Pareto 26.10 vs Pareto 26.9: 이 두 릴리스를 가르는 하나의 숫자

를 비교해 보면Pareto 26.10과 Pareto 26.9 대부분 변하지 않은 것들에 대한 고찰입니다. 동일한 공급업체, 동일한 복합 아키텍처, 동일한 131,072토큰 최대 응답, 동일하게 선언된 다섯 개 파라미터, 공급업체 자체 가격 페이지에 공개된 동일한 요금, 그리고 두 릴리스가 공유하는 유일한 벤치마크에서도 이전 모델이 0.1점 앞서는 차이뿐입니다. 사람들이 흔히 모델을 비교하는 표면에서는 이 둘이 버전 번호만 다른 같은 제품입니다. 그러나 한 표면에서는 그렇지 않으며, 바로 그 표면이 어떤 워크로드가 둘 중 어느 것이든 사용할 수 있는지를 결정합니다. 바로 컨텍스트 창으로, 26.9는 262,144토큰을 제공하고 26.10은 1,048,576을 제공합니다. 이런 릴리스의 배경에 있는 문서화된 AI 장애와 에이전트 사건은 OrcaRouter AI Incident Archive에 수집되어 있으며, 각 항목에는 자체 출처, 심각도, 신뢰도 등급, 분쟁 플래그가 포함되어 있습니다.

두 버전 모두 운영 중입니다. pareto-26.10은 2026년 10월 15일 Unbiased가 정식 출시 버전을 이 릴리스로 옮기면서 pareto 별칭의 기본 버전이 된 릴리스이고, pareto-26.9는 벤더가 계속 사용하기를 원하는 사람을 위해 "계속 사용 가능"하다고 말하는 9월 릴리스입니다. 오늘 문의자 앞에 놓인 결정은 이것이 전부이며, 이 페이지의 나머지는 그 배경이 되는 세부 사항입니다.

주변 사실

두 모델 모두 문서상 텍스트와 이미지 입력을 받아 텍스트를 반환하는 것으로 명시되어 있으며, 어느 쪽도 Hugging Face 식별자를 공개하지 않습니다. 즉, 이 비교의 양쪽 모두 가중치가 비공개이므로 다운로드하여 자체 호스팅할 것은 없습니다. 어느 쪽에도 독립적인 벤치마크가 없습니다. 두 모델 모두 단일 공급업체인 Unbiased 자체에서 제공되므로, 두 릴리스 중 어느 쪽도 공급업체 자체 스택 내에서 장애 조치할 두 번째 호스트가 없습니다. 따라서 아래 비교는 두 생태계 간 비교가 아니라 한 공급업체의 단일 제품 라인에 속한 두 구성 간 비교입니다.

맥락이 논거의 전부다

컨텍스트가 4배로 늘어난다는 건, 장문 컨텍스트 모델로 사람들이 실제로 하는 일에 대입해 보기 전까지는 스펙 시트의 한 줄처럼 들린다.

262,144토큰에서는 전체 저장소 에이전트 세션, 긴 고객 지원 기록, 또는 몇 시간짜리 연구 스레드가 청킹 문제입니다. 검색하고, 요약하고, 롤링 윈도를 유지하며, 모델이 작업 자체가 아니라 작업의 재구성을 본다는 점을 받아들입니다. 1,048,576토큰에서는 그러한 워크로드가 수용됩니다 — 항상 넉넉하지도 않고, 캐시 적중이 없을 때 백만 입력 토큰당 $0.80라는 저렴한 비용도 아니지만, 그래도 수용됩니다. 두 릴리스의 실질적인 차이는 파이프라인이 데이터와 모델 사이에 검색 계층을 필요로 하는지 여부입니다.

그것은 진짜 엔지니어링 결정이며, 이 페이지에서 정당화할 수 있는 답이 있는 유일한 결정이기도 합니다. 나머지는 모두 품질이 아닌 다른 기준으로 선택해야 할 만큼 충분히 비슷합니다.

나란히, 차원별로

• 모델 문자열 — pareto-26.10(2026-10-15부터 pareto의 기본값) vs pareto-26.9(유지됨, 기본값 아님).

• 컨텍스트 창 — 1,048,576 토큰 vs 262,144 토큰.

• 최대 응답 — 양쪽 모두 131,072토큰. 릴리스 간 변경 없음.

• 모달리티 — 텍스트 + 이미지 입력, 텍스트 출력, 두 곳 모두

• 선언된 매개변수 — 26.10의 max_tokens, temperature, top_p, tools, tool_choice; 26.9에서는 동일한 세트에 response_format 추가.

• 도구 호출 — 26.10에서는 tool_choice가 auto로 제한됩니다. 호출 여부는 모델이 결정하며, 강제할 수 없습니다.

• 가중치 — 둘 다 비공개이며, 두 기록 모두에 Hugging Face 식별자가 없습니다.

• 서비스 제공 업체 — 두 경우 모두 한 곳, 바로 벤더입니다.

• 공개 요금 — 두 모델 모두 백만 토큰당 입력 $0.80 / 캐시 $0.03 / 출력 $3.20이며, 벤더의 현재 가격 페이지 기준입니다.

