Unbiased ghim Pareto 26.9 vào Chuỗi Model riêng của nó: Phiên bản ổn định giờ đã có tên

Unbiased's Pareto 26.9 đã không còn là một số phiên bản được nhắc đến trong chú thích của người khác và trở thành một mô hình có thể định địa chỉ vào ngày 13 tháng 10 năm 2026, khi bản phát hành vốn đã đóng vai trò mặc định ổn định kể từ tháng 9 có được mã định danh gắn với phiên bản của riêng mình. Bối cảnh rất quan trọng: sản phẩm của cùng nhà cung cấp, Pareto 26.10 Preview đã được bán dưới dạng bản xem trước chọn tham gia kể từ ngày 1 tháng 10 dưới một chuỗi riêng — pareto-26.10-preview — trong khi pareto vẫn ở bản phát hành ổn định và, theo đúng lời nhà cung cấp, "không chọn bản xem trước này." Trong mười một ngày giữa hai sự kiện đó, phiên bản bạn thực sự đang gọi được quyết định bởi một dòng nhật ký thay đổi chứ không phải bởi bất cứ điều gì trong phần thân yêu cầu của bạn. Tính đến tuần này, nó đã có một cái tên mà bạn có thể ghim.

Đó là một việc dọn dẹp nhỏ ở phía nhà cung cấp và là một thay đổi thực sự ở phía bạn. Một chuỗi mô hình âm thầm mang nghĩa “bất cứ thứ gì chúng tôi phát hành gần nhất” thì vẫn ổn cho đến tuần nó mang nghĩa khác; sự khác biệt giữa bản xem trước và bản phát hành ổn định là sự khác biệt giữa một bảng đánh giá chuẩn có thể thay đổi trước khi công bố cuối cùng và một bảng mà bạn có thể đưa vào hợp đồng. Unbiased hiện đã công bố cả hai, đặt cạnh nhau, kèm theo các tỷ lệ.

Điều gì thực sự đã thay đổi — và điều gì thì không

Hai thứ đã thay đổi, và không thứ nào là chính mô hình.

• Bản phát hành ổn định đã có một mã định danh. Phiên bản vẫn có thể được gọi là pareto từ ngày 17 tháng 9 nay phân giải thành một slug kèm ngày và phiên bản, với dạng chuẩn tắc mang theo ngày phát hành gốc. Lần đầu tiên, bạn có thể gọi tên bản phát hành mà mình muốn thay vì bí danh chạy theo lịch của nhà cung cấp.

• Alias lại đi theo bản phát hành ổn định. Nhật ký thay đổi ngày 1 tháng 10 của Unbiased nói rõ rành mạch về việc alias trỏ theo hướng nào: hãy dùng pareto-26.10-preview để chọn tham gia, bởi pareto "vẫn là alias phát hành mặc định và không chọn bản xem trước này". Đường ổn định chính là đường mặc định.

Mô hình đằng sau chuỗi ổn định không thay đổi so với bản đã phát hành hồi tháng Chín, và tài liệu của nhà cung cấp cũng không có gì mới về nó. Pareto được mô tả — bởi chính công ty bán nó — như một mô hình hỗn hợp, thứ huy động nhiều mô hình song song trong mỗi yêu cầu và tổng hợp thành một câu trả lời từ các kết quả. Đó là một tuyên bố về cơ chế, không phải thông số kỹ thuật, và không có kiểm chứng độc lập nào cho điều đó. Thứ có thể kiểm chứng được là lớp bọc quanh nó.

Trên bề mặt được ghi trong tài liệu của nhà cung cấp, kể từ lần kiểm tra gần nhất: đầu vào là văn bản và hình ảnh, đầu ra chỉ là văn bản, phản hồi tối đa là 131.072 token, và mô hình chấp nhận tools, tool_choice, response_format, temperature, top_p và max_tokens, với tool_choice bị giới hạn ở auto — bạn không thể buộc gọi công cụ. Không có mã định danh Hugging Face nào ở bất kỳ đâu trong bản ghi, nên các trọng số vẫn đóng.

Giá cả là phần đã thực sự trôi dạt.

