Pareto 26.10 转正：降价是真的，成绩还是 10 月 1 日预览版的自测

先说结论：Unbiased AI 的 Pareto 26.10 本周转正，能确定下来的是价格，每百万输入词元 0.8 美元、输出 3.2 美元，比上一版便宜一半以上。它在产品页上称四项成绩都追平或刷新了成本与成绩的帕累托前沿，可这四项测的是 10 月 1 日的预览版；转正时没有重测，而 Unbiased 自己说过预览版之后还会继续改。在有人从外面测一遍稳定版之前，这四个数字只能算预览版的自报成绩。

它是什么

Pareto 不是一个单独训练出来的模型。据 Cloudflare AI 文档（官方文件），它对每个请求同时调用多个语言模型，再合成一个回答，对外只露出一个接口。据 Unbiased 的转正博客（企业宣称），每个请求背后都有几个前沿模型和开源模型一起工作；具体是哪几个，我们在转正博客、模型卡和产品页上都没有找到名单。据 TheArtificialQ 的测评文章（第三方评测），作者写道，他后来才知道 Pareto 并不是单个大模型，而是由多个未公开的大模型共同作答。

发生了什么

据转正博客（署 10 月 15 日；预览博客的更新注记写的是 10 月 16 日正式可用），Unbiased 自家接口上的 pareto 改为指向 26.10，可以用 pareto-26.10 固定版本，旧的 pareto-26.9 继续可用。价格沿用预览期：每百万词元输入 0.8 美元、缓存输入 0.03 美元、输出 3.2 美元。据 预览博客（企业宣称），26.9 是 2.5、0.25、7.5 美元，三项分别降了约 68%、88% 和 57%。订阅用户的每周额度翻倍，每月 10 美元的 Personal 每周含 5000 万词元。

成绩方面，转正博客写得很直白：模型卡上是 10 月 1 日的初步结果，属于预览期测量，不是对稳定版的新评测。这四项是 DeepSWE v1.1 69.9%（每题 0.24 美元）、Terminal-Bench 4.0 50.8%（0.48 美元）、HLE 纯文本子集 49.9%、GPQA-Diamond 92.4%。

这四个数字该怎么读

第一，测的不是现在卖的这一版。预览博客写明，模型在之后一周左右会继续改进，不会为了赶日期冻结。也就是说，10 月 1 日被测的版本和转正的版本之间，按 Unbiased 自己的说法还在改进，它也没有说两者表现相同。

第二，比较对象不在同一把尺子上。据 Pareto 26.10 模型卡（企业宣称）的评测说明，其他实验室的成绩是从各自公开结果里抄来的，用的是各自的题目集和测试框架，与 Unbiased 的运行不能直接比较；他们没有亲自跑过 GPT-6.1 Sol、GPT-6 Luna 和 Claude Sonnet 5.5。模型卡还写明，用来对照的 26.9 和 Fable 5 在 DeepSWE 上只跑了 30 题的切片，不是完整题集，分母和成本口径还需要核实。DeepSWE 一栏里，26.10 是 69.9%，26.9 是 70.0%，分数没有涨，变的是每题成本，从 0.29 美元降到 0.24 美元；而 26.9 那一行是 30 题切片，两行连题集都未必相同。

第三，Unbiased 自己也给这些数字加了限定。据 产品页（企业宣称），四项是四个独立测试，分数之间不能互相比较，也不代表你的工作负载；对手的成绩来自外部发布，不是受控的同场对比。

所以，在 DeepSWE 这一项上，能读出的最多是分数持平、每题成本略降。至于前沿水平这个说法，目前的依据只有厂商自测，加上从不同测试框架里摘来的对手成绩。

渠道上能看到的实测

价格之外，第三方平台上已经能看到一些实际运行的数字。据 OpenRouter 的 26.10 模型页（第三方评测，10 月 18 日核对），用户实际支付的输入加权均价是每百万词元 0.2117 美元，约为挂牌价的四分之一；OpenRouter 说明实付价低于挂牌价来自缓存和折扣，该页显示缓存命中率为 76.4%；带来流量最多的是 OpenClaw 和 Kilo Code 这类智能体工具。同一页显示，过去三天端到端耗时 P50 平均 11.06 秒、P90 平均 81.53 秒，三天可用率 98.34%，最近 24 小时为 97.10%。预览博客只说延迟全面降低，没有给数字。

