Pareto 26.10 对比 Unbiased Pareto 26.10 Preview：同一个模型，两种不同的字符串

要最简短而诚实地回答 Pareto 26.10 与 Unbiased Pareto 26.10 Preview 相比如何，答案是：它们是同一个模型，按相同价格提供服务，具有相同的上下文窗口、相同的最大输出、相同的四项已公布基准测试分数，以及相同的底层复合架构。预览版于 2026 年 10 月 1 日上线；正式可用版本于 2026 年 10 月 15 日发布，Unbiased 自己的更新日志称费率自预览版原样沿用、未作更改。两者之间没有重新训练任何内容，也没有为 GA 页面重新运行任何分数。 类似此次发布背后的、有据可查的 AI 故障和智能体事件，均收录在 the OrcaRouter AI Incident Archive 中，其中每条记录都附有各自的来源、严重程度、置信等级和争议标记。

发生变化的是模型周围的一切，而对于有代码在生产环境中的读者来说，这可不是小事。预览字符串已停用，pareto 别名现在指向 GA 发布版，而订阅额度在相同月费下大约翻了一倍。如果你正在这两者之间做决定，你并不是在两个模型之间选择——你是在同一个模型的两种安排之间选择，而其中一种安排已经不再提供。

为什么这个比较比看起来要短

大多数 X 与 Y 对比页面之所以存在，是因为两个模型在某些可衡量的方面存在差异。这个页面并非如此，而直言这一点比人为制造差异更有用。这两个条目是同一发布版本在其生命周期中的两个时间点，厂商自己的记录证明了二者等价，而不只是暗示这一点：10 月 1 日更新日志中为预览版发布的四项基准分数——92.4% GPQA-Diamond、49.9% Humanity's Last Exam text-only、69.9% DeepSWE v1.1、50.8% Terminal-Bench 4.0，每项任务成本分别为 $0.004、$0.008、$0.24 和 $0.48——与今天的 GA 模型卡所载的同样是这四个数字，精确到小数位。GA 之后没有重新运行，因此既没有改进的证据，也没有退步的证据。

这一点值得说明，因为从预览版到正式版（GA）的过渡，往往是厂商悄悄改动某些东西的环节。而在这里，更新日志用直白的语言说明了相反的情况，模型卡也印证了这一点。诚实的说法是，预览标签只是一种状态标识，而非另一个不同的模型。

什么是相同的，以及你可以如何检查它

• 上下文窗口 — 两者均为 1,048,576 个 token。 • 最大响应 — 两者均为 131,072 个 token。 • 模态 — 两者均为文本和图像输入、文本输出。 • 定价 — 每百万输入 token 为 $0.80，缓存输入为 $0.03，输出为 $3.20。GA 变更日志称这些费率沿用自预览版。 • 参数 — max_tokens、temperature、top_p、tools、tool_choice，其中 tool_choice 仅限 auto。 • 基准测试 — 10 月 1 日的四项分数，未变，仍标注为初步结果。 • 权重 — 两者均为闭源，且两份记录中均无 Hugging Face 标识符。 • 服务 — 两者均由同一提供商（即厂商）提供。

这些都不是需要主观判断的事。它们都读自同一份已公开的记录，任何去核对的读者都会在两页中的任何一页上看到相同的数字。

什么不相同

有三点不同，而每一点都会带来后果。

• 模型字符串。预览版是通过预览版专用标识符调用的。该字符串已被取代——Unbiased 的 GA 条目告诉预览版用户切换到 pareto 或 pareto-26.10。GA 发布版可通过 pareto-26.10 寻址，而现在裸 pareto 别名选择的就是它。 • 状态。预览版是供应商表示可能变更的发布版本；GA 发布版是供应商的默认版本。这一区别不会影响你拿到的 token，但会改变你对下一个 token 的假设。预览槽位是供应商放置其尚不愿背书的版本的地方；默认槽位则是放置其当前版本的地方。 • 订阅额度。Personal 已调整为每周 5000 万个 token，Personal Max 调整为 6 亿个 token，两者均维持此前公布的每月 10 美元和 100 美元价格。按 token 计费的 API 价目卡并未随之调整。

这就是完整的清单。如果你指望看到关于输出质量的第四行，那并没有，任何给你列出这一行的文章都是在凭空编造。

如果您固定了预览字符串

这是比较中附带截止日期的那部分。

一个用于命名预览版的模型字符串，从构造上就注定是一个有有效期的字符串。供应商已于10月15日将其停用，这意味着任何把它固定下来作为可复现性措施的人——这是一种合理的直觉，因为预览版恰恰是你最想冻结的东西——现在持有的字符串已不再对应当前版本。迁移只需一行：指向 pareto-26.10，而不是那个预览版标识符。

