Pareto 26.9 kontra Pareto 26.10 Preview od Unbiased: Stabilny pin i wersja zapoznawcza

Linia Pareto od Unbiased oferuje teraz dwa wywoływalne wydania z dwiema różnymi odpowiedziami na to samo pytanie, a od tego tygodnia musisz świadomie wybrać jedno. Pareto 26.9 to wydanie, na które wskazuje domyślny alias dostawcy: 262 144 tokeny kontekstu, 2,50 USD za milion tokenów wejściowych, bez przypisanej daty wygaśnięcia. Pareto 26.10 Preview to kompilacja wymagająca wyraźnej zgody (opt-in): czterokrotnie większy kontekst, około jednej trzeciej ceny wejściowej, cztery wyniki benchmarków, które sam dostawca nazywa wstępnymi, oraz data wygaśnięcia wpisana do jej rekordu katalogowego. Oba są aktywne. Oba przyjmują tekst i obrazy, a zwracają tekst. Żadne nie jest wariantem drugiego, który można przełączyć flagą w momencie żądania.

Tym, co się zmieniło, nie jest żaden z tych modeli. Chodzi o to, że stabilne wydanie ma w końcu własny adres. 13 października 2026 r. katalog routingu, który wymienia tę rodzinę, zaczął zawierać unbiased/pareto-26.9 jako osobno wywoływalny wpis, obok wpisu aliasu, który zawsze przekierowuje do bieżącego wydania. Wcześniej jedynym sposobem, by z całą pewnością dotrzeć do stabilnego modelu, było poproszenie o Pareto i zaakceptowanie tego, co podsunął alias. Teraz oba wydania znajdują się na tej samej liście, z własnymi cenami, własnymi limitami i własnymi metadanymi wygaśnięcia — a wybór między nimi jest decyzją, którą podejmujesz sam, a nie taką, którą podejmuje się za ciebie.

Dwa wydania, wymiar po wymiarze

Każda opublikowana różnica między nimi mieści się w tych siedmiu wierszach. Po lewej znajduje się Pareto 26.9, a po prawej Pareto 26.10 Preview.

• Okno kontekstowe — 262,144 tokenów vs 1,048,576 tokenów. Czterokrotnie więcej miejsca, przy czym żaden z nich nie oferuje mniejszego poziomu. • Maksymalna liczba tokenów wyjściowych — 131,072 tokenów vs 131,072 tokenów. Większe okno wejściowe nie przełożyło się na większą odpowiedź. • Cena tokenów wejściowych — 2,50 USD za milion tokenów vs 0,80 USD. Wersja preview to około 32% stawki stabilnej. • Cena tokenów wyjściowych — 7,50 USD za milion tokenów vs 3,20 USD. Około 43% tej stawki. • Tokeny wejściowe z pamięci podręcznej — 0,25 USD za milion tokenów vs 0,03 USD. Wersja preview to około jednej ósmej, a to właśnie ten wiersz najbardziej zmienia rachunek długo działającego agenta. • Opublikowany arkusz wyników benchmarków — jeden wynik, na częściowym wycinku zadań, vs cztery wyniki, które dostawca oznacza jako wstępne. • Warunki stabilności — brak daty wygaśnięcia w rekordzie, a dostawca nazywa to wydaniem domyślnym, vs opcjonalna wersja preview, której rekord katalogowy ma datę wygaśnięcia 15 października 2026 r.

Dwa z tych wierszy wykonują większość pracy. Stawka za buforowane dane wejściowe to ta, która decyduje, czy długa trajektoria agentowa jest opłacalna w którejkolwiek z tych wersji, a pole wygaśnięcia to to, które decyduje, czy na wersji zapoznawczej da się w ogóle cokolwiek zbudować.

Dlaczego numery wersji się nie zgadzają

Te liczby to oznaczenia miesięcy, a nie sekwencja, na podstawie której należy wnioskować. Własna karta modelu Unbiased datuje Pareto 26.9 na uruchomienie z 20 września 2026 r. i opisuje 26.10 Preview jako wydanie z 1 października, które nastąpiło później. Katalog, który wymienia 26.9, pokazuje, że jego wpis powstał 13 października — trzy tygodnie po dacie wydania podanej przez dostawcę. A wpis dostawcy o premierze wersji zapoznawczej mówi, że poprzednia wersja „26.9” działała przez dwa tygodnie w bramach podmiotów trzecich pod tymczasową nazwą, zanim nadano jej nazwę.