Khi Pareto lần đầu được niêm yết vào tháng 9, bảng giá ghi $2,50 cho mỗi triệu token đầu vào, $7,50 cho mỗi triệu token đầu ra và $0,25 cho đầu vào được lưu đệm. Trên trang định giá của nhà cung cấp hôm nay, cùng bản phát hành ổn định đó được công bố ở mức $0,80 đầu vào, $3,20 đầu ra và $0,03 đầu vào được lưu đệm — khoảng một phần ba mức giá đầu vào ban đầu tính theo con số đô la, và hơn 40% một chút đối với đầu ra.

Hãy hiểu điều đó đúng như bản chất của nó, vì rất dễ hiểu sai theo cả hai hướng. Đây là mức giá do nhà cung cấp công bố, chỉ có mốc thời gian duy nhất là việc trang hiện đang hoạt động; Unbiased chưa công bố một mục thay đổi giá có ghi ngày, nên không có dòng nào có thể trích dẫn kiểu “vào ngày này giá đã giảm” và cũng không có ngày kết thúc khuyến mãi. Cách hiểu trung thực là bản phát hành ổn định hiện tại được bán ở mức giá thấp hơn, rằng những con số cao hơn vẫn đang lưu hành trong các bài đưa tin viết từ bảng niêm yết tháng Chín, và rằng không có gì ràng buộc nhà cung cấp phải giữ mức thấp hơn. Bất kỳ ai xây dựng mô hình chi phí trong tháng này nên dùng $0.80 / $3.20 và kiểm tra lại, chứ đừng coi đó là cố định.

Khoản chiết khấu cấu trúc duy nhất đáng để định giá là mức giá cache, vì cách mô hình này được xây dựng. Đầu vào được cache ở mức $0.03 chưa bằng 4% mức giá đầu vào tiêu chuẩn. Nếu Pareto thực sự giữ nguyên cùng một cấu hình kết hợp xuyên suốt một cuộc hội thoại thay vì chọn lại mô hình theo từng lượt, thì việc cache prompt vẫn duy trì được xuyên suốt toàn bộ quỹ đạo — đó chính xác là khoản tiết kiệm mà nhà cung cấp nói rằng một bộ định tuyến thông thường đánh mất khi đổi mô hình giữa cuộc hội thoại. Unbiased cũng đang bán các gói đăng ký kèm hạn mức token hàng tuần song song với tín dụng trả theo mức sử dụng, từ $10 một tháng cho 25 triệu token một tuần cho đến tín dụng nhóm trả trước không có giới hạn hàng tuần, nên với việc sử dụng cá nhân đều đặn, phép tính theo từng token thậm chí không phải là hóa đơn.

Đây là phần mà một lớp định tuyến thay đổi hình dạng, và đáng để nói chính xác về vị thế hiện tại của chúng ta. OrcaRouter chuyển thẳng mức giá niêm yết của nhà cung cấp với mức đánh thêm 0%, nên khi nhà cung cấp thay đổi biểu giá thì phía chúng ta cập nhật ngay trong cùng ngày chứ không phải chờ đến chu kỳ gia hạn — nhưng chúng ta không cung cấp mô hình Unbiased nào, vì vậy nếu bạn muốn cụ thể là Pareto 26.9, hãy gọi nó qua API riêng của Unbiased. Điều mà một router thực sự mang lại cho bạn ở đây là một khóa duy nhất và một tích hợp duy nhất cho các mô hình ở cả hai phía của quyết định, nên việc so sánh Pareto với những gì bạn đang chạy hôm nay không đồng nghĩa với một hợp đồng thứ hai và một SDK thứ hai. Với mô hình này, khả năng sẵn có là thông qua API riêng của nhà cung cấp.

Bản phát hành ổn định được đánh giá ở mức nào — và mức điểm đó có giá trị ra sao

Unbiased công bố một con số có thể so sánh được cho bản phát hành ổn định, và số lượng lưu ý đi kèm còn nhiều hơn cả độ lớn của con số đó.

• Pareto 26.9 trên DeepSWE v1.1 — 70,0%, với chi phí trung bình được báo cáo là $0.29 mỗi tác vụ. Nhà cung cấp ghi nhận lần chạy này vào ngày 20 tháng 9 năm 2026.

• Quy mô của lượt chạy đó — một lát cắt 30 tác vụ, không phải toàn bộ tập DeepSWE v1.1. Unbiased nói điều đó trên thẻ mô hình của chính nó thay vì trong một chú thích ở đâu đó khác.

