Pareto 26.9 против предварительной версии Pareto 26.10 от Unbiased: стабильная версия и предварительный просмотр

Линейка Pareto от Unbiased теперь предлагает два вызываемых релиза с двумя разными ответами на один и тот же вопрос, и с этой недели выбрать один из них придётся осознанно. Pareto 26.9 — это релиз, на который указывает псевдоним по умолчанию от вендора: 262 144 токена контекста, $2,50 за миллион входных токенов, без привязанной даты истечения. Pareto 26.10 Preview — это сборка с добровольным подключением: вчетверо больше контекста, примерно треть цены за входные данные, четыре оценки в бенчмарках, которые сам вендор называет предварительными, и дата истечения, вписанная в запись её каталога. Оба релиза уже живые. Оба принимают текст и изображения и возвращают текст. Ни один из них не является вариантом другого, который можно переключить флагом во время запроса.

Изменилось не что-то в самих моделях. Изменилось то, что у стабильного релиза наконец появился собственный адрес. 13 октября 2026 года маршрутизируемый каталог, в котором перечислено это семейство, начал включать unbiased/pareto-26.9 в качестве отдельно вызываемой записи — наряду с записью-псевдонимом, которая всегда перенаправляет на тот релиз, что является текущим. До этого единственным способом гарантированно обратиться к стабильной модели было запросить Pareto и принять то, что выдаст вам псевдоним. Теперь оба релиза стоят в одном списке со своими ценами, своими лимитами и своими метаданными о сроке действия — и выбор между ними становится решением, которое принимаете вы, а не тем, которое принимается за вас.

Два релиза, измерение за измерением

Все опубликованные различия между ними умещаются в этих семи строках. Слева — Pareto 26.9; справа — Pareto 26.10 Preview.

• Контекстное окно — 262 144 токенов против 1 048 576 токенов. В четыре раза больше места, при этом ни для одного из них не предлагается вариант с меньшим окном. • Максимальный вывод — 131 072 токенов против 131 072 токенов. Более широкое входное окно не дало более объёмного ответа. • Цена ввода — $2,50 за миллион токенов против $0,80. Предварительная версия — около 32% от стабильного тарифа. • Цена вывода — $7,50 за миллион токенов против $3,20. Около 43% от него. • Кэшированный ввод — $0,25 за миллион токенов против $0,03. У предварительной версии это примерно одна восьмая, и именно эта строка сильнее всего влияет на счёт агента при длительной работе. • Опубликованная таблица бенчмарков — одна оценка на частичном срезе задач против четырёх оценок, которые поставщик помечает как предварительные. • Условия стабильности — в записи нет срока истечения, и поставщик называет это выпуском по умолчанию, против предварительной версии, подключаемой по желанию, чья запись в каталоге содержит дату истечения 15 октября 2026 года.

Две из этих строк делают основную работу. Именно тариф на кэшированный ввод решает, будет ли длинная агентная траектория по средствам в любой из этих версий, а поле срока действия решает, можно ли вообще на таком превью что-то строить.

Почему номера версий не совпадают

Эти числа — метки месяцев, а не последовательность, из которой следует делать выводы. В собственной карточке модели Unbiased датирует Pareto 26.9 запуском 20 сентября 2026 года и описывает 26.10 Preview как выпуск 1 октября, последовавший за ним. Каталог, в котором указан 26.9, показывает, что запись о нём появилась 13 октября — через три недели после даты выпуска, которую указывает вендор. А в посте вендора о запуске предварительной версии говорится, что предыдущая версия «26.9» две недели работала на сторонних шлюзах под временным названием, прежде чем получила своё имя.

Сложите эти три утверждения вместе, и практический вывод будет таким: номер версии здесь сообщает, в каком месяце была сделана сборка, и ничего не говорит о том, актуальна ли эта сборка до сих пор, поддерживается ли она до сих пор и остаётся ли она той, что стоит за алиасом. Это также означает, что дата, которую вы видите на странице каталога, — это дата размещения в каталоге, а не дата выпуска. Трактовка её как даты выпуска — самая распространённая ошибка в отношении этого семейства, и теперь её допускают в обе стороны: 26.9 выглядит на три недели новее, чем есть на самом деле, а предварительная версия — на пять недель старше.

Что даёт предварительный просмотр и что на самом деле показывает таблица тестов

Аргумент в пользу предварительной версии — арифметика. В четыре раза больше контекста за треть цены за входные данные, причём тариф за чтение из кэша настолько низок, что длинная траектория стоит лишь малую долю того, что она стоила бы на 26.9. Unbiased также утверждает, что у предварительной версии ниже задержка, причём наибольший выигрыш — на длинных агентных прогонах; но за этим утверждением нет опубликованных измерений — ни от вендора, ни от кого-либо ещё.

Аргумент против того, чтобы рефлекторно за него хвататься, тоньше и кроется в единственном месте, где эти два релиза вообще можно сопоставить. На DeepSWE v1.1 — бенчмарке агентного программирования, на котором фигурируют оба релиза, — карточка модели вендора показывает Pareto 26.9 с 70,0% при $0,29 за задачу и Pareto 26.10 Preview с 69,9% при $0,24 за задачу. Более новый и дешёвый релиз набирает чуть меньше на единственном бенчмарке, где у обоих есть цифра, зато выигрывает по стоимости за задачу примерно на 17%. Это не скандал и не ошибка округления, от которой можно отмахнуться, — именно так и должна выглядеть более дешёвая комбинированная система, и это стоит знать, прежде чем предполагать, что Preview — однозначное улучшение.

