Pareto 26.9 对比 Unbiased 的 Pareto 26.10 预览：稳定版锁定与预览版

Unbiased 的 Pareto 产品线现在提供两个可调用版本，它们对同一个问题给出两种不同答案；而从本周起，你必须有意选择其中一个。Pareto 26.9是供应商默认别名所解析到的版本：262,144 个 token 的上下文，每百万输入 token 2.50 美元，不附带到期日期。Pareto 26.10 Preview是需主动选择加入的构建：四倍上下文，输入价格约为其三分之一，四项供应商自己称为初步的基准测试分数，以及写入其目录记录的到期日期。两者均已上线。两者都接受文本和图像输入并返回文本。二者都不是对方的变体，无法在请求时通过一个标志切换。

改变的不是这两个模型中的任何一个，而是稳定版终于有了自己的地址。2026年10月13日，列出这一系列的路由目录开始将 unbiased/pareto-26.9 作为一个可单独调用的条目收录，与一个始终重定向到当前版本的别名条目并列。在此之前，想要确定地访问稳定版模型，唯一的办法就是请求Pareto，并接受别名交给你的任何东西。现在这两个版本位于同一个列表中，各有自己的价格、自己的限额和自己的过期元数据——而在它们之间做出选择，是你自己做出的决定，而不是别人替你做出的决定。

这两个版本，逐维度对比

它们之间已发布的每一处差异都包含在这七行中。左侧是 Pareto 26.9；右侧是 Pareto 26.10 Preview。

• 上下文窗口 —— 262,144 tokens 对比 1,048,576 tokens。空间是四倍，而两者都没有提供更小的档位。• 最大输出 —— 131,072 tokens 对比 131,072 tokens。更大的输入窗口并未换来更大的回答。• 输入价格 —— 每百万 tokens $2.50 对比 $0.80。预览版约为稳定版费率的 32%。• 输出价格 —— 每百万 tokens $7.50 对比 $3.20。约为其 43%。• 缓存输入 —— 每百万 tokens $0.25 对比 $0.03。预览版约为八分之一，而这一项对长时间运行的智能体的账单影响最大。• 公布的基准测试表 —— 只有一个分数，且基于部分任务切片，对比四个被厂商标注为初步的分数。• 稳定性条款 —— 记录中没有到期日期，厂商称其为默认发布版，对比需主动选择加入的预览版，其目录记录带有 2026 年 10 月 15 日的到期日期。

那些行里有两行承担了大部分作用。缓存输入费率决定了在任一版本上，一段很长的智能体轨迹是否负担得起；而过期字段则决定了这个预览版究竟能不能让你基于它去构建任何东西。

为什么版本号对不上

这些数字是月份标签，而不是供你据此推断的序列。Unbiased 自家的模型卡把 Pareto 26.9 标注为 2026 年 9 月 20 日的一次运行，并将 26.10 Preview 描述为随后于 10 月 1 日发布的版本。列出 26.9 的那个目录显示，它在 10 月 13 日才进入记录——比厂商印出的发布日期晚了三周。而厂商为这个预览版发布的公告称，上一个版本"26.9"在被正式命名之前，曾以临时名称在第三方网关上运行了两周。

把这三句话结合起来，实际教训就是：这里的版本号只告诉你某个构建出自哪个月份，而完全不能说明该构建是否仍是最新的、是否仍受支持，或者是否仍是别名背后的那个版本。这也意味着，你在目录页上看到的日期是上架日期，而不是发布日期。把它当作后者来理解，是关于这个系列最常见的一个错误，而如今正反两个方向都会犯这个错：26.9 看起来比实际新了三周，而预览版看起来比实际旧了五周。

预览能换来什么，以及基准表实际说了什么

对预览版而言，理由就是算术：以三分之一的输入价格获得四倍的上下文，而且缓存读取费率低到足以让一条长轨迹的成本仅为在 26.9 上的几分之一。Unbiased 还声称预览版延迟更低，并且在长时间智能体运行中提升最大——但无论是厂商还是其他任何人，都没有公布任何测量数据来支持这一说法。

反对条件反射式地选择它的理由更为微妙，并且存在于这两个版本唯一能够进行对比的地方。在 DeepSWE v1.1 上——两个版本都出现在这个智能体编码基准中——厂商的模型卡显示，Pareto 26.9 为 70.0%，每任务 $0.29，Pareto 26.10 Preview 为 69.9%，每任务 $0.24。较新、较便宜的版本得分略低——在唯一一个两者都有数字的基准上——并且在每任务成本上以约 17% 的优势胜出。这既不是丑闻，也不是可以置之不理的舍入误差——这恰恰是更便宜的混合系统应有的样子，而且在你想当然地认为预览版是严格升级之前，值得了解这一点。