有一个微妙之处，使得这件事值得刻意去做，而不是草率完成。Unbiased 的开发者文档指出，未知的模型标识符目前尚未被拒绝，而且拼错的字符串仍会按 Pareto 提供服务并计费。因此，这里搞砸的迁移不会以 404 大声失败。它会悄无声息地成功，落到那个别名上——对这个供应商来说，该别名遵循的是发布日历，而不是你固定的版本。如果你要离开预览版，请核实你最终使用的字符串正是你想要的那个，因为 API 里没有任何东西会告诉你并非如此。

既然它们相同，你该如何自行比较它们？

既然已公开的记录无法区分这两者，唯一值得做的比较就是在你自己的 workload 上进行——而且这比听起来更省事，因为你是在用一个模型与你现有的 baseline 对比，而不是让两个模型相互对比。

把四个已公布的分数完全排除在决策之外。它们由厂商自行运行，模型卡称这项比较为初步结果，并说明 26.10 的结果来自 10 月 1 日的运行，在最终发布前可能发生变化。GPQA-Diamond 的分数 92.4% 是最可能引发采购讨论的一个，也是唯一在任何地方都没有独立对应结果的一个：截至 2026 年 10 月 18 日，没有任何外部评估方发表过这四项中任何一项的重新运行结果。把它当作假设，而不是结论。

然后把你自己的任务跑一遍 GA 字符串，并与你今天实际运行的任何方案进行对比，围绕两个真正起决定作用的维度：每个已完成任务的成本——包括缓存行为，因为在每百万缓存输入 $0.03 的价格下，热提示与冷提示之间的差异会主导每 token 的算术——以及 1M 上下文窗口是否从你的流水线中去掉了一个检索步骤。第二点才是关注这个模型的根本理由，而且它在一个下午内就能测量出来。

这正是路由层所面向的评估形态，值得精确说明我们在这里涵盖什么、不涵盖什么。OrcaRouter 不承载任何 Unbiased 模型，因此 Pareto 26.10 是通过厂商自己的 API 调用的——仅此而已。我们提供的是一个密钥和一套集成，面向你用来与它做基准对比的那些模型，并提供自动故障转移，使候选模型能够承载一小部分真实流量，而无需让生产路径依赖它。OrcaRouter 的模型融合在同一方向上更进一步，针对这项练习中的成对比较部分：多个模型在一次调用中回答同一个提示，这是一种快速查看像 Pareto 这样的混合模型答案与单模型基线差异所在的方法。我们的参数范围覆盖 200+ 个模型，按供应商标价零加价——这是关于我们所服务目录的陈述，而不是关于这一个模型的。

GA 过渡未能解决的问题

有两件事读者常常以为 GA 标签就能解决，而这个标签并不能。

它并不能让这些基准测试尘埃落定。宣布该模型退出预览的同一个页面，仍将这四项得分描述为初步比较，并称结果在最终发布前可能发生变化。正式可用是对产品状态的说明；供应商并未升级其关于质量的证据，其他人也没有。任何引用 GPQA-Diamond 上 92.4% 的人，都应同时引用其限定说明，因为目前该限定说明是那个数字中唯一有独立依据的部分。

这并不能确定价格。GA 条目称费率沿用，而当前的价目卡显示为 $0.80 / $0.03 / $3.20——这是供应商为这一型号系列公布的两个数字中较低的那个，因为九月版本的技术记录仍载有输入 $2.50 和输出 $7.50。没有带日期的变更日志条目记录这次调整，因此较低的价目卡是你应当用来估算的，而不是你能据此约束供应商的。按它来建模你的支出，并在签署任何假定该价格的协议前重新核实。

谁应该关心哪个字符串

预览版已经退场；现在唯一实际的问题是锁定 GA 版本还是跟随别名，而这正好可以清晰地对应到工作负载类型上。

如果你需要可复现性、成本归因，或在长时间评估中需要一个稳定的对照臂，就固定使用 pareto-26.10——这正是大多数用它对照现有方案的团队会做的。如果你确实想要厂商当前的默认版本，并且已经做好设置、能在它变化时察觉，那就跟随 pareto；这个别名已经变过一次，就在 10 月 15 日，而变更日志正是发布该消息的地方。

这两个选择都无关质量，因为记录中并不包含这两个字符串之间的质量差异。真正重要的决定已在 10 月 15 日替你做出来了，当时默认值发生了变更：你在该日期之前调用的任何内容，都不是别名现在返回的内容。注明你测试的是哪个版本，是让这一点显现出来的唯一方式，也是这次过渡留下的唯一一项收尾工作。