Pareto 26.10 chính thức ra mắt: Điều gì thực sự thay đổi khi nhãn bản xem trước được gỡ bỏ

Pareto 26.10 — bản phát hành mà Unbiased đã chào bán dưới tên Pareto 26.10 Preview kể từ ngày 1 tháng 10 năm 2026 — đã chính thức được phát hành rộng rãi vào ngày 15 tháng 10 năm 2026. Đó là toàn bộ tin tức, và nó nhỏ hơn những gì cụm từ “generally available” thường hàm ý. Mô hình không thay đổi. Giá không thay đổi. Bảng điểm chuẩn không thay đổi, và đáng chú ý là nhà cung cấp vẫn gọi những con số đó là sơ bộ trên chính trang có gắn biểu ngữ GA. Thứ đã thay đổi là định tuyến: chuỗi mô hình pareto giờ mặc định trỏ đến 26.10, trong khi hai tuần trước nó trỏ đến bản phát hành trước đó và 26.10 là thứ bạn phải chỉ định đích danh để dùng. Các lỗi AI và sự cố agent được ghi nhận đằng sau những bản phát hành như bản này được tập hợp trong OrcaRouter AI Incident Archive nơi mỗi mục đều có nguồn, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ tranh chấp riêng.

Sự khác biệt đó đáng để bỏ ra hai phút đọc, vì nó chính là khác biệt giữa một bản phát hành bạn tự chọn và một bản phát hành tự tìm đến. Bất kỳ ai gọi paretovào ngày 14 tháng 10 đều nhận được mô hình cũ hơn. Bất kỳ ai gọi nó vào ngày 16 tháng 10 đều nhận được 26.10 — với cửa sổ ngữ cảnh khác, mức giá khác, và chuỗi mô hình khác bên dưới, mà không cần thay đổi một dòng mã nào.

Điều gì đã di chuyển vào ngày 15 tháng 10

Mục nhật ký thay đổi của nhà cung cấp cho ngày đó ngắn gọn và rõ ràng, và nó đưa ra ba khẳng định đáng để tách bạch.

• Alias mặc định đã thay đổi. Chuỗi pareto giờ chọn 26.10. Cách diễn đạt của chính Unbiased là alias "giờ trỏ đến 26.10", đây là một phát biểu về định tuyến, không phải về mô hình. • Các chuỗi có ngày tháng vẫn hoạt động. pareto-26.10 cố định bản phát hành này, và pareto-26.9 "vẫn có sẵn" cho bất kỳ ai muốn dùng bản trước đó. Chuỗi preview đã bị ngừng sử dụng: người dùng preview được yêu cầu chuyển sang pareto hoặc pareto-26.10. Đó là một quá trình chuyển đổi bạn phải tự làm thủ công nếu bạn đang dùng bản preview. • Hạn mức đăng ký đã tăng gấp đôi với cùng mức giá. Personal tăng lên 50M token mỗi tuần và Personal Max lên 600M, cả hai đều không đổi chi phí hàng tháng ở mức $10 và $100. Bản thân bảng giá API — $0.80 mỗi triệu đầu vào, $0.03 cho đầu vào đã cache, $3.20 đầu ra — được nêu rõ là "không thay đổi so với bản preview."

Vậy sự kiện GA là một lần đổi alias, một chuỗi đã bị loại bỏ và một hạn mức hàng tuần lớn hơn. Không có gì trong danh sách đó khiến mô hình tốt hơn. Hai trong ba điều đó làm cho nó rẻ hơn hoặc dễ sử dụng hơn, và với hầu hết độc giả thì đó mới là điểm chính.

Bảng thông số kỹ thuật, như đã được ghi lại

Pareto 26.10 là một mô hình nhận văn bản và hình ảnh, xuất văn bản, với cửa sổ ngữ cảnh 1.048.576 token và phản hồi tối đa 131.072 token. Cả hai đều là thông tin hiện hành như đã được công bố; không con số nào được đo độc lập, và trang giá của chính Unbiased hoàn toàn không ghi bất kỳ con số ngữ cảnh nào — bạn lấy con số này từ hồ sơ niêm yết kỹ thuật của mô hình và từ model card của nhà cung cấp, đây là một lỗ hổng tài liệu nhỏ đáng biết trước khi bạn ước lượng khối lượng công việc dựa trên nó.

