Pareto 26.10 與 Unbiased Pareto 26.10 Preview：同一個模型，兩種不同的字串

對於Pareto 26.10與Unbiased Pareto 26.10 Preview相比究竟如何，最簡短而誠實的回答是：它們是同一款模型，以相同價格提供，上下文視窗相同，最大輸出相同，四項公開基準分數相同，底層複合架構也相同。預覽版自 2026 年 10 月 1 日起運行；正式發行版於 2026 年 10 月 15 日推出，而 Unbiased 自家的變更日誌指出，費率是從預覽版原封不動沿用過來的。兩者之間沒有重新訓練任何內容，也沒有為正式發行頁面重跑任何分數。這類發布背後的已記錄 AI 故障與代理事件，均收錄於OrcaRouter AI Incident Archive，其中每筆條目都附有各自的來源、嚴重程度、置信等級與爭議標記。

改變的是模型周遭的一切，而對於有程式碼在生產環境運行的讀者來說，這可不是小事。preview 字串已停用，pareto 別名現在指向 GA 版本，而且訂閱額度在相同月費下大致翻倍。如果你正在這兩者之間做決定，你不是在兩個模型之間做選擇，而是在同一個模型的兩種安排之間做選擇，而其中一種安排已經不再提供。

為什麼這項比較比表面上看起來更短

大多數 X 對 Y 的頁面之所以存在，是因為兩個模型在某個可量測的地方有所不同。這一頁並非如此，而坦白說明這一點，比硬造出一項差異更有用。這兩個條目是同一個版本在其生命週期中的兩個時點，而供應商自家的紀錄不只是暗示、而是證明了兩者等效：10 月 1 日更新日誌中為預覽版公布的四項基準測試分數——GPQA-Diamond 92.4%、Humanity's Last Exam text-only 49.9%、DeepSWE v1.1 69.9%、Terminal-Bench 4.0 50.8%，每項任務成本分別為 $0.004、$0.008、$0.24、$0.48——與 GA 模型卡今日所列的同樣四項數字，連小數位都完全相同。GA 之後並沒有重新執行，因此既沒有進步的證據，也沒有退步的證據。

值得說明這一點，因為從預覽版轉換到 GA 版，往往是供應商悄悄更改某些東西的時候。這裡的變更記錄用平實的語言說明了相反的情況，而模型卡也佐證了這一點。誠實的立場是：預覽標籤代表一種狀態，而不是另一個不同的模型。

什麼是相同的，以及你可以如何檢查它

• 上下文視窗 — 兩者均為 1,048,576 個 token。 • 最大回應 — 兩者均為 131,072 個 token。 • 模態 — 兩者皆支援文字與圖像輸入、文字輸出。 • 價格 — 每百萬輸入 token 為 $0.80、快取輸入為 $0.03、輸出為 $3.20。GA 變更記錄指出，這些費率是從預覽版沿用而來。 • 參數 — max_tokens、temperature、top_p、tools、tool_choice，其中工具選擇僅限於 auto。 • 基準測試 — 10 月 1 日的四項分數維持不變，且仍標示為初步結果。 • 權重 — 兩者皆為封閉式，且兩份記錄中都沒有 Hugging Face 識別碼。 • 服務供應 — 兩者皆由單一供應商（即廠商）提供。

那些都不是需要主觀判斷的事。它們是從同一份已公布的紀錄中讀取而來，而查核這些內容的讀者，無論看哪一頁，都會看到相同的數字。

什麼是不相同的

有三個不同之處，而每一個都有其後果。

• 模型字串。預覽版是透過預覽專用識別碼來呼叫的。該字串已被取代——Unbiased 的 GA 條目告訴預覽版使用者改用 pareto 或 pareto-26.10。正式版可以透過 pareto-26.10 指定，而單獨的 pareto 別名現在選取的就是這個版本。 • 狀態。預覽版是供應商表示可能變更的版本；正式版則是供應商的預設版本。這項區別不會影響你取回的 token，但會改變你對下一個所能做的假設。預覽版位置是供應商放置尚未願意背書的版本之處；預設位置則是放置其願意背書的版本之處。 • 訂閱額度。Personal 調整為每週 5,000 萬個 token，Personal Max 調整為 6 億個，兩者皆維持先前公布的每月價格 10 美元與 100 美元。按 token 計費的 API 方案並未隨之調整。

那就是完整的清單。如果你希望有第四列關於輸出品質的內容，並沒有這一列；任何給你這一列的文章都是在憑空捏造。

如果您釘選了預覽字串

這是比較中附有截止期限的部分。

以預覽版命名的模型字串，本質上就是一個有有效期限的字串。廠商已於 10 月 15 日將其退役，這表示任何把這個字串固定下來當作可重現性措施的人——這是個合理的直覺，因為預覽版本正是你會想凍結的東西——現在手上持有的字串已不再追蹤目前的發行版本。遷移只需一行：改為指向 pareto-26.10，而不是預覽版識別碼。

