Pareto 26.10 พร้อมใช้งานทั่วไปแล้ว: อะไรเปลี่ยนไปจริง ๆ เมื่อป้าย Preview ถูกถอดออก

Pareto 26.10 — รีลีสที่ Unbiased วางขายในชื่อ Pareto 26.10 Preview ตั้งแต่ 1 ตุลาคม 2026 — ได้เปิดให้ใช้งานทั่วไปเมื่อ 15 ตุลาคม 2026 นั่นคือข่าวทั้งหมด และมันเล็กกว่าความหมายที่คำว่า "generally available" มักสื่ออยู่มาก โมเดลไม่เปลี่ยนแปลง ราคาไม่เปลี่ยนแปลง ตาราง benchmark ไม่เปลี่ยนแปลง และที่บ่งบอกชัด ผู้ขายยังคงเรียกตัวเลขเหล่านั้นว่าขั้นต้นบนหน้าเดียวกันกับแบนเนอร์ GA สิ่งที่เปลี่ยนคือการกำหนดเส้นทาง: สตริงโมเดล paretoตอนนี้ชี้ไปที่ 26.10 โดยค่าเริ่มต้น ในขณะที่สองสัปดาห์ก่อนหน้านี้มันชี้ไปที่รีลีสก่อนหน้า และ 26.10 เป็นสิ่งที่คุณต้องเลือกใช้โดยระบุชื่อ ความล้มเหลวของ AI และเหตุการณ์ของเอเจนต์ที่ได้รับการบันทึกไว้ซึ่งอยู่เบื้องหลังรีลีสแบบนี้ถูกรวบรวมไว้ใน the OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งที่มา ระดับความรุนแรง เกรดความเชื่อมั่น และธงข้อโต้แย้งของตัวเอง

ความแตกต่างนี้คุ้มค่ากับเวลาสองนาทีที่ใช้ในการอ่าน เพราะมันคือความแตกต่างระหว่างรีลีสที่คุณเลือกเองกับรีลีสที่เข้ามาเอง ใครก็ตามที่เรียกใช้paretoเมื่อวันที่ 14 ตุลาคมจะได้รับโมเดลรุ่นเก่า ใครก็ตามที่เรียกใช้มันเมื่อวันที่ 16 ตุลาคมจะได้รับ 26.10 — พร้อมหน้าต่างบริบทที่ต่างออกไป ราคาที่ต่างออกไป และสตริงโมเดลที่อยู่เบื้องหลังแตกต่างกัน โดยไม่ต้องเปลี่ยนโค้ดแม้แต่บรรทัดเดียว

มีอะไรเคลื่อนไหวเมื่อวันที่ 15 ตุลาคม

รายการบันทึกการเปลี่ยนแปลงของผู้ขายสำหรับวันที่นั้นสั้นและชัดเจนไม่กำกวม และมีข้อกล่าวอ้างสามประการที่ควรแยกออกจากกัน

• alias เริ่มต้นถูกย้ายแล้ว สตริง pareto ตอนนี้เลือก 26.10 ถ้อยคำของ Unbiased เองระบุว่า alias “ตอนนี้ชี้ไปที่ 26.10” ซึ่งเป็นข้อความเกี่ยวกับการกำหนดเส้นทาง ไม่ใช่เกี่ยวกับโมเดล • สตริงที่ระบุวันที่ยังใช้ได้ pareto-26.10 ปักหมุดรีลีสนี้ไว้ และ pareto-26.9 “ยังคงพร้อมใช้งาน” สำหรับใครก็ตามที่ต้องการเวอร์ชันก่อนหน้า สตริงพรีวิวถูกปลดระวางแล้ว: ผู้ใช้พรีวิวได้รับแจ้งให้เปลี่ยนไปใช้ pareto หรือ pareto-26.10 นั่นคือการย้ายที่คุณต้องทำด้วยตนเองหากคุณเคยอยู่ในพรีวิว • โควตาการสมัครสมาชิกเพิ่มเป็นสองเท่าในราคาเดิม Personal เพิ่มเป็น 50M โทเคนต่อสัปดาห์ และ Personal Max เป็น 600M โดยทั้งสองมีค่าใช้จ่ายรายเดือนเท่าเดิมที่ $10 และ $100 เรตการ์ด API เอง — $0.80 ต่อล้านโทเคนอินพุต, $0.03 อินพุตแคช, $3.20 เอาต์พุต — ระบุไว้อย่างชัดเจนว่า “ไม่เปลี่ยนแปลงจากพรีวิว”