• Điểm số còn lại mà nhà cung cấp liệt kê cho 26.9 — Humanity's Last Exam, được báo cáo mà không kèm theo định ngữ chỉ dành cho văn bản vốn có ở con số HLE của bản xem trước, điều mà thẻ mô hình cũng đánh dấu là một khác biệt.

• Việc phân loại toàn bộ những thứ đó — mang tính sơ bộ, do nhà cung cấp tự thực hiện, và được chuyển thành một bảng so sánh mà chính nhà cung cấp mô tả là "không được xác thực độc lập."

Đặt bản phát hành ổn định cạnh bản xem trước và điểm số, nằm trong phạm vi thanh sai số của bất kỳ lần chạy đơn lẻ nào, là như nhau: 70,0% ở mức $0,29 trên lát cắt 30 tác vụ đối với 26.9, 69,9% ở mức $0,24 trên toàn bộ tập đối với 26.10 Preview, cả hai đều là DeepSWE v1.1, cả hai đều do công ty bán mô hình đó chạy. Đó không phải là lý do để kết luận rằng bản xem trước kém hơn. Đó là lý do để kết luận rằng những con số được công bố không đủ sắc nét để phân tách hai bản phát hành, và rằng không ai bán cho bạn một trong hai bản đó có lý do để chạy thử nghiệm có thể làm được điều đó.

Bằng chứng độc lập dành riêng cho Pareto 26.9 hiện đang vắng mặt. Artificial Analysis, bảng mà hầu hết các nhóm kiểm tra trước khi tin một cái tên mới trên bảng giá, không có trang nào cho nó — route của model trả về 404 thay vì một điểm số. Không có vị trí trên bảng xếp hạng, không có số liệu độ trễ hay thông lượng từ bên thứ ba, và không có sự tái lập nào về bất kỳ điều nào ở trên bởi bất kỳ ai ngoài nhà cung cấp. Điều mà Unbiased đưa ra thay vào đó thú vị hơn một điểm số: một bộ công cụ đánh giá công khai trỏ đến bất kỳ endpoint tương thích OpenAI nào, kể cả endpoint bạn đã dùng, nên tuyên bố chuyển từ “hãy tin con số của chúng tôi” sang “hãy chạy lại con số của chúng tôi”. Đó thực sự là một lời đề nghị tốt hơn phần lớn nhà cung cấp đưa ra, và nó vẫn không giống với một con số đã được xác minh. Chưa ai công bố lần chạy lại đó.

Bản ổn định so với bản xem trước, trên những khía cạnh quyết định việc chuyển đổi

Nếu hôm nay bạn đang phải chọn giữa hai bản phát hành, thì đây là những khác biệt thực sự đáng quan tâm, và chúng không phải là những điều mà các điểm số gợi ý.

• Cửa sổ ngữ cảnh — 262.144 token trên Pareto 26.9 so với 1.048.576 trên Pareto 26.10 Preview, chênh lệch gấp bốn lần và tự thân nó là lập luận mạnh nhất cho bản xem trước.

• Mức giá công bố — $0.80 / $3.20 / $0.03 cho mỗi triệu token được lưu đệm ở bản xem trước; $2.50 / $7.50 / $0.25 cho bản phát hành ổn định như được niêm yết khi nó lần đầu xuất hiện, đối chiếu với trang định giá của nhà cung cấp hiện cũng công bố mức giá thấp hơn cho nhánh ổn định. Hãy coi con số ổn định là còn biến động cho đến khi nhà cung cấp ấn định ngày cho nó.

• Tình trạng hợp đồng — 26.9 là bản phát hành; 26.10 Preview là bản xem trước mà Unbiased nói rằng "có thể thay đổi mà không cần thông báo" và rõ ràng không có tính ràng buộc.

• Tính minh bạch của benchmark — bản preview có bốn điểm số được công bố kèm chi phí cho mỗi tác vụ; bản phát hành ổn định chỉ có một điểm số tương đương trên một lát cắt 30 tác vụ.

• Cấp truy cập — cả hai đều thuộc cùng các điều khoản truy cập để đánh giá, trong đó việc triển khai thương mại hoặc trong môi trường sản xuất đòi hỏi một thỏa thuận bằng văn bản riêng.

• Trọng số — đóng ở cả hai phương diện, không có tài liệu giấy phép và không có kho lưu trữ.

