Pareto 26.10 против Unbiased Pareto 26.10 Preview: одна и та же модель, две разные строки

Самый короткий честный ответ на вопрос, как Pareto 26.10 соотносится с Unbiased Pareto 26.10 Preview — это одна и та же модель, предоставляемая по той же цене, с тем же контекстным окном, тем же максимальным объёмом вывода, теми же четырьмя опубликованными оценками бенчмарков и той же базовой композитной архитектурой. Предварительная версия работала с 1 октября 2026 года; общедоступный релиз вышел 15 октября 2026 года, и собственный журнал изменений Unbiased описывает тарифы как перенесённые из предварительной версии без изменений. Между ними ничего не переобучали, и ни одна оценка не была перезапущена для страницы GA. Задокументированные сбои ИИ и инциденты с агентами, стоящие за подобными релизами, собраны в OrcaRouter AI Incident Archive, где каждая запись содержит собственные источники, уровень серьёзности, степень уверенности и флаг спорности.

Что изменилось — так это всё вокруг модели, и для читателя, у которого код в продакшене, это не мелочь. Строка preview выведена из обращения, алиас pareto теперь указывает на GA-релиз, а лимиты по подписке примерно удвоились при той же месячной цене. Если вы выбираете между этими двумя вариантами, вы выбираете не между двумя моделями — вы выбираете между двумя конфигурациями одной и той же модели, и одна из этих конфигураций больше не предлагается.

Почему это сравнение короче, чем кажется

Большинство страниц «X против Y» существуют потому, что две модели различаются в чём-то измеримом. В этом случае это не так, и сказать об этом прямо полезнее, чем искусственно создавать различие. Две записи — это один и тот же релиз в двух точках его жизненного цикла, и собственные материалы поставщика демонстрируют эту эквивалентность, а не просто подразумевают её: четыре оценки бенчмарков, опубликованные для предварительной версии в журнале изменений от 1 октября — 92.4% GPQA-Diamond, 49.9% Humanity's Last Exam text-only, 69.9% DeepSWE v1.1, 50.8% Terminal-Bench 4.0, при стоимости за задачу $0.004, $0.008, $0.24 и $0.48 соответственно — это те же четыре цифры, до десятичного знака, которые сегодня содержит карточка модели GA. Повторного прогона после GA не было, поэтому нет доказательств улучшения, как нет и доказательств регрессии.

Об этом стоит сказать, потому что переходы от preview к GA — это обычно то место, где поставщик незаметно что-то меняет. Здесь changelog прямо говорит обратное, и model card это подтверждает. Честная позиция такова: метка preview была статусом, а не другой моделью.

Что идентично и как это можно проверить

• Контекстное окно — 1 048 576 токенов у обоих. • Максимальный ответ — 131 072 токена у обоих. • Модальности — текст и изображения на входе, текст на выходе, у обоих. • Цены — $0,80 за миллион входных токенов, $0,03 за кэшированные входные, $3,20 за выходные. В журнале изменений GA указано, что тарифы перенесены из preview. • Параметры — max_tokens, temperature, top_p, tools, tool_choice, причём tool choice ограничен значением auto. • Бенчмарки — четыре оценки от 1 октября, без изменений и по-прежнему помечены как предварительные. • Веса — закрыты у обоих, и ни в одной из записей нет идентификатора Hugging Face. • Обслуживание — один провайдер, сам вендор, у обоих.

Ни один из них не требует субъективного суждения. Они взяты из одного и того же опубликованного документа, и читатель, который их проверит, увидит одни и те же цифры на любой из страниц.

Что не идентично?

Три вещи различаются, и у каждой есть последствие.

• Строка модели. Предварительная версия вызывалась идентификатором, специфичным для preview. Эта строка устарела — запись GA в Unbiased сообщает пользователям preview, что нужно переключиться на pareto или pareto-26.10. Релиз GA доступен по имени pareto-26.10, и именно его теперь выбирает простой алиас pareto. • Статус. Preview — это релиз, который, по словам поставщика, может измениться; GA-релиз — это версия поставщика по умолчанию. Это различие не влияет на токен, который вы получаете в ответ, но меняет то, что вы можете предполагать о следующем. Слот preview — это место, куда поставщик помещает версию, за которую он пока не готов отвечать; слот по умолчанию — это место, куда он помещает версию, за которую готов. • Лимит подписки. Personal перешёл на 50 млн токенов в неделю, а Personal Max — на 600 млн, при этом обе сохранили ранее опубликованные месячные цены $10 и $100. Карточка API с оплатой за токены при этом не изменилась.

Это полный список. Если вы надеялись на четвёртую строку о качестве вывода, её нет, и любая статья, которая вам её даёт, это выдумывает.

Если вы закрепили строку предварительного просмотра

Это та часть сравнения, к которой прилагается крайний срок.

Строка модели, указывающая на предварительную версию, по определению является строкой с ограниченным сроком жизни. Поставщик вывел её из эксплуатации 15 октября, а значит, у любого, кто закрепил её как меру воспроизводимости — разумный инстинкт, поскольку предварительная версия — это именно то, что хотелось бы зафиксировать, — теперь на руках строка, которая больше не соответствует текущему релизу. Миграция — это одна строка: укажите pareto-26.10 вместо идентификатора предварительной версии.