ดังนั้นงานอีเวนต์ GA ก็คือการสลับ alias, สตริงที่เลิกใช้แล้ว, และโควต้ารายสัปดาห์ที่มากขึ้น ไม่มีอะไรในรายการนั้นที่ทำให้โมเดลดีขึ้นเลย สองในสามข้อทำให้มันถูกลงหรือใช้งานง่ายขึ้น ซึ่งสำหรับผู้อ่านส่วนใหญ่แล้วนั่นแหละคือประเด็น

สเปกชีตตามที่ระบุไว้ในเอกสาร

Pareto 26.10 เป็นโมเดลที่รับข้อความและภาพเข้า แล้วส่งออกเป็นข้อความ โดยมีหน้าต่างบริบท 1,048,576 token และคำตอบสูงสุด 131,072 token ทั้งสองค่านี้เป็นข้อเท็จจริง ณ ปัจจุบันตามที่ประกาศไว้ ไม่มีค่าใดถูกวัดอย่างอิสระ และหน้าคาราคาของ Unbiased เองก็ไม่ได้ระบุตัวเลขบริบทไว้เลย คุณได้ตัวเลขนั้นจากบันทึกการลงรายการทางเทคนิคของโมเดลและจาก model card ของผู้จำหน่าย ซึ่งเป็นช่องว่างด้านเอกสารเล็ก ๆ ที่ควรรู้ก่อนจะกำหนดขนาดเวิร์กโหลดให้สอดคล้องกับมัน

ในส่วนของพารามิเตอร์ ชุดที่ระบุไว้ในเอกสารประกอบด้วย max_tokens, temperature, top_p, tools และ tool_choice ตัวสุดท้ายนี้มีข้อจำกัด: คุณสามารถปล่อยให้โมเดลตัดสินใจว่าจะเรียกใช้เครื่องมือหรือไม่ แต่คุณไม่สามารถบังคับให้เรียกได้เหมือนกับที่ทำได้บน API ระดับแนวหน้าส่วนใหญ่ นอกจากนี้ยังไม่มี response_format ในรายการพารามิเตอร์ที่เผยแพร่ ซึ่งสำคัญหากไปป์ไลน์ของคุณพึ่งพาเอาต์พุตแบบมีโครงสร้าง ไม่มีตัวระบุ Hugging Face ปรากฏอยู่ที่ใดเลยในบันทึก ดังนั้นน้ำหนักโมเดลจึงเป็นแบบปิด และผู้ขายอธิบายว่า Pareto เป็นคอมโพสิต — โมเดลแบบผสมที่รันโมเดลพื้นฐานหลายตัวกับคำขอและเก็บผลลัพธ์ที่มันพิจารณาว่าดีที่สุด นั่นเป็นข้อกล่าวอ้างเกี่ยวกับกลไกที่บริษัทผู้ขายเป็นผู้ระบุ โดยไม่มีการตรวจสอบจากภายนอก

