Pareto 26.9 so với Pareto 26.10 Preview của Unbiased: Ghim ổn định và Preview

Dòng Pareto của Unbiased giờ đây cung cấp hai bản phát hành có thể gọi được với hai câu trả lời khác nhau cho cùng một câu hỏi, và tính đến tuần này, bạn phải chủ động chọn một. Pareto 26.9 là bản phát hành mà bí danh mặc định của nhà cung cấp phân giải tới: 262.144 token ngữ cảnh, 2,50 USD cho mỗi triệu token đầu vào, không kèm ngày hết hạn. Pareto 26.10 Preview là bản dựng chọn tham gia: ngữ cảnh gấp bốn lần, giá đầu vào bằng khoảng một phần ba, bốn điểm chuẩn mà chính nhà cung cấp gọi là sơ bộ, và một ngày hết hạn được ghi trong hồ sơ danh mục của nó. Cả hai đều đang hoạt động. Cả hai đều nhận văn bản và hình ảnh đầu vào rồi trả về văn bản. Không bản nào là biến thể của bản kia mà bạn có thể bật/tắt bằng một cờ tại thời điểm yêu cầu.

Điều đã thay đổi không phải là mô hình nào trong hai mô hình. Mà là bản phát hành ổn định cuối cùng đã có địa chỉ riêng. Vào ngày 13 tháng 10 năm 2026, danh mục định tuyến liệt kê dòng mô hình này bắt đầu có unbiased/pareto-26.9 như một mục có thể được gọi riêng, song song với một mục bí danh luôn chuyển hướng đến bản phát hành nào đang là hiện hành. Trước đó, cách duy nhất để chắc chắn tiếp cận mô hình ổn định là yêu cầu Pareto và chấp nhận bất cứ thứ gì mà bí danh đưa cho bạn. Giờ đây, hai bản phát hành nằm trong cùng một danh sách với mức giá riêng, giới hạn riêng và siêu dữ liệu hết hạn riêng — và việc chọn giữa chúng là quyết định do bạn đưa ra, chứ không phải quyết định được đưa ra thay bạn.

Hai bản phát hành, từng khía cạnh một

Mọi khác biệt đã được công bố giữa chúng đều nằm gọn trong bảy dòng này. Bên trái là Pareto 26.9; bên phải là Pareto 26.10 Preview.

• Cửa sổ ngữ cảnh — 262.144 token so với 1.048.576 token. Gấp bốn lần dung lượng, mà cả hai đều không cung cấp gói nhỏ hơn. • Đầu ra tối đa — 131.072 token so với 131.072 token. Cửa sổ đầu vào lớn hơn không đem lại câu trả lời lớn hơn. • Giá đầu vào — $2,50 mỗi triệu token so với $0,80. Bản xem trước chỉ khoảng 32% mức giá ổn định. • Giá đầu ra — $7,50 mỗi triệu token so với $3,20. Khoảng 43% mức đó. • Đầu vào cache — $0,25 mỗi triệu token so với $0,03. Bản xem trước chỉ khoảng một phần tám, đây là dòng làm thay đổi nhiều nhất hóa đơn của một tác nhân chạy lâu. • Bảng benchmark được công bố — một điểm, trên một phần nhỏ của tác vụ, so với bốn điểm mà nhà cung cấp gắn nhãn sơ bộ. • Điều khoản ổn định — không có ngày hết hạn trên bản ghi, và nhà cung cấp gọi đây là bản phát hành mặc định so với bản xem trước dạng chọn tham gia có bản ghi danh mục mang ngày hết hạn là 15 tháng 10 năm 2026.

Hai trong số những dòng đó đang gánh phần lớn công việc. Mức giá đầu vào được lưu đệm là yếu tố quyết định liệu một quỹ đạo agentic dài có khả thi về chi phí trên cả hai bản phát hành hay không, còn trường thời hạn hết hiệu lực là yếu tố quyết định liệu bản xem trước có phải là thứ bạn có thể xây dựng dựa trên đó hay không.

Tại sao các số phiên bản không khớp nhau

Các con số là nhãn tháng, không phải một trình tự mà bạn nên dựa vào để suy luận. Thẻ mô hình của chính Unbiased ghi ngày cho Pareto 26.9 là một lần chạy ngày 20 tháng 9 năm 2026 và mô tả 26.10 Preview là bản phát hành ngày 1 tháng 10 tiếp nối sau đó. Danh mục liệt kê 26.9 cho thấy nó được ghi nhận lần đầu vào ngày 13 tháng 10 — ba tuần sau ngày phát hành mà nhà cung cấp ghi ra. Và bài đăng ra mắt bản xem trước của nhà cung cấp nói rằng phiên bản trước "26.9" đã chạy trong hai tuần trên các cổng của bên thứ ba dưới một tên tạm thời trước khi nó được đặt tên.

