Unbiased 将 Pareto 26.9 锁定到它自己的模型字符串：稳定版现在有名字了

Unbiased 的 Pareto 26.9不再只是别人脚注里提及的一个版本号，而是在 2026 年 10 月 13 日成为了一个可寻址的模型——自 9 月以来一直充当稳定默认版本的这次发布，在这一天拥有了属于自己的版本限定标识符。来龙去脉很重要：同一家厂商的 Pareto 26.10 Preview自 10 月 1 日起便以专属字符串 pareto-26.10-preview 作为需主动选择的预览版出售，而 pareto 则一直停留在稳定版上，用厂商自己的话说，“不会选择此预览版”。在这两件事之间的十一天里，你实际调用的究竟是哪个版本，是由一行变更日志决定的，而不是由请求体中的任何内容决定的。从本周起，它有了一个可供固定（pin）的名称。

那是供应商那边的一项琐碎整理，而在你们这边却是实打实的变化。一个模型字符串如果默认意味着“我们上次发布的任何东西”，那在被赋予别的含义的那一周之前都没问题；预览版和稳定版之间的区别，就是一份在最终发布前仍可能变化的基准表，和一份你可以写进合同的基准表之间的区别。Unbiased 现在已将两者并排发布，并附上了费率。

实际改变了什么——以及什么没有改变

有两样东西发生了变动，而这两样都不是模型本身。

• 稳定版有了一个标识符。自 9 月 17 日以来一直可以以 pareto 寻址的那个版本，如今解析为一个带日期、带版本限定的 slug，其规范形式携带着最初的发布日期。你第一次可以直接说出你真正指的那个版本，而不必再用跟随厂商日历的别名。

• 别名再次跟随稳定版本。Unbiased 10 月 1 日的更新日志明确指出了别名的指向：要选择加入，请使用 pareto-26.10-preview，因为 pareto“仍是默认的发布别名，不会选择此预览”。稳定路径就是默认路径。

稳定字符串背后的模型与九月发布时相比没有变化，供应商的文档也没有就此更新。Pareto 被销售它的公司描述为一种混合模型：它在每次请求时并行调用多个模型，并从结果中综合出一个答案。这是关于机制的说法，而不是规格，而且没有独立验证。可以验证的是它外层的封装。

在供应商的文档化表面上，自上次检查以来：输入为文本和图像，输出仅为文本，最大响应为 131,072 个 token，模型接受 tools、tool_choice、response_format、temperature、top_p 和 max_tokens，其中 tool_choice 仅限于 auto——你无法强制进行工具调用。记录中任何地方都没有 Hugging Face 标识符，因此权重仍处于封闭状态。

定价才是真正出现偏离的部分

Pareto 于 9 月首次上架时，价格表上写着每百万输入 token 2.50 美元、每百万输出 7.50 美元，缓存输入为 0.25 美元。而如今在该厂商的定价页面上，同一个稳定版本公布的价格为输入 0.80 美元、输出 3.20 美元、缓存输入 0.03 美元——按美元数字计算，约相当于最初输入价格的三分之一，输出价格则略高于 40%。

把它按字面意思理解就好，因为无论朝哪个方向都容易被误读。这是厂商发布的费率，唯一的日期依据只是该页面目前还在线；Unbiased 并没有发布带日期的价格变动记录，所以既没有可引用的“就在这一天价格下降了”的说法，也没有促销结束日期。更诚实的说法是：当前稳定版按较低的价格档出售，而更高的数字仍在基于 9 月挂牌信息撰写的报道中流传，并且没有任何东西约束厂商必须维持较低的那一档。这个月要做成本模型的人，应该采用 $0.80 / $3.20，并重新核实，而不是把它当作固定值。

唯一值得纳入定价的结构性折扣是缓存费率，这源于该模型的构建方式。缓存输入价格为 $0.03，不到标准输入费率的 4%。如果 Pareto 真的在整个对话中保持同一种混合配置，而不是逐轮重新选择模型，那么提示缓存就能贯穿整个轨迹——这恰恰是供应商所说的、传统路由器在对话中途切换模型时会放弃的那部分节省。Unbiased 还在按量付费额度之外销售带每周 token 额度的订阅：从每月 $10、每周 2500 万 token 起，一直到没有每周上限的预付团队额度，因此对于稳定的个人使用来说，按 token 计算的账甚至都不是账单本身。