การกระโดดของบริบทคือส่วนที่ควรหยุดพิจารณา รุ่นก่อนหน้ารองรับ 262,144 โทเคน; 26.10 เพิ่มเป็นสี่เท่าเป็น 1,048,576 พูดคร่าว ๆ นั่นย้ายงานขนาดเท่าฐานโค้ดหรือขนาดเท่าบทถอดเสียงจาก "คุณจะต้องแบ่งมันเป็นส่วน ๆ" ไปเป็น "คุณส่งมันไปได้เลย" มันยังเป็นข้อโต้แย้งที่แข็งแกร่งที่สุดเพียงข้อเดียวสำหรับการมองว่า 26.10 และ 26.9 เป็นโมเดลที่แตกต่างกันจริง ๆ แทนที่จะเป็นการอัปเวอร์ชัน ซึ่งเป็นคำถามที่หน้าคู่เปรียบเทียบทั้งสองหน้าในชุดนี้พยายามหาคำตอบ

แผ่นงานเกณฑ์มาตรฐานยังคงระบุว่าเป็นเบื้องต้น

มีการเผยแพร่คะแนนสี่รายการสำหรับ 26.10 โดยทั้งหมดมาจากการรันเมื่อวันที่ 1 ตุลาคม ทั้งหมดดำเนินการโดยผู้ขาย และทั้งหมดมีป้ายกำกับที่ผู้ขายเขียนไว้สำหรับคะแนนเหล่านั้น

• DeepSWE v1.1 — 69.9% โดยมีค่าเฉลี่ยตามที่รายงานอยู่ที่ $0.24 ต่อหนึ่งงาน • Terminal-Bench 4.0 — 50.8% ที่ $0.48 ต่อหนึ่งงาน • Humanity's Last Exam แบบข้อความล้วนเท่านั้น — 49.9% ที่ $0.008 ต่อหนึ่งงาน • GPQA-Diamond — 92.4% ที่ $0.004 ต่อหนึ่งงาน

การ์ดโมเดลของผู้ขายเรียกสิ่งนี้ว่า “การเปรียบเทียบเบื้องต้น” ระบุว่าผลลัพธ์ 26.10 มาจากการรันเมื่อวันที่ 1 ตุลาคม 2026 และ “อาจเปลี่ยนแปลงได้ก่อนการเผยแพร่ฉบับสมบูรณ์” พร้อมตั้งข้อสังเกตว่าตัวหารและระเบียบวิธีคิดต้นทุน “จำเป็นต้องได้รับการยืนยัน” ตัวเลข GPQA-Diamond โดยเฉพาะนั้นเป็นตัวเลขที่สะดุดตาเป็นพิเศษ — 92.4% จะทำให้โมเดลเราเตอร์แบบผสมอยู่ในอาณาเขตที่ปกติสงวนไว้สำหรับระบบการให้เหตุผลระดับแนวหน้า — และเป็นตัวเลขที่ไม่มีคู่เทียบที่เป็นอิสระโดยตรง ณ วันที่ 18 ตุลาคม 2026 ยังไม่มีผู้ประเมินรายใดเผยแพร่การรันซ้ำของทั้งสี่รายการนี้

ยังมีการเปรียบเทียบบนการ์ดเดียวกันที่ผู้ขายเองระบุว่ายังไม่ได้รับการตรวจสอบอย่างอิสระ โดยรุ่นก่อนหน้าทำคะแนนสูงกว่าในเกณฑ์มาตรฐานเดียวที่ทั้งสองมีร่วมกัน: 26.9 ได้ 70.0% บน DeepSWE v1.1 เทียบกับ 69.9% ของ 26.10 ช่องว่างนั้นคือหนึ่งในสิบของจุด บนชุดงานย่อย 30 งาน ไม่ใช่ชุดประเมินเต็ม และควรตีความว่า "สองรุ่นนี้แยกกันไม่ออกในการวัดนี้" ไม่ใช่การจัดอันดับในทิศทางใดทิศทางหนึ่ง หากคุณจะจำสิ่งเดียวจากแผ่นเกณฑ์มาตรฐานนี้ ให้จำสิ่งนั้น: ตัวเลขที่เผยแพร่ไม่ได้แยกสองรุ่นนี้ออกจากกัน ดังนั้นเหตุผลที่จะย้ายไป 26.10 คือหน้าต่างบริบทและการกำหนดเส้นทาง ไม่ใช่คะแนน

