Pareto 26.10 vs Unbiased Pareto 26.10 Preview: Hetzelfde model, twee verschillende strings

Het kortste eerlijke antwoord op de vraag hoe Pareto 26.10 zich verhoudt tot Unbiased Pareto 26.10 Preview is dat het hetzelfde model is, aangeboden tegen dezelfde prijs, met hetzelfde contextvenster, dezelfde maximale uitvoer, dezelfde vier gepubliceerde benchmarkscores en dezelfde onderliggende samengestelde architectuur. De preview liep vanaf 1 oktober 2026; de algemeen beschikbare release kwam op 15 oktober 2026, en de changelog van Unbiased zelf beschrijft de tarieven als ongewijzigd overgenomen uit de preview. Er is tussen beide niets opnieuw getraind, en geen enkele score is opnieuw gedraaid voor de GA-pagina. De gedocumenteerde AI-fouten en agentincidenten achter releases zoals deze zijn verzameld in het OrcaRouter AI Incident Archive waar elke vermelding eigen bronnen, ernst, betrouwbaarheidsgraad en een betwistmarkering bevat.

Wat is veranderd, is alles rond het model, en voor een lezer met code in productie is dat geen kleinigheid. De preview-string is uitgefaseerd, de alias pareto wijst nu naar de GA-release, en de abonnementsquota zijn ongeveer verdubbeld bij dezelfde maandprijs. Als je tussen deze twee kiest, kies je niet tussen twee modellen — je kiest tussen twee opzetten van hetzelfde model, en een van die opzetten wordt niet meer aangeboden.

Waarom deze vergelijking korter is dan hij lijkt

De meeste X-vs-Y-pagina's bestaan omdat twee modellen van elkaar verschillen op iets meetbaars. Deze niet, en dat ronduit zeggen is nuttiger dan een onderscheid te verzinnen. De twee vermeldingen zijn dezelfde release op twee punten in de levenscyclus ervan, en de eigen documentatie van de leverancier toont de gelijkwaardigheid aan in plaats van die alleen maar te suggereren: de vier benchmarkscores die voor de preview in de changelog van 1 oktober zijn gepubliceerd — 92,4% GPQA-Diamond, 49,9% Humanity's Last Exam text-only, 69,9% DeepSWE v1.1, 50,8% Terminal-Bench 4.0, met kosten per taak van respectievelijk $0,004, $0,008, $0,24 en $0,48 — zijn dezelfde vier cijfers, tot op de decimaal, die de GA-modelkaart vandaag bevat. Er is geen nieuwe run na GA, dus er is geen bewijs van verbetering, en ook geen bewijs van regressie.

Dat is het vermelden waard, omdat overgangen van preview naar GA vaak precies het moment zijn waarop een leverancier stilletjes iets verandert. Hier zegt de changelog in duidelijke taal het tegenovergestelde, en de modelkaart bevestigt dat. De eerlijke lezing is dat het preview-label een status was, niet een ander model.

Wat is identiek, en hoe je het kunt controleren

• Contextvenster — 1,048,576 tokens bij beide. • Maximale respons — 131,072 tokens bij beide. • Modaliteiten — tekst en afbeelding als invoer, tekst als uitvoer, bij beide. • Prijzen — $0.80 per miljoen input, $0.03 voor gecachte input, $3.20 output. Het GA-changelog vermeldt dat de tarieven uit de preview zijn overgenomen. • Parameters — max_tokens, temperature, top_p, tools, tool_choice, waarbij tool choice beperkt is tot auto. • Benchmarks — de vier scores van 1 oktober, ongewijzigd en nog steeds aangeduid als voorlopig. • Gewichten — gesloten bij beide, en in geen van beide records een Hugging Face-identificatie. • Serving — één provider, de leverancier, bij beide.

Geen daarvan is een kwestie van interpretatie. Ze komen uit hetzelfde gepubliceerde verslag, en een lezer die ze controleert, vindt op beide pagina's dezelfde cijfers.