К этому сравнению относятся две оговорки, и вендор публикует обе. Показатель 26,9 получен на срезе из 30 задач, а не на полном наборе DeepSWE v1.1, поэтому это не то же измерение, что у превью. И все числа здесь получены вендором: четыре оценки превью — 92,4% на GPQA-Diamond, 49,9% на Humanity's Last Exam в режиме только текста, 69,9% на DeepSWE v1.1, 50,8% на Terminal-Bench 4.0 — несут собственную пометку вендора «предварительные, могут измениться до финальной публикации», а в карточке модели указано, что знаменатели и методология расчёта стоимости всё ещё «требуют подтверждения». Никто за пределами Unbiased не публиковал оценку ни для одного из этих выпусков. Относитесь ко всей этой сводке как к поводу протестировать, а не как к поводу переключаться.

Срок действия — это то, что нужно учитывать при планировании.

В записи предварительной версии указана дата истечения срока действия — 15 октября 2026 года, на следующий день после того, как это было написано. Что произойдёт в эту дату, нигде из того, что мы смогли найти, не задокументировано: ни в журнале изменений, ни в карточке модели, ни на странице с ценами. Ничто в материалах вендора не говорит о том, что предварительная версия перестанет обслуживаться, а в посте о запуске по духу сказано обратное закрытию — что «цена не вырастет, и слаг предварительной версии не сломается у вас под ногами», и что при переходе из предварительной версии в общий доступ 26.10 становится выбором по умолчанию для подписчиков, а недельные лимиты удваиваются: с 25 млн до 50 млн токенов на тарифе Personal за $10 и с 300 млн до 600 млн на тарифе за $100.

Так что честное прочтение не таково: «предварительная версия умрёт завтра». Оно в том, что предварительная версия управляется условиями, которые меняются, и что сборка с полем срока действия в своей записи — это не тот выпуск, который стоит закреплять для системы, к которой вы не хотите возвращаться. В этом весь аргумент за 26.9 по умолчанию: она медленнее улучшается, и её ввод стоит в три раза дороже, но именно её поставщик называет выпуском, а не экспериментом, и на её записи нет никакого таймера.

Сохраняя оба без переписывания интеграции

Причина, по которой это решение о маршрутизации, а не о моделировании, в том, что оба релиза принимают одинаковую форму запроса. То же семейство эндпоинтов, те же параметры, та же поверхность «текст и изображение на входе / текст на выходе» — отличается только строка, которую вы помещаете в поле model. Из-за этого миграционная поверхность крошечная, а вся проблема сводится к дисциплине закрепления: ровно одно значение в ровно одном месте определяет, какая из двух систем с очень разной ценой вам ответит.

Это именно тот случай, для которогоDSL маршрутизации на OrcaRouter и был создан. Вы собираете вызов из именованных сегментов и храните строку модели как значение конфигурации, а не как константу, зашитую в код приложения, поэтому переход с preview на стабильный пин — это правка маршрута, а не деплой. То же самое касается цепочки отказоустойчивости: preview, который меняется, истекает или начинает возвращать ошибки, становится событием переключения на резерв, а не инцидентом. Мы не размещаем ни один из релизов Unbiased — это семейство, обслуживаемое вендором, с единственным провайдером, самим вендором, — поэтому вызывать его следует через собственный API Unbiased, и если ваша цель — сравнить оба релиза на собственной рабочей нагрузке, сегодня оба доступны там.

Какой закрепить?

Если вы выпускаете что-то, что должно отвечать в следующем месяце без чьего-либо вмешательства, зафиксируйте Pareto 26.9. Он стоит в три раза дороже за входной токен и даёт вчетверо меньше контекста, а взамен это тот релиз, на который указывает алиас вендора, у него нет поля срока действия, и его единственный опубликованный бенчмарк — оценка по частичному срезу — оказывается более высоким из двух. Это скучный ответ, и он правильный для продакшн-пути.

Если вы проводите оценку или если ваша нагрузка настолько длинноконтекстная и чувствительна к стоимости, что даже треть цены входных данных меняет представление о том, что жизнеспособно, запускайте Pareto 26.10 Preview осознанно и с резервным вариантом. Тариф за кэшированный ввод — $0,03 за миллион против $0,25 — это разница между циклом агента, который вы можете позволить себе целый день, и тем, который приходится дозировать, а окно в 1 048 576 токенов — единственное из двух, в которое помещается большой репозиторий или длинный набор документов в рамках одного запроса. Берите цену, берите окно и держите дату истечения срока в записи календаря, а не в своих предположениях.

Изменить эту рекомендацию могли бы лишь узкие и проверяемые события: объявление о том, что предварительная версия стала официальной, а псевдоним переключился, независимый бенчмарк для любого из двух релизов или предварительная версия, которая продолжит работать после 15 октября по тем же тарифам. Любое из них превращает выбор из двух вариантов в безальтернативный. Пока ни одно из этих событий не наступит, два релиза в этом семействе — это действительно разные продукты с действительно разными профилями риска, и единственное, что вы контролируете, — это какую строку содержат ваши запросы.

Релиз, который может измениться у вас под ногами в середине недели, — это тот случай, для которого и было создано автоматическое переключение при сбое: автоматическое переключение при сбое превью, срок действия которого истекает или которое начинает выдавать ошибки, становится событием отката, а не инцидентом.