GA ให้อะไรคุณได้จริง และไม่ได้ให้อะไรบ้าง

ผลกระทบในทางปฏิบัติสามประการ เรียงตามโอกาสที่จะก่อปัญหา

ประการแรก หากคุณกำลังปักหมุดสตริงพรีวิวอยู่ การเรียกของคุณตอนนี้กลายเป็นงานบำรุงรักษาแล้ว สตริงพรีวิวถูกแทนที่แล้ว ผู้ขายชี้ให้คุณไปที่ pareto หรือ pareto-26.10 ใครก็ตามที่ถือว่าสตริงพรีวิวเป็นสแนปช็อตที่เสถียร — ซึ่งเป็นสัญชาตญาณที่สมเหตุสมผลสำหรับพรีวิว — ตอนนี้มีสตริงโมเดลที่ไม่แสดงถึงรีลีสปัจจุบันอีกต่อไป

ประการที่สอง หากคุณกำลังเรียกใช้ paretoในฐานะ alias แบบเปล่า ๆ และคิดว่ามันเสถียร สมมติฐานนั้นผิดมาตลอดและตอนนี้ก็เห็นได้ชัดแล้ว คุณย้ายจากบริบท 262K ไปเป็นบริบท 1M และจากตารางราคาเดือนกันยายนมาเป็นฉบับปัจจุบันโดยไม่ถาม เอกสารของผู้ให้บริการระบุว่ายังไม่มีการปฏิเสธตัวระบุโมเดลที่ไม่รู้จัก — การพิมพ์ผิดยังคงได้รับการให้บริการและเรียกเก็บเงินเป็น Pareto — ดังนั้นพฤติกรรมของ alias จึงเป็นสิ่งเดียวที่กันคุณจากการเปลี่ยนแปลงเวอร์ชันแบบเงียบ ๆ หากความสามารถในการทำซ้ำเป็นสิ่งสำคัญ ให้ปักหมุดสตริงที่ระบุวันที่ไว้; นี่คือเหตุผลที่ต้องทำเช่นนั้นในประโยคเดียว

ประการที่สาม การเพิ่มโควตาเป็นสองเท่าทำให้การคำนวณสำหรับปริมาณงานที่สม่ำเสมอเปลี่ยนไป ที่ 50M โทเคนต่อสัปดาห์ในราคา $10 ต่อเดือนสำหรับ Personal ภาระงานเขียนโค้ดหรือวิจัยของผู้ใช้คนเดียวที่มีปริมาณสูงสามารถอยู่ในขอบเขตการสมัครสมาชิกแทนการคิดค่าบริการตามโทเคนได้ นั่นไม่ใช่ข้อกล่าวอ้างเกี่ยวกับโมเดล และโควตาดังกล่าวเป็นเพดานมากกว่าการใช้งานแบบไม่จำกัด แต่เป็นส่วนของรายการวันที่ 15 ตุลาคมที่เปลี่ยนแปลงสิ่งที่คุณจ่าย