这正是路由层改变格局的部分，值得我们精确说明自己所处的位置。OrcaRouter 将供应商的标价原样传递，0% 加价，因此供应商的价格调整一旦落地，当天就会在我们这边生效，而不是等到续约周期——但我们并不代理任何 Unbiased 模型，所以如果你特别想要 Pareto 26.9，请通过 Unbiased 自有的 API 来调用。在这里，路由器能为你带来的，是决策两端的模型只需一个密钥、一次集成，因此将 Pareto 与你当前运行的模型进行对比，并不意味着要再签一份合同、再接入一套 SDK。这一款模型的可用性通过供应商自己的 API 提供。

稳定版的评分是多少——以及这个分数价值几何

Unbiased 为稳定版公布了一个可比的数字，而它附带的注意事项比这个数字本身还要多。

• Pareto 26.9 在 DeepSWE v1.1 上达到 70.0%，据报告每任务平均成本为 $0.29。供应商将此次运行的日期标注为 2026 年 9 月 20 日。

• 那次运行的规模——是一个 30 个任务的切片，而不是完整的 DeepSWE v1.1 集合。Unbiased 是在自己的模型卡上这么说的，而不是在别处的某个脚注里。

• 厂商为 26.9 列出的另一项分数——Humanity's Last Exam——在报告时并未附带预览版 HLE 分数所带有的“仅限文本”限定说明，模型卡也将这一点标注为一项差异。

• 对这一切的分类——初步的、由供应商进行的，并被转录进一份供应商自己都描述为“未经独立验证”的对比中。

把稳定版和预览版放在一起比较，分数在任何单次运行的误差范围内都相同：在 30 项任务切片上，26.9 以 $0.29 达到 70.0%；在完整集上，26.10 Preview 以 $0.24 达到 69.9%，两者都是 DeepSWE v1.1，且都由销售该模型的公司运行。这并不是得出预览版更差的理由。它说明的是，已公布的数值不够精确，不足以区分这两个版本，而且任何向你销售其中任一版本的人，都没有理由去运行那个能够区分它们的实验。

目前，专门针对 Pareto 26.9 的独立证据尚不存在。Artificial Analysis——大多数团队在信任价目表上一个新名字之前都会查看的榜单——没有它的页面；该模型路径返回的是 404，而不是评分。没有排行榜排名，没有第三方延迟或吞吐量数据，也没有任何供应商之外的人对上述任何一项的复现。Unbiased 取而代之提供的，是比评分更有意思的东西：一个公开的评估工具，可以指向任何兼容 OpenAI 的端点，包括你已经在用的那个，于是这一说法从“相信我们的数字”变成了“重跑我们的数字”。这确实比大多数供应商给出的条件更好，但它仍然不等同于一个经过验证的数字。没有人公布过重跑结果。

稳定版与预览版：从决定迁移的各个维度看

如果你今天要在这两个版本之间做选择，这些才是真正重要的差异，而它们并不是评分所暗示的那些。

• 上下文窗口 — Pareto 26.9 上为 262,144 个 token，而 Pareto 26.10 Preview 上为 1,048,576 个，相差四倍，仅此一点就是支持该预览版最有力的论据。

• 公布价格——预览版为每百万 tokens $0.80 / $3.20 / 缓存 $0.03；稳定版在首次出现时标注为 $2.50 / $7.50 / $0.25，而厂商定价页面目前对稳定版路径同样公布的是较低的那档价格。在厂商为其标注日期之前，稳定版数字应视为仍在变动。

• 合同状态——26.9 是正式发布版；26.10 Preview 是预览版，Unbiased 称其“可能在不另行通知的情况下变更”，且明确不具约束力。

• 基准测试透明度——预览版有四个已发布的分数，并附有每任务成本；稳定版在 30 个任务的切片上有一个可比较的分数。

• 访问层级 — 两者均遵循相同的评估访问条款，其中商业或生产部署需要另行签订书面协议。

• 权重 — 两者均闭源，既无许可证文件，也无仓库。

综合来看，这个选择并不关乎质量。它关乎的是：你是宁愿在一个可能在你毫无预警的情况下被替换掉的模型上获得四倍的上下文，还是宁愿在一个厂商已不再宣传其可变性的构建版本上拥有更窄的窗口。对于构建长文档或长智能体会话产品的团队来说，前者很难拒绝，后者很难依赖；答案通常是让预览版运行在回退方案之后，而不是选定一个就置之不理。