Ghép ba phát biểu đó lại với nhau, bài học thực tiễn là số phiên bản ở đây cho bạn biết một bản dựng đến từ tháng nào, chứ không nói gì về việc bản dựng đó còn hiện hành hay không, còn được hỗ trợ hay không, hay vẫn là bản đứng sau bí danh. Điều đó cũng có nghĩa là ngày bạn thấy trên một trang danh mục là ngày niêm yết, không phải ngày phát hành. Đọc nó như ngày phát hành là sai lầm phổ biến nhất khi nói về dòng sản phẩm này, và hiện nay sai lầm đó xảy ra theo cả hai hướng: 26.9 trông mới hơn thực tế ba tuần, còn bản xem trước trông cũ hơn thực tế năm tuần.

Bản xem trước mang lại điều gì, và bảng kết quả benchmark thực sự nói gì

Lập luận dành cho bản xem trước nằm ở số học. Gấp bốn lần ngữ cảnh với một phần ba giá đầu vào, cùng mức giá đọc bộ nhớ đệm thấp đến mức một quỹ đạo dài chỉ tốn một phần nhỏ so với khi chạy trên 26.9. Unbiased cũng tuyên bố độ trễ thấp hơn trên bản xem trước, với mức cải thiện lớn nhất ở các lượt chạy agentic dài — một tuyên bố không có phép đo nào được công bố đằng sau, từ phía nhà cung cấp hay bất kỳ ai khác.

Lập luận chống lại việc với tay lấy nó một cách phản xạ thì tinh tế hơn và nằm ở nơi duy nhất mà hai bản phát hành có thể được so sánh với nhau. Trên DeepSWE v1.1, benchmark lập trình tác tử mà cả hai bản phát hành đều xuất hiện trên đó, thẻ mô hình của nhà cung cấp cho thấy Pareto 26.9 đạt 70.0% với $0.29 mỗi tác vụ và Pareto 26.10 Preview đạt 69.9% với $0.24 mỗi tác vụ. Bản phát hành mới hơn, rẻ hơn đạt điểm thấp hơn một chút trên benchmark duy nhất mà cả hai đều có số, và nó thắng về chi phí mỗi tác vụ khoảng 17%. Đó không phải là một vụ bê bối và cũng không phải là sai số làm tròn để gạt đi — nó chính xác là diện mạo mà một hệ thống pha trộn rẻ hơn nên có, và điều đó đáng để biết trước khi bạn cho rằng bản xem trước là một nâng cấp tuyệt đối.

Hai lưu ý cần được gắn vào so sánh đó và nhà cung cấp công bố cả hai. Con số 26,9 đến từ một phần gồm 30 tác vụ, không phải toàn bộ tập DeepSWE v1.1, nên đây không phải cùng một phép đo như của bản xem trước. Và mọi con số ở đây đều do nhà cung cấp chạy: bốn điểm số của bản xem trước — 92,4% trên GPQA-Diamond, 49,9% trên Humanity's Last Exam chỉ văn bản, 69,9% trên DeepSWE v1.1, 50,8% trên Terminal-Bench 4.0 — mang nhãn "sơ bộ, có thể thay đổi trước khi công bố chính thức" của chính nhà cung cấp, và thẻ mô hình nêu rằng mẫu số và phương pháp tính chi phí vẫn "cần được xác nhận". Chưa ai ngoài Unbiased công bố điểm số cho một trong hai bản phát hành. Hãy coi toàn bộ bảng này là lý do để thử nghiệm, không phải lý do để chuyển sang.

Ngày hết hạn là phần cần phải lên kế hoạch xoay quanh.

Hồ sơ của bản xem trước ghi ngày hết hạn là 15 tháng 10 năm 2026 — một ngày sau thời điểm bài này được viết. Điều gì sẽ xảy ra vào ngày đó thì không được ghi lại ở bất cứ đâu mà chúng tôi có thể tìm thấy: không có trong changelog, không có trên model card, không có trên trang giá. Không có gì trong tài liệu của nhà cung cấp nói rằng bản xem trước sẽ ngừng phục vụ, và bài đăng ra mắt lại nói ngược hẳn với tinh thần của một cuộc đóng dịch vụ — rằng "giá sẽ không tăng, và slug xem trước sẽ không gãy dưới chân bạn", và rằng khi tốt nghiệp, 26.10 sẽ trở thành mặc định cho người đăng ký trong khi hạn mức hàng tuần tăng gấp đôi, từ 25M lên 50M token trên gói $10 Personal và từ 300M lên 600M trên gói $100.

Vậy nên cách hiểu trung thực không phải là “bản xem trước sẽ chết vào ngày mai”. Mà là bản xem trước được điều chỉnh bởi những điều khoản có thể thay đổi, và một bản dựng có trường ngày hết hạn trong bản ghi của nó thì không phải là bản phát hành để ghim cho một hệ thống mà bạn không muốn quay lại. Đó là toàn bộ lý lẽ cho việc dùng 26.9 làm mặc định: nó cải tiến chậm hơn và có giá đầu vào cao gấp ba lần, nhưng nó là bản mà nhà cung cấp gọi là bản phát hành chứ không phải thử nghiệm, và bản ghi của nó không có đồng hồ nào gắn kèm.