จุดที่เราเตอร์ลงตัว ตามจริงแล้ว

OrcaRouter ไม่ได้ให้บริการโมเดล Unbiased ใด ๆ หากคุณต้องการ Pareto 26.10 คุณต้องเรียกผ่าน API ของผู้ให้บริการเอง — นั่นคือเส้นทางเดียว และเราจะไม่สื่อเป็นนัยเป็นอย่างอื่น สิ่งที่เลเยอร์การกำหนดเส้นทางมีไว้ทำในกรณีนี้คือการตัดสินใจรอบ ๆ มัน: คีย์เดียวกันและการผสานรวมเดียวกันสำหรับทั้งสองฝั่งของการเปรียบเทียบ ดังนั้นการประเมิน 26.10 เทียบกับสิ่งที่คุณใช้งานอยู่แล้วจึงไม่ต้องมีสัญญาใบที่สองและ SDK ตัวที่สอง และโมเดลที่เปลี่ยนไปใต้เท้าคุณกลางสัปดาห์ก็กลายเป็นการแก้ไขคอนฟิกแทนที่จะเป็นการล่ม ประเด็นสุดท้ายนี้คือสิ่งที่paretoพลิกจาก 26.9 เป็น 26.10 ในวันที่ 15 ตุลาคม ดูเป็นอย่างไรจากภายนอก: การย้าย alias ฝั่งผู้ให้บริการที่เกิดขึ้นโดยไม่มีสัญญาณใด ๆ ในคำขอ ของเราเตอร์ระบบเฟลโอเวอร์อัตโนมัติและ routing DSLมีไว้สำหรับกรณีที่ dependency เช่นนั้นเริ่มเกิดข้อผิดพลาดหรือหมดเวลา และเป็นกรณีที่เป้าหมายสำรองควรถูกระบุชื่อไว้แล้วก่อนที่มันจะเกิดขึ้น

OrcaRouter ส่งต่อราคาตามรายการของผู้ให้บริการโดยตรง โดยบวกเพิ่ม 0% ดังนั้นเมื่อผู้ให้บริการเปลี่ยนแปลงอัตราค่าบริการ ฝั่งเราจะมีผลทันทีในวันเดียวกับที่ประกาศ ซึ่งเป็นข้อได้เปรียบที่แท้จริงโดยทั่วไป และไม่ใช่เหตุผลที่จะจัดเส้นทางไปยังโมเดลที่เราไม่ได้ให้บริการ

ใครควรย้ายสัปดาห์นี้

ย้ายไปที่ pareto-26.10 หากคุณต้องการหน้าต่าง 1M โทเค็น นั่นคือความแตกต่างที่เป็นรูปธรรมและตรวจสอบได้ระหว่างรีลีส และเป็นเหตุผลเดียวบนโต๊ะที่แผ่น Benchmark ไม่สามารถโต้แย้งได้ ปักหมุดสตริงที่ระบุวันที่แทน alias ขณะที่คุณทำ เพื่อให้การสลับ alias ครั้งต่อไปเป็นสิ่งที่คุณกำหนดเวลา

ใช้pareto-26.9 ต่อไป หากคุณอยู่ระหว่างโปรเจกต์และบริบทของคุณพอดีภายใน 262K คะแนนที่เผยแพร่ทั้งสองอยู่ห่างกันหนึ่งในสิบของจุดบนชุดทดสอบของผู้ขายเอง ไม่มีหลักฐานในบันทึกสาธารณะว่าการย้ายจะช่วยปรับปรุงคุณภาพเอาต์พุต คุณยังคงได้สตริงที่ผู้ขายกล่าวว่ายังคงมีให้ใช้งาน

เดี๋ยวก่อน ถ้าคุณยังใช้สตริงพรีวิวอยู่และยังไม่แน่ใจ: การย้ายข้อมูลเป็นการเปลี่ยนแปลงเพียงบรรทัดเดียว แต่มันเป็นส่วนเดียวของรีลีสนี้ที่การไม่ทำอะไรเลยมีโหมดความล้มเหลวที่ชัดเจน

อะไรจะทำให้การอ่านนี้เปลี่ยนไป

สามสิ่งด้วยกัน โดยยังไม่มีสักสิ่งเดียวที่มองเห็นได้ในตอนนี้

การรันเบนช์มาร์กแบบอิสระ ทุกตัวเลขในบทความนี้เป็นของ Unbiased เอง บนฮาร์เนสของ Unbiased พร้อมข้อควรระวังของ Unbiased ที่แนบมาด้วย การรันซ้ำโดยบุคคลภายนอกคือสิ่งที่มีประโยชน์ที่สุดเพียงอย่างเดียวที่อาจปรากฏขึ้น และจนกว่าจะมี ตัวเลข GPQA-Diamond 92.4% ควรถูกอ้างเป็นผลลัพธ์ที่ผู้ขายรายงาน หรือไม่ควรอ้างเลย