分析推断：依据 OpenRouter 的缓存命中率与流量来源，Pareto 的主要用户在跑反复带着长上下文的智能体任务，对他们来说，降幅最大的缓存价从 0.25 美元降到 0.03 美元，比输出单价更决定账单。

渠道之间也还没完全对齐。据 OpenRouter 的 Pareto Latest 页面（官方文件），这个别名总是指向家族最新版本，按实际服务的模型计费。但我们 10 月 18 日打开 Cloudflare AI 文档时，unbiased/pareto 一栏的价格仍是 2.5、7.5 和 0.25 美元，与 26.9 的价格相同。同样叫 pareto，经过不同渠道调用时对应哪一版，文档上看不出来。

另一处落差在可用性上：产品页写明，新的 Unbiased 接口账户需要人工审批，付了钱也不等于马上能用。转正已经宣布，直接开通 Unbiased 接口还要先等审批。

唯一的外部测试说明了什么

我们找到的独立测试只有一份，而且测的是旧版。据 TheArtificialQ 9 月 20 日的文章（文中没有写版本号），Pareto 在 16 道 Hack The Box 安全挑战里拿到 80.8%，低于 GPT-5.6 Sol 的 87.2%，与 GLM 5.3 Flash 的 81.0%、DeepSeek V4.1 Flash 的 80.9% 相当；每题成本中位数 0.37 美元，高于 GPT-5.6 Sol 的 0.29 美元，也远高于另外两家的 0.01 和 0.05 美元。

按日期，这份测试发生在 26.10 预览之前，用的是 26.9 时期的价格，不能用来评价 26.10。它能说明的是：判断这类产品贵不贵，要看每题成本，单价的降幅不能直接换算成每题成本的降幅。分析推断：依据是每题成本还取决于步数、输入长度和缓存命中，这份测试里 Pareto 每题中位数要走 25.5 步、读入 34 万输入词元；单价降了 57% 到 88%，每题成本会降多少，还得重测。

最强反方

最有力的反驳是：Unbiased 已经比大多数厂商坦白。它在博客、模型卡、产品页上反复写明成绩是初步的、对手数据不可直接比较、切片不是完整题集，转正博客还说评测框架是公开的，请人自己重跑。降价本身是确定的事实，用户拿自己的任务测一下就知道值不值。

我们在两点上让步：这些限定确实写在了页面上，Unbiased 没有隐瞒；降价也确实是这次最实在的变化。但论点不变。问题不在于有没有写限定，而在于预览博客的标题句仍是以开源价格给出前沿水平的回答，OpenRouter 上的介绍也写着前沿水平；支撑这句话的，是一个测试之后还在改进的版本，加上一组和别人不在同一框架里的数字。Pareto 背后是多个未公开的模型，外部无法查证同一版本号下内部组合有没有变化，这让独立复测比对单一模型更重要。

我们不知道什么

Pareto 26.10 背后是哪几个模型，同一版本号下内部组合会不会调整；稳定版在这四项上的分数，以及最终模型卡何时更新；每次请求计费的词元是否包含内部多个模型的调用；Cloudflare 上的 unbiased/pareto 现在实际服务哪一版、按哪个价格结算；零数据保留由谁来证明，转正博客只说 OpenRouter 和 Cloudflare 的流量在这一档；人工审批要等多久。

接下来看什么

一是模型卡会不会换上稳定版的正式成绩，以及 DeepSWE 与 Terminal-Bench 是否改用完整题集；二是 Artificial Analysis、Vals 这类独立评测会不会收录 26.10；三是 TheArtificialQ 或其他测评者用新价格重跑后，每题成本落在哪里；四是 Cloudflare 文档的价格何时更新。

我们的看法：在独立评测出来前，Pareto 26.10 值得记住的是价格和缓存后的实付价，而不是那四项分数。如果稳定版在完整题集上被第三方测出与预览相当的成绩，我们会改口。