• DeepSWE v1.1 — 26.10에서 작업당 $0.24로 69.9% vs 26.9에서 작업당 $0.29로 70.0%, 둘 다 벤더가 직접 실행.

그중 두 행은 별도의 문단으로 다룰 가치가 있습니다. 잘못 보고되는 것이 바로 그 행들이기 때문입니다.

아무도 알려주지 않는 구조화 출력의 차이

매개변수 목록은 동일하지 않습니다. 26.9의 카탈로그 레코드는 지원되는 매개변수 중 response_format을 선언하지만, 26.10의 레코드는 그렇지 않습니다. 26.10에 대해 선언된 범위는 max_tokens, temperature, top_p, tools, tool_choice가 전부입니다.

헤드라인처럼 읽지 말고 주의 깊게 읽어 보라. 선언된 목록에 어떤 매개변수가 없다고 해서 그 엔드포인트가 그 매개변수를 거부한다는 증거가 되지는 않으며, 벤더 자신의 API 문서도 두 목록 중 어느 것도 열거하지 않는다. 하지만 여러분의 파이프라인이 JSON 모드나 스키마 제약 출력에 의존하고 있고, 더 새로운 릴리스가 엄격한 상위 집합이라고 가정한 채 26.9에서 26.10으로 옮겨가는 중이라면, 그 가정을 뒷받침하는 공개된 자료는 아무것도 없다. 마이그레이션하기 전에 자체 트래픽으로 테스트하거나, 클라이언트 측에서 출력을 검증할 계획을 세워라. 화요일에 장애로 번지는 사소한 문제다.

두 라이브 요금표가 26.9의 요금에 대해 서로 엇갈린다

이것은 비교에서 가장 복잡한 부분이며, 실제 결정에 영향을 미칠 가능성이 가장 큰 부분입니다.

Unbiased는 단일 요금표를 공개한다 — 입력 $0.80, 캐시된 입력 $0.03, 출력 $3.20 — 그리고 이를 릴리스별로 버전화하지 않는다. 문자 그대로 읽으면, 이는 오늘 26.10과 26.9가 토큰당 같은 비용이 든다는 뜻이며, 따라서 마이그레이션은 무료이고 컨텍스트 증가만 유일한 변수가 된다. 한편 모델 자체의 기술 목록 기록에는 여전히 26.9에 대한 9월 수치가 실려 있다: 입력 $2.50, 캐시 $0.25, 출력 $7.50. 이 글을 작성할 당시 두 출처는 모두 게시되어 있었다. 어느 쪽에도 날짜가 없고, 공급업체는 이 변경을 설명하는 변경 로그 항목을 게시하지 않았으므로, 기록 어디에도 인용 가능한 “이날 가격이 인하되었다”라는 문구는 없다.

실용적인 지침은 매력적이지 않습니다. 더 낮은 카드를 가정하십시오. 읽을 수 있는 세 가지 표면 중 두 가지가 이를 게시하고, 그중 하나는 고객에게 청구가 이루어지는 페이지이기 때문입니다. 그런 다음 예산에 숫자를 확정하기 전에 이를 다시 확인하십시오. 비용 귀속을 위해 두 릴리스 중 하나를 고정하려는 경우, 10월 15일 전환에 걸친 혼합 월은 사후에 깔끔하게 분해되지 않는다는 점을 알아두십시오. 릴리스가 서로 다른 시점에 서로 다른 가격으로 책정되었고 공급업체가 자사 변경 사항에 날짜를 기재하지 않기 때문입니다.

1점, 0.1점, 그리고 결론지을 것은 아무것도 없다

두 릴리스에 공통으로 포함된 유일한 벤치마크는 DeepSWE v1.1이며, 벤더가 밝힌 자체 수치에 따르면 26.9는 70.0%, 26.10은 69.9%입니다. 두 수치 모두 벤더가 직접 실행한 결과이고, 더 오래된 수치는 전체 평가 세트가 아니라 30개 과제 일부를 대상으로 한 것이며, 이 전체 비교는 Unbiased가 독립적으로 검증되지 않았다고 설명합니다.

솔직히 해석하자면, 이 측정은 릴리스들을 구분하지 못한다. 부분 작업 슬라이스에서의 0.1점 차이는 단일 실행의 노이즈 범위 안에 있으며, 이를 어느 방향으로든 순위로 해석하는 것 — “26.10이 퇴행했다”거나 “26.10이 작업당 비용이 더 저렴하므로 더 낫다”는 식 — 은 찻잎 점치기에 불과하다. 작업당 비용 수치는 더 크게 갈리지만($0.24 대 $0.29), 그마저도 공급업체가 기반 구성을 공개하지 않은 블렌디드 모델에서 서로 다른 달에 수행된 실행에서 나온 것이다.