การเปลี่ยนแปลงราคาที่ระบุวันที่ การ์ดนี้เคยเปลี่ยนแปลงมาก่อนโดยไม่มีบันทึกการเปลี่ยนแปลง (changelog) อธิบาย ซึ่งเป็นข้อเสนอที่คุ้มกว่าแต่เป็นสัญญาณที่แย่กว่า GA ยกอัตราเดิมมาโดยระบุอย่างชัดเจน ครั้งต่อไปที่ราคาเปลี่ยน ไม่ว่าผู้ขายจะลงวันที่หรือไม่ สิ่งนี้จะบอกคุณว่าคุณวางแผนกับราคาของโมเดลนี้ได้มากเพียงใด

เส้นทางการให้บริการเส้นที่สอง โมเดลนี้ถูกให้บริการโดยผู้ให้บริการรายเดียว จึงไม่มีเป้าหมายสำหรับการสลับไปใช้เมื่อเกิดความล้มเหลวภายในสแต็กของผู้ให้บริการเอง สำหรับสิ่งใดก็ตามที่ 26.10 เป็นเส้นทางวิกฤต นั่นถือเป็นข้อจำกัดด้านการออกแบบที่ต้องหาทางรับมือ ไม่ใช่รายละเอียดที่เพียงบันทึกเก็บไว้

คำถามที่ยังคงถูกหยิบยกขึ้นมาเรื่อยๆ

Pareto 26.10 เป็นโมเดลใหม่ หรือเป็นเวอร์ชันพรีวิวที่เปลี่ยนชื่อกำกับ? ในเชิงการทำงานแล้วมันคือรุ่นพรีวิว: หน้าต่างบริบทเดียวกัน ราคาเดียวกัน คะแนนที่เผยแพร่สี่รายการเดียวกัน และโมเดลเบื้องหลังเดียวกัน สิ่งที่ GA เปลี่ยนคือการกำหนดเส้นทาง — ตอนนี้ alias pareto เลือกมันแล้ว — บวกกับสิทธิ์การสมัครสมาชิกที่เพิ่มเป็นสองเท่าและการยกเลิกใช้สตริงพรีวิว

การติดป้ายว่า generally available หมายความว่า benchmark เป็นฉบับสุดท้ายแล้วหรือไม่ ไม่ใช่ และนี่คือรายละเอียดที่การรายงานข่าวส่วนใหญ่เกี่ยวกับ changelog วันที่ 15 ตุลาคมจะมองข้ามไป หน้าเว็บของผู้ขายรายเดียวกันที่ประกาศ general availability ยังคงอธิบายคะแนนทั้งสี่ว่าเป็นการเปรียบเทียบเบื้องต้น และระบุว่าผลลัพธ์อาจเปลี่ยนแปลงได้ก่อนการเผยแพร่ฉบับสุดท้าย general availability อธิบายสถานะของโมเดลในฐานะผลิตภัณฑ์ ไม่ได้ยกระดับหลักฐานเกี่ยวกับคุณภาพของโมเดล

การเปลี่ยน alias ทำให้คนที่เพิกเฉยต่อมันต้องเสียอะไรจริง ๆ บ้าง? ไม่ต้องเสียอะไรเลย หากสิ่งที่พวกเขาต้องการคือรีลีสใหม่ล่าสุด แต่หากสิ่งที่พวกเขาต้องการคือเวอร์ชันที่พวกเขาทดสอบไว้ มันทำให้พวกเขาต้องเสียหน้าต่างบริบทที่พวกเขาไม่ได้เลือก และตารางราคาที่พวกเขาไม่ได้ตรวจสอบ — ทั้งสองอย่างกู้คืนได้ด้วยการ pin และทั้งสองอย่างไม่สามารถสร้างขึ้นใหม่ย้อนหลังได้จากใบเรียกเก็บเงิน