這裡有個微妙之處，值得刻意處理，而不是求快。Unbiased 的開發者文件指出，未知的模型識別碼目前還不會被拒絕，而且拼錯的字串仍會以 Pareto 提供服務並計費。所以在這裡，搞砸的遷移不會以 404 明顯報錯。它會悄無聲息地成功，但實際上是對到別名——而對這家供應商來說，這個別名遵循的是發布時程，而不是你鎖定的版本。如果你正要從預覽版移開，請確認你最終落在的字串就是你想要的那個，因為 API 不會有任何東西告訴你並非如此。

既然它們是一樣的，你要如何自行比較？

既然已公開的紀錄無法區分這兩者，唯一值得進行的比較，就是在你自己的實際工作負載上進行——而且這比聽起來的成本更低，因為你是在拿一個模型和你現有的基準比較，而不是拿兩個模型互相比較。

把這四個已公布的分數完全排除在決策之外。這些分數由廠商自行執行，模型卡稱該比較為初步結果，並指出 26.10 的結果來自 10 月 1 日的執行，在最終發布前可能有所變動。GPQA-Diamond 的數字 92.4% 最可能引發採購方面的討論，而它也是唯一在任何地方都沒有獨立對照結果的數字：截至 2026 年 10 月 18 日，沒有任何外部評估者發表過這四項中任一項的重新執行結果。把它當作假設，而不是研究發現。

接著用 GA 字串跑你自己的任務，並與你目前使用的任何方案相比，從兩個真正有約束力的軸度來衡量：每完成一項任務的成本——包括快取行為，因為在每百萬快取輸入 $0.03 的情況下，暖提示與冷提示之間的差異會主導每 token 的計算——以及 1M 上下文視窗是否會從你的流程中移除一個檢索步驟。第二點才是值得關注這個模型的理由，而且一個下午就能測量。

這正是路由層所建構來處理的評估型態，而值得精確說明我們在此涵蓋與不涵蓋的範圍。OrcaRouter 並未提供任何 Unbiased 模型，因此 Pareto 26.10 是透過廠商自家的 API 呼叫——就這樣。我們提供的是單一金鑰與單一整合，適用於你會用來與其進行基準比較的模型，以及自動容錯移轉，讓候選模型能承擔一部分真實流量，而不必讓正式環境路徑依賴它。OrcaRouter 的模型融合朝著同一方向更進一步，針對這項練習的成對比較部分：多個模型在一次呼叫中回答同一個提示，這是快速看出像 Pareto 這類混合模型的答案與單一模型基準有何差異的方法。我們的參數介面涵蓋 200+ 個模型，並對供應商牌價維持 0% 加成——這是針對我們所服務的型錄所作的陳述，並非針對這一個模型。

GA 轉換未能解決的事項

有兩件事，讀者往往以為 GA 標籤就能釐清，但這個標籤卻不能。

這並不能為這些基準測試下定論。宣布該模型已脫離預覽階段的那個頁面，仍繼續把這四項分數描述為初步比較，並表示最終發布前結果可能變動。正式全面推出（General availability）只是對產品狀態的陳述；供應商並未提升關於其品質的證據，其他任何人也都沒有。任何人引用 GPQA-Diamond 上的 92.4% 時，都應一併引用其限定條件，因為目前該限定條件是這個數字中唯一有獨立依據的部分。

這並沒有敲定價格。GA 條目說費率沿用，而目前價目表顯示 $0.80 / $0.03 / $3.20——這是供應商針對此模型系列已公布的兩個數字中較低者，因為九月版本的技術紀錄仍列 $2.50 輸入與 $7.50 輸出。這次變動沒有附日期的變更記錄條目，所以較低的價目表是你採用的依據，而不是你能要求供應商遵守的承諾。請據此估算支出，並在簽署任何假設此價格的文件前重新確認。

誰應該在意哪個字串

預覽版已經退場；唯一仍待決的問題，是要鎖定 GA 版本，還是跟著別名走，而這正好對應到工作負載類型。

如果你需要可重現性、成本歸因，或在長期評估中有一個穩定的比較組，就固定使用 pareto-26.10——對多數拿它來對照現行既有方案的團隊來說，正是如此。如果你確實想要供應商目前的預設版本，而且有機制能注意到它何時變動，那就跟著 pareto 走；這個別名已經變動過一次，就在 10 月 15 日，而變更記錄就是公告此事的地方。

這兩個選擇都與品質無關，因為紀錄裡並不包含這兩個字串之間的品質差異。真正重要的那個決定，早在 10 月 15 日就已經替你做好了：那天預設值換了；你在那個日期之前所呼叫的東西，並不是這個別名現在回傳的東西。標明你測試的是哪個版本，是讓這件事顯現出來的唯一辦法，而這也是這次轉換留下來的唯一一項待辦整理工作。