Pareto 26.10 vs Unbiased Pareto 26.10 Preview: ten sam model, dwa różne ciągi znaków

Najkrótsza uczciwa odpowiedź na pytanie, jak Pareto 26.10 wypada w porównaniu z Unbiased Pareto 26.10 Preview brzmi: to ten sam model, oferowany w tej samej cenie, z tym samym oknem kontekstowym, tym samym maksymalnym limitem wyjścia, tymi samymi czterema opublikowanymi wynikami benchmarków i tą samą bazową architekturą kompozytową. Wersja zapoznawcza działała od 1 października 2026 r.; ogólnodostępne wydanie pojawiło się 15 października 2026 r., a własny changelog Unbiased opisuje stawki jako przeniesione bez zmian z wersji zapoznawczej. Między nimi nie przeprowadzono żadnego ponownego treningu i żaden wynik nie został ponownie obliczony na potrzeby strony GA. Udokumentowane awarie AI i incydenty z agentami związane z takimi wydaniami jak to są zebrane w Archiwum incydentów AI OrcaRouter, gdzie każdy wpis zawiera własne źródła, poziom ciężkości, ocenę pewności i oznaczenie sporności.

Zmieniło się wszystko wokół modelu, a dla czytelnika z kodem w produkcji to nie jest drobiazg. Oznaczenie preview zostało wycofane, alias pareto wskazuje teraz na wydanie GA, a limity subskrypcji wzrosły mniej więcej dwukrotnie przy tej samej cenie miesięcznej. Jeśli wybierasz między tymi dwoma, nie wybierasz między dwoma modelami — wybierasz między dwiema konfiguracjami tego samego modelu, a jedna z tych konfiguracji nie jest już oferowana.

Dlaczego to porównanie jest krótsze, niż się wydaje

Większość stron porównujących X z Y istnieje, ponieważ dwa modele różnią się pod jakimś mierzalnym względem. Ta strona nie, a mówienie tego wprost jest bardziej użyteczne niż sztuczne tworzenie różnicy. Obie pozycje to to samo wydanie w dwóch punktach jego cyklu życia, a własna dokumentacja dostawcy wykazuje tę równoważność, zamiast jedynie ją sugerować: cztery wyniki benchmarków opublikowane dla wersji preview w dzienniku zmian z 1 października — 92.4% GPQA-Diamond, 49.9% Humanity's Last Exam text-only, 69.9% DeepSWE v1.1, 50.8% Terminal-Bench 4.0, przy kosztach na zadanie wynoszących odpowiednio $0.004, $0.008, $0.24 i $0.48 — to te same cztery wartości, co do miejsca po przecinku, które karta modelu w wersji GA zawiera obecnie. Nie przeprowadzono ponownych testów po GA, więc nie ma dowodów na poprawę ani dowodów na regresję.

Warto to podkreślić, ponieważ przejścia z wersji preview do GA to często miejsce, w którym dostawca po cichu coś zmienia. Tutaj changelog mówi wprost coś przeciwnego, a karta modelu to potwierdza. Uczciwe stanowisko jest takie, że etykieta preview była statusem, a nie innym modelem.

Co jest identyczne i jak możesz to sprawdzić

• Okno kontekstu — 1 048 576 tokenów w obu. • Maksymalna odpowiedź — 131 072 tokenów w obu. • Modalności — tekst i obraz na wejściu, tekst na wyjściu, w obu. • Ceny — 0,80 USD za milion tokenów wejściowych, 0,03 USD za wejście z pamięci podręcznej, 3,20 USD za wyjście. Dziennik zmian GA podaje, że stawki przeniesiono z wersji zapoznawczej. • Parametry — max_tokens, temperature, top_p, tools, tool_choice, przy czym wybór narzędzi ograniczono do auto. • Testy porównawcze — cztery wyniki z 1 października, bez zmian i nadal oznaczone jako wstępne. • Wagi — zamknięte w obu, a w żadnym z rekordów nie ma identyfikatora Hugging Face. • Udostępnianie — jeden dostawca, tj. producent, w obu.

Żadna z tych pozycji nie jest kwestią uznaniową. Odczytuje się je z tego samego opublikowanego zapisu, a czytelnik, który je sprawdzi, znajdzie te same liczby na obu stronach.

Co nie jest identyczne

Trzy rzeczy się różnią, a każda z nich ma swoje konsekwencje.