没人会写进模型卡里的运维注意事项

这个模型的封装层目前还是测试版，而 Unbiased 会如实记录其粗糙之处，而不是加以掩饰，因此很容易据此提前规划应对。

• GET /v1/models 未实现。你无法枚举可用的内容；你只能发送你想用的字符串，然后看结果如何。

• 未知的模型标识符不会被拒绝。一个拼写错误可能会跑到你并不打算让它去的地方，而你也不会得到清晰的报错，这有力地说明不应在多个地方手动输入版本字符串。

• 文档中收录的接口仅为 Chat Completions 和 Messages——不包含 embeddings、图像生成、音频，也没有模型列表。

• 访问权限属于条款下的评估访问，账户需经人工审核后才会发放密钥。生产环境使用须事先签订书面协议。

• 只有一个服务提供商。记录中没有第二个主机，因此供应商自身的技术栈内也没有故障转移目标。

最后一行决定了你应该把其中多少放进生产路径。一个单提供商 beta，且模型发现存在有文档记录的缺口，正是回退链能够体现价值的场景，也正是应该在投入流量之前而不是在事故发生之后进行配置的场景。OrcaRouter 的自动故障转移和路由 DSL 就是我们这边进行设置的方式——一条链会把请求发送到你的主模型，并在主模型出错或超时时转向一个具名替代模型，这一切以配置表达，而不是你需要维护的代码。我们不托管 Pareto 26.9，因此我们这边的故障转移目标会是我们确实提供服务的某个模型，而不是这个模型的另一份副本。

本周谁应该置顶该字符串，谁应该等待

如果你已经直接按名称调用 Pareto，并且你的工作负载足够稳定，以至于周中版本变更会是意外而不是特性，那就固定它。这就是版本限定标识符的全部价值：跟随供应商发布日历的别名是一种便利，直到它变成未经审查的依赖项更新为止。固定版本还使你自己的成本跟踪可减，因为这两个版本有不同的公布费率，而混合的月份事后无法分解。

如果你在建模支出，价格就先别急着定下来。稳定版自己的价目卡已从 $2.50 / $7.50 变为 $0.80 / $3.20，却没有一条注明日期的记录来解释这次变动，所以你这周写进预算的任何数字都只是一次观测值，而非承诺——在据此签署任何东西之前，请再核实一遍。

无论如何，质量这个问题先放一放。稳定版只有一个供应商在 30 项任务切片上跑出的分数，预览版有四个初步分数，而且两者都没有独立评估方覆盖；你今天实际能做的决定，是关于接口和可靠性的：你需要哪个上下文窗口、你是否能容忍预览版，以及供应商的 beta 缺口是否适合你的部署。这些都是可以回答的。这两个当中哪个是更好的模型，则不是；诚实的做法是，在你断定它就是更好模型之前，先在你自己的工作负载上重新运行已发布的评测框架。

出现的问题

pareto 今天选择的是哪个版本，这一点发生变化了吗？根据 Unbiased 10 月 1 日的更新日志，该别名指向稳定版本，日志中明确说明它不会选择预览版。这与 9 月最初的安排方向一致；本周发生变化的是，稳定版本现在也可以通过带版本限定的标识符来引用，因此该别名不再是唯一指定它的方式。如果你的代码发送 pareto 并期望获得最新的东西，那么这种期望从来就不受支持——预览版从发布之日起就只支持按名称显式选择。

你应当固定带日期的标识符，还是保留别名？如果需要可复现性或成本归因，就固定；如果你确实想在不自己做任何更改的情况下使用供应商当前的稳定构建，就保留别名。要避免的故障模式是中间状态：在一处固定了该字符串，却在另一处任其漂移，而且是在一个未知标识符既不会被拒绝、也无法被列出的 API 中。

Pareto 26.9 有没有任何独立的基准测试？截至本周还没有。目前唯一可获得的数字来自厂商，是在厂商自己的测试框架上运行的，并且随附了厂商自己对运行规模以及对其所称未经独立验证的比较的说明。公开的测试框架是这一图景中最有力的一环，因为它是可测试的，而且还没有人公布过针对它的复现运行。

最后一件值得关注的事不是基准测试。而是供应商是否给下一次费率变动标注日期，因为从 2.50 美元降到 0.80 美元却不标注日期，是更划算的交易，也是更糟的信号——它告诉你，这张价目卡可以在没有一条能让你日后解释的日志记录的情况下变动。对于一个全部卖点就是“数字即收据”的模型来说，这正是应当拿这个细节来要求它兑现的地方。

发布也是回查以往出过哪些问题的时刻：围绕这一类模型，有记录的 AI 事故和智能体故障都汇集在 OrcaRouter AI 事故档案库中，其中每条记录都附有自己的信息来源、严重程度、置信度等级和争议标记。