Về mặt tham số, tập được tài liệu hóa gồm max_tokens, temperature, top_p, tools và tool_choice. Cái cuối cùng bị hạn chế: bạn có thể để mô hình quyết định có gọi công cụ hay không, nhưng bạn không thể buộc một lệnh gọi theo cách bạn có thể làm trên hầu hết các API hàng đầu. Cũng không có response_format trong danh sách tham số được công bố, điều này quan trọng nếu pipeline của bạn phụ thuộc vào đầu ra có cấu trúc. Không có định danh Hugging Face nào trong hồ sơ, nên trọng số là đóng, và nhà cung cấp mô tả Pareto là một mô hình tổng hợp — một mô hình pha trộn chạy nhiều mô hình nền bên dưới đối chiếu với yêu cầu và giữ lại kết quả mà nó đánh giá là tốt nhất. Đó là một tuyên bố về cơ chế, do công ty bán nó đưa ra, không có xác minh bên ngoài.

Bước nhảy về ngữ cảnh là phần đáng để dừng lại. Bản phát hành trước mang 262.144 token; 26.10 tăng gấp bốn con số đó lên 1.048.576. Nói đại khái, điều này đưa một khối lượng công việc cỡ cơ sở mã hoặc cỡ bản ghi hội thoại từ "bạn sẽ cần chia nhỏ thứ này" sang "bạn có thể gửi nó". Đây cũng là lập luận mạnh nhất cho việc xem 26.10 và 26.9 là những mô hình thực sự khác nhau thay vì chỉ là một lần tăng phiên bản, và đó chính là câu hỏi mà cả hai trang so sánh trong loạt bài này cùng đi sâu làm rõ.

Bảng đánh giá chuẩn vẫn ghi là sơ bộ.

Bốn điểm số được công bố cho 26.10, tất cả đều đến từ các lần chạy ngày 1 tháng 10, tất cả đều do nhà cung cấp tự thực hiện, và tất cả đều mang nhãn do chính nhà cung cấp viết cho chúng.

• DeepSWE v1.1 — 69,9%, với mức trung bình được báo cáo là 0,24 USD mỗi tác vụ. • Terminal-Bench 4.0 — 50,8%, ở mức 0,48 USD mỗi tác vụ. • Humanity's Last Exam, chỉ văn bản — 49,9%, ở mức 0,008 USD mỗi tác vụ. • GPQA-Diamond — 92,4%, ở mức 0,004 USD mỗi tác vụ.

Thẻ mô hình của nhà cung cấp gọi đây là “so sánh sơ bộ”, nêu rằng kết quả 26.10 đến từ các lần chạy ngày 1 tháng 10 năm 2026 và “có thể thay đổi trước khi công bố cuối cùng”, đồng thời lưu ý rằng mẫu số và phương pháp tính chi phí “cần được xác nhận”. Đặc biệt, con số GPQA-Diamond là con số đáng chú ý nhất — 92,4% sẽ đưa một mô hình router kết hợp vào vùng lãnh địa thường chỉ dành cho các hệ thống suy luận tiên phong — và đây chính xác là con số không có đối chứng độc lập. Tính đến ngày 18 tháng 10 năm 2026, chưa có đơn vị đánh giá nào công bố việc chạy lại bất kỳ mô hình nào trong bốn mô hình này.

Trên cùng thẻ đó còn có một so sánh mà chính nhà cung cấp mô tả là chưa được kiểm chứng độc lập, trong đó bản phát hành trước đạt điểm cao hơn ở benchmark duy nhất mà cả hai cùng có: 26.9 đạt 70,0% trên DeepSWE v1.1, so với 69,9% của 26.10. Khoảng cách đó chỉ là một phần mười điểm, trên một lát cắt 30 tác vụ chứ không phải toàn bộ tập đánh giá, và cần được hiểu là "hai bản này không thể phân biệt được trên phép đo này", chứ không phải là thứ hạng theo bất kỳ hướng nào. Nếu chỉ rút ra một điều từ bảng benchmark, hãy rút ra điều này: các con số công bố không phân tách được hai bản phát hành, nên lý do để chuyển sang 26.10 là cửa sổ ngữ cảnh và định tuyến, chứ không phải điểm số.