Есть тонкость, из-за которой это стоит делать осознанно, а не наспех. В документации для разработчиков Unbiased сказано, что неизвестные идентификаторы моделей пока не отклоняются, а строка с опечаткой всё равно обслуживается и тарифицируется как Pareto. Поэтому неудачная миграция здесь не провалится громко с ошибкой 404. Она тихо завершится успешно на алиасе — который у этого поставщика следует календарю релизов, а не вашей закреплённой версии. Если вы уходите с preview, проверьте, что строка, на которой вы оказались, — именно та, что вы имели в виду, потому что API никак вам об этом не сообщит.

Как сравнить их самостоятельно, учитывая, что они одинаковые

Поскольку опубликованные данные не позволяют различить эти два варианта, единственное сравнение, которое стоит проводить, — это сравнение на вашей собственной рабочей нагрузке. И это более дешёвое упражнение, чем кажется, потому что вы тестируете одну модель против вашей существующей базовой линии, а не две модели друг против друга.

Полностью исключите четыре опубликованные оценки из процесса принятия решения. Их проводит поставщик, в карточке модели сравнение названо предварительным, и указано, что результаты 26.10 получены в ходе запусков 1 октября и могут измениться до финальной публикации. Показатель GPQA-Diamond — 92.4% — с наибольшей вероятностью станет поводом для разговора о закупке, и именно у него нигде нет независимого аналога: по состоянию на 18 октября 2026 года ни один внешний оценщик не опубликовал повторный прогон ни одной из этих четырёх оценок. Рассматривайте его как гипотезу, а не как установленный факт.

Затем прогоните собственные задачи через GA-строку и сравните с тем, что вы используете сегодня, по двум действительно значимым осям: стоимость выполнения одной завершённой задачи — включая поведение кеша, поскольку при цене $0,03 за миллион кешированных входных токенов разница между тёплым и холодным промптом перевешивает арифметику на токен — и того, убирает ли контекстное окно в 1M этап извлечения из вашего пайплайна. Вторая причина — это вообще повод интересоваться этой моделью, и её можно измерить за полдня.

Именно для такого формата оценки и создаётся слой маршрутизации, и стоит чётко обозначить, что мы здесь покрываем, а что нет. OrcaRouter не предоставляет ни одной модели Unbiased, поэтому Pareto 26.10 вызывается через собственный API поставщика — и точка. Мы же предоставляем один ключ и одну интеграцию для моделей, с которыми вы будете его сравнивать, а также автоматическое переключение при сбое, чтобы модель-кандидат могла нести часть реального трафика, не делая производственный путь зависимым от неё. Объединение моделей в OrcaRouter идёт дальше в том же направлении для попарной части упражнения: несколько моделей отвечают на один и тот же запрос в одном вызове — это быстрый способ увидеть, чем ответ смешанной модели вроде Pareto отличается от базового ответа одной модели. Наш набор параметров охватывает более 200 моделей с наценкой 0% к прайс-листу поставщика — это утверждение о каталоге, который мы обслуживаем, а не об этой конкретной модели.

Что не решает переход к GA

Читатели обычно предполагают, что метка GA решает две вещи, но эта метка — нет.

Это не снимает вопросы по бенчмаркам. Та же страница, которая объявляет, что модель вышла из предварительного доступа, по-прежнему описывает четыре результата как предварительное сравнение и говорит, что результаты могут измениться до финальной публикации. Общая доступность — это утверждение о статусе продукта; поставщик не повысил уровень доказательств его качества, и никто другой тоже. Всякий, кто цитирует 92,4% на GPQA-Diamond, должен тут же приводить и оговорку, потому что сейчас оговорка — единственная часть этого числа, имеющая независимое обоснование.

Это не фиксирует цену. В записи о GA сказано, что тарифы перенесены без изменений, а в текущей карточке указано $0.80 / $0.03 / $3.20 — меньшая из двух цифр, опубликованных поставщиком для этой линейки моделей, поскольку техническая запись сентябрьского релиза по-прежнему содержит $2.50 за вход и $7.50 за выход. Датированной записи об этом изменении в журнале изменений нет, поэтому нижняя карточка — это то, что вы используете, а не то, чем можно обязать поставщика. Планируйте по ней свои расходы и перепроверьте, прежде чем подписывать что-либо, что опирается на неё.

Кого должно волновать, какая строка

Предварительная версия осталась в прошлом; единственный актуальный вопрос — закрепиться на релизе GA или следовать алиасу, и это напрямую зависит от типа рабочей нагрузки.

Закрепите pareto-26.10, если вам нужны воспроизводимость, атрибуция затрат или стабильное плечо сравнения на протяжении длительной оценки — а это большинство команд, которые сравнивают его с текущим решением. Следуйте за pareto, если вам действительно нужно текущее значение по умолчанию от поставщика и вы настроены замечать, когда оно изменится; алиас уже менялся однажды, 15 октября, и об этом объявляют в changelog.

Ни один из вариантов не связан с качеством, потому что запись не содержит разницы в качестве между этими двумя строками. Решение, которое действительно имеет значение, было принято за вас 15 октября, когда изменилось значение по умолчанию: то, что вы вызывали до этой даты, — это не то, что теперь возвращает псевдоним. Указание версии, которую вы тестировали, — единственный способ сделать это видимым, и это единственная организационная мелочь, которую оставляет после себя этот переход.