Đọc cùng nhau, lựa chọn không nằm ở chất lượng. Mà là ở việc bạn thà có ngữ cảnh gấp bốn lần trên một mô hình có thể bị thay thế dưới chân bạn mà không báo trước, hay một cửa sổ hẹp hơn trên một bản dựng mà nhà cung cấp đã ngừng quảng cáo là có thể thay đổi. Một đội đang xây dựng sản phẩm xử lý tài liệu dài hoặc phiên tác nhân dài sẽ thấy đánh đổi thứ nhất khó từ chối và đánh đổi thứ hai khó để dựa vào; câu trả lời thường là chạy bản xem trước phía sau một cơ chế dự phòng, thay vì chọn một cái rồi quên nó đi.

Những lưu ý vận hành mà không ai ghi trên thẻ mô hình

Lớp bao quanh mô hình này là bản beta, và Unbiased ghi rõ những điểm chưa hoàn thiện thay vì che giấu chúng, khiến chúng dễ được tính đến khi lập kế hoạch.

• GET /v1/models chưa được triển khai. Bạn không thể liệt kê những gì đang có sẵn; bạn gửi chuỗi mà mình muốn rồi mới biết kết quả.

• Các định danh mô hình không xác định không bị từ chối. Một lỗi đánh máy có thể đi đến nơi bạn không định và bạn sẽ không nhận được lỗi rõ ràng, đây là lập luận mạnh mẽ chống lại việc gõ tay chuỗi phiên bản ở nhiều hơn một nơi.

• Bề mặt được tài liệu hóa chỉ gồm chat completions và messages — không có embeddings, không có tạo hình ảnh, không có âm thanh, không có liệt kê mô hình.

• Quyền truy cập ở đây là quyền truy cập dành cho việc đánh giá theo Điều khoản, với các tài khoản được xem xét thủ công trước khi khóa được cấp. Việc sử dụng cho môi trường sản xuất đòi hỏi phải có thỏa thuận bằng văn bản trước.

• Một nhà cung cấp dịch vụ vận hành. Không có máy chủ thứ hai trong bản ghi, và do đó không có mục tiêu chuyển đổi dự phòng nào bên trong chính hệ thống của nhà cung cấp.

Dòng cuối cùng là dòng quyết định bạn nên đưa bao nhiêu phần trong số này vào đường chạy production. Một bản beta chỉ dùng một nhà cung cấp với lỗ hổng đã được ghi nhận trong việc khám phá model chính là trường hợp mà một chuỗi dự phòng thực sự đáng giá, và là nơi nó nên được cấu hình trước khi bạn đưa lưu lượng vào chạy thật, chứ không phải sau khi xảy ra sự cố. Failover tự động và DSL định tuyến của OrcaRouter là cách điều đó được thiết lập ở phía chúng tôi — một chuỗi gửi yêu cầu đến model chính của bạn và chuyển sang một lựa chọn thay thế có tên khi model chính gặp lỗi hoặc hết thời gian chờ, được biểu diễn dưới dạng cấu hình thay vì code bạn phải duy trì. Chúng tôi không host Pareto 26.9, nên mục tiêu failover ở phía chúng tôi sẽ là một model mà chúng tôi thực sự cung cấp, không phải một bản sao khác của model này.

Ai nên ghim chuỗi trong tuần này, và ai nên chờ

Ghim nó nếu bạn đã gọi Pareto bằng tên và khối lượng công việc của bạn đủ ổn định để một thay đổi phiên bản giữa tuần sẽ là một bất ngờ chứ không phải một tính năng. Đó chính là toàn bộ lợi ích của một định danh kèm phiên bản: một bí danh đi theo lịch phát hành của nhà cung cấp là một tiện lợi cho đến đúng khoảnh khắc nó trở thành một cập nhật phụ thuộc chưa được xem xét. Việc ghim cũng khiến cho việc theo dõi chi phí của chính bạn có thể trừ ra được, vì hai bản phát hành mang mức giá đã công bố khác nhau và một tháng hỗn hợp sẽ không thể phân tách sau khi sự việc đã xảy ra.

