Pareto 26.9 対 Unbiased の Pareto 26.10 プレビュー：安定版ピンとプレビュー

UnbiasedのParetoラインには今や、同じ問いに対する2つの異なる答えを持つ、呼び出し可能な2つのリリースがあり、今週からはどちらかを意図的に選ばなければならない。Pareto 26.9は、ベンダーのデフォルトエイリアスが解決するリリースだ。コンテキストは262,144トークン、入力トークン100万あたり$2.50、有効期限は付いていない。Pareto 26.10 Previewはオプトインのビルドである。コンテキストは4倍、入力価格はおよそ3分の1、ベンダー自身が暫定版と呼ぶ4つのベンチマークスコア、そしてカタログレコードに書き込まれた有効期限を備える。どちらも稼働中だ。どちらもテキストと画像を入力として受け取り、テキストを返す。どちらも、リクエスト時にフラグを切り替えれば使えるような、もう一方のバリアントではない。

変わったのは、どちらのモデルでもない。安定版リリースがようやく自分専用のアドレスを持ったということだ。2026年10月13日、このファミリーを掲載するルーティング済みカタログは、常に最新のリリースへリダイレクトするエイリアス項目と並んで、unbiased/pareto-26.9 を個別に呼び出せる項目として扱い始めた。それ以前に、安定版モデルへ確実に到達する唯一の方法は Pareto を要求し、エイリアスが返してくるものを受け入れることだけだった。今では2つのリリースが同じリストに並び、それぞれの価格、それぞれの制限、それぞれの有効期限メタデータを持っている——そしてどちらを選ぶかは、勝手に決められることではなく、あなた自身が下す判断なのだ。

2つのリリースを、次元ごとに

それらの間で公開されているすべての差異は、この7行に収まります。左がPareto 26.9、右がPareto 26.10 Previewです。

• コンテキストウィンドウ — 262,144トークン 対 1,048,576トークン。4倍の余地があり、どちらにもより小さいティアは提供されていません。 • 最大出力 — 131,072トークン 対 131,072トークン。より大きな入力ウィンドウによって、より大きな回答が得られるわけではありません。 • 入力価格 — 100万トークンあたり$2.50 対 $0.80。プレビューは安定版料金の約32%です。 • 出力価格 — 100万トークンあたり$7.50 対 $3.20。その約43%です。 • キャッシュ済み入力 — 100万トークンあたり$0.25 対 $0.03。プレビューはおよそ8分の1で、これが長時間稼働するエージェントの請求額を最も大きく変える項目です。 • 公開ベンチマークシート — 部分的なタスクスライスにおける1つのスコア 対 ベンダーが暫定とラベル付けする4つのスコア。 • 安定性条件 — 記録に有効期限はなく、ベンダーはこれをデフォルトリリースと呼ぶ 対 カタログ記録に2026年10月15日の有効期限が付されたオプトインのプレビュー。

それらの行のうち2つが、作業の大部分を担っています。キャッシュ入力レートは、長いエージェント的軌跡がどちらのリリースでも手頃なコストで済むかどうかを決めるものであり、有効期限フィールドは、そのプレビューがそもそもその上に構築できるものかどうかを決めるものです。

なぜバージョン番号が一致しないのか

数字は月のラベルであり、そこから推論すべき順序ではない。Unbiased自身のモデルカードは、Pareto 26.9を2026年9月20日の実行に日付づけ、26.10 Previewをその後に続いた10月1日のリリースとして説明している。26.9を掲載するカタログでは、それが10月13日に記録に載ることが示されている——ベンダーが記載するリリース日の3週間後だ。そしてベンダーによるプレビューのローンチ記事は、前のバージョン「26.9」が、命名される前に一時的な名前でサードパーティのゲートウェイ上で2週間稼働していたと述べている。

これら3つの記述を合わせて考えると、実践的な教訓はこうです。ここでのバージョン番号は、そのビルドがどの月のものかを示すだけで、そのビルドが今も最新なのか、今もサポートされているのか、今もエイリアスの背後にあるものなのかについては何も語りません。また、カタログページに表示される日付は掲載日であり、リリース日ではないということも意味します。それをリリース日として読んでしまうのは、このファミリーについてなされる最もよくある間違いであり、しかも今では両方向で起こっています。26.9は実際より3週間新しく見え、プレビューは実際より5週間古く見えます。

プレビューで得られるもの、そしてベンチマークシートが実際に示しているもの

プレビューの根拠は算数にある。入力価格の3分の1で4倍のコンテキスト、しかもキャッシュ読み取りレートが十分に低いため、長い軌跡にかかるコストは26.9の場合のほんの一部で済む。Unbiasedはまた、プレビューのほうがレイテンシが低く、長いエージェント実行で最大の効果が得られるとも主張している——ただし、ベンダーからも他の誰からも、それを裏付ける公開された計測値は示されていない。

反射的にそれに手を伸ばすことへの異論はもっと微妙で、両リリースをそもそも比較できる唯一の場所に存在する。両リリースが登場するエージェント型コーディングベンチマーク DeepSWE v1.1 では、ベンダーのモデルカードによると Pareto 26.9 が 70.0%、タスクあたり $0.29、Pareto 26.10 Preview が 69.9%、タスクあたり $0.24 となっている。新しく安価なリリースは、両方に数値がある唯一のベンチマークでわずかに低いスコアとなり、タスクあたりのコストでは約17%優れている。それは不祥事でもなく、片付けられるべき丸め誤差でもない——より安価なブレンドシステムがまさにそう見えるべき姿であり、プレビューが厳密なアップグレードだと決めつける前に知っておく価値がある。