Połącz te trzy stwierdzenia, a praktyczna lekcja jest taka, że numer wersji mówi tutaj, z którego miesiąca pochodzi kompilacja, i nic nie mówi o tym, czy kompilacja jest nadal aktualna, nadal wspierana albo nadal tą, która kryje się za aliasem. Oznacza to również, że data widoczna na stronie katalogu jest datą umieszczenia w wykazie, a nie datą wydania. Odczytanie jej jako daty wydania to absolutnie najczęstszy błąd popełniany w odniesieniu do tej rodziny, a obecnie popełnia się go w obu kierunkach: 26.9 wygląda na trzy tygodnie nowsze, niż jest w rzeczywistości, a wersja zapoznawcza wygląda na pięć tygodni starsza.

Co daje podgląd — i co faktycznie mówi arkusz benchmarków

Argument za preview jest arytmetyczny. Czterokrotnie większy kontekst za jedną trzecią ceny wejściowej, a stawka za odczyt z pamięci podręcznej jest na tyle niska, że długa trajektoria kosztuje ułamek tego, co kosztowałaby na 26.9. Unbiased twierdzi także, że preview ma niższe opóźnienie, a największy zysk występuje przy długich przebiegach agentowych — twierdzenie bez żadnych opublikowanych pomiarów, ani od dostawcy, ani od kogokolwiek innego.

Argument przeciwko odruchowemu sięganiu po nie jest subtelniejszy i tkwi w jedynym miejscu, w którym te dwa wydania w ogóle można porównać. W DeepSWE v1.1, benchmarku kodowania agentowego, w którym występują oba wydania, karta modelu dostawcy pokazuje Pareto 26.9 przy 70,0% i 0,29 USD na zadanie oraz Pareto 26.10 Preview przy 69,9% i 0,24 USD na zadanie. Nowsze, tańsze wydanie wypada marginalnie niżej w jedynym benchmarku, dla którego oba mają wynik, a wygrywa pod względem kosztu na zadanie o około 17%. To nie skandal i nie błąd zaokrąglenia, który można zbyć machnięciem ręki — dokładnie tak powinien wyglądać tańszy system łączony, i warto o tym wiedzieć, zanim założy się, że preview to ulepszenie pod każdym względem.

Do tego porównania należą się dwa zastrzeżenia i dostawca publikuje oba. Liczba 26,9 pochodzi z wycinka 30 zadań, a nie z pełnego zestawu DeepSWE v1.1, więc nie jest to ten sam pomiar co w przypadku wersji zapowiedziowej. A każda liczba tutaj pochodzi z testów dostawcy: cztery wyniki wersji zapowiedziowej — 92,4% w GPQA-Diamond, 49,9% w Humanity's Last Exam w wersji tekstowej, 69,9% w DeepSWE v1.1, 50,8% w Terminal-Bench 4.0 — noszą własną etykietę dostawcy „wstępne, mogą się zmienić przed publikacją ostateczną”, a karta modelu stwierdza, że mianowniki i metodologia kosztów wciąż „wymagają potwierdzenia”. Nikt spoza Unbiased nie opublikował wyniku dla żadnej z tych wersji. Traktuj cały arkusz jako powód do przetestowania, a nie powód do zmiany.

Data ważności to element, który trzeba uwzględnić w planach.

Rekord podglądu zawiera datę wygaśnięcia 15 października 2026 r. — dzień po tym, jak to napisano. Co dzieje się w tej dacie, nie jest udokumentowane nigdzie, gdzie udało nam się dotrzeć: ani w changelogu, ani na karcie modelu, ani na stronie z cennikiem. Nic w materiałach dostawcy nie mówi, że podgląd przestaje działać, a wpis o premierze mówi w duchu coś przeciwnego do wyłączenia — że „cena nie wzrośnie, a slug podglądu nie zawiedzie cię”, oraz że po zakończeniu okresu podglądu 26.10 staje się domyślnym wyborem subskrybentów, a tygodniowe limity podwajają się z 25 mln do 50 mln tokenów w planie Personal za 10 USD i z 300 mln do 600 mln w planie za 100 USD.