Hãy chờ đã với mức giá nếu bạn đang mô hình hóa chi tiêu. Bảng giá của chính bản phát hành ổn định đã chuyển từ $2.50 / $7.50 sang $0.80 / $3.20 mà không có mục ghi ngày nào giải thích sự thay đổi đó, nên bất kỳ con số nào bạn đưa vào ngân sách tuần này chỉ là một quan sát, không phải một cam kết — hãy kiểm tra lại trước khi bạn ký bất cứ điều gì dựa trên nó.

Dù sao thì hãy tạm gác lại câu hỏi về chất lượng. Với chỉ một điểm số do nhà cung cấp tự chạy trên một lát cắt gồm 30 tác vụ cho bản phát hành ổn định, bốn điểm số sơ bộ cho bản xem trước, và không có bên đánh giá độc lập nào bao quát cả hai, quyết định mà bạn thực sự có thể đưa ra hôm nay là về giao diện và độ tin cậy: bạn cần cửa sổ ngữ cảnh nào, liệu bạn có chấp nhận được một bản xem trước hay không, và liệu những khoảng trống beta của nhà cung cấp có phù hợp với việc triển khai của bạn không. Đó đều là những câu hỏi có thể trả lời được. Còn mô hình nào trong hai mô hình là tốt hơn thì không, và lập trường trung thực là hãy chạy lại bộ kiểm thử đã được công bố trên chính khối lượng công việc của bạn trước khi bạn kết luận rằng nó có thể trả lời được.

Những câu hỏi phát sinh

Bản phát hành nào mà pareto chọn hôm nay, và điều đó đã thay đổi chưa? Alias trỏ đến bản phát hành ổn định, theo changelog ngày 1 tháng 10 của Unbiased, trong đó nói rõ rằng nó không chọn bản xem trước. Đó cũng là hướng đi giống như thỏa thuận hồi tháng 9 ban đầu; điều đã thay đổi trong tuần này là bản phát hành ổn định giờ đây cũng có thể được định danh bằng một mã định danh kèm phiên bản, nên alias không còn là cách duy nhất để gọi tên nó. Nếu bạn có đoạn mã gửi pareto và mong đợi thứ mới nhất, thì kỳ vọng đó chưa từng được hỗ trợ — bản xem trước phải được chọn tham gia bằng tên ngay từ ngày nó ra mắt.

Bạn nên ghim định danh kèm ngày hay giữ nguyên bí danh? Hãy ghim nếu bạn cần khả năng tái lập hoặc quy gán chi phí; hãy giữ bí danh nếu bạn thực sự muốn bản dựng ổn định hiện tại của nhà cung cấp mà không cần thay đổi gì từ phía bạn. Kiểu hỏng hóc cần tránh là trạng thái ở giữa: ghim chuỗi ở một chỗ và để nó trôi lệch ở chỗ khác, trong một API nơi các định danh không xác định không bị từ chối và không thể liệt kê.

Có bất kỳ đánh giá chuẩn độc lập nào cho Pareto 26.9 không? Tính đến tuần này thì không. Những số liệu duy nhất hiện có là của nhà cung cấp, được chạy trên harness của nhà cung cấp, công bố kèm những lưu ý của chính nhà cung cấp về quy mô lần chạy và về các so sánh mà họ mô tả là chưa được xác minh độc lập. Harness công khai là thứ mạnh nhất trong bức tranh đó, vì nó có thể kiểm chứng được, và chưa ai công bố một lần chạy lại đối chiếu với nó.

Điều cuối cùng đáng để theo dõi không phải là một phép đo chuẩn. Mà là việc nhà cung cấp có ghi ngày cho lần thay đổi mức giá tiếp theo hay không, bởi vì một động thái từ $2.50 xuống $0.80 không ghi ngày là một thỏa thuận tốt hơn và một tín hiệu xấu hơn — nó cho bạn biết bảng giá có thể thay đổi mà không có một mục trong nhật ký để sau này bạn giải thích. Với một mô hình mà toàn bộ điểm bán của nó là những con số chính là bằng chứng, thì đó là chi tiết để bắt nó phải chịu trách nhiệm.

Một bản phát hành cũng là thời điểm để kiểm tra xem trước đây đã có gì sai sót: các sự cố AI và lỗi agent đã được ghi nhận liên quan đến những mô hình thuộc nhóm này đều được tập hợp trong OrcaRouter AI Incident Archive, nơi mỗi mục đều đi kèm nguồn riêng, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ tranh chấp.