Pareto 26.9 เทียบกับ Pareto 26.10 Preview ของ Unbiased: พินที่เสถียรและพรีวิว

ไลน์ Pareto ของ Unbiased ตอนนี้มีสองรีลีสที่เรียกใช้งานได้ พร้อมคำตอบที่ต่างกันสองแบบต่อคำถามเดียวกัน และตั้งแต่สัปดาห์นี้เป็นต้นไป คุณต้องเลือกอย่างใดอย่างหนึ่งโดยเจตนา Pareto 26.9 คือรีลีสที่ alias เริ่มต้นของผู้ขายชี้ไป: คอนเท็กซ์ 262,144 โทเคน, $2.50 ต่อล้านโทเคนอินพุต, ไม่มีวันหมดอายุผูกไว้ Pareto 26.10 Preview คือบิลด์แบบเลือกใช้เอง (opt-in): คอนเท็กซ์มากกว่าเดิมสี่เท่า, ราคาอินพุตประมาณหนึ่งในสาม, คะแนนเบนช์มาร์กสี่รายการที่ผู้ขายเองเรียกว่าเบื้องต้น, และวันหมดอายุที่เขียนไว้ในบันทึกแคตตาล็อกของมัน ทั้งคู่ใช้งานได้จริง ทั้งคู่รับข้อความและรูปภาพเข้า และคืนข้อความออกมา ไม่มีตัวใดเป็นตัวแปรของอีกตัวที่คุณสลับได้ด้วยแฟล็กในเวลาส่งคำขอ

สิ่งที่เปลี่ยนแปลงไปไม่ใช่โมเดลใดโมเดลหนึ่ง แต่เป็นเพราะในที่สุดเวอร์ชันเสถียรก็มีที่อยู่ของตัวเอง เมื่อวันที่ 13 ตุลาคม 2026 แค็ตตาล็อกแบบกำหนดเส้นทางที่แสดงรายการตระกูลนี้เริ่มบรรจุ unbiased/pareto-26.9 เป็นรายการที่เรียกแยกได้ ควบคู่ไปกับรายการนามแฝงที่เปลี่ยนเส้นทางไปยังเวอร์ชันที่ใช้งานอยู่ในปัจจุบันเสมอ ก่อนหน้านั้น วิธีเดียวที่จะเข้าถึงโมเดลเสถียรได้อย่างแน่นอนคือการขอ Pareto และยอมรับสิ่งใดก็ตามที่นามแฝงหยิบยื่นให้คุณ ตอนนี้ทั้งสองเวอร์ชันอยู่ในรายการเดียวกันพร้อมราคาของตัวเอง ขีดจำกัดของตัวเอง และข้อมูลเมตาเกี่ยวกับวันหมดอายุของตัวเอง — และการเลือกระหว่างทั้งสองคือการตัดสินใจที่คุณเป็นคนทำ ไม่ใช่สิ่งที่ถูกทำให้แทนคุณ

การเปิดตัวทั้งสองครั้ง เมื่อพิจารณาทีละมิติ

ความแตกต่างที่เผยแพร่ทุกประการระหว่างทั้งสองนั้นอยู่ในเจ็ดบรรทัดนี้ ด้านซ้ายคือ Pareto 26.9; ด้านขวาคือ Pareto 26.10 Preview