その比較には2つの注意点があり、ベンダーはその両方を公表している。26.9という数値は、DeepSWE v1.1の全セットではなく30タスクの一部から得られたもので、プレビューの測定値とは同じ測定ではない。そしてここにあるすべての数値はベンダー自身が実行したものだ。プレビューの4つのスコア——GPQA-Diamondで92.4%、Humanity's Last Examのテキストのみで49.9%、DeepSWE v1.1で69.9%、Terminal-Bench 4.0で50.8%——には、ベンダー自身による「暫定的なもので、最終公開前に変更される可能性がある」というラベルが付いており、モデルカードには分母とコスト算定方法が依然として「確認を要する」と記されている。Unbiased以外の誰も、どちらのリリースについてもスコアを公表していない。このシート全体は、乗り換える理由ではなく、試す理由として受け止めるべきだ。

有効期限が、計画を立てる際の基準となる部分です

プレビューの記録には、2026年10月15日という有効期限が記載されている——これが書かれた翌日のことだ。その日に何が起こるのかは、私たちが調べられた限りどこにも文書化されていない。変更履歴にも、モデルカードにも、料金ページにも。ベンダーの資料のどこにも、プレビューの提供が終了するとは書かれていない。むしろローンチ投稿は、精神においてシャットダウンの正反対のことを述べている——「価格は上がらず、プレビューのスラッグがあなたの足元で壊れることもない」、そして卒業時には26.10がサブスクライバーのデフォルトになり、週次の許容量は2倍になる。$10のPersonalプランでは25Mから50Mトークンに、$100のティアでは300Mから600Mに。

だから正直に読めば、「プレビューは明日消える」ということではない。プレビューは変動する規約に左右されており、記録に有効期限フィールドを持つビルドは、再訪したくないシステムのために固定すべきリリースではない、ということだ。これが26.9をデフォルトにする最大の根拠である。改善は遅く、入力の価格は3倍高い。しかし、ベンダーが実験ではなくリリースと呼ぶものであり、その記録には時計が載っていない。

統合を書き換えることなく両方を保持する

これがモデリング上の判断ではなくルーティング上の判断である理由は、両リリースが同じリクエスト形状を受け取るからだ。同じエンドポイントファミリー、同じパラメータ、同じテキストと画像入力／テキスト出力のサーフェス — 異なるのはモデルフィールドに入れる文字列だけだ。そのため移行の影響範囲はごく小さく、ピン留めの規律が問題のすべてになる。まさに1つの場所にある1つの値が、価格設定が大きく異なる2つのシステムのどちらが応答するかを決めるのだ。

まさにそうしたケースOrcaRouter のルーティング DSLは作られました。呼び出しは名前付きのレッグを組み合わせて構成し、モデル文字列はアプリケーションコードに埋め込まれた定数ではなく設定値として保持します。そのため、プレビューから安定版のピンへ移行するのはデプロイではなくルートの編集で済みます。フェイルオーバーチェーンも同様です。変化したり、期限切れになったり、エラーを返し始めたりしたプレビューはインシデントではなくフォールバックイベントになります。当社は Unbiased のどちらのリリースも取り扱っていません。これはプロバイダーが1社、つまりベンダー自身であるベンダー提供のファミリーだからです。したがって、呼び出す方法は Unbiased 自身の API になります。2つのリリースを自社のワークロードと比較することが目的であれば、どちらも今日そこから利用できます。

どれをピン留めするか

来月、誰も手を触れずに応答しなければならないものを出荷するなら、Pareto 26.9 に固定せよ。入力トークンあたり3倍のコストがかかり、コンテキストは4分の1しか得られない。その代わり、これはベンダーのエイリアスが指すリリースであり、有効期限フィールドがなく、唯一公開されているベンチマーク — 部分スライスのスコア — がたまたま2つのうち高い方だ。それが退屈な答えであり、本番パスにとっては正しい答えだ。

評価を行っている場合、またはワークロードが長いコンテキストを扱い、入力価格が3分の1変わるだけで何が実行可能かが変わるほどコストに敏感なのであれば、Pareto 26.10 Preview を意図的に、かつフォールバックを用意したうえで実行してください。キャッシュ入力料金が100万トークンあたり$0.03であるのに対し$0.25であることは、一日中使えるエージェントループと、使用量を絞らざるを得ないエージェントループとの違いです。そして、1,048,576トークンのウィンドウは、この2つのうち、大規模なリポジトリや長い文書セットを1回のリクエストに収められる唯一のものです。価格を採用し、ウィンドウを採用し、有効期限は想定の中ではなくカレンダー登録に残しておいてください。

この助言を変える要素は限定的で、かつ検証可能だ。プレビューが正式版へ昇格し、エイリアスが切り替わったという告知、どちらかのリリースに関する独立したベンチマーク、あるいはプレビューが10月15日を過ぎても同じ料金で提供され続けること。これらのどれか一つでも起きれば、二者択一は一択になる。一つが実現するまでは、このファミリーの2つのリリースは真に異なる製品であり、真に異なるリスクプロファイルを持つ。そしてあなたが制御できるのは、リクエストにどの文字列を含めるかだけだ。

週の途中で自分の知らないうちに変わりうるリリースこそ、自動フェイルオーバーが作られたケースです：自動フェイルオーバーとは、期限切れになったりエラーを出し始めたプレビューが、インシデントではなくフォールバックイベントになることです。