• Ciąg modelu. Wersja zapoznawcza była wywoływana przez identyfikator specyficzny dla wersji zapoznawczej. Ten ciąg został zastąpiony — wpis GA Unbiased informuje użytkowników wersji zapoznawczej, aby przełączyli się na pareto lub pareto-26.10. Wydanie GA jest adresowalne jako pareto-26.10 i to ono jest teraz wybierane przez sam alias pareto. • Status. Wersja zapoznawcza to wydanie, o którym dostawca mówi, że może się zmienić; wydanie GA jest domyślnym wydaniem dostawcy. To rozróżnienie nie ma wpływu na token, który otrzymujesz z powrotem, ale zmienia to, co możesz zakładać o następnym. Miejsce wersji zapoznawczej to miejsce, w którym dostawca umieszcza wersję, za którą jeszcze nie chce ręczyć; domyślne miejsce to miejsce, w którym umieszcza wersję, za którą ręczy. • Limit subskrypcji. Personal przeszedł na 50 mln tokenów tygodniowo, a Personal Max na 600 mln, oba w wcześniej opublikowanych cenach miesięcznych 10 USD i 100 USD. Karta API rozliczana za token nie zmieniła się wraz z tym.

To jest pełna lista. Jeśli liczyłeś na czwarty wiersz dotyczący jakości wyników, to go nie ma — a każdy artykuł, który taki podaje, po prostu go wymyśla.

Jeśli przypiąłeś ciąg podglądu

To jest ta część porównania, z którą związany jest termin.

Ciąg znaków modelu wskazujący na wersję zapoznawczą jest z założenia ciągiem o ograniczonym okresie ważności. Dostawca wycofał go 15 października, co oznacza, że każdy, kto przypiął go jako środek zapewniający powtarzalność — co jest rozsądnym odruchem, ponieważ wersja zapoznawcza to dokładnie to, co chciałoby się zamrozić — ma teraz ciąg, który nie odzwierciedla już bieżącego wydania. Migracja to jedna linia: wskaż pareto-26.10 zamiast identyfikatora wersji zapoznawczej.

Jest pewien subtelny niuans, który sprawia, że warto zrobić to świadomie, a nie w pośpiechu. Dokumentacja deweloperska Unbiased stwierdza, że nieznane identyfikatory modeli nie są jeszcze odrzucane, a błędnie wpisany ciąg jest nadal obsługiwany i rozliczany jako Pareto. Nieudana migracja nie kończy się więc głośnym błędem 404. Udaje się po cichu, względem aliasu — który u tego dostawcy podąża za kalendarzem wydań, a nie za Twoim przypięciem. Jeśli odchodzisz od wersji preview, upewnij się, że ciąg, na którym wylądujesz, jest tym, o który Ci chodziło, ponieważ nic w API nie powie Ci inaczej.

Jak samemu je porównać, skoro są takie same

Ponieważ opublikowane dane nie pozwalają rozróżnić tych dwóch, jedyne porównanie, które warto przeprowadzić, dotyczy własnego obciążenia — a to tańsze ćwiczenie, niż się wydaje, ponieważ testujesz jeden model względem istniejącego punktu odniesienia, a nie dwa modele względem siebie.

Usuń całkowicie z procesu decyzyjnego cztery opublikowane wyniki. Są przeprowadzane przez dostawcę, karta modelu nazywa porównanie wstępnym i stwierdza, że wyniki 26.10 pochodzą z przebiegów z 1 października i mogą się zmienić przed ostateczną publikacją. Liczba dla GPQA-Diamond, 92,4%, jest tą, która najprawdopodobniej wywoła rozmowę o zakupie, i jednocześnie tą, dla której nigdzie nie ma niezależnego odpowiednika: według stanu na 18 października 2026 r. żaden zewnętrzny ewaluator nie opublikował ponownego przebiegu żadnego z tych czterech. Traktuj ją jako hipotezę, a nie jako ustalenie.

Następnie przepuść własne zadania przez ciąg GA i porównaj z tym, czego używasz dziś, na dwóch osiach, które naprawdę są wiążące: koszt ukończonego zadania — w tym zachowanie pamięci podręcznej, bo przy $0.03 za milion tokenów wejściowych z pamięci podręcznej różnica między ciepłym a zimnym promptem dominuje nad arytmetyką kosztu na token — oraz to, czy okno kontekstu 1M usuwa etap wyszukiwania z twojego potoku. To drugie jest powodem, by w ogóle interesować się tym modelem, i da się je zmierzyć w jedno popołudnie.