• หน้าต่างบริบท — 262,144 โทเคน เทียบกับ 1,048,576 โทเคน ความจุมากกว่าเป็นสี่เท่า โดยไม่มีระดับที่เล็กกว่าให้เลือกในทั้งสองรุ่น • เอาต์พุตสูงสุด — 131,072 โทเคน เทียบกับ 131,072 โทเคน หน้าต่างอินพุตที่ใหญ่ขึ้นไม่ได้ให้คำตอบที่ใหญ่ขึ้น • ราคาอินพุต — $2.50 ต่อล้านโทเคน เทียบกับ $0.80 พรีวิวอยู่ที่ประมาณ 32% ของอัตรารุ่นเสถียร • ราคาเอาต์พุต — $7.50 ต่อล้านโทเคน เทียบกับ $3.20 คิดเป็นประมาณ 43% ของราคานั้น • อินพุตที่แคชไว้ — $0.25 ต่อล้านโทเคน เทียบกับ $0.03 พรีวิวมีราคาประมาณหนึ่งในแปด ซึ่งเป็นบรรทัดที่ส่งผลต่อบิลของเอเจนต์ที่ทำงานระยะยาวมากที่สุด • ตารางเบนช์มาร์กที่เผยแพร่ — หนึ่งคะแนน จากชุดงานย่อยเพียงบางส่วน เทียบกับสี่คะแนนที่ผู้ขายติดป้ายว่าเป็นเบื้องต้น • เงื่อนไขด้านความเสถียร — ไม่มีวันหมดอายุในบันทึก และผู้ขายเรียกรุ่นนี้ว่าเป็นรุ่นเผยแพร่เริ่มต้น เทียบกับพรีวิวแบบเลือกเข้าร่วม ซึ่งบันทึกในแค็ตตาล็อกมีวันหมดอายุ 15 ตุลาคม 2026

สองแถวในนั้นแบกงานไว้เกือบทั้งหมด อัตราอินพุตที่แคชไว้คือตัวที่ตัดสินว่าวิถีการทำงานแบบเอเจนต์ที่ยาวนานจะจ่ายไหวหรือไม่บนรีลีสใดก็ตาม และฟิลด์วันหมดอายุคือตัวที่ตัดสินว่าพรีวิวนี้เป็นสิ่งที่คุณต่อยอดสร้างได้เลยหรือไม่

ทำไมหมายเลขเวอร์ชันจึงไม่ตรงกัน

ตัวเลขเหล่านี้เป็นป้ายกำกับเดือน ไม่ใช่ลำดับที่คุณควรใช้ในการอนุมาน การ์ดโมเดลของ Unbiased เองระบุวันที่ของ Pareto 26.9 ว่าเป็นการรันเมื่อวันที่ 20 กันยายน 2026 และอธิบายว่า 26.10 Preview คือเวอร์ชันที่เผยแพร่เมื่อวันที่ 1 ตุลาคมซึ่งตามมา แคตตาล็อกที่ระบุ 26.9 แสดงว่าเวอร์ชันนี้เข้าสู่บันทึกของตนเมื่อวันที่ 13 ตุลาคม — สามสัปดาห์หลังจากวันเผยแพร่ที่ผู้ขายระบุไว้ และโพสต์เปิดตัวพรีวิวของผู้ขายระบุว่าเวอร์ชันก่อนหน้าอย่าง "26.9" ได้ทำงานมาเป็นเวลาสองสัปดาห์บนเกตเวย์ของบุคคลที่สามภายใต้ชื่อชั่วคราวก่อนที่จะได้รับการตั้งชื่อ

เมื่อนำข้อความทั้งสามนี้มารวมกัน บทเรียนในทางปฏิบัติก็คือ หมายเลขเวอร์ชันตรงนี้บอกว่าบิลด์นั้นมาจากเดือนไหน และไม่ได้บอกเลยว่าบิลด์นั้นยังเป็นเวอร์ชันปัจจุบัน ยังได้รับการรองรับ หรือยังเป็นบิลด์ที่ alias ชี้ไปถึงอยู่หรือไม่ มันยังหมายความว่าวันที่ที่คุณเห็นในหน้าคาตาล็อกเป็นวันที่ลงรายการ ไม่ใช่วันที่เปิดตัว การตีความว่ามันเป็นอย่างหลังคือความผิดพลาดที่พบบ่อยที่สุดเพียงอย่างเดียวเกี่ยวกับตระกูลนี้ และตอนนี้ความผิดพลาดนี้เกิดขึ้นทั้งสองทาง: 26.9 ดูใหม่กว่าที่เป็นจริงสามสัปดาห์ และพรีวิวดูเก่ากว่าที่เป็นจริงห้าสัปดาห์