Wat is niet identiek

Drie dingen verschillen, en elk heeft een gevolg.

• De modelstring. De preview werd aangeduid met een preview-specifieke identifier. Die string is achterhaald — in de GA-vermelding van Unbiased wordt previewgebruikers aangeraden over te stappen naar pareto of pareto-26.10. De GA-release is aan te spreken als pareto-26.10 en is wat de kale pareto-alias nu selecteert. • De status. Een preview is een release waarvan de leverancier zegt dat die kan veranderen; de GA-release is de standaard van de leverancier. Dat onderscheid heeft geen invloed op de token die je terugkrijgt, maar het verandert wat je over de volgende kunt aannemen. De previewpositie is waar een leverancier de versie plaatst waar hij nog niet achter wil staan; de standaardpositie is waar hij de versie plaatst die de standaard is. • De abonnementslimiet. Personal is naar 50M tokens per week gegaan en Personal Max naar 600M, beide tegen de eerder gepubliceerde maandprijzen van $10 en $100. De API-prijskaart per token is daar niet in meegegaan.

Dat is de volledige lijst. Als je hoopte op een vierde rij over outputkwaliteit: die is er niet, en elk artikel dat je er toch een geeft, verzint het.

Als je de voorbeeldstring hebt vastgepind

Dit is het deel van de vergelijking waaraan een deadline verbonden is.

Een modelstring die een preview aanduidt, is per definitie een string met een beperkte houdbaarheid. De leverancier heeft die op 15 oktober stopgezet, wat betekent dat iedereen die hem als reproduceerbaarheidsmaatregel had vastgepind — een begrijpelijke reflex, want een preview is precies het ding dat je zou willen bevriezen — nu een string heeft die de huidige release niet meer volgt. De migratie is één regel: verwijs naar pareto-26.10 in plaats van naar de preview-identificatie.

Er zit een subtiliteit in die dit de moeite waard maakt om bewust te doen in plaats van snel. In de ontwikkelaarsdocumentatie van Unbiased staat dat onbekende modelidentificaties nog niet worden geweigerd, en dat een verkeerd getypte string nog steeds wordt geserveerd en gefactureerd als Pareto. Een mislukte migratie hier faalt dus niet luidruchtig met een 404. Het slaagt, stilletjes, tegen de alias — die voor deze leverancier de releasekalender volgt in plaats van je pin. Als je de preview verlaat, controleer dan of de string waar je op uitkomt de string is die je bedoelde, want niets in de API zal je het tegendeel vertellen.

Hoe je ze zelf kunt vergelijken, aangezien ze hetzelfde zijn

Omdat de gepubliceerde gegevens de twee niet van elkaar kunnen onderscheiden, is de enige vergelijking die de moeite waard is er een op je eigen workload — en dat is een goedkopere exercitie dan het klinkt, want je test één model tegen je bestaande baseline in plaats van twee modellen tegen elkaar.

Haal de vier gepubliceerde scores volledig uit de beslissing. Ze zijn door de leverancier uitgevoerd, de modelkaart noemt de vergelijking voorlopig en er staat dat de 26.10-resultaten afkomstig zijn van runs van 1 oktober en kunnen veranderen vóór definitieve publicatie. Het GPQA-Diamond-cijfer, 92.4%, is het cijfer dat het meest waarschijnlijk een inkoopgesprek zal uitlokken, en het is het enige waarvoor nergens een onafhankelijke tegenhanger bestaat: geen enkele externe beoordelaar heeft per 18 oktober 2026 een herhaling van een van deze vier gepubliceerd. Gebruik het als een hypothese, niet als een bevinding.