To jest kształt oceny, do którego zbudowana jest warstwa routingu, i warto być precyzyjnym co do tego, co tutaj obejmujemy, a czego nie. OrcaRouter nie oferuje żadnego modelu Unbiased, więc Pareto 26.10 jest wywoływany przez własne API dostawcy — i tyle. Zapewniamy jeden klucz i jedną integrację dla modeli, z którymi chciałbyś go porównać, oraz automatyczne przełączanie awaryjne, dzięki czemu model kandydujący może obsługiwać ułamek rzeczywistego ruchu, bez uzależniania od niego ścieżki produkcyjnej. Fuzja modeli w OrcaRouter idzie dalej w tym samym kierunku w części ćwiczenia dotyczącej porównań parami: kilka modeli odpowiadających na ten sam prompt w jednym wywołaniu, co jest szybkim sposobem, by zobaczyć, gdzie odpowiedź modelu łączonego, takiego jak Pareto, różni się od bazowej odpowiedzi pojedynczego modelu. Nasz zakres parametrów obejmuje ponad 200 modeli przy 0% marży względem ceny katalogowej dostawcy — stwierdzenie o katalogu, który obsługujemy, a nie o tym konkretnym modelu.

Czego nie rozstrzyga przejście na GA

Dwie rzeczy, co do których czytelnicy rutynowo zakładają, że etykieta GA je rozstrzyga, a ta jedna tego nie robi.

To nie rozstrzyga sprawy benchmarków. Ta sama strona, która ogłasza, że model wyszedł z podglądu, nadal opisuje cztery wyniki jako wstępne porównanie i stwierdza, że wyniki mogą się zmienić przed ostateczną publikacją. Ogólna dostępność to stwierdzenie o statusie produktu; dostawca nie ulepszył dowodów na jego jakość i nikt inny też tego nie zrobił. Każdy, kto cytuje 92,4% na GPQA-Diamond, powinien jednym tchem podać zastrzeżenie, ponieważ obecnie to zastrzeżenie jest jedyną częścią tej liczby, która ma niezależne podstawy.

To nie rozstrzyga ceny. Wpis GA mówi, że stawki zostały utrzymane, a obecna karta wskazuje $0.80 / $0.03 / $3.20 — niższą z dwóch wartości, które dostawca opublikował dla tej linii modeli, ponieważ dokumentacja techniczna wydania z września wciąż podaje $2.50 na wejściu i $7.50 na wyjściu. Nie ma opatrzonego datą wpisu w dzienniku zmian dotyczącego tej zmiany, więc niższa karta jest tym, na czym się opierasz, a nie tym, na czym możesz egzekwować cenę od dostawcy. Modeluj na niej swoje wydatki i sprawdź ponownie, zanim podpiszesz cokolwiek, co ją zakłada.

Kogo powinno obchodzić, który ciąg znaków

Wersja zapoznawcza zniknęła; jedyne otwarte pytanie brzmi, czy przypiąć wydanie GA, czy korzystać z aliasu — a to przekłada się wprost na typ obciążenia.

Przypnij pareto-26.10, jeśli potrzebujesz powtarzalności, przypisania kosztów lub stabilnego ramienia porównawczego w długiej ewaluacji — co dotyczy większości zespołów porównujących to z dotychczasowym rozwiązaniem. Podążaj za pareto, jeśli naprawdę chcesz aktualnego domyślnego wyboru dostawcy i masz mechanizmy, by zauważyć, kiedy się zmieni; alias zmienił się już raz, 15 października, a changelog jest miejscem, w którym się to ogłasza.

Żaden z tych dwóch wyborów nie dotyczy jakości, ponieważ zapis nie zawiera różnicy jakościowej między tymi dwoma ciągami. Decyzja, która naprawdę ma znaczenie, została podjęta za Ciebie 15 października, kiedy zmieniła się wartość domyślna: to, co wywoływałeś przed tą datą, nie jest tym, co alias zwraca teraz. Wskazanie wersji, którą testowałeś, to jedyny sposób, by to uwidocznić, i jedyna czynność porządkowa, którą pozostawia po sobie to przejście.