GA thực sự mang lại cho bạn những gì, và những gì nó không mang lại

Ba hậu quả thực tế, theo thứ tự khả năng chúng gây hại.

Đầu tiên, nếu bạn đang ghim chuỗi bản xem trước, thì các lệnh gọi của bạn giờ đây đã trở thành một hạng mục cần bảo trì. Bản xem trước đã bị thay thế; nhà cung cấp sẽ chỉ bạn đến pareto hoặc pareto-26.10. Bất kỳ ai từng coi chuỗi bản xem trước là một ảnh chụp nhanh ổn định — một phản xạ hợp lý đối với bản xem trước — thì nay đã có một chuỗi mô hình không còn đại diện cho bản phát hành hiện tại nữa.

Thứ hai, nếu bạn đang gọi pareto dưới dạng alias trần và cho rằng nó ổn định, thì giả định đó vốn luôn sai và giờ đã lộ rõ. Bạn đã chuyển từ ngữ cảnh 262K sang ngữ cảnh 1M và từ bảng giá tháng 9 sang bảng giá hiện tại mà không hề hỏi. Tài liệu của nhà cung cấp lưu ý rằng các định danh mô hình không xác định vẫn chưa bị từ chối — một lỗi đánh máy vẫn được phục vụ và tính phí như Pareto — nên hành vi của alias là thứ duy nhất đứng giữa bạn và một thay đổi phiên bản âm thầm. Nếu tính tái lập quan trọng, hãy ghim chuỗi có ghi ngày; đây là trường hợp cho điều đó trong một câu.

Thứ ba, việc nhân đôi hạn mức thay đổi cách tính toán đối với khối lượng công việc ổn định. Với 50 triệu token một tuần với 10 đô-la một tháng trên gói Personal, khối lượng lập trình hoặc nghiên cứu nặng của một người dùng có thể nằm trong một gói đăng ký thay vì bị tính phí theo từng token. Đó không phải là một tuyên bố về mô hình, và hạn mức là mức trần chứ không phải sử dụng không giới hạn, nhưng đó là phần trong mục ngày 15 tháng 10 thay đổi số tiền bạn phải trả.

Router phù hợp ở đâu, thành thật mà nói

OrcaRouter không cung cấp bất kỳ mô hình Unbiased nào. Nếu bạn muốn Pareto 26.10, bạn gọi nó qua API riêng của nhà cung cấp — đó là con đường duy nhất, và chúng tôi sẽ không ngụ ý điều gì khác. Vai trò của một lớp định tuyến ở đây là quyết định xoay quanh nó: cùng một khóa và cùng một tích hợp cho cả hai bên của một phép so sánh, để việc đánh giá 26.10 so với những gì bạn đang chạy không có nghĩa là phải có thêm hợp đồng thứ hai và SDK thứ hai, và việc một mô hình thay đổi ngay dưới chân bạn giữa tuần là một thay đổi cấu hình chứ không phải là một sự cố ngừng dịch vụ. Điểm cuối cùng đó chính là điều mà pareto chuyển từ 26.9 sang 26.10 vào ngày 15 tháng 10 trông như thế nào từ bên ngoài: một thay đổi bí danh phía nhà cung cấp đã diễn ra mà không có tín hiệu nào trong yêu cầu. Ở một bộ định tuyến, tính năng chuyển đổi dự phòng tự động và DSL định tuyến tồn tại cho những trường hợp mà một phụ thuộc như vậy bắt đầu báo lỗi hoặc hết thời gian chờ, và khi mục tiêu dự phòng lẽ ra đã được đặt tên trước khi điều đó xảy ra.

OrcaRouter chuyển thẳng giá niêm yết của nhà cung cấp với tỷ lệ tăng giá 0%, vì vậy khi nhà cung cấp thay đổi giá thì phía chúng tôi có hiệu lực ngay trong cùng ngày thay đổi đó được áp dụng — đây là một lợi thế thực sự nói chung và không phải lý do để định tuyến một mô hình mà chúng tôi không phục vụ.

Ai nên di chuyển tuần này?

Hãy chuyển sang pareto-26.10 nếu bạn cần cửa sổ 1 triệu token. Đó là khác biệt cụ thể, có thể kiểm chứng giữa các bản phát hành, và là lý do duy nhất đang được đặt lên bàn mà một bảng benchmark không thể phản bác. Hãy ghim chuỗi có ngày thay vì bí danh khi bạn làm việc đó, để lần đổi bí danh tiếp theo là việc bạn chủ động lên lịch.