시트가 알려주는 것은 어디를 보지 말아야 하는지입니다. 이 둘 사이에서 품질을 기준으로 선택하고 있다면, 그 선택을 뒷받침할 수 없는 숫자를 기준으로 선택하는 셈입니다. 이 둘을 구분하는 증거는 구조적인 것입니다. 즉 컨텍스트 윈도우와 파라미터 표면이며, 이 두 가지는 점수와는 달리 검증이 가능합니다.

워크로드별로 무엇을 호출할까

• 전체 리포지토리 전반에 걸친 에이전틱 코딩 — 26.10. 1M 창은 리포지토리 전체를 보내는 것과 그 요약을 보내는 것의 차이입니다.

• 장문 문서 또는 긴 녹취록 분석 — 26.10, 같은 이유에서이며, 입력 비용에 주의하세요: 캐시 적중 없이 1M 토큰을 사용하면 요청당 입력만으로 $0.80입니다.

• JSON 모드 또는 스키마 제약 출력 파이프라인 — 26.10의 동작을 직접 테스트하기 전까지는 26.9를 사용하세요. 26.9의 선언된 매개변수 목록에는 response_format이 포함되어 있지만 26.10에는 포함되어 있지 않기 때문입니다.

• 이미 프로덕션 환경에 있으며 262K 내에 들어가는 워크로드 — 26.9. 이동이 출력을 개선한다는 공개된 근거는 없으며, 고정(pinning)하는 것이 더 저렴한 결정이다.

• 핀을 유지하지 않고 벤더의 현재 기본값을 원하는 모든 경우 — 26.10, 버전 표기가 없는 pareto 별칭 사용, 이 별칭은 사용자의 일정이 아니라 벤더의 일정을 따른다는 점을 전제로 함.

빌드-검증 루프의 양쪽을 모두 운영하는 팀에게 유용한 패턴은 장문 컨텍스트 처리를 위해 26.10을 고정하고 26.9를 비교군으로 남겨 두는 것입니다. 라우팅 레이어는 바로 이런 용도로 존재합니다. OrcaRouter는 Unbiased 모델을 전혀 제공하지 않으므로, 두 문자열 모두 벤더 자체 API를 통해 호출됩니다. 저희가 제공하는 것은 벤치마크할 모델을 위한 단일 키와 단일 통합 26.10 대비, 따라서 전환을 평가하는 데 두 번째 계약을 체결할 필요가 없습니다. OrcaRouter는 제공업체의 정가를 0% 마진으로 그대로 전달하며, 이는 저희가 실제로 서비스하는 모델에 대한 설명이지, 이 모델에 대한 것은 아닙니다.

아무도 예정하지 않은 이주

이 비교가 학술적인 것이 아니라 현실의 것인 이유는, 그 변화가 원하지 않았던 사람들에게 이미 일어났기 때문이다. 10월 15일, pareto 별칭은 9월 릴리스에서 26.10으로 이동했다. 모델 식별자 문자열을 그대로 호출한 사람은 코드 변경 없이 컨텍스트 창이 4배로 늘어나고 파라미터 구성도 달라진 것을 겪었다. 또한 벤더 문서에 알 수 없는 모델 식별자는 거부되지 않는다고 명시되어 있어, 철자가 틀린 버전 고정값도 요란하게 실패하는 대신 여전히 Pareto로 제공되고 청구된다.

대신 프리뷰 스트링에 있었다면 그 경로는 닫혔습니다: Unbiased는 프리뷰 사용자들에게 pareto 또는 pareto-26.10으로 이동하라고 했습니다. pareto에 있었고 안정성을 가정했다면, 그 가정이 문제를 일으켰든 아니든 이제 자체 로그에서 드러납니다.

어느 쪽이든 해결책은 같고 한 줄이면 됩니다: 테스트한 릴리스를 명시하세요. 버전이 포함된 문자열이라야 비용 모델을 빼어 비교할 수 있고 회귀를 원인에 귀속시킬 수 있으며, 이 벤더가 둘 모두를 위해 제공하는 유일한 수단입니다.

아직 검증되지 않은 것은 무엇인가?

두 릴리스 모두 독립적인 벤치마크가 없습니다. Artificial Analysis는 두 모델 어느 쪽에도 페이지를 두고 있지 않으며, 어떤 평가 기관도 벤더의 하네스를 재실행한 결과를 공개하지 않았습니다. 이 비교에 포함된 모든 수치 — 네 개의 점수, 작업당 비용 수치, 컨텍스트 윈도 — 는 벤더가 공개한 것이거나 해당 모델의 기술 목록 기록에서 읽어낸 것이며, 특히 점수에는 벤더 자체의 "잠정적" 및 "독립적으로 검증되지 않음"이라는 라벨이 붙어 있습니다.

그것은 어느 모델이든 피할 이유가 아닙니다. 그것은 확인 가능한 사항으로 결정할 이유입니다. 즉, 워크로드가 262K에 맞는지, 파이프라인에 response_format이 필요한지, 별칭(alias)을 쓸지 고정 버전(pin)을 쓸지입니다. 이 세 가지 질문에는 답이 있습니다. 어느 모델이 더 나은지에는 답이 없으며, 공개된 스펙 문서를 아무리 읽어도 답이 나오지 않습니다.