这个对比有两点需要注意，而供应商把两者都公布了。26.9 这个数字来自 30 项任务的切片，并非完整的 DeepSWE v1.1 数据集，因此它与预览版的测量口径并不相同。而且这里每个数字都是供应商自己跑的：预览版的四项得分——GPQA-Diamond 上 92.4%、Humanity's Last Exam 纯文本上 49.9%、DeepSWE v1.1 上 69.9%、Terminal-Bench 4.0 上 50.8%——都带有供应商自己标注的"初步数据，最终发布前可能变动"标签，模型卡也声明分母和成本计算方法仍有待"确认"。Unbiased 之外没有任何人为这两个版本公布过分数。把整张表当作去测试的理由，而不是切换的理由。

到期日才是需要围绕它做规划的部分。

预览版的记录载明有效期至2026年10月15日——也就是本文撰写后的一天。我们所能找到的任何地方都未记录该日期当天会发生什么：更新日志里没有，模型卡上没有，定价页面上也没有。供应商的材料中没有任何内容表明该预览版会停止服务，而发布文章在精神上表达的意思与关停相反——“价格不会上涨，预览版slug不会在你脚下失效”，并且到正式转正时，26.10会成为订阅者的默认选项，同时每周额度翻倍：10美元的Personal方案从2500万tokens增加到5000万，100美元档位从3亿增加到6亿。

所以，诚实的解读并不是“预览版明天就会失效”。而是：预览版受制于会变动的条款，而且一条记录中带有过期字段的构建，并不是你为不想再回头处理的系统所应固定使用的发布版。这就是把 26.9 作为默认版本的完整理由：它改进得更慢，而且在输入上的定价高出三倍，但它是供应商称为发布版而非实验版的那个版本，并且它的记录上没有时钟。

在无需重写集成的情况下同时保留两者

这是路由决策而非建模决策，原因是两个发布版本采用相同的请求形态。相同的端点族、相同的参数、相同的文本与图像输入/文本输出接口——唯一不同的是你在 model 字段中填入的字符串。这让迁移面变得极小，而固定版本的纪律则成了全部问题所在：恰恰一个位置上的一个值，决定了两个定价迥异的系统中哪一个来回答你。

这正是 OrcaRouter 上的路由 DSL所为之而生的场景。你把一次调用由若干具名分支组合而成，并将模型字符串作为配置值保留，而不是硬编码在应用代码里的常量，这样从预览版切换到稳定固定版本只需修改路由，而无需重新部署。故障转移链也是如此：某个预览版发生变化、过期或开始返回错误时，会成为一次回退事件，而不是一次事故。我们并不承载 Unbiased 的任一版本——这是一个由供应商自身提供服务、只有唯一提供方（即供应商本身）的模型家族——因此调用它的方式就是使用 Unbiased 自己的 API；而如果你的目标是把这两个版本与自己的工作负载进行对比，那么今天两者都可以在那里访问到。

要固定哪一个

如果你要交付的东西必须在下个月、无人干预的情况下给出答案，那就锁定 Pareto 26.9。它的每输入 token 成本高三倍，给你的上下文却只有四分之一；作为交换，它是供应商别名所指向的版本，没有过期字段，而它唯一公布的基准——一个部分切片得分——恰好是两者中较高的那个。这是个无聊的答案，但对生产路径来说是正确的那个。

如果你正在评估，或者你的工作负载属于长上下文且对成本敏感到了输入价格相差三分之一就会改变可行性的程度，那就刻意在回退方案之后运行 Pareto 26.10 Preview。每百万 $0.03 的缓存输入费率相对于 $0.25，正是你能全天负担的智能体循环与一个必须限量使用的智能体循环之间的差别，而 1,048,576 token 的窗口是两者中唯一能在单个请求中容纳大型代码仓库或长文档集的窗口。选择这个价格，选择这个窗口，并把到期日记在日历条目里，而不是记在你的假设里。

能推翻这一建议的情形既有限又可核实：一份宣布该预览版已转正、别名已迁移的公告；针对这两个版本中任一版本的独立基准测试；或该预览版在 10 月 15 日之后继续以相同费率提供服务。其中任何一条都会把二选一变成单向选择。在其中一条落地之前，这一系列中的两个版本就是真正不同的产品，有着真正不同的风险特征，而你能掌控的唯一一件事，就是你的请求携带哪个字符串。

一个可能在周中于你脚下发生变化的版本，正是自动故障转移为之而生的场景：自动故障转移让一个过期或开始报错的预览变成一个回退事件，而不是一次事故。