Uczciwa interpretacja nie brzmi więc: „wersja zapoznawcza umiera jutro”. Brzmi tak, że wersja zapoznawcza podlega warunkom, które się zmieniają, a kompilacja z polem wygaśnięcia w swoim rekordzie nie jest wydaniem, które należy przypiąć dla systemu, do którego nie chcesz wracać. To jest cały argument za 26.9 jako domyślnym wyborem: wolniej się poprawia i ma trzykrotnie wyższą cenę za dane wejściowe, ale to właśnie on jest tym, który dostawca nazywa wydaniem, a nie eksperymentem, i w jego rekordzie nie ma zegara.

Utrzymywanie obu bez przepisywania integracji

Powód, dla którego jest to decyzja dotycząca routingu, a nie modelowania, jest taki, że oba wydania przyjmują ten sam kształt żądania. Ta sama rodzina endpointów, te same parametry, ten sam interfejs przyjmujący tekst i obraz na wejściu i zwracający tekst na wyjściu — jedyne, co się różni, to ciąg znaków, który wpisujesz w polu model. To sprawia, że powierzchnia migracji jest znikoma, a dyscyplina przypinania (pinningu) stanowi cały problem: dokładnie jedna wartość w dokładnie jednym miejscu decyduje o tym, który z dwóch systemów o bardzo różnych cenach ci odpowie.

Właśnie do takiego przypadku DSL routingu w OrcaRouter został stworzony. Wywołanie komponujesz z nazwanych odcinków i przechowujesz ciąg modelu jako wartość konfiguracji, a nie stałą zakopaną w kodzie aplikacji, więc przejście z wersji zapoznawczej na stabilne przypięcie to edycja trasy, a nie wdrożenie. To samo dotyczy łańcucha failover: wersja zapoznawcza, która się zmienia, wygasa albo zaczyna zwracać błędy staje się zdarzeniem fallbacku, a nie incydentem. Nie oferujemy żadnego z wydań Unbiased — to rodzina obsługiwana przez dostawcę, którego jedynym dostawcą jest on sam — więc sposobem na wywołanie jej jest własne API Unbiased, a jeśli chcesz porównać oba wydania z własnym obciążeniem, oba są tam dziś dostępne.

Które przypiąć

Jeśli wdrażasz coś, co ma odpowiadać w przyszłym miesiącu bez niczyjej ingerencji, przypnij Pareto 26.9. Kosztuje trzy razy więcej za token wejściowy i daje jedną czwartą kontekstu, a w zamian jest to wydanie, na które wskazuje alias dostawcy, nie ma pola wygaśnięcia, a jego jedyny opublikowany benchmark — wynik dla częściowego wycinka — jest akurat wyższym z dwóch. To jest nudna odpowiedź i jest to właściwy wybór dla ścieżki produkcyjnej.

Jeśli prowadzisz ocenę lub Twoje obciążenie jest związane z długim kontekstem i na tyle wrażliwe na koszty, że jedna trzecia ceny danych wejściowych zmienia to, co jest opłacalne, uruchamiaj Pareto 26.10 Preview świadomie i z mechanizmem awaryjnym. Stawka 0,03 USD za milion za dane wejściowe z pamięci podręcznej wobec 0,25 USD to różnica między pętlą agenta, na którą stać Cię przez cały dzień, a taką, którą trzeba dawkować, a okno 1 048 576 tokenów jest jedynym z tych dwóch, które pozwala zmieścić duże repozytorium lub długi zestaw dokumentów w jednym żądaniu. Weź tę cenę, weź to okno i trzymaj datę wygaśnięcia we wpisie w kalendarzu, a nie w swoich założeniach.

To, co zmieniłoby tę radę, jest wąskie i sprawdzalne: ogłoszenie, że wersja zapoznawcza awansowała, a alias został przeniesiony; niezależny benchmark dla którejkolwiek z tych wersji; albo to, że wersja zapoznawcza będzie nadal działać po 15 października na tych samych stawkach. Każdy z tych czynników zamienia wybór dwukierunkowy w jednokierunkowy. Dopóki któryś z nich nie nastąpi, te dwa wydania w tej rodzinie to naprawdę różne produkty o naprawdę różnych profilach ryzyka, a jedyne, co kontrolujesz, to jaki ciąg znaków zawierają Twoje żądania.

Wydanie, które może zmienić się pod tobą w środku tygodnia, to właśnie ten przypadek, dla którego stworzono automatyczne przełączanie awaryjne: automatyczne przełączanie awaryjne podgląd, który wygasa lub zaczyna zwracać błędy, staje się zdarzeniem awaryjnym, a nie incydentem.