สิ่งที่การพรีวิวให้ และสิ่งที่ชีตเกณฑ์มาตรฐานบอกไว้จริง ๆ

เหตุผลที่สนับสนุนพรีวิวเป็นเรื่องของเลขคณิต บริบทสี่เท่าในราคาหนึ่งในสามของราคาอินพุต โดยมีอัตราการอ่านแคชต่ำพอที่เส้นทางยาวจะเสียค่าใช้จ่ายเพียงเศษเสี้ยวของค่าใช้จ่ายที่จะเกิดขึ้นบน 26.9 Unbiased ยังอ้างว่ามีความหน่วงต่ำกว่าบนพรีวิว โดยได้ประโยชน์สูงสุดจากการรันแบบเอเจนติกที่ยาวนาน — ซึ่งเป็นการอ้างที่ไม่มีผลการวัดที่เผยแพร่รองรับ ไม่ว่าจะจากผู้ขายหรือใครก็ตาม

ข้อโต้แย้งต่อการเอื้อมหยิบมันมาใช้โดยสัญชาตญาณนั้นละเอียดอ่อนกว่า และอยู่ในจุดเดียวที่ทั้งสองรุ่นพอจะเทียบกันได้ บน DeepSWE v1.1 ซึ่งเป็นเบนช์มาร์กการเขียนโค้ดแบบเอเจนต์ที่ทั้งสองรุ่นปรากฏอยู่ การ์ดโมเดลของผู้ขายแสดง Pareto 26.9 ที่ 70.0% ในราคา $0.29 ต่องาน และ Pareto 26.10 Preview ที่ 69.9% ในราคา $0.24 ต่องาน รุ่นที่ใหม่กว่าและถูกกว่านั้นทำคะแนนต่ำกว่าบนเบนช์มาร์กเดียวที่ทั้งคู่มีตัวเลข และชนะด้านต้นทุนต่องานประมาณ 17% นั่นไม่ใช่เรื่องอื้อฉาวและไม่ใช่ข้อผิดพลาดจากการปัดเศษที่ควรถูกปัดทิ้ง — มันเป็นสิ่งที่ระบบผสมที่ถูกกว่าควรมีหน้าตาแบบนี้เป๊ะ ๆ และควรรู้ไว้ก่อนที่คุณจะคิดว่ารุ่นพรีวิวเป็นการอัปเกรดอย่างเต็มรูปแบบ

การเปรียบเทียบนั้นควรมีข้อควรระวังสองข้อ และผู้ขายก็เผยแพร่ทั้งสองข้อ ตัวเลข 26.9 มาจากชุดย่อย 30 งาน ไม่ใช่ชุด DeepSWE v1.1 เต็มชุด ดังนั้นจึงไม่ใช่การวัดแบบเดียวกับของพรีวิว และตัวเลขทุกตัวที่นี่มาจากการรันโดยผู้ขาย: คะแนนทั้งสี่ของพรีวิว — 92.4% บน GPQA-Diamond, 49.9% บน Humanity's Last Exam แบบข้อความล้วน, 69.9% บน DeepSWE v1.1, 50.8% บน Terminal-Bench 4.0 — มีป้ายกำกับของผู้ขายเองว่า “เบื้องต้น อาจเปลี่ยนแปลงก่อนการเผยแพร่ฉบับสมบูรณ์” และการ์ดโมเดลระบุว่าตัวหารและวิธีการคิดต้นทุนยัง “ต้องได้รับการยืนยัน” ไม่มีใครนอก Unbiased เผยแพร่คะแนนสำหรับทั้งสองรุ่นที่เปิดตัว ให้มองทั้งตารางนี้เป็นเหตุผลในการทดสอบ ไม่ใช่เหตุผลในการเปลี่ยนไปใช้

