Pareto 26.10 正式发布：移除预览标签后，实际发生了哪些变化

Pareto 26.10——Unbiased 一直以Pareto 26.10 Preview名义销售的版本——自 2026 年 10 月 1 日起——于 2026 年 10 月 15 日正式全面可用。这就是全部消息，而且它比“正式全面可用”一词通常暗示的要小。模型没有变。价格没有变。基准表没有变，而且耐人寻味的是，厂商仍在带有 GA 横幅的同一页面上称这些数字为初步数据。改变的是路由：pareto 模型字符串现在默认指向 26.10，而两周前它指向上一版本，26.10 还是必须按名称主动选择启用的东西。像这次发布背后那些有记录的 AI 故障和智能体事件，都收集在the OrcaRouter AI Incident Archive中，每条记录都带有自己的来源、严重性、置信等级和争议标记。

这个区别值得你花两分钟读一读，因为它决定了你得到的是自己选择的版本，还是一个自动送上门来的版本。任何在10月14日调用pareto的人得到的都是旧模型。任何在10月16日调用它的人得到的都是26.10——上下文窗口不同、价格不同，底层模型字符串也不同，而无需改动一行代码。

10月15日移动了什么？

供应商针对该日期的变更日志条目简短而明确，其中提出了三项值得区分开来的说法。

• 默认别名已变更。pareto 字符串现在会选择 26.10。Unbiased 自己的说法是该别名“现在指向 26.10”，这是关于路由的陈述，而不是关于模型的。• 带日期的字符串仍然可用。pareto-26.10 固定此版本，而 pareto-26.9 “仍然可用”，供任何想使用上一个版本的人使用。预览字符串已停用：预览用户被告知改用 pareto 或 pareto-26.10。如果你之前使用的是预览版，这是一项需要手动完成的迁移。• 订阅额度在相同价格下翻倍。Personal 提升至每周 5000 万个 token，Personal Max 提升至 6 亿个，两者的月度费用分别保持在 10 美元和 100 美元不变。API 费率表本身——每百万输入 0.80 美元、缓存输入 0.03 美元、输出 3.20 美元——明确表示“与预览版相比没有变化”。

所以 GA 事件就是一次别名切换、一个被弃用的字符串，外加一份更大的每周额度。这份清单里没有任何一项能让模型变得更好。三项中有两项让它更便宜或更易用，而对大多数读者来说，这才是重点。

规格表，如文档所述

Pareto 26.10 是一个文本加图像输入、文本输出的模型，上下文窗口为 1,048,576 个 token，最大响应长度为 131,072 个 token。这两项都是当前已公布的事实；但二者均未经独立实测，而且 Unbiased 自家的定价页面上根本没有印出上下文数字——这个数字你得从模型的技术条目记录和厂商的模型卡中获取，这是一个虽小却值得留意的文档缺口，在依据它来估算工作负载规模之前最好先了解这一点。

在参数层面，文档中列出的集合是 max_tokens、temperature、top_p、tools 和 tool_choice。最后一项受到限制：你可以让模型决定是否调用工具，但无法像在大多数前沿 API 上那样强制调用。同样没有 response_format出现在已发布的参数列表里，如果你的流水线依赖结构化输出，这一点就很关键。记录中任何地方都没有 Hugging Face 标识符，因此权重是闭源的；供应商将 Pareto 描述为一种复合模型——一个混合模型，会针对请求运行多个底层模型，并保留它认为最佳的结果。这是关于机制的声明，由销售它的公司提出，没有外部验证。

值得停下来细想的，是上下文窗口的这次跃升。上一个版本承载 262,144 个 token；26.10 将其提升至原来的四倍，达到 1,048,576。粗略地说，这使代码库规模或转录文本规模的工作负载从“你需要把它分块”变为“你可以直接发送它”。这也是把 26.10 和 26.9 视为真正不同的模型、而非一次版本升级的最有力论据，而这正是本系列两篇对比页面都在探讨的问题。

基准表上仍然标注为“初步”。

26.10 发布了四项评分，全部来自 10 月 1 日的运行，全部由厂商运行，并且全部带有厂商为其编写的标签。

• DeepSWE v1.1 — 69.9%，据报告每任务平均成本为 $0.24。• Terminal-Bench 4.0 — 50.8%，每任务 $0.48。• Humanity's Last Exam，纯文本 — 49.9%，每任务 $0.008。• GPQA-Diamond — 92.4%，每任务 $0.004。

供应商的模型卡称其为“初步比较”，说明 26.10 的结果来自 2026 年 10 月 1 日的运行，并“可能在最终发布前发生变化”，还指出分母和成本方法“需要确认”。尤其是 GPQA-Diamond 的数值格外引人注目——92.4% 会让一个混合路由模型进入通常只属于前沿推理系统的领域——而恰恰是这个数字没有独立的对应结果。截至 2026 年 10 月 18 日，没有任何评估者发布过这四项中任何一项的复跑结果。

同一张卡片上还有一项对比，供应商自己称其未经独立验证；在这项对比中，上一个版本在两者唯一共有的基准上得分更高：在 DeepSWE v1.1 上，26.9 为 70.0%，而 26.10 为 69.9%。这一差距只有 0.1 个百分点，且是在 30 个任务的切片上而非完整评估集上，因此应理解为“两者在这项测量上无法区分”，而不是任一方向的排名。如果要从基准表中记住一件事，那就是：已公布的数字无法区分这两个版本，所以升级到 26.10 的理由是上下文窗口和路由，而不是分数。

