前に自分のトラフィックでテストするか、クライアント側で出力を検証する計画を立ててください。小さなことですが、火曜日にはインシデントになります。

2つの現行料金表は、26.9にかかる費用について食い違っている

これが比較の中で最も厄介な部分であり、実際の判断に影響を与える可能性が最も高い部分です。

Unbiased は単一の料金表を公開している——入力 $0.80、キャッシュ入力 $0.03、出力 $3.20——そしてリリースごとに版分けしていない。文字どおりに読めば、26.10 と 26.9 は今日ではトークンあたり同じコストだということになり、それによって移行は無料で、コンテキストの増加だけが唯一の変数になる。一方、モデル自身の技術リスティング記録には、26.9 について9月の数値が依然として載っている。入力 $2.50、キャッシュ $0.25、出力 $7.50。これを書いた時点で両方の情報源は有効だった。どちらにも日付はなく、ベンダーはこの変更を説明する変更履歴の項目を公開していないため、記録のどこにも「この日に価格が下がった」と引用できる行は存在しない。

実務的な指針は地味だ。低い方のカードを前提にしてください。閲覧できる3つの表示面のうち2つがそれを公開しており、そのうち1つは顧客への請求の基準となるページだからです。そして、予算で数値を確定する前にそれを再確認してください。コスト配賦のためにどちらかのリリースを固定しているなら、10月15日の移行をまたぐ混在月は後からきれいに分解できないことを知っておいてください。リリースは時点によって異なる価格で設定されており、ベンダーは変更に日付を付けていないからです。

スコアが1つ、0.1点、そして結論に至るものは何もない

両リリースに共通する唯一のベンチマークはDeepSWE v1.1で、ベンダー自身の数値では26.9が70.0%、26.10が69.9%となっています。どちらの数値もベンダーが実施したもので、古い方は全評価セットではなく30タスクのスライスでの結果であり、比較全体についてUnbiasedは独立検証されていないと述べています。

率直に読み解けば、この測定では両リリースを区別できない。部分的なタスクスライスでの0.1ポイントは1回の実行のノイズの範囲内であり、それをどちらかの方向への順位付け——「26.10は退行した」とか「26.10はタスクあたりのコストが低いから優れている」——として扱うのは茶葉占いだ。タスクあたりコストの数値はもっと開いており（$0.24 対 $0.29）、しかもそれらも、ベンダーが基礎となる構成を開示していない混成モデルについて、異なる月に実行された結果にすぎない。

スペックシートが教えてくれるのは、どこを見るべきではないかということだ。この2つを品質で選ぼうとするなら、その選択を支えられない数値で選んでいることになる。両者を分ける証拠はアーキテクチャ、つまりコンテキストウィンドウとパラメータの範囲にあり、そのどちらもスコアとは違って検証可能だ。

ワークロード別：どちらを呼び出すか

• リポジトリ全体に対するエージェント型コーディング — 26.10。1M のウィンドウは、リポジトリをそのまま送るのか、その要約を送るのかの違いを生みます。

• 長文ドキュメントや長い文字起こしの分析 — 26.10、同じ理由に加えて、入力コストにも注意してください。キャッシュヒットなしの100万トークンは、入力だけで1リクエストあたり0.80ドルかかります。

• JSONモードまたはスキーマ制約付き出力パイプライン — 26.10の動作を自分でテストするまでは26.9を使用してください。26.9の宣言済みパラメーターリストにはresponse_formatが含まれていますが、26.10には含まれていないためです。

• すでに本番環境にあり、262K に収まっているワークロード — 26.9。移行によって出力が改善するという公表されたエビデンスはなく、ピン留めの方がコストの低い判断です。

• ピンを維持せずにベンダーの現在のデフォルトを使いたいあらゆるケース — 26.10 を、素の pareto エイリアス経由で。ただしこのエイリアスは自分のカレンダーではなくベンダーのカレンダーに従う点を理解した上で。

ビルドと検証のループの両側を運用しているチームにとって有用なパターンは、長いコンテキストの処理には26.10を固定し、比較用の系統として26.9を利用可能にしておくことです。まさにそれがルーティングレイヤーの役割です。OrcaRouterはUnbiasedモデルを一切提供していません。そのため、どちらの文字列もベンダー自身のAPIを通じて呼び出されます。当社が提供するのは、26.10をベンチマークする際の比較対象となるモデル向けの1つのキーと1つの統合 （比較対象に対して）であり、切り替えの評価に2つ目の契約を結ぶ必要はありません。OrcaRouterはプロバイダーの定価をマークアップ0%でそのまま通します。これは当社が実際に提供しているモデルについての説明であり、このモデルについてのものではありません。

誰も予定していなかった移行

この比較が学術的なものではなく現実のものになっているのは、その変更が望んでいなかった人々にすでに起きてしまったからだ。10月15日、paretoエイリアスは9月リリースから26.10へ移った。素の文字列を呼び出していた人は、コードを変更していないのに4倍のコンテキストウィンドウと異なるパラメータ表面を得た。しかも、ベンダーのドキュメントは未知のモデル識別子が拒否されないと注記しているため、綴りを間違えたピンでも、明示的に失敗するのではなくParetoとして提供され課金される。

代わりにプレビュー文字列を使っていた場合、その経路は閉ざされています。Unbiased はプレビューのユーザーに pareto または pareto-26.10 へ移行するよう伝えました。pareto を使っていて安定性を前提にしていたなら、その前提は、問題を引き起こしたかどうかにかかわらず、今では自分のログに現れています。

どちらにしても修正は同じで、1行で済みます。テストしたリリースを明記してください。バージョン付きの文字列こそが、コストモデルを差し引き可能にし、リグレッションを帰属可能にするものであり、このベンダーがそのどちらに対しても提供する唯一の仕組みです。

まだ未確認なのは何ですか？

どちらのリリースにも独立したベンチマークはありません。Artificial Analysis はどちらについてもページを用意しておらず、ベンダーのハーネスを再実行した結果を公開した評価者もいません。この比較に含まれるすべての数値 — 4つのスコア、タスクあたりコスト、コンテキストウィンドウ — は、ベンダーが公開したものか、モデルの技術的な掲載記録から読み取ったものであり、特にスコアにはベンダー自身による「予備的」および「独立検証済みではない」というラベルが付いています。

それはどちらのモデルを避ける理由にもなりません。むしろ、確認できる事柄で判断する理由です。自分のワークロードが262Kに収まるか、パイプラインにresponse_formatが必要か、aliasとpinのどちらを使いたいか、です。これら3つの問いには答えがあります。「どちらのモデルが優れているか」には答えがなく、公開されている仕様表をどれだけ読んでも答えは出ません。