Giữ cả hai mà không cần viết lại phần tích hợp

Lý do đây là một quyết định định tuyến chứ không phải một quyết định về mô hình hóa là cả hai bản phát hành đều nhận cùng một dạng yêu cầu. Cùng một họ endpoint, cùng các tham số, cùng một bề mặt đầu vào văn bản-và-hình ảnh/đầu ra văn bản — điều duy nhất khác biệt là chuỗi bạn đặt trong trường model. Điều đó khiến phạm vi di trú trở nên rất nhỏ và kỷ luật ghim phiên bản trở thành toàn bộ vấn đề: đúng một giá trị ở đúng một nơi quyết định hệ thống nào trong hai hệ thống có mức giá rất khác nhau sẽ trả lời bạn.

Đó chính là trường hợp mà DSL định tuyến trên OrcaRouter được xây dựng để phục vụ. Bạn tổ hợp một lệnh gọi từ các chặng được đặt tên và giữ chuỗi model như một giá trị cấu hình thay vì một hằng số bị chôn sâu trong mã ứng dụng, nên việc chuyển từ một bản preview sang một bản ghim ổn định chỉ là sửa route chứ không phải triển khai lại. Điều tương tự cũng đúng với chuỗi failover: một bản preview thay đổi, hết hạn hoặc bắt đầu trả về lỗi trở thành một sự kiện dự phòng thay vì một sự cố. Chúng tôi không cung cấp bản phát hành Unbiased nào — đây là một họ model do nhà cung cấp vận hành với chỉ một nhà cung cấp, chính là nhà cung cấp đó — nên cách để gọi nó là dùng chính API của Unbiased, và nếu mục tiêu của bạn là so sánh hai bản phát hành với khối lượng công việc của riêng mình, thì cả hai đều có thể truy cập được ở đó ngay hôm nay.

Ghim cái nào

Nếu bạn đang phát hành một thứ phải trả lời vào tháng tới mà không cần ai đụng vào nó, hãy ghim Pareto 26.9. Nó tốn gấp ba lần trên mỗi token đầu vào và chỉ cho bạn một phần tư ngữ cảnh, đổi lại nó là bản phát hành mà alias của nhà cung cấp trỏ tới, nó không có trường ngày hết hạn, và benchmark công bố duy nhất của nó — điểm trên một lát cắt một phần — lại tình cờ là điểm cao hơn trong hai. Đó là câu trả lời nhàm chán và là lựa chọn đúng cho con đường triển khai production.

Nếu bạn đang đánh giá, hoặc nếu khối lượng công việc của bạn có ngữ cảnh dài và đủ nhạy cảm về chi phí đến mức một phần ba giá đầu vào làm thay đổi điều gì là khả thi, hãy chạy Pareto 26.10 Preview một cách có chủ đích và có một phương án dự phòng ở phía sau. Mức giá đầu vào đã cache là 0,03 USD mỗi triệu so với 0,25 USD — đó là sự khác biệt giữa một vòng lặp agent mà bạn có thể chi trả cả ngày và một vòng lặp mà bạn phải tiết chế, còn cửa sổ 1.048.576 token là lựa chọn duy nhất trong hai lựa chọn có thể chứa một kho lưu trữ lớn hoặc một tập tài liệu dài trong một yêu cầu duy nhất. Hãy tận dụng mức giá, tận dụng cửa sổ, và ghi ngày hết hạn vào một mục lịch thay vì để nó trong những giả định của bạn.

Điều có thể thay đổi lời khuyên này thì hẹp và có thể kiểm chứng: một thông báo rằng bản xem trước đã chuyển thành bản chính thức và alias đã được chuyển, một đánh giá chuẩn độc lập cho một trong hai bản phát hành, hoặc bản xem trước tiếp tục phục vụ sau ngày 15 tháng 10 với cùng mức giá. Bất kỳ điều nào trong số đó cũng biến một lựa chọn hai chiều thành một chiều. Cho đến khi một điều thành hiện thực, hai bản phát hành trong họ này thực sự là những sản phẩm khác nhau với những hồ sơ rủi ro thực sự khác nhau, và điều duy nhất bạn kiểm soát được là chuỗi nào mà các yêu cầu của bạn mang theo.

Một bản phát hành có thể thay đổi ngay dưới chân bạn giữa tuần chính là trường hợp mà automatic failover được sinh ra để xử lý: automatic failover một bản xem trước hết hạn hoặc bắt đầu báo lỗi sẽ trở thành một sự kiện chuyển sang phương án dự phòng thay vì một sự cố.