GA 究竟能为你带来什么，又不能带来什么

三个实际后果，按它们最可能造成麻烦的程度排序。

首先，如果你之前一直固定使用预览字符串，那么你的调用现在已成为一项维护事项。预览已被取代；供应商会指引你改用 pareto或pareto-26.10。任何曾将预览字符串视为稳定快照的人——对预览而言，这是一种合理的直觉——现在其模型字符串已不再代表当前版本。

其次，如果你调用的是裸的 pareto 别名，并以为它是稳定的，那这个假设从来就是错的，而现在这一点已经显现。你在没有询问的情况下，从 262K 上下文切到了 1M 上下文，也从九月的价目表切到了当前价目表。厂商文档指出，未知的模型标识符目前还不会被拒绝——拼写错误仍会按 Pareto 提供服务并计费——所以，在你和一次悄无声息的版本变更之间，别名行为是唯一的屏障。如果可复现性很重要，就固定带日期的字符串；这就是支持这么做的理由，一句话说完。

第三，翻倍的额度改变了稳定工作负载的算账方式。在 Personal 上每月 $10、每周 5000 万个 token 的情况下，单个用户高强度的编程或研究负载可以落在订阅范围内，而不是走按 token 计费。这并不是对模型本身的断言，而且该额度是上限而非无限使用，但它是 10 月 15 日条目中改变你实际付费的部分。

路由器何处适得其所，实话实说

OrcaRouter 不承载任何 Unbiased 模型。如果你想要 Pareto 26.10，只能通过供应商自己的 API 调用它——这是唯一途径，我们不会暗示还有别的办法。路由层在这里的用途，是围绕它做决策：比较双方使用同一个密钥和同一套集成，因此用 26.10 对照你已经在运行的东西，并不意味着要第二份合同和第二套 SDK；而一个会在周中在你脚下发生变化的模型，也只是一次配置变更，而不是一次故障。最后这一点，正是pareto在 10 月 15 日从 26.9 切换到 26.10 从外部看起来的样子：一次供应商侧的别名迁移，却在请求中没有任何信号。路由器的 自动故障转移和路由 DSL正是为了应对这类依赖开始报错或超时的情形，以及回退目标应当在其发生之前就已命名的情形。

OrcaRouter 按供应商的列表价格原样传递，0% 加价，因此供应商的价格变动在落地当天就会同步到我们这边——这总体上是一项实实在在的优势，但并不能成为路由我们并未提供的模型的理由。

本周谁应该搬家？

请升级到 pareto-26.10，前提是你需要 100 万 token 的上下文窗口。这是两个版本之间具体且可核验的差异，也是目前唯一一个基准测试表无法反驳的理由。操作时请固定带日期的版本字符串，而不是别名，这样下一次别名切换就是你主动安排的事情。

继续使用pareto-26.9，前提是你正处于项目中途，并且你的上下文能容纳在 262K 内。在供应商自己的评测框架上，这两个已发布分数仅相差 0.1 分；公开记录中没有证据表明迁移能提升输出质量。你还保留着供应商表示仍然可用的字符串。

等等，如果你仍在使用预览字符串并且还不确定：迁移只是一行改动，但它是本次发布中唯一一个不采取任何行动就会有明确失败模式的部分。

什么会改变这个读数

三件事，目前都还看不见。

一次独立的基准测试运行。本文中的每一个数字都是 Unbiased 自己的，基于 Unbiased 的测试框架，并附带 Unbiased 的注意事项。由外部方重新运行是最有可能出现的最有用的事情，在它出现之前，92.4% 的 GPQA-Diamond 数字应作为厂商报告的结果引用，或者干脆不引用。

一次标注了日期的价格变动。这张卡此前也调整过价格，却没有变更日志条目加以说明——这既是更划算的交易，也是更差的信号。GA 明确沿用了原有费率；下次价格再变动时，厂商是否为它标注日期，就能告诉你这个型号的定价有多少可以作为规划依据。

第二条服务路径。该模型仅由一个提供商提供服务，因此在供应商自身的技术栈内没有故障转移目标。对于任何以 26.10 为关键路径的事项，这是一个需要设法绕开的设计约束，而不是一个可以归档记录的小细节。

反复出现的问题

Pareto 26.10 是一个新模型，还是换了个标签的预览版？从功能上看，它就是预览版：相同的上下文窗口、相同的定价、相同的四项已公布评分、底层是同一个模型。正式发布（GA）带来的变化在于路由——pareto别名现在会选择它——外加订阅配额翻倍以及停用预览版字符串。

“正式可用”标签是否意味着基准测试结果是最终结果？不意味着，而这正是大多数关于10月15日更新日志的报道会略过的细节。宣布正式可用的同一个厂商页面仍将这四项分数描述为初步比较，并称结果在最终发布前可能发生变化。正式可用描述的是模型作为产品的状态；它并不会提升关于其质量的证据等级。

别名变更对忽略它的人究竟有什么代价？如果他们想要最新版本，那就没有代价。如果他们想要自己测试过的那个版本，代价就是一个他们并未选择的上下文窗口和一份他们并未审阅的费率表——两者都可以通过固定版本来恢复，而两者都无法事后从账单中还原。