วันหมดอายุคือส่วนที่ต้องวางแผนให้รอบคอบ

บันทึกของพรีวิวมีวันหมดอายุระบุไว้วันที่ 15 ตุลาคม 2026 — หนึ่งวันหลังจากที่บทความนี้ถูกเขียนขึ้น สิ่งที่เกิดขึ้นในวันนั้นไม่มีการบันทึกไว้ที่ใดก็ตามที่เราหาเจอ: ไม่ปรากฏในบันทึกการเปลี่ยนแปลง ไม่ปรากฏในโมเดลการ์ด ไม่ปรากฏในหน้าค่าราคา ไม่มีสิ่งใดในเอกสารของผู้ขายที่บอกว่าพรีวิวจะหยุดให้บริการ และโพสต์เปิดตัวกลับพูดตรงกันข้ามกับการปิดบริการในเชิงเจตนา — ว่า "ราคาจะไม่ขึ้น และ slug ของพรีวิวจะไม่พังไปต่อหน้าคุณ" และว่าเมื่อพ้นช่วงพรีวิว 26.10 จะกลายเป็นค่าเริ่มต้นสำหรับผู้สมัครสมาชิก ขณะที่โควต้ารายสัปดาห์จะเพิ่มเป็นสองเท่า จาก 25M เป็น 50M โทเค็นในแผน Personal ราคา $10 และจาก 300M เป็น 600M ในระดับ $100

ดังนั้นการตีความที่ตรงไปตรงมาจึงไม่ใช่ "พรีวิวจะตายในวันพรุ่งนี้" แต่คือ พรีวิวอยู่ภายใต้ข้อกำหนดที่เปลี่ยนแปลงไปเรื่อย ๆ และบิลด์ที่มีฟิลด์วันหมดอายุอยู่ในเรกคอร์ดของมันก็ไม่ใช่รีลีสที่ควรปักหมุดไว้สำหรับระบบที่คุณไม่อยากกลับมาแตะอีก นั่นคือเหตุผลทั้งหมดที่สนับสนุนให้ใช้ 26.9 เป็นค่าเริ่มต้น: มันปรับปรุงได้ช้ากว่า และราคาต่ออินพุตสูงกว่าสามเท่า แต่มันคือสิ่งที่ผู้ขายเรียกว่ารีลีส ไม่ใช่การทดลอง และเรกคอร์ดของมันไม่มีนาฬิกาจับเวลาอยู่ในนั้น

เก็บทั้งสองไว้โดยไม่ต้องเขียนการผสานรวมใหม่

เหตุผลที่เรื่องนี้เป็นการตัดสินใจด้าน routing มากกว่าด้านการสร้างโมเดล ก็คือรีลีสทั้งสองรับ request ที่มีรูปร่างเหมือนกัน อยู่ตระกูล endpoint เดียวกัน ใช้พารามิเตอร์เดียวกัน และมี surface แบบรับข้อความกับรูปภาพเข้า/ส่งข้อความออกเหมือนกัน — สิ่งเดียวที่ต่างกันคือสตริงที่คุณใส่ในฟิลด์ model นั่นทำให้พื้นที่การย้ายระบบมีขนาดจิ๋ว และวินัยในการปักหมุดกลายเป็นโจทย์ทั้งหมด: ค่าเพียงค่าเดียวในตำแหน่งเพียงแห่งเดียวเป็นตัวกำหนดว่าระบบใดจากสองระบบที่มีราคาแตกต่างกันมากจะเป็นผู้ตอบคุณ

นั่นคือกรณีที่ routing DSL บน OrcaRouterถูกสร้างขึ้นมาเพื่อรองรับ คุณประกอบการเรียกจากเลกที่มีชื่อ และเก็บสตริงโมเดลไว้เป็นค่าคอนฟิกแทนที่จะเป็นค่าคงที่ที่ฝังอยู่ในโค้ดแอปพลิเคชัน ดังนั้นการเปลี่ยนจาก preview ไปเป็น stable pin จึงเป็นการแก้ไขเส้นทางแทนที่จะเป็นการดีพลอย เช่นเดียวกันกับห่วงโซ่ failover: preview ที่เปลี่ยนแปลง หมดอายุ หรือเริ่มส่งคืนข้อผิดพลาด จะกลายเป็นเหตุการณ์ fallback แทนที่จะเป็นอินซิเดนต์ เราไม่ได้ให้บริการรีลีส Unbiased ทั้งสองเวอร์ชัน — นี่คือตระกูลที่ให้บริการโดยผู้ขาย โดยมีผู้ให้บริการรายเดียวคือตัวผู้ขายเอง — ดังนั้นวิธีเรียกใช้งานคือ API ของ Unbiased เอง และหากเป้าหมายของคุณคือเปรียบเทียบรีลีสทั้งสองกับเวิร์กโหลดของคุณเอง ทั้งสองก็สามารถเข้าถึงได้ที่นั่นแล้ววันนี้