Hãy tiếp tục dùng pareto-26.9 nếu bạn đang ở giữa dự án và ngữ cảnh của bạn vừa trong 262K. Hai điểm số đã công bố cách nhau một phần mười điểm trên chính bộ kiểm thử của nhà cung cấp; không có bằng chứng nào trong hồ sơ công khai cho thấy việc chuyển sang mô hình khác cải thiện chất lượng đầu ra. Bạn cũng giữ một chuỗi mà nhà cung cấp nói vẫn còn khả dụng.

Khoan đã, nếu bạn vẫn đang ở chuỗi preview và còn phân vân: việc migration chỉ là thay đổi một dòng, nhưng đó là phần duy nhất trong bản phát hành này mà nếu không làm gì thì sẽ có một kiểu lỗi được xác định rõ ràng.

Điều gì sẽ thay đổi cách đọc này?

Three things, none of them visible yet.

Một lần chạy đánh giá độc lập. Mọi con số trong bài viết này là của chính Unbiased, trên bộ khung đánh giá của Unbiased, kèm theo các lưu ý của Unbiased. Một lần chạy lại bởi bên ngoài là điều hữu ích nhất có thể xuất hiện, và cho đến khi điều đó xảy ra, con số 92.4% trên GPQA-Diamond nên được trích dẫn như một kết quả do nhà cung cấp báo cáo hoặc không nên trích dẫn chút nào.

Một thay đổi giá có ghi ngày. Thẻ này từng thay đổi trước đây mà không có mục changelog nào giải thích, điều đó vừa là một mức giá tốt hơn vừa là một tín hiệu xấu hơn. GA đã chuyển các mức giá sang một cách rõ ràng; lần tới khi chúng thay đổi, việc nhà cung cấp có ghi ngày cho thay đổi đó hay không sẽ cho bạn biết bạn có thể lập kế hoạch dựa trên mức giá của mô hình này đến đâu.

Một đường phục vụ thứ hai. Mô hình được phục vụ bởi một nhà cung cấp duy nhất, nên không có mục tiêu chuyển đổi dự phòng nào bên trong ngăn xếp của chính nhà cung cấp. Với bất kỳ điều gì mà 26.10 là đường tới hạn, đó là một ràng buộc thiết kế cần tìm cách vượt qua chứ không phải một chi tiết để lưu hồ sơ.

Những câu hỏi cứ liên tục nảy sinh

Pareto 26.10 là một mô hình mới hay bản xem trước với nhãn mới? Về mặt chức năng, đây là bản phát hành xem trước: cùng cửa sổ ngữ cảnh, cùng mức giá, cùng bốn điểm số đã công bố, cùng mô hình bên dưới. Điều GA thay đổi là định tuyến — pareto bí danh giờ đây chọn nó — cùng với hạn mức đăng ký tăng gấp đôi và việc loại bỏ chuỗi bản xem trước.

Nhãn "cung cấp chung" có nghĩa là các benchmark đã là cuối cùng chưa? Không, và đây là chi tiết mà hầu hết các bài đưa tin về nhật ký thay đổi ngày 15 tháng 10 sẽ bỏ qua. Chính trang của nhà cung cấp thông báo tính khả dụng chung vẫn tiếp tục mô tả bốn điểm số như một so sánh sơ bộ và nói rằng kết quả có thể thay đổi trước khi công bố cuối cùng. Tính khả dụng chung mô tả trạng thái của mô hình với tư cách là một sản phẩm; nó không nâng cấp bằng chứng về chất lượng của mô hình.

Thay đổi alias thực sự khiến người phớt lờ nó phải trả giá những gì? Không gì cả, nếu họ muốn bản phát hành mới nhất. Nếu họ muốn phiên bản mà họ đã kiểm thử, họ phải trả giá bằng một cửa sổ ngữ cảnh mà họ không chọn và một bảng giá mà họ không xem xét — cả hai đều có thể khắc phục bằng cách ghim phiên bản, và không cái nào trong hai cái đó có thể được dựng lại sau khi sự việc xảy ra từ một hóa đơn.