Voer dan je eigen taken uit via de GA-string en vergelijk dat met wat je vandaag draait, op twee assen die er echt toe doen: kosten per voltooide taak — inclusief cachegedrag, want bij $0,03 per miljoen gecachte input domineert het verschil tussen een warme en een koude prompt de per-token-rekenkunde — en of het contextvenster van 1M een retrievalstap uit je pipeline haalt. Het tweede is de reden om überhaupt in dit model geïnteresseerd te zijn, en het is in een middag meetbaar.

Dit is de vorm van evaluatie waarvoor een routeringslaag is gebouwd, en het is de moeite waard precies te zijn over wat we hier wel en niet dekken. OrcaRouter bevat geen enkel Unbiased-model, dus Pareto 26.10 wordt via de eigen API van de leverancier aangeroepen — punt. Wat wij bieden is één sleutel en één integratie voor de modellen waarmee je het zou benchmarken, en automatische failover zodat een kandidaatmodel een deel van het echte verkeer kan dragen zonder dat een productiepad ervan afhankelijk is. De model fusion van OrcaRouter gaat verder in dezelfde richting voor het pairwise-deel van de oefening: meerdere modellen die in één aanroep op dezelfde prompt antwoorden, wat een snelle manier is om te zien waar het antwoord van een gemengd model zoals dat van Pareto afwijkt van een single-modelbaseline. Ons parameteroppervlak omvat 200+ modellen tegen 0% markup op de lijstprijs van de provider — een uitspraak over de catalogus die wij leveren, niet over deze.

Wat de overgang naar GA niet oplost

Twee dingen waarvan lezers doorgaans aannemen dat een GA-label ze oplost, en dit label doet dat niet.

Het beslecht de benchmarks niet. Dezelfde pagina die aankondigt dat het model de previewfase heeft verlaten, blijft de vier scores beschrijven als een voorlopige vergelijking en zegt dat de resultaten kunnen veranderen vóór de definitieve publicatie. Algemene beschikbaarheid is een uitspraak over de status van het product; de leverancier heeft het bewijs over de kwaliteit ervan niet opgewaardeerd, en niemand anders ook niet. Iedereen die 92,4% op GPQA-Diamond citeert, moet het voorbehoud in dezelfde adem noemen, want op dit moment is dat voorbehoud het enige deel van dat getal met een onafhankelijke basis.

Het beslecht de prijs niet. In de GA-vermelding staat dat de tarieven zijn overgenomen, en op de huidige prijskaart staat $0,80 / $0,03 / $3,20 — het laagste van de twee bedragen die de leverancier voor deze modellijn heeft gepubliceerd, aangezien het technische record van de septemberrelease nog steeds $2,50 input en $7,50 output vermeldt. Er is geen gedateerde changelog-vermelding voor de wijziging, dus de lagere prijskaart is wat je hanteert, maar niet wat je de leverancier kunt laten naleven. Baseer je uitgaven erop en controleer het opnieuw voordat je iets ondertekent dat daarvan uitgaat.

Wie moet zich met welke string bezighouden?

De preview is verdwenen; de enige actuele vraag is of je de GA-release moet vastpinnen of de alias moet volgen, en dat sluit naadloos aan op het type workload.

Zet pareto-26.10 vast als je reproduceerbaarheid, kostentoewijzing of een stabiele vergelijkingsarm over een lange evaluatie nodig hebt — wat voor de meeste teams geldt die dit tegen een incumbent laten draaien. Blijf op pareto als je echt de huidige standaard van de leverancier wilt en zo bent ingesteld dat je merkt wanneer die verandert; de alias is al één keer verschoven, op 15 oktober, en in de changelog wordt dat aangekondigd.

Geen van beide keuzes gaat over kwaliteit, want de registratie bevat geen kwaliteitsverschil tussen deze twee strings. De beslissing die er wel toe doet, is op 15 oktober voor je genomen, toen de standaard verschoof: wat je vóór die datum ook maar noemde, is niet wat de alias nu retourneert. De versie die je hebt getest benoemen is de enige manier om dat zichtbaar te maken, en het is het enige stukje administratie dat deze overgang nalaat.