จะปักหมุดอันไหน

ถ้าคุณกำลังปล่อยอะไรที่ต้องตอบได้ในเดือนหน้าโดยไม่มีใครไปแตะมัน ให้ปักหมุด Pareto 26.9 ไว้ มันมีค่าใช้จ่ายต่อโทเคนอินพุตสูงกว่าเป็นสามเท่า และให้บริบทเพียงหนึ่งในสี่ และเพื่อแลกมา มันคือรีลีสที่ alias ของผู้ขายชี้ไปที่ ไม่มีฟิลด์วันหมดอายุ และเกณฑ์มาตรฐานที่เผยแพร่เพียงรายการเดียวของมัน — ซึ่งเป็นคะแนนแบบบางส่วน — บังเอิญเป็นค่าที่สูงกว่าของสองตัวนั้น นั่นคือคำตอบที่น่าเบื่อ และมันคือคำตอบที่ถูกต้องสำหรับเส้นทางโปรดักชัน

หากคุณกำลังประเมิน หรือหากภาระงานของคุณเป็นบริบทยาวและอ่อนไหวต่อต้นทุนมากพอที่ส่วนต่างราคาอินพุตหนึ่งในสามจะเปลี่ยนว่าอะไรทำได้จริง ให้รัน Pareto 26.10 Preview อย่างตั้งใจและโดยมีตัวสำรองรองรับ อัตราอินพุตที่แคชไว้ที่ $0.03 ต่อล้าน เทียบกับ $0.25 คือความต่างระหว่างลูปเอเจนต์ที่คุณจ่ายไหวทั้งวันกับลูปที่คุณต้องแบ่งใช้อย่างจำกัด และหน้าต่าง 1,048,576 โทเคนเป็นเพียงหนึ่งเดียวในสองตัวเลือกนั้นที่ใส่ที่เก็บโค้ดขนาดใหญ่หรือชุดเอกสารยาว ๆ ไว้ในคำขอเดียวได้ รับราคานั้นไป รับหน้าต่างนั้นไป และเก็บวันหมดอายุไว้ในรายการปฏิทินแทนที่จะเก็บไว้ในข้อสันนิษฐานของคุณ

สิ่งที่ทำให้คำแนะนำนี้เปลี่ยนไปนั้นมีขอบเขตแคบและตรวจสอบได้ ได้แก่ การประกาศว่า preview ได้เลื่อนสถานะพ้นช่วงพรีวิวแล้วและ alias ได้ถูกย้ายไปแล้ว, ผลทดสอบมาตรฐานอิสระสำหรับรีลีสใดรีลีสหนึ่งจากทั้งสอง, หรือการที่ preview ยังคงให้บริการต่อไปหลังวันที่ 15 ตุลาคมในอัตราเดิม อย่างใดอย่างหนึ่งในนั้นจะเปลี่ยนทางเลือกแบบสองทางให้กลายเป็นทางเลือกแบบทางเดียว จนกว่าจะมีสักอย่างเกิดขึ้นจริง รีลีสทั้งสองในตระกูลนี้ก็เป็นผลิตภัณฑ์ที่แตกต่างกันจริง ๆ โดยมีโปรไฟล์ความเสี่ยงที่แตกต่างกันจริง ๆ และสิ่งเดียวที่คุณควบคุมได้คือสตริงที่คำขอของคุณพาไป

รีลีสที่อาจเปลี่ยนไปได้กลางสัปดาห์ในขณะที่คุณยังใช้งานอยู่คือกรณีที่การสลับสำรองอัตโนมัติถูกสร้างมาเพื่อรองรับ: การสลับสำรองอัตโนมัติ พรีวิวที่หมดอายุหรือเริ่มเกิดข้อผิดพลาดจะกลายเป็นเหตุการณ์สำรองแทนที่จะเป็นอินซิเดนต์