Превью Pareto 26.10 от Unbiased: подмена 1M-контекста за той же строкой модели

Интеграция не меняется. А модель за ней — меняется. 1 октября 2026 года Unbiased перевела свою строку модели — pareto — на Pareto 26.10 Preview, новую версию с в четыре раза большим контекстным окном, более низкой ценой в маршрутизируемом каталоге и таблицей бенчмарков, которая, по собственному признанию вендора, предварительна и не опубликована в окончательном виде. Если вы сегодня вызываете Pareto по имени, вы вызываете 26.10 Preview, и в журнале изменений вендора об этом сказано предельно простыми словами: «Pareto 26.10 Preview теперь является текущим релизом Pareto… Строка модели остаётся pareto».

Эта единственная строка — это вся история для любого, у кого Pareto в стеке. Это не второй продукт, выпущенный вместе с первым. Это первый продукт, заменённый на месте, под именем, которое не изменилось — что означает, что версия, которую вы получаете, определяется календарём релизов, а не чем-либо в вашем запросе.

Что на самом деле изменилось 1 октября?

Четыре вещи сдвинулись, и не все они указывают в одном направлении.

• Контекстное окно — 262 144 токена в сентябрьском релизе Pareto, теперь 1 048 576. В собственной документации Unbiased эта цифра никогда не указывается; число взято из публичного технического описания модели, где это лимит на один запрос, и более скромного тарифа не предлагается.
• Цена с учётом маршрутизации — для Pareto обычно приводят пару: $2,50 за миллион входных токенов и $7,50 за миллион выходных, при этом кэшированный ввод — $0,25. В описании 26.10 Preview указаны $0,80, $3,20 и $0,03 соответственно — примерно треть ставки за ввод и чуть более 40% ставки за вывод.
• Оценки по бенчмаркам — впервые опубликованы для этого релиза и, по собственному определению поставщика, являются предварительными.
• Стабильный вариант — 26.10 Preview — это предварительная версия. В тексте каталога Unbiased сказано, что она «может измениться без предупреждения», и всем, кому нужно предсказуемое поведение, предлагается вместо неё предыдущий релиз.

Всё остальное осталось неизменным. Максимальный вывод по-прежнему составляет 131 072 токена. Ввод по-прежнему — текст и изображение; вывод по-прежнему — только текст. В листинге по-прежнему нет идентификатора Hugging Face, поэтому веса остаются закрытыми. И по-прежнему есть ровно один провайдер обслуживания — сама Unbiased — без второго хоста внутри листинга.

Цена — это то, что стоит перечитать дважды.

На собственной платформе Unbiased тарифная сетка не изменилась. Карточка модели и страница цен по-прежнему показывают $2.50 за миллион входных, $0.25 за кэшированные, $7.50 за выходные — те же три числа, что и в сентябрьском релизе — и поскольку строка модели осталась pareto, клиент, использующий API вендора, платит по этим тарифам за 26.10 Preview. Более низкие цифры — это те, что указаны в листинге маршрутизированного каталога, и разрыв между ними — именно то, что определяет миграцию.

Возможны два толкования, и поставщик не сказал, какое из них верно. Либо 26.10 Preview действительно предлагается дешевле через этот канал в рамках вводной промоакции, либо в листинге отражена иная коммерческая схема, чем на прямой платформе. Unbiased не публикует дату окончания промоакции, а цена, установленная в день запуска, не является обязательством.

Это та единственная часть истории, форму которой меняет роутер. OrcaRouter передаёт прайс-лист провайдера напрямую с 0% наценки, поэтому снижение цены поставщиком становится доступным на нашей стороне в тот же день, когда оно происходит, а не по циклу контракта — а автоматическое переключение при сбое означает, что preview-релиз, который на следующей неделе будет вести себя иначе, можно заменить без изменения кода. Мы не предоставляем Unbiased's Pareto 26.10 Preview, поэтому честная версия такова: если вам нужна именно эта модель, вызывайте её через собственный API Unbiased. Смысл только в том, что на preview-релизе и цена, и версия являются переменными, и ни одну из них не следует жёстко фиксировать в коде.

Таблица бенчмарка, с теми метками, с которыми она поставлялась

Unbiased опубликовал четыре оценки для 26.10 Preview, каждая в паре с измеренной стоимостью за задачу, и каждая содержит оговорку, которую написал сам вендор. Воспринимайте их как проведённые вендором и невоспроизведённые, потому что это именно так:

• DeepSWE v1.1 (агентное программирование) — 69,9%, при $0,24 за задачу
• Terminal-Bench 4.0 (агентное использование терминала) — 50,8%, при $0,48 за задачу
• Humanity's Last Exam, только текст (экспертное рассуждение) — 49,9%, при $0,008 за задачу
• GPQA-Diamond (научное рассуждение) — 92,4%, при $0,004 за задачу

Формулировка поставщика такова: 26.10 Preview «достигает границы Парето или устанавливает её на всех четырёх бенчмарках». Таблица, которую он публикует вместе с этим утверждением, более конкретна, и уже то, что она вообще опубликована, делает честь Unbiased: в Terminal-Bench 4.0 GPT 6 Astra указан с 58, а Fable 5.1 — с 56, оба выше 50,8 у Pareto, и собственный раздел поставщика «где другие модели набирают больше» прямо об этом говорит. В DeepSWE v1.1 релиз находится в кластере — GLM-5.3 и Kimi K3 указаны по 69,0 против 69,9 у Pareto, — что на практике означает ничью и укладывается в любую погрешность, которую несёт одиночный запуск.

У чисел сравнения есть вторая оговорка, которая важнее первой: они перенесены из сравнения от 21 сентября и, по словам поставщика, «не подтверждены независимо», к тому же они были получены в рамках отдельной оценки отдельных моделей — поэтому их не следует сопоставлять с показателями стоимости за задачу от Pareto так, будто и те и другие получены на одном и том же стенде. Поставщик говорит об этом в подробностях оценки. Читатель, который пропустит эту строку, переоценит график.

Чего во всём этом нет — так это независимости. Artificial Analysis — рейтинг, который большинство команд проверяет, прежде чем довериться новому имени в прайс-листе, — вообще не имеет страницы о Pareto. Каждое число выше было получено компанией, продающей модель. Единственное, что это смягчает, — то, что тестовый стенд для оценки открыт: вендор публикует воспроизводимый набор для прямого сравнения, который любой может направить на эндпоинт, — и это превращает «доверьтесь нашей оценке» в «перезапустите нашу оценку». Это реальное предложение, и оно не то же самое, что подтверждённое число. Пока никто не опубликовал повторный прогон.

Что означает «preview» в договоре

Слово здесь делает больше работы, чем примечания к выпуску. Собственная документация Unbiased описывает текущий доступ как доступ для оценки в соответствии с её условиями и заявляет, что коммерческое или производственное использование требует отдельного письменного соглашения. Новые учётные записи проверяются вручную, прежде чем выдаётся API-ключ. API совместим с OpenAI и Anthropic — базовый URL, ключ, строка модели, без переписывания — но документированная поверхность — это только chat completions и messages, с известными пробелами, которые поставщик открыто перечисляет: GET /v1/models не реализован, и неизвестные идентификаторы моделей не отклоняются, поэтому клиенты должны явно отправлять pareto, а не выяснять, что доступно.

Сложите ярлык предварительной версии и договор частной беты вместе — и эксплуатационная рекомендация напишется сама. Это модель, которую стоит оценивать на собственной нагрузке за слоем маршрутизации, а не та, которую ставят перед трафиком, приносящим доход, и забывают о ней. Механизм для этого непригляден: цепочка резервных вариантов, настроенная один раз, так что релиз, который меняется у вас под ногами в середине недели, становится изменением конфигурации, а не инцидентом. Unbiased потратила сентябрь на исправление именно этого класса проблем на своей стороне — запись в журнале изменений от 16 сентября фиксирует, что примерно 13% длинных нестриминговых запросов упирались в 120-секундный тайм-аут, а потолок шлюза был поднят до 300 секунд. Это вендор, откровенно говорящий о шероховатости. Это также напоминание о том, что эксплуатационный профиль предварительной версии всё ещё пишется.

На что обратить внимание, прежде чем взять на себя обязательства

Три конкретные вещи сняли бы открытые вопросы, и каждую из них можно проверить.

Первый — независимая оценка. Пока третья сторона не запустит 26.10 Preview на опубликованном тестовом стенде, 92,4 на GPQA-Diamond и 50,8 на Terminal-Bench — это заявления вендора о собственной работе: достаточно, чтобы решить, стоит ли тестировать, но недостаточно, чтобы решить, стоит ли мигрировать.

Второе — это то, как предпросмотр влияет на цену. Если листинг, прошедший маршрутизацию, остаётся на уровне $0,80 и $3,20, тогда как собственная платформа продавца удерживает $2,50 и $7,50, эта разница — решение по каналу, которое стоит понять, прежде чем строить модель затрат на любом из этих чисел.

Третье — это то, что «может измениться без уведомления» означает на практике. Предварительная версия, которую пересматривают дважды в месяц, — это иной инструмент, нежели та, которую замораживают и переименовывают в конце квартала, и именно в журнале изменений это проявится в первую очередь.

Ничто из этого не говорит против того, чтобы попробовать. Мультимодальная модель на 1M токенов, показывающая результаты, близкие к фронтирным, при цене $0,24 за задачу, стоит того, чтобы потратить полдня на реальную работу с собственными промптами, а такая проверка обходится дешевле, чем спор о ней. Это довод против предположения, что модель, которую вы тестируете на этой неделе, — это модель, которую вы получите на следующей неделе, — а для релиза, который сам вендор называет предварительной версией, это единственное предположение, которое должно быть верным.

Предварительный выпуск — как раз тот случай, для которого и было создано автоматическое переключение при сбое: автоматическое переключение при сбое превращает модель, которая меняется у вас под руками посреди недели, в